Jitendra Putcha、TredenceのCOO – インタビューシリーズ

Jitendra Putcha、TredenceのCOOは、人工知能、データ分析、デジタルトランスフォーメーション、デリバリー、エンタープライズテクノロジーサービスにわたるほぼ30年の経験を持つ熟練のテクノロジー・オペレーション幹部です。2026年4月にTredenceに入社する前は、Mastech DigitalでChief Delivery Officerを務め、戦略、トランスフォーメーション、P&Lの責任、サービスデリバリーを監督するエグゼクティブリーダーシップチームの一員でした。以前はLTIMindtreeおよびLTIで数年勤務し、最終的にSenior Vice President兼Global Head of Data & AIとして、エンタープライズAI導入、生成AI、AIエージェント、データ・分析サービス、プロダクトエンジニアリング、プラットフォーム開発を担当しました。さらに、PutchaはCognizantでほぼ18年間勤務し、Vice President of AI & AnalyticsやHyderabad Center Headなどの上級リーダーシップポジションを歴任し、グローバルなデータ・分析デリバリー、AI主導のトランスフォーメーション、産業横断的な分析能力のスケーリングに取り組みました。キャリア初期はWiproとDSQ Softwareでの役割を経験し、データウェアハウジング、ビジネスインテリジェンス、分析、 大規模エンタープライズデリバリーにわたる基盤を築きました。

Tredenceは、AIにおける「ラストマイル」問題—インサイトを生成することと、それを測定可能なビジネス成果に変換することとのギャップ—に取り組むことに注力する、グローバルなデータサイエンス・AIソリューション企業です。2013年に設立された同社は、業界専門知識とデータエンジニアリング、データサイエンス、機械学習、生成AI、AIエージェント、クラウド技術、独自のアクセラレータを組み合わせ、企業がAIを大規模に運用できるよう支援します。Tredenceによると、従業員は4,200人以上で、小売、消費財、テクノロジー、通信、ヘルスケア、旅行、産業など幅広いセクターの企業と取引しています。同社のアプローチは、モデルやダッシュボードで止まらず、分析とAIを実際のビジネスプロセスに組み込むことを重視しており、エンタープライズ対応の生成AI、マルチモーダル・エージェントシステム、責任あるAI、データモダナイゼーション、AIガバナンスといった機能を提供します。

あなたは、Cognizant、LTIMindtree、Mastech Digitalでのリーダーシップ経験を含め、エンタープライズデータ、分析、AI、そして大規模グローバルデリバリーにわたる28年以上の経験を持っています。2026年にTredenceの最高執行責任者（COO）に就任する前のことです。この成長段階でTredenceに惹かれた理由は何ですか？また、企業が実験段階からスケールしたAIへ移行する中で、AI特化型サービス会社の運営方法と価値提供を再構築する最大の機会は何だと考えますか？

私がTredenceに惹かれたのは、会社が非常に実務志向である点です。これまでのキャリアで多くの技術変革を目の当たりにしてきましたが、深いAI専門知識を実際のビジネス成果に直接結びつける組織は稀です。Tredenceは単にAIを語るだけでなく、実際のエンタープライズ課題を解決するソリューションを構築しています。

現在、業界は驚くべき転換点にあります。テスト段階を超えて、次の難しい問いに直面しています：AIを日々の業務にどう組み込むか？これこそが私たちが「AIのラストマイル」と呼ぶもので、インサイトを生成することと、そのインサイトが具体的な人物、プロセス、または意思決定に届き、実用的な成果を生むこととのギャップを埋めることを意味します。

ここでの機会は、単に最新ツールを導入することだけではありません。実行上の課題を解決し、組織が新たな考え方を取り入れ、測定可能な価値を実感できるようにすることです。COOとして、私の役割はその優位性を守ることです。機敏さやクライアント志向を失わずにオペレーションを拡大し、高度なAI志向を実際の成果に変換したいと考えています。

企業が有望なAIパイロットを実施しても、実際の本格的なプロダクションシステムに至らないケースが依然として見受けられます。停滞するプロジェクトを見たとき、最も一般的な失敗要因は何か、そしてそのうちどの問題を経営層がまだ過小評価しているのでしょうか？

正直に言うと、ほとんどのAIパイロットが失敗するのは技術が原因ではありません。AIを強力なエンジンとして扱いながら、その周囲の車体を構築し忘れることが原因です。こう考えてみてください：最高級のエンジンでも、クリーンな燃料、ステアリングホイール、そしてドライバーがなければ全く役に立たないのです。

3つの基本要素を過小評価すれば、AIモデルはガレージに放置されたままになります。信頼できるデータはクリーンな燃料です。データが乱雑で整理されていないと、エンジンが詰まり、モデルは信頼性の低い回答を返します。強固なガバナンスはステアリングホイールです。明確なルールや安全ガードレールがなければ、チームはリスクを恐れて車を道路に出すことができません。

最後に、明確なビジネスオーナーシップがドライバーであり、経営層が最も過小評価している要素です。ビジネスリーダーが舵を取らず、ツールを推進せず、チームの日常業務に直接組み込まなければ、プロジェクトは成果を出すのに苦労します。「デモ罠」から脱出しなければなりません。成功は多数のパイロットを立ち上げたり、テストエンジンを集めることではなく、データを確実に管理し、明確なガードレールを設定し、実際の責任を割り当て、AIを日々のビジネス運営に静かに組み込むことにあります。

Tredenceは長らくAIの「ラストマイル」を、インサイトを行動に結びつけることと説明してきました。エージェントAIは、ソフトウェアが意思決定を実行できるようにすることで、さらに先へ進める可能性があります。AIがアクションを推奨する段階から自律的にそのアクションを実行する段階へ移行したとき、ラストマイルの課題はどのように変わるのでしょうか？

過去にAIのラストマイルに取り組むことは、GPSで運転するようなものです。画面は正確に次の曲がり角を示しますが、ハンドルは自分で回さなければなりませんでした。エージェントAIはそれを完全に逆転させます。今や車は実質的に自律走行しています。

これにより会話全体が変わります。もはやマネージャーにダッシュボード上のチャートを信頼させようとするだけではなく、私たちに代わって意思決定を行うシステムを構築しています。真の課題は、データを見るよう人々に促すことではなく、どれだけの制御をソフトウェアに委ねることに快適さを感じるかを見極めることです。

在庫ログの更新やデータファイルのクリーンアップといった日常的で低リスクなタスクに関しては、エージェントを自動運転させるのは当然の選択です。なぜなら、通常の企業内の遅延を排除できるからです。しかし、意思決定が大規模な金融取引、機密性の高い顧客クレーム、あるいは法的境界に関わる場合は、人間が介入してブレーキをかけられる体制が必要です。

最終的に、エージェントAIで成功する企業は、最も高度な技術を持つ企業だけではありません。ソフトウェアが単独で動作できる範囲と、人間の判断がハンドルを取り戻すべき範囲を、クリアに区切る組織が勝者となります。

エージェント型エンタープライズには、ドメインコンテキスト、ガバナンス、インテリジェントな実行が連携して必要だと主張されています。なぜ単にLLMやAIエージェントを既存のデータスタック上に置くだけでは不十分で、どのようなアーキテクチャ変更が求められるのでしょうか？

エンタープライズデータの上にLLMを配置することは、インテリジェントな従業員を雇用し、入社初日から社内のすべての文書へのアクセス権を与えるようなものです。彼らは賢く有能ですが、貴社のシステム、プロセス、内部規則、法規制がどのように機能しているかは全く把握していません。

企業は環境が自然に複雑であるため、同様の課題に直面します。データは複数のシステムにまたがって存在し、ビジネスルールは長年にわたり静かに進化してきました。その上、コンプライアンス要件は業界や地域によって異なります。エージェントが効果的に機能するためには、単なる情報ではなくコンテキストが必要です。

そのため、エンタープライズAIは3層のアーキテクチャとして考えます。第一層は信頼できるデータ基盤です。第二層はドメインインテリジェンスで、ビジネスコンテキスト、関係性、定義、ワークフローを捉えます。第三層はエクスペリエンス層とクローズドループ実行で、エージェントがガバナンスされた境界内で推論し行動できるようにします。

多くの組織が第一層に多額の投資を行い、第二層の要素を構築しているものの、真の機会は3層すべてを結びつけることにあります。

コンテキストとガバナンスがなければ、最も有能なモデルでもビジネスの現実と合致しない妥当な回答を生成してしまいます。エンタープライズAIに必要なのは、より高度なインテリジェンスではなく、より多くのコンテキストです。

「AIエージェント」は業界で急速に使い過ぎられた用語の一つです。技術的観点から見て、実際に有用なエンタープライズエージェントと、いくつかのツールやワークフローに接続されたチャットボットとを分けるのは何でしょうか？

実際に有用なエンタープライズエージェントは、会話の滑らかさよりも、責任を持って何ができるかで定義されます。現在、人々が「エージェント」と呼ぶ多くは、数個のAPIに接続されたチャットボットに過ぎません。基本的な質問に答えるか、単純で硬直したワークフローを起動するだけです。それは便利ですが、変革的ではありません。

真のエンタープライズエージェントは単なるスクリプトに従うだけではなく、最終目標を理解し、さまざまな選択肢を検討し、複数のレガシーシステムを横断し、状況変化に適応し、企業のガバナンスライン内に厳格に留まります。私はこれを、検索エンジンと信頼できるオペレーションマネージャーの違いに例えます。前者は情報を提供し、後者は仕事を完遂する責任を負います。

それを実現するには、エージェントに深いドメインコンテキストが必要です。たとえば小売在庫エージェントは、単にスプレッドシートを見るだけでなく、補充サイクル、需要パターン、サービスレベル、利益率への影響を同時に理解しなければなりません。実際のエージェントと高度なチャットボットを分けるのは、チャットインターフェースではなく、ドメイン理解、記憶、推論、バックエンドのオーケストレーション、組み込みのアカウンタビリティです。最終的に企業が必要なのは、別の閲覧インターフェースではなく、信頼性とスケールで作業を実行できるシステムです。

Tredenceは小売や消費財といった業界特化型AIに大きな重点を置いています。基盤モデルがますます高性能になる中で、ドメイン専門知識が依然として優位性を生む領域はどこにあり、最終的にどれだけのインテリジェンスが特定業界のワークフロー、用語、制約、経済性の理解から生まれる必要があるのでしょうか？

基盤モデルは驚異的に強力になっていますが、ドメイン専門知識こそが生の知能と実際の有用性の違いを生み出します。まるで同じ高性能医療教科書を外科医、企業弁護士、小売マネージャーに渡すようなものです。その本の情報は同一ですが、患者や手術室、仕事の重要性を実際に理解している人にしか価値がありません。 

すべての業界には見えないルール、独自の経済性、厳格な規制、日々の運用制約があります。たとえば小売業では、予測精度を技術的に向上させるAIレコメンデーションが、棚の在庫切れを大量に引き起こすような場合、役に立つどころか負債になります。

汎用モデルに深いドメイン知識を組み込むと、ビジネス成果は巨大になります。たとえば Tredence では、業界固有のソリューションを導入し、顧客に驚異的で検証済みの成果を提供しています。スーパーマーケットの予測プログラムは約2億ドルの価値を創出し、補充一致率を90％以上に押し上げました。製造業のサプライチェーンプラットフォームは初年度に1,000万ドルの節約を実現しました。小売業のワークフロー近代化はアナリストの作業負荷を70％削減し、別のプログラムは1億ドルの損失削減を達成しました。

基盤モデルが電気のようなコモディティ化されたユーティリティになるにつれ、真の競争優位は、汎用的な知能を正確なビジネス成果に変換できる最適な独自コンテキストとワークフロー理解を持つ者へと完全にシフトします。

再利用可能な AI プラットフォームを構築することと、各企業のデータやプロセスに合わせてシステムをカスタマイズすることの間には緊張関係があります。何を標準化すべきか、何をカスタマイズすべきかをどのように判断し、過度のカスタマイズが AI のスケーリングに対する障壁になることはないか、という課題です。

標準プラットフォームとカスタム機能のバランスを取ることは常に難しい判断です。個人的にはそれを都市計画に例えます。道路、電力網、水道は当然標準化しなければなりませんが、近隣のすべての住宅がまったく同じコピーである必要はありません。

同じ原則が AI にも当てはまります。データセキュリティ、ガバナンス、モニタリングといったものは完全に標準化すべきです。事実上、見えない企業インフラになるべきです。これを効率化するために、企業は再利用可能なエージェント用の内部マーケットプレイスを構築し、チームが常に車輪の再発明をしないようにすることを推奨します。

しかし実際のビジネスワークフローは柔軟性を保つ必要があります。そこに唯一無二の競争優位性が宿るからです。現在最大のリスクは過小カスタマイズではなく過度のカスタマイズです。すべての AI 導入が高度にユニークで孤立したエンジニアリングプロジェクトになると、スケーリングは悪夢となり、保守コストは急上昇します。目指すべきは再現可能な能力の構築です。堅固な基盤を標準化し、そこにチームが自社のニーズに迅速に適応できるブロックを提供します。AI 能力を活用・再利用できることが重要な差別化要因となり、導入が加速し、価値実現までの時間が短縮され、ROI が強化されます。

エージェントが意思決定やタスク実行の能力を獲得するにつれ、企業はどこで自律性を認め、どこで人間の承認を必須とすべきかをどのように判断すべきでしょうか？特に組織が過度に速く、あるいは過度に慎重に進めていると考えるビジネス機能はありますか？

AI に自律性を付与する際には、リスクが常にルールを決定すべきであり、単に技術が処理できるかどうかだけで判断すべきではありません。エージェントがプロセス全体を実行できるからといって、安全コードを完全に外すべきではありません。日常的な在庫記録やバックオフィスファイルの同期といったルーティン業務は、完全自動化に最適です。なぜなら、巨大なオペレーション上のボトルネックを排除できるからです。しかし、意思決定が厳格な規制、巨額の財務支出、または高リスクの顧客問題に関わる場合は、必ず人間が介在する必要があります。

現在、サプライチェーンやバックオフィス業務において企業は過度に慎重になりすぎています。エージェントが安全に時間を節約できるはずのルーティン調達や請求書照合の自動化を足踏みしています。一方で、顧客サービスや法務コンプライアンスでは逆に速すぎて、予測不可能な顧客紛争や自動契約レビューに自律エージェントを投入し、十分なガードレールがありません。ここで求められるのは最大化された自動化ではなく、責任ある自動化です。

フロンティアモデルがより安価で高性能になるにつれ、AI サービス企業の役割は変化する可能性があります。価値はモデル構築からデータアーキテクチャ、統合、評価、オーケストレーション、ガバナンス、そして AI 周りのビジネスプロセス再設計へとシフトしていくのでしょうか？価値を保ち続ける AI サービス企業を差別化する要因は何でしょうか？

価値が創出される場所は自然にシフトしています。数年前までは、生のコンピューティングインフラが大きな競争優位でした。現在ではそれはほぼユーティリティ化され、AI モデルも同様の方向へ急速に向かっています。

企業はもはやより大きなモデルを探しているわけではありません。より迅速な意思決定、より高い生産性、そして明確なビジネス成果を求めています。そのため、価値はモデルを取り巻くエコシステム—クリーンなデータアーキテクチャ、厳格なガバナンス、スマートなオーケストレーション、そして AI を実際に大規模で実用化するためのワークフローの完全な再考—へと完全に移行しました。勝者は必ずしも最も高度な技術を持つ企業ではなく、技術を具体的なビジネス成果に結びつけられる企業です。

我々はまた、企業が AI に対してポートフォリオアプローチを取っているのを見ています。フロンティアモデル、オープンウェイトモデル、そしてより小型の専門モデルは、ユースケース、コスト、レイテンシ、ガバナンス要件に応じてそれぞれ役割を果たします。AI が成熟するにつれ、成功はエンジンを構築した者ではなく、ビジネス内でそれをどのように活用できるかを知っている者によって決まります。私が「実行リズム」と呼ぶものが、最終的に勝者とそれ以外を分けるでしょう。

数年先を見据えると、企業が今日のデータ、ガバナンス、統合の課題を克服できた場合、AI ネイティブな大企業は実際にどのような姿になるのでしょうか？エージェントは従業員が使用するツールのままでいると予想しますか、それとも協調した AI エージェントネットワークによって全体のワークフローやビジネス機能が運用されるようになると考えますか？

AI ネイティブな企業は、いくつかの追加ソフトウェアツールを備えた従来型の会社だけではありません。根本的に再構築された企業です。インターネットやデジタル時代に見られたように、技術はビジネスの運営方法だけでなく、組織構造そのものを変えました。これらの企業は非常に異なる形で機能するでしょう。

現在、企業はソフトウェアで支援された手作業を行う人々を中心に組織されています。将来的には、全体のワークフローが協調した AI エージェントネットワークによってオーケストレーションされ、人間はますます監督的かつ戦略的な役割を担うようになるでしょう。これは、電気が工場を変革したのと非常に似ています。電気は工場をなくしたわけではなく、工場の設計と運用方法を根本的に変えました。

これらの将来の企業では、エージェントが継続的に業務を監視し、機会を検知し、部門横断的にルーティンな実行を処理します。これは人間が消えるという意味ではなく、私たちの仕事はより戦略的になり、判断、イノベーション、そして関係構築に完全にシフトすることを意味します。

勝者は最も多くのエージェントを導入した企業ではなく、信頼できるデータ、ドメインインテリジェンス、人間の監視を最も強固に組み合わせた企業です。未来は完全に自律的な企業ではなく、人間とエージェントが協調して、どちらも単独では達成できない目標を実現するインテリジェントにオーケストレーションされた企業です。

素晴らしいインタビューをありがとうございました。詳しく知りたい読者は Tredence をご覧ください。