Interviste
Ajay Vasal, responsabile globale per i dati e l’IA di Genpact – Serie di interviste

Punti chiave流程重新设计是阻碍代理型人工智能采用的主要障碍,而非模型性能。
Vedi di più
- 流程重新设计是阻碍代理型人工智能采用的主要障碍,而非模型性能。
- 仍有百分比的企业使用不适合自主人工智能系统的生产力指标。
- 仅有22%的组织信任具备领域级或广泛自主权的人工智能系统。
Ajay Vasal, responsabile globale per i dati e l’IA di Genpact, è un dirigente esperto di tecnologia e strategia, con oltre vent’anni di esperienza nell’intelligenza artificiale, nella strategia dei dati, nella trasformazione digitale, nelle fusioni e acquisizioni e nella consulenza aziendale. Nel suo ruolo attuale guida iniziative che aiutano le imprese ad ampliare l’adozione dell’IA e a passare da sistemi di assistenza a sistemi più autonomi e integrati nelle attività operative. Prima di entrare in Genpact, Vasal ha lavorato per quasi nove anni in Accenture, ricoprendo diversi incarichi dirigenziali di alto livello, tra cui responsabile globale per i dati e l’IA nei settori rivolti ai consumatori e responsabile globale del Centre for Data & Insights. Durante la sua carriera ha aiutato le organizzazioni a ricavare dai dati un valore aziendale misurabile attraverso una maggiore efficienza operativa, la crescita dei ricavi e la riduzione dei rischi. Ha inoltre guidato investimenti strategici, iniziative di fusione e acquisizione e programmi di trasformazione basati sull’IA in diversi settori.
Genpact è una società globale di servizi professionali e trasformazione digitale, specializzata in dati, IA, analisi, automazione intelligente e modernizzazione delle attività operative delle grandi imprese. Nata all’interno di General Electric (GE.TO ) e successivamente divenuta indipendente, oggi serve organizzazioni di settori quali servizi finanziari, sanità, produzione, commercio al dettaglio e beni di consumo. La società si concentra sempre più sulla trasformazione aziendale attraverso l’IA, combinando analisi, automazione e competenze settoriali per aiutare le imprese a modernizzare i flussi di lavoro, migliorare le decisioni e introdurre responsabilmente sistemi di IA su larga scala.
Prima di assumere il suo attuale ruolo in Genpact, ha lavorato per anni in Accenture alla definizione di strategie per i dati e l’IA in diversi settori. In che modo questa esperienza ha influenzato la sua visione dei motivi per cui le imprese faticano ancora a ottenere un valore reale dagli investimenti nell’IA?
Una delle lezioni più importanti del lavoro in diversi settori è che la maggior parte delle organizzazioni non fallisce perché la tecnologia è debole. Le difficoltà nascono invece dal tentativo di aggiungere l’IA a modelli operativi mai progettati per lo svolgimento autonomo delle attività. I risultati della nostra ricerca recente lo confermano chiaramente. Le imprese stanno adottando l’IA con grande slancio, ma molte faticano ancora a riprogettare i modelli operativi necessari per sostenere l’esecuzione autonoma su larga scala. Questo divario mostra quante imprese stiano ancora affrontando questioni di governance, responsabilità e preparazione organizzativa.
Vediamo anche organizzazioni procedere rapidamente prima di aver predisposto strumenti adeguati di misurazione. Il 71% dei dirigenti ritiene che l’IA agentica produrrà un ritorno sull’investimento più rapidamente di qualsiasi precedente ondata tecnologica, ma il 67% si affida ancora a indicatori di produttività sviluppati per modelli di automazione precedenti. La mia esperienza dimostra che adottare con successo l’IA non significa mai soltanto introdurre modelli. Significa riprogettare i flussi di lavoro, allineare la tecnologia alle priorità aziendali e aiutare le persone a comprendere come evolvono i loro ruoli accanto a sistemi sempre più autonomi.
Il vostro recente rapporto, Autonomy Requires Trust in AI, mostra che la maggior parte dei dirigenti crede che l’IA agentica cambierà radicalmente le attività aziendali, ma la maggior parte dei sistemi rimane sotto supervisione. Qual è il maggiore divario tra convinzione e attuazione?
Il divario riguarda interamente la fiducia. I dirigenti credono chiaramente che l’IA agentica cambierà il modo di lavorare, ma credere nella tecnologia non significa automaticamente sentirsi tranquilli nel delegarle il potere decisionale. La nostra ricerca ha rilevato che solo il 22% delle organizzazioni si sente a proprio agio nel consentire ai sistemi di IA di operare con autonomia in un determinato ambito o con un’ampia autonomia.
La maggior parte delle imprese usa ancora con tranquillità l’IA come assistente capace di consigliare, riassumere o sostenere i flussi di lavoro. L’esitazione nasce quando ci si aspetta che i sistemi agiscano autonomamente in modi che influiscono sulle attività operative, sui clienti, sulla conformità normativa o sui risultati finanziari. Questa esitazione spinge molte imprese a mantenere un forte coinvolgimento umano nei processi di approvazione e supervisione, anche mentre puntano a modelli operativi più autonomi.
Molte imprese investono molto nell’IA, ma non riescono a dimostrare ritorni significativi. Quali sono gli errori più comuni quando le organizzazioni cercano di misurare il valore prodotto dall’IA?
Un errore importante è che molte organizzazioni usano ancora indicatori di produttività progettati per precedenti ondate di automazione. I dati mostrano che il 67% delle imprese dipende ancora da misure basate sulla produttività che non colgono pienamente il valore di sistemi adattivi il cui funzionamento si basa sulle decisioni. Si crea così un divario reale tra le aspettative e il modo in cui il valore viene effettivamente misurato.
Un altro problema è che molte organizzazioni non hanno ancora definito indicatori di successo adatti alle caratteristiche dell’IA. Solo una piccola parte delle imprese misura aspetti come il completamento autonomo dei flussi di lavoro, la minore necessità di escalation o la gestione autonoma delle eccezioni. Se le aziende continuano a concentrarsi soltanto sulla riduzione dei costi o sulle ore risparmiate, perderanno di vista l’impatto operativo più ampio che l’IA agentica è progettata per produrre.
Il rapporto suggerisce che la preparazione organizzativa sia un ostacolo maggiore della tecnologia stessa. Quali cambiamenti strutturali concreti devono attuare le imprese per sfruttare tutto il potenziale dell’IA agentica?
Le organizzazioni devono ripensare il funzionamento delle responsabilità, della titolarità dei flussi di lavoro e delle decisioni nell’intera azienda. Una delle conclusioni più chiare della ricerca è che la preparazione organizzativa sta diventando un ostacolo maggiore della tecnologia stessa. Infatti, il 33% delle imprese ha indicato la mancata preparazione dei processi aziendali all’integrazione dell’IA agentica come principale ostacolo all’adozione.
Le aziende che fanno più progressi riprogettano i flussi di lavoro dall’inizio alla fine, affinché i sistemi autonomi possano operare entro limiti e strutture di supervisione chiaramente definiti. Abbiamo inoltre rilevato che il 44% delle imprese si aspetta che l’IA agentica riduca i livelli gerarchici, man mano che i sistemi assorbono i compiti di coordinamento tradizionalmente affidati ai dirigenti intermedi. I dipendenti hanno bisogno di molta più chiarezza sulle responsabilità di supervisione, sui momenti in cui intervenire e sul ruolo del giudizio umano in un ambiente sempre più autonomo.
Solo una piccola parte delle organizzazioni si sente a proprio agio nel concedere una vera autonomia agli agenti di IA. Che cosa servirà perché le imprese si fidino dei sistemi di IA al punto da affidare loro poteri decisionali?
La fiducia nell’IA agentica dipende, in ultima analisi, dalla responsabilità e dal controllo. Le imprese rimangono caute nel delegare il potere decisionale perché i dirigenti vogliono essere certi che i sistemi autonomi possano operare entro limiti e strutture di governance chiari.
Le aziende che avanzano progettano sistemi in cui i percorsi di escalation, le condizioni che fanno scattare l’intervento e i controlli di governance sono integrati direttamente nel modello operativo. La maggior parte delle organizzazioni concede autonomia gradualmente, in base al contesto aziendale e alla tolleranza al rischio, anziché passare improvvisamente alla piena autonomia. Le implementazioni riuscite danno maggiore sicurezza alle imprese e rafforzano la fiducia, perché i dirigenti possono vedere chiaramente come vengono prese le decisioni, chi ne risponde e come viene mantenuta la supervisione umana.
Le imprese si aspettano di ampliare rapidamente l’impiego dell’IA agentica, ma molte si affidano ancora a indicatori di produttività obsoleti. Come dovrebbero essere strutturati gli indicatori di prestazione più efficaci e adatti alle caratteristiche dell’IA?
Gli indicatori progettati per l’IA devono misurare l’esecuzione e i risultati, non la semplice attività. Le misure tradizionali di produttività osservano se le persone lavorano più rapidamente. L’IA agentica cambia il quadro perché il sistema stesso inizia a sostenere parte del carico operativo. Questo è importante perché molte organizzazioni continuano a misurare l’IA agentica secondo una prospettiva di produttività progettata per precedenti ondate di automazione, non per l’esecuzione autonoma.
Le misure più efficaci dovrebbero concentrarsi sul completamento autonomo dei flussi di lavoro, sulla riduzione dei tassi di escalation, sull’attuazione più rapida delle decisioni e sull’efficacia con cui i sistemi gestiscono le eccezioni con un intervento umano limitato. Questi indicatori danno un quadro molto più chiaro dell’effettivo miglioramento dell’esecuzione su larga scala grazie all’IA.
Lei sottolinea che la riprogettazione dei processi è il principale ostacolo all’adozione. Perché, in questa prossima fase dell’IA, la trasformazione dei flussi di lavoro conta più delle prestazioni dei modelli?
La trasformazione dei flussi di lavoro conta perché neppure i sistemi di IA più avanzati possono espandersi efficacemente all’interno di processi malfunzionanti o frammentati. La nostra ricerca ha rilevato che il 33% delle imprese indica la preparazione dei processi come il principale ostacolo all’adozione dell’IA agentica.
La prossima fase è diversa perché l’IA agentica è progettata per svolgere attività lungo i flussi di lavoro, anziché limitarsi ad assistere al loro interno. Le organizzazioni devono riprogettare i processi per l’esecuzione autonoma chiarendo le responsabilità decisionali, eliminando passaggi di consegne inutili e integrando la governance direttamente nei flussi di lavoro. Per molti aspetti, la riprogettazione dei flussi di lavoro è ormai la vera base per un’adozione dell’IA su vasta scala.
Il rapporto suggerisce che l’IA ridurrà i livelli organizzativi con l’automazione dei compiti di coordinamento. Come vede evolvere, di conseguenza, i ruoli della dirigenza e dei responsabili intermedi?
Man mano che l’IA agentica assume più compiti di coordinamento e supervisione operativa, i ruoli dirigenziali probabilmente passeranno dalla gestione dell’esecuzione ordinaria all’orientamento della strategia, all’esercizio del giudizio e alla governance. La nostra ricerca ha rilevato che molte imprese si aspettano che l’IA agentica riduca i livelli di coordinamento nell’organizzazione, mentre i sistemi autonomi assumono maggiori responsabilità di supervisione operativa.
I responsabili intermedi hanno storicamente svolto un ruolo importante nell’indirizzare le decisioni e nel mantenere la continuità operativa tra i gruppi di lavoro. Quando i sistemi autonomi inizieranno a gestire una parte maggiore di queste attività, i dirigenti dovranno concentrarsi di più sulla gestione delle eccezioni, sulla responsabilità e sull’allineamento dei sistemi agli obiettivi aziendali. La leadership umana diventerà ancora più importante negli ambiti in cui contesto, etica e giudizio contano di più.
Genpact si presenta come un’azienda di soluzioni per l’IA agentica e le tecnologie avanzate. In che modo il suo approccio all’IA agentica differisce da quello delle società di consulenza o tecnologiche tradizionali?
L’approccio di Genpact si fonda sull’esecuzione e sui risultati, e sulla soluzione di quello che spesso definiamo il problema dell’«ultimo miglio» nell’adozione dell’IA. Molte organizzazioni hanno già dimostrato che i modelli di IA possono generare informazioni utili o migliorare la produttività. La vera sfida consiste però nell’integrare queste capacità nei flussi aziendali effettivamente in uso, dove si svolge il lavoro. È qui che molti progetti di IA si fermano. Ci concentriamo sull’aiutare i clienti a mettere in pratica l’IA agentica fino all’ultimo passaggio dell’esecuzione, affinché i sistemi producano risultati misurabili nella finanza, nella catena di approvvigionamento, nel servizio clienti e nelle altre funzioni aziendali essenziali.
Ci distingue la combinazione di una profonda conoscenza dei processi con competenze nei dati, nella tecnologia e nell’IA. Non ci limitiamo a introdurre modelli o realizzare progetti pilota. Riprogettiamo i flussi di lavoro, integriamo la governance nelle attività operative e aiutiamo le imprese a creare le strutture di responsabilità necessarie per l’esecuzione autonoma su larga scala. Poiché abbiamo integrato l’IA agentica anche nelle nostre attività, disponiamo di esperienza pratica su ciò che serve per passare dagli esperimenti a un impatto sull’intera azienda.
Guardando al futuro, crede che l’IA agentica amplierà il divario tra le imprese all’avanguardia e quelle in ritardo? Che cosa dovrebbero fare le aziende ora per evitare di rimanere indietro?
Sì, credo che il divario si amplierà, perché l’IA agentica accumula valore in modo diverso dalle precedenti ondate tecnologiche. Le organizzazioni che riescono a riprogettare i flussi di lavoro, definire quadri di responsabilità e costruire fiducia nei sistemi autonomi otterranno vantaggi operativi difficili da replicare per i concorrenti. Colpisce la rapidità del cambiamento. Il 29% delle imprese si aspetta che l’IA agentica si estenda all’intera azienda nei prossimi 12 mesi.
Per le imprese che vogliono restare competitive, la priorità dovrebbe essere ora preparare il modello operativo all’esecuzione autonoma. Questo comprende la riprogettazione dei flussi di lavoro, la definizione delle strutture di responsabilità, la costruzione di sistemi di misurazione adatti alle caratteristiche dell’IA e gli investimenti nella preparazione del personale. Le organizzazioni che iniziano presto a gettare queste basi saranno in una posizione molto migliore rispetto a quelle che continuano ad affrontare l’IA come un’iniziativa tecnologica a sé stante.
Grazie per questa interessante intervista. I lettori che desiderano saperne di più possono visitare Genpact.












