Arun Hiremath, Chief Business Officer e Co-Fondatore di EvoluteIQ – Serie di Interviste

Arun Hiremath, Chief Business Officer e Co-Fondatore di EvoluteIQ, è un dirigente tecnologico e imprenditore con quasi tre decenni di esperienza che spazia dall’automazione aziendale, alla strategia di prodotto, allo sviluppo aziendale e alle telecomunicazioni. In EvoluteIQ, è responsabile della crescita dei ricavi e del rafforzamento delle relazioni con i clienti, in particolare attraverso l’attività eiq360 dell’azienda. Prima di unirsi a EvoluteIQ, Hiremath ha co-fondato e guidato la piattaforma low-code AmperAXP, che è stata integrata in EvoluteIQ nel 2021. La sua carriera precedente includeva posizioni di gestione di prodotto senior in Qualcomm (QCOM ), Ikanos Communications, Conexant Systems e Globespan, nonché la responsabilità dello sviluppo aziendale per l’Asia-Pacifico in Tata Elxsi (TATAELXSI.BO ).

EvoluteIQ è un’azienda di software aziendale che sviluppa una piattaforma nativa AI per l’automazione e l’orchestrazione di processi aziendali complessi e end-to-end. La piattaforma EIQ combina AI agente, AI generativa, automazione dei processi e delle decisioni, automazione dei processi robotici, elaborazione intelligente dei dati e degli eventi, integrazioni aziendali, analisi e sviluppo di applicazioni all’interno di un ambiente low-code/no-code. Progettata per sostituire gli strumenti di automazione frammentati con un’architettura unificata, la piattaforma aiuta le organizzazioni a costruire flussi di lavoro adattivi che collegano sistemi legacy e moderni, mantenendo al contempo la governance, la sicurezza e la scalabilità a livello aziendale. EvoluteIQ serve organizzazioni in vari settori, tra cui banche, assicurazioni, sanità, telecomunicazioni, produzione, energia e retail.

Nella nostra precedente intervista con Sameet Gupte, CEO di EvoluteIQ, abbiamo discusso della visione più ampia di EvoluteIQ per l’automazione aziendale nativa AI. Dal tuo punto di vista, lavorando a stretto contatto con i clienti, cosa è cambiato di più nel modo in cui le aziende pensano all’AI agente da quella conversazione?

Il cambiamento più grande è che le aziende hanno smesso di chiedere “L’AI può fare questo” e hanno iniziato a chiedere “Posso fidarmi dell’AI per fare questo?”

Un anno fa, la maggior parte delle conversazioni si concentrava su quali modelli avevano quali capacità. I clienti sono molto più pragmatici adesso. Vogliono sapere se l’AI può coordinare persone, applicazioni, politiche, approvazioni, conformità e altri agenti intorno a un risultato aziendale misurabile.

Il trattamento dei reclami è un buon esempio. L’AI in sé non è necessariamente la parte difficile. La sfida è progettare come gli agenti autonomi lavorano insieme alle persone e all’interno della governance IT attraverso più sistemi, team ed eccezioni.

Molte aziende sembrano ancora trattare l’AI come un altro strato di software aggiunto sopra i flussi di lavoro esistenti. Perché questo approccio è limitante e cosa significa quando un’azienda ridisegna un processo intorno all’esecuzione autonoma fin dall’inizio?

Aggiungere l’AI a un processo rotto ti permette solo di raggiungere il risultato sbagliato più velocemente.

Molti flussi di lavoro aziendali sono stati progettati 20 anni fa intorno alla presa di decisioni manuale. Aggiungere l’AI come un altro passaggio può ottimizzare il processo, ma non lo trasforma. La domanda migliore è quale decisione richiede veramente un intervento umano e quale può essere affidata in sicurezza agli agenti autonomi.

Nella gestione delle spese, ad esempio, l’AI può valutare le politiche, i modelli di spesa, la storia del dipendente e i documenti di supporto. Le richieste di routine possono essere approvate in pochi minuti, mentre solo i casi insoliti vengono escalati ai manager.

Hai sostenuto che molti clienti non hanno un problema di fornitore, ma un problema di modello operativo. Quali sono i problemi organizzativi più comuni che impediscono all’AI aziendale di scalare oltre i piloti?

La maggior parte delle aziende non ha una carenza di AI; ha una carenza di proprietà.

IT possiede l’infrastruttura. L’azienda possiede il processo. La sicurezza possiede la governance. I team dei dati possiedono i modelli. Le operazioni possiedono l’esecuzione. Ma nessuno necessariamente possiede il modo in cui tutte queste parti si uniscono per consegnare un processo aziendale autonomo. Ciò che manca è un modo unificato per mettere la tecnologia al lavoro.

È per questo che i piloti spesso diventano successi isolati. Le organizzazioni che automatizzano con successo stanno cambiando i loro modelli operativi, non stanno semplicemente acquistando più tecnologia. Stanno creando team multifunzionali che condividono la proprietà dei risultati aziendali piuttosto che dei singoli sistemi. La domanda importante è: chi possiede il risultato e chi è responsabile della sua consegna?

Dove tracci la linea tra automazione utile, automazione intelligente e vera automazione agente?

Li considero come tre fasi di maturità. L’automazione segue le istruzioni. L’automazione intelligente comprende le informazioni fornite. L’automazione agente comprende l’obiettivo aziendale e lavora per raggiungere il risultato.

Nel trattamento delle fatture, l’automazione tradizionale copia le informazioni tra i sistemi. L’automazione intelligente legge le fatture, estrae i dati e segnala le incongruenze. Quindi, l’automazione agente può identificare le informazioni mancanti, comunicare con i fornitori, applicare le politiche aziendali, gestire le eccezioni, ottenere le approvazioni e completare il processo.

La differenza non è semplicemente che l’AI è più intelligente. La differenza è che possiede il risultato piuttosto che un solo compito.

I leader aziendali sono sotto pressione per mostrare un ritorno sull’investimento (ROI) dell’AI rapidamente, ma la trasformazione dei processi complessi richiede tempo. Come dovrebbero le aziende bilanciare velocità, governance e cambiamento del modello operativo a lungo termine?

La velocità senza governance crea rischi. La governance senza velocità crea frustrazione. Le aziende devono bilanciare entrambe.

Le aziende dovrebbero iniziare con un processo aziendale che conta – qualcosa di visibile che possa dimostrare un valore misurabile – ma costruirlo su una base che supporti la governance, la sicurezza, l’osservabilità e la conformità. La soluzione iniziale non dovrebbe diventare un altro silo.

L’errore è credere che la governance rallenti l’innovazione. Una buona governance accelera in realtà l’adozione perché crea fiducia. Una volta che i controlli giusti sono in atto, le organizzazioni possono muoversi più velocemente e scalare con maggiore fiducia.

EvoluteIQ ha enfatizzato l’automazione dei processi end-to-end piuttosto che l’automazione di compiti isolati. Perché questa distinzione è così importante quando si passa dall’esperimentazione all’AI alla distribuzione in produzione?

Le aziende non vivono il lavoro come singoli compiti, lo vivono come risultati. Nessuno celebra perché l’estrazione dei documenti è diventata il 60% più veloce. Celebrano perché l’onboarding dei clienti ora richiede solo poche ore invece di due settimane. Migliorare i compiti isolati spesso sposta semplicemente il collo di bottiglia da qualche altra parte.

Quando l’acquisizione, la convalida, le approvazioni, la presa di decisioni, le integrazioni dei sistemi e la comunicazione con i clienti sono orchestrate come un unico flusso di lavoro nativo AI, l’organizzazione inizia a vedere risultati aziendali significativi. Ottimizzare un compito migliora l’efficienza, ma ottimizzare il processo cambia le prestazioni aziendali generali e può impattare sul conto economico.

I mercati cloud stanno diventando sempre più canali di distribuzione per l’automazione aziendale AI. Come vedi le piattaforme come Google Cloud cambiare il modo in cui le grandi organizzazioni scoprono, valutano, acquistano e distribuiscono l’automazione nativa AI?

I mercati cloud stanno facendo per il software aziendale ciò che gli store di app hanno fatto per i consumatori, ma con la governance aziendale integrata.

Rimuovono gli attriti attraverso l’acquisto, le revisioni della sicurezza e gli accordi commerciali. Le organizzazioni possono anche sfruttare gli impegni cloud esistenti, permettendo ai team di concentrarsi meno su come acquistare il software e più sui risultati aziendali.

Un cliente non dovrebbe dover aspettare un ciclo di acquisto di sei mesi solo per valutare una piattaforma nativa AI. I mercati consentono loro di iniziare a risolvere problemi aziendali molto più velocemente, restando all’interno della governance aziendale stabilita.

EvoluteIQ ha recentemente evidenziato eiq360 come una piattaforma basata su Google Cloud e Gemini che può trasformare l’intento aziendale in flussi di lavoro pronti per l’azienda utilizzando il linguaggio naturale, mantenendo al contempo la governance e il controllo. Cosa significa questo cambiamento per gli utenti aziendali non tecnici?

Stiamo passando da un mondo in cui gli utenti aziendali descrivono i requisiti ai team di ingegneria e aspettano i risultati, a uno in cui gli utenti descrivono i risultati.

Con eiq360, gli utenti possono ora descrivere il processo che vogliono migliorare in linguaggio naturale. La piattaforma può quindi aiutare a generare flussi di lavoro pronti per l’azienda, applicando automaticamente la governance, la sicurezza, la conformità e i controlli operativi.

Ciò non elimina IT; lo eleva. I team tecnologici possono ora concentrarsi sul definire le barriere di sicurezza aziendali, i servizi riutilizzabili e gli standard di governance invece di costruire manualmente ogni flusso di lavoro. Questo è uno dei cambiamenti più importanti che l’AI sta portando nel software aziendale come lo vediamo.

La frase “l’AI aziendale dovrebbe essere noiosa” va contro molto dell’attuale hype. Cosa dovrebbe essere noioso, prevedibile o ripetibile nell’AI quando viene utilizzata per l’esecuzione aziendale mission-critica?

Nessuno vuole che la busta paga sia emozionante. Nessuno vuole che una richiesta di assicurazione sia sorprendente. Nessuno vuole che una transazione bancaria sia creativa.

L’AI aziendale dovrebbe assolutamente essere innovativa durante l’esperimentazione. Una volta che entra in produzione, dovrebbe diventare meravigliosamente prevedibile. Dovrebbe produrre risultati coerenti, spiegare le sue decisioni, riconoscere quando la fiducia è bassa e richiedere l’intervento umano quando necessario. La migliore AI aziendale non è quella di cui tutti vogliono parlare. È quella che nessuno nota perché l’azienda funziona semplicemente meglio.

Guardando avanti, cosa separerà le aziende che operazionalizzano con successo l’AI agente da quelle che rimangono bloccate nella modalità di prova?

I vincitori non avranno necessariamente i modelli AI più avanzati. Avranno i migliori modelli operativi per l’AI. Ridisegneranno i processi invece di digitalizzare le inefficienze, costruiranno la governance prima della scalabilità e creeranno capacità aziendali riutilizzabili invece di prove isolate.

Le aziende vincenti non penseranno all’AI come a un’altra applicazione, ma come a una nuova forza lavoro che collabora con le persone, i sistemi e le politiche aziendali. Il prossimo decennio sarà sul come ottimizzare il modo in cui le persone, gli agenti AI e i sistemi aziendali lavorano insieme.