Lokdeep Singh, CEO di Unily – Serie di Interviste

Lokdeep Singh ha più di 20 anni di esperienza nella guida di aziende di software enterprise ad alta crescita. Più recentemente, come Senior Advisor presso Providence Equity Partners, dove ha supportato le società in portafoglio nella strategia AI, nell’eccellenza operativa e nell’accelerazione go-to-market. Prima di ciò è stato CEO di Talkwalker, leader globale nell’intelligence dei consumatori enterprise, dove ha guidato la trasformazione per raggiungere una crescita sostenibile e redditizia; e presso Synchronoss Technologies come General Manager.

Unily è una piattaforma enterprise di employee experience progettata per aiutare le grandi organizzazioni a connettere i dipendenti, semplificare le comunicazioni interne e portare gli strumenti, le conoscenze e i servizi sul posto di lavoro in un ambiente digitale unificato. Fondata nel 2006, l’azienda serve imprese globali con forze lavoro distribuite, basate su scrivania e di prima linea, combinando capacità intranet, comunicazioni dei dipendenti, ricerca, analisi, integrazioni e personalizzazione in un’unica piattaforma. Unily posiziona sempre più la sua tecnologia come AI-native, utilizzando intelligenza artificiale governata per automatizzare la gestione dei contenuti, evidenziare informazioni rilevanti, personalizzare le esperienze dei dipendenti e consentire ai lavoratori di interagire con le applicazioni enterprise collegate tramite interfacce conversazionali. La piattaforma si integra con sistemi di lavoro ampiamente utilizzati come Microsoft 365 e Teams ed è costruita per organizzazioni con ambienti tecnologici complessi, requisiti normativi e grandi forze lavoro multilingue.

Hai iniziato la tua carriera immerso nell’ingegneria delle telecomunicazioni e nelle infrastrutture di rete prima di passare a ruoli di CTO, prodotto, gestione generale e CEO, guidando infine Talkwalker verso una exit di successo e ora assumendo la guida di Unily. In che modo questa evoluzione ha plasmato la tua visione di ciò che è realmente necessario affinché i dipendenti si fidino e adottino una tecnologia trasformativa come l’AI?

La mia carriera mi ha fornito una prospettiva che si colloca tra la tecnologia e le persone che si prevede la utilizzino. All’inizio mi sono concentrato sull’infrastruttura, assicurandomi che i sistemi funzionassero in modo affidabile, sicuro e su larga scala. Man mano che sono passato al prodotto, alla gestione generale e, infine, a ruoli di CEO, ho imparato che la capacità tecnica è solo una parte del successo di una tecnologia.

I dipendenti adotteranno una tecnologia emergente solo quando comprenderanno come influisce sul loro lavoro, credono che li aiuterà piuttosto che danneggiarli e hanno fiducia che si comporterà in modo prevedibile.

Il più grande errore che i leader possono commettere è trattare l’adozione dell’AI come un semplice rollout di software. Puoi distribuire il miglior modello al mondo, ma se i dipendenti non si fidano delle informazioni che fornisce, non comprendono cosa sia autorizzato a fare o non conoscono i limiti, l’adozione rimarrà superficiale. La fiducia deve essere integrata nell’esperienza dei dipendenti fin dall’inizio.

Le capacità dell’AI stanno migliorando in modo straordinariamente rapido, tuttavia la fiducia all’interno delle organizzazioni sembra progredire molto più lentamente. Cosa sta alimentando questo divario crescente tra ciò che l’AI può fare tecnicamente e ciò di cui i dipendenti sono effettivamente disposti a permettere?

Il divario di fiducia esiste perché le organizzazioni hanno investito molto per rendere l’AI capace, ma non allo stesso ritmo per renderla comprensibile, responsabile e basata su informazioni affidabili.

L’AI può ora ragionare, generare contenuti e agire, ma molte organizzazioni mancano ancora di un sistema autoritario di registrazione per conoscenza e contenuti. Quando i dipendenti non sanno da dove l’AI trae le sue risposte, se le informazioni sono aggiornate o chi ne è proprietario, la fiducia si erode rapidamente.

Colmare il divario richiede più di modelli migliori. Richiede una governance solida dei contenuti e una base di conoscenza affidabile che garantisca che l’AI lavori su informazioni accurate, sicure e aggiornate. Le organizzazioni che avranno successo saranno quelle che integrano la fiducia nell’esperienza stessa dell’AI, non come un ripensamento.

Le aziende spesso considerano l’AI enterprise come un problema di implementazione tecnologica incentrato su modelli, integrazioni, sicurezza e infrastruttura. Perché credi che la sfida più difficile sia in definitiva una questione di persone e organizzazione?

L’AI cambia il rapporto tra le persone e la tecnologia. Le precedenti tecnologie enterprise attendevano principalmente che i dipendenti indicassero loro cosa fare. L’AI può interpretare l’intento, fornire raccomandazioni e, sempre più, agire.

Ciò rende l’adozione dell’AI una sfida del futuro del lavoro, non solo una sfida tecnologica. Cambia il modo in cui il lavoro viene svolto, le decisioni prese e la collaborazione tra i team. Le organizzazioni non possono semplicemente implementare l’AI e attendersi che la trasformazione avvenga. I dipendenti devono capire dove l’AI si inserisce nei loro flussi di lavoro e sentirsi autorizzati a usarla efficacemente.

Le iniziative AI di maggior successo sono guidate da un’adozione dal basso, non da mandati dall’alto. Quando i dipendenti percepiscono un valore chiaro nel loro lavoro quotidiano, l’adozione accelera naturalmente.

Ecco perché il quadro per il ROI dell’AI si basa semplicemente su fiducia, empowerment e governance. Costruisci la fiducia attraverso trasparenza e conoscenza affidabile, dai ai dipendenti gli strumenti che migliorano il loro modo di lavorare e stabilisci una governance che garantisca un uso responsabile dell’AI. La tecnologia abilita il cambiamento, ma sono le persone, i processi e la cultura a determinare in ultima analisi il suo successo.

Le organizzazioni hanno bisogno di governance, ma politiche eccessivamente restrittive possono spingere i dipendenti verso strumenti non autorizzati o scoraggiare del tutto la sperimentazione. Come appare un quadro di governance dell’IA efficace se l’obiettivo è aumentare sia la fiducia sia l’adozione, piuttosto che semplicemente controllare l’uso?

Una buona governance dovrebbe sembrare delle barriere di sicurezza che consentono ai dipendenti di muoversi più velocemente in modo sicuro.

Ciò significa essere molto chiari su ciò che i dipendenti possono usare l’IA per, quali informazioni possono fornire ai sistemi di IA e quali azioni l’IA è autorizzata a compiere. Tali regole dovrebbero essere comprensibili per un dipendente, non nascoste in un lungo documento di policy.

La governance deve anche essere dinamica. Il rischio associato a un’IA che genera una prima bozza è molto diverso da quello di un’IA che approva un pagamento, modifica un record dipendente o comunica con un cliente. Il livello di supervisione umana dovrebbe corrispondere alla potenziale conseguenza.

In definitiva, l’obiettivo non dovrebbe essere minimizzare l’uso dell’IA. Dovrebbe essere massimizzare un uso responsabile.

Una ricerca di Unily ha rilevato che il 52% dei dipendenti ha segnalato di non avere una politica IA nota nella propria organizzazione, mentre alcuni dipendenti hanno ammesso di inserire informazioni sensibili in strumenti IA non autorizzati. In che misura l’ascesa dell’«IA ombra» è in realtà un fallimento di comunicazione e governance piuttosto che un problema di comportamento dei dipendenti?

Dobbiamo fare attenzione a inquadrare l’IA ombra come un problema di dipendente cattivo. Una ragione significativa per l’uso dell’IA ombra è un sintomo di domanda insoddisfatta. I dipendenti trovano modi per risolvere problemi che le loro organizzazioni non hanno ancora fornito strumenti approvati per risolvere, il che è un comportamento umano naturale.

Piuttosto che aspettarsi che ignorino una tecnologia che sta cambiando il modo in cui il lavoro viene svolto, la risposta è fornire ai dipendenti un percorso sicuro e autorizzato per sperimentare, includendo limiti chiari e formazione.

Trasparenza e spiegabilità sono spesso presentate come essenziali per un’IA affidabile, ma i dipendenti non hanno necessariamente bisogno di capire come funziona internamente un modello di linguaggio di grandi dimensioni. Quali informazioni dovrebbe fornire un sistema IA affinché un dipendente possa prendere una decisione informata sul fidarsi della sua risposta o raccomandazione?

Un sistema IA aziendale dovrebbe indicare chiaramente da dove provengono le informazioni, quando sono state aggiornate l’ultima volta, quali fonti o sistemi aziendali sono stati utilizzati e perché è stata fatta una determinata raccomandazione.

Dovrebbe inoltre essere onesto riguardo all’incertezza. Uno dei segnali di fiducia più importanti è un sistema IA che dice, in pratica, «Non ho sufficienti informazioni per rispondere con sicurezza».

La fiducia non nasce dal fatto che l’IA finga di essere certa. Nasce dal fornire ai dipendenti contesto sufficiente per esercitare il proprio giudizio.

Unily Glass è progettato per portare l’IA aziendale oltre la risposta a domande, verso l’esecuzione di azioni su sistemi come HR, IT e piattaforme di gestione delle relazioni con i clienti. Man mano che l’IA passa dal fornire informazioni al compiere effettivamente azioni, come dovrebbero le organizzazioni decidere quali decisioni gli agenti possono prendere autonomamente e quali dovrebbero continuare a richiedere l’approvazione umana?

Il principio chiave dovrebbe essere la proporzionalità del rischio. Se un agente IA sta programmando una riunione o trovando informazioni, le conseguenze di un’azione errata sono relativamente limitate. Si può concedere molta più autonomia. Tuttavia, se un agente approva una transazione finanziaria, modifica la retribuzione di un dipendente, revoca l’accesso o prende una decisione cliente di rilievo, la soglia dovrebbe essere drasticamente più alta.

Le organizzazioni dovrebbero stabilire livelli espliciti di autonomia basati su fattori quali impatto finanziario, esposizione normativa, reversibilità e impatto sulle persone. Più l’azione è consequenziale o irreversibile, più diventa importante l’approvazione umana.

L’obiettivo è mantenere gli esseri umani in controllo in modo significativo dove conta.

Le imprese stanno sempre più distribuendo più copiloti, agenti specializzati, grandi modelli linguistici e applicazioni abilitati all’IA lungo lo stack tecnologico. Come possono le organizzazioni impedire che ciò crei un ulteriore livello di frammentazione, e prevedete che un livello centralizzato di fiducia o orchestrazione diventerà essenziale?

Corriamo il rischio di ricreare la stessa frammentazione che il software aziendale ha generato negli ultimi decenni, solo che ora ogni applicazione può avere la propria interfaccia IA e il proprio agente.

I dipendenti non dovrebbero dover capire quale modello sta dietro a quale applicazione o ricordare dove risiede l’IA di ogni organizzazione. Dovrebbero poter interagire con l’IA nel contesto del loro lavoro e avere le informazioni e le capacità giuste messe a disposizione.

È qui che un livello di orchestrazione e fiducia diventa sempre più importante. Può fornire un modo coerente per gestire identità, permessi, contesto, accesso ai dati e azioni tra diversi sistemi IA.

Probabilmente non ci sarà un unico modello o una singola piattaforma IA che possieda tutto, ma le organizzazioni avranno sempre più bisogno di uno strato comune che faccia lavorare tutti questi sistemi insieme in modo responsabile.

Molte organizzazioni possono misurare quanto spesso i dipendenti utilizzano uno strumento di IA, ma l’uso da solo non dimostra che l’investimento stia creando valore. Quali metriche dovrebbero monitorare i leader per determinare se l’IA sta davvero migliorando la produttività, il processo decisionale, l’esperienza dei dipendenti o i risultati aziendali?

L’uso è un punto di partenza interessante, ma non è il risultato. I leader dovrebbero chiedersi se l’IA sta riducendo il tempo necessario per completare i flussi di lavoro importanti, eliminando il lavoro ripetitivo, migliorando la qualità o la velocità delle decisioni e riducendo gli attriti per i dipendenti.

Guarderei metriche come il tempo risparmiato per flusso di lavoro, i tassi di completamento dei compiti, i tassi di errore, la soddisfazione dei dipendenti, il tempo di risoluzione e, in ultima analisi, le metriche aziendali legate alla funzione specifica che utilizza l’IA.

Le organizzazioni più solide collegheranno le metriche dell’IA direttamente ai risultati aziendali, invece di celebrare l’attività per il suo stesso valore.

Man mano che l’IA aziendale evolve da assistenti che generano contenuti a agenti in grado di eseguire flussi di lavoro sempre più complessi, cosa credi che i leader aziendali sottovalutino ancora riguardo alla relazione tra capacità dell’IA, fiducia dei dipendenti e adozione di successo?

Molti leader sottovalutano ancora quanto la fiducia determini il limite massimo per l’adozione dell’IA.

Le aziende parlano spesso della capacità dell’IA come se più capacità significassero automaticamente più valore. Non è così. Un sistema estremamente capace di cui i dipendenti non si fidano può generare meno valore rispetto a un sistema più limitato che comprendono e usano con fiducia.

Ciò richiede alle aziende di considerare tecnologia, governance, esperienza dei dipendenti e cambiamento organizzativo come un unico sistema. Le aziende devono capire come rendere l’IA sufficientemente affidabile da cambiare realmente il modo in cui le persone lavorano.

Grazie per la grande intervista, i lettori che desiderano saperne di più dovrebbero visitare Unily.