インタビュー
ラクシュミカント・グンダヴァルパ、Tredence のチーフ・イノベーション・オフィサー – インタビュー・シリーズ
ラクシュミカント・グンダヴァルパは、Tredence のチーフ・イノベーション・オフィサーです。IT 業界で 3 十年以上の経験を持つラクシュミカントは、AI 変革とデジタル・イノベーションの権威です。
マイクロソフト・インディアでデータおよび AI のグローバル・ヘッドを務めたラクシュミカントのリーダーシップにより、40 か国以上の 100 を超えるクライアントがデジタル・トランスフォーメーションを実現しました。マイクロソフトでは、ラクシュミカントは Azure でのオープンソース・データベースの統合と SaaS ソリューション・プロバイダとの戦略的提携を推進しました。
クライアント・セントリックな AI ソリューションを策定する才能を持つラクシュミカントは、イノベーションを推進する戦略的パートナーシップを構築することに優れています。ラクシュミカントは、豊富な経験、技術的専門知識、リーダーシップの才能を持ち、AI ドリブンの変革を促進し、エマージング・テクノロジーを具体的なビジネス・ソリューションに変換する能力を実証しています。
Tredenceは、データと AI の会社で、ビジネスが分析の実験を現実の影響に変えるのを支援します。彼らは、小売、CPG、テクノロジー、金融、ヘルスケア、旅行などの業界で働き、データ・エンジニアリング、AI/ML、ジェネレーティブ・AI、サプライ・チェーン、カスタマー・エクスペリエンス、デジタル・モダニゼーションなどのサービスを提供しています。彼らの焦点は、スピード、深いドメインの専門知識、強力なパートナーシップを組み合わせて、スケーラブルでエンタープライズ・レディなソリューションを提供することです。
マイクロソフト・インディアでの経験が、Tredence の戦略における AI ドリブンの企業変革のビジョンをどのように形作ったのか?
マイクロソフトでの勤務期間中、私はさまざまな業界の企業と協力する機会がありました。AI は、明確な目的を持っており、信頼できるデータによってサポートされ、運用上の意思決定に統合される場合に、実際の影響を与えることができることが明らかでした。
例えば：
- 大手航空会社が AI を使用してエンジンの故障を予測し、予防的なメンテナンスを実施して安全性と効率性を向上させました。
- 大手不動産会社が AI を使用して重要な建物システムの予測モニタリングを実施し、ダウンタイムを削減し、メンテナンスのスケジュールを最適化しました。
これらの経験から、私は技術だけがビジネスを変革するわけではないことを学びました。それは、思慮深い設計、強力なデータの基盤、洞察を実際の行動に変換するメカニズムが必要です。この視点は現在、Tredence のアプローチを推進しています。私たちは、目的を持った、データに基づいた、計測可能な成果を企業全体で提供できる AI ソリューションを開発しています。
Tredence は、AI の「最後の 1 マイル」の問題を解決することで知られています。クライアントにとってこの変革を加速した例を共有できますか?
大手グローバル・リテーラーを考えてみましょう。取引、ロイヤルティ・プログラム、サプライ・チェーン・オペレーション、デジタル・タッチポイントからの断片化されたデータを統合することで、AI アプリケーションを実装し、収益の成長、顧客のリテンション、ジャーニーのパーソナライゼーション、需要の予測を推進しました。分析を運用上の成果に変換しました。
小売のケース・スタディ：Tredence は統一されたパーソナライゼーション・システムを作成し、5,800 万ドルの収益を生み出し、54% の KPI ギャップを閉じました。これは、顧客の洞察だけではなく、収益を生み出すパーソナライゼーションを大規模に提供しました。
バイオファーマでは、研究開発、臨床、商業データセットの統合により、AI が試験の募集、研究設計、医師の関与を最適化し、市場投入を加速し、収益を増加させました。
業界を超えて、銀行の不正行為検出から製造の予測メンテナンスまで、AI はビジネスにとって重要な意思決定を推進する場合にのみ価値を提供します。
銀行のケース・スタディ：Tredence は GenAI AML (反_money_ラウンダリング) コピロットを展開し、疑わしい活動についての洞察を生成するだけでなく、日常業務に統合してケースのスループットを 120% 向上させ、誤った陽性を 15% 削減しました。これは、AI の検出から運用上の効率性への変換を示しています。
企業は、AI のパイロットから大規模な本番環境への移行でしばしば苦労しています。最大の障害は何ですか? また、Tredence はこれらの障害をどのように克服するのですか?
多くの AI イニシアチブは、技術的に強力であっても、明確なビジネス成果が見込めないため、停滞しています。主な課題は次のとおりです：
- 目的を持った設計のギャップ：洞察は興味深いものですが、計測可能なビジネス問題を解決できません。
- データの制限：断片化されたまたは質の悪いデータは、信頼性の高いスケーラビリティを妨げます。
- 運用上の課題：自動化された展開、監視、再トレーニング、ガバナンスがなければ、モデルは実験的ままです。
Tredence では、これらの課題に対処するために次のことを行います：
- 成果に焦点を当てた設計：すべての AI イニシアチブが直接、計測可能なビジネス成果に結びつくことを保証します。
- 信頼性の高いデータの基盤：データセットを統合して豊富化し、モデルを信頼性の高いパフォーマンスで実行します。
- 本番環境向けの運用フレームワーク：自動化された展開、監視、再トレーニングを含み、精度、回復力、コンプライアンスを維持することで、企業は実験から本格的な AI に移行できます。
このアプローチにより、企業は実験から一貫したビジネス成果をもたらす大規模な AI に移行できます。
ミルキー・ウェイという、自律的な AI エージェントのコンステレーションを最近発表しました。ミルキー・ウェイの設計のインスピレーションは何ですか? また、それは従来の AI アシスタントとどのように異なりますか?
ミルキー・ウェイは、企業がダッシュボードやチャットボットだけでなく、多変量データを消費し、解釈し、接続して、実行可能なインテリジェンスを生成するフレームワークが必要であるという認識から生まれました。
従来のアシスタントとは異なり、ミルキー・ウェイ・エージェントは：
- さまざまなデータ・ソースをまたいで推論し、質問に単に答えるのではなく、洞察を接続します。
- 複雑な多次元問題を分析し、ワークフローをまたいで情報をブリッジします。
- 洞察を決定または自動化されたアクションに変換します。
簡単に言えば、ミルキー・ウェイは AI を推論エージェントのネットワークに変換し、複雑さを処理し、実際のビジネス成果を推進します。
ミルキー・ウェイの初期の展開は急速な成果をもたらしました。どのような要素がこれらの成果に貢献しましたか?
3 つの要素が違いをもたらしました：
- 意思決定が行われる場所に洞察を埋め込むことで、推奨事項をすぐに実行可能にしました。
- 前向きのインテリジェンスを提供し、後顧の分析ではなく、予測的な決定を可能にしました。
- セキュアで管理されたプラットフォームを提供し、企業規模の AI を可能にし、コンプライアンスとコントロールを維持しました。
この組み合わせにより、数週間でではなく、数か月で実際のビジネス成果がもたらされます。
ミルキー・ウェイは説明可能性、監査可能性、推論パスの優先順位を置いています。企業の信頼にとってこれはどれほど重要ですか?
信頼は企業の AI では基本的なものです。ミルキー・ウェイでは：
- 推奨事項ごとに透明な根拠を提供します。
- すべての入力、出力、行動について監査証跡を記録します。
- 継続的なアドバーサリアル・テストを実施して、堅牢性と信頼性を確保します。
この透明性と説明責任は、ミルキー・ウェイを不透明なブラックボックス・システムから区別し、企業の採用に対する信頼を築きます。
AI チームメイトへの移行は、組織と意思決定にどのような影響を与えるでしょうか?
AI チームメイトは、組織が運営される方法を変えます：
- マネージャーは、人間を指導するだけでなく、AI エージェントも監督する役割を担います。
- 決定は共同で行われ、エージェントが推論を担当し、人間がコンテキストと倫理的監督を提供します。
- 運用構造は、日常の意思決定に AI を統合するために進化し、速度、一貫性、成果の質を向上させます。
2028 年までに、ビジネス上の決定の 3 分の 1 は自律的に行われる可能性があります。安全性を確保するために、組織は何を変更する必要がありますか?
自律的な AI を安全に展開するには、組織は文化、運用、ガバナンスの面で実用的な措置を講じる必要があります。
文化 – AI に対する信頼を築く：
- 人間が関与する意思決定から始めて、徐々に自律性を高めます。
- チームを訓練して、AI の推奨事項を理解し、検証し、介入できるようにします。
運用 – 監視とリスク管理を実施：
- AI の決定を精度、偏り、コンプライアンスについて継続的に追跡します。
- アドバーサリアル・シミュレーションを実施して脆弱性を特定します。
- フィードバック・ループを維持して、人間の修正から AI モデルを改善します。
ガバナンス – 境界とエスカレーション・パスを設定：
- 完全に自動化できる決定と、監督が必要な決定を定義します。
- すべての AI ドリブンの行動について監査可能性と追跡可能性を確保します。
- 異常またはリスクの場合に介入するためのコンティンジェンシー・プロセスを作成します。
これらのステップにより、組織は自律的な意思決定を安全に拡大し、コントロール、説明責任、コンプライアンスを維持できます。
ミルキー・ウェイのロードマップは何ですか?
私たちのロードマップには以下が含まれます：
- 小売、ヘルスケア、製造、金融サービス向けの業界特化エージェント。
- ERP、CRM、サプライ・チェーン・システムとのより深い統合によるシームレスな採用。
- エージェントが知能とコンテキストの理解を時間の経過とともに改善できるように、継続的な学習と推論。
私たちのビジョンは、企業が組み立て、管理、信頼できる協力的なエージェントのエコシステムです。
C スイートのリーダーは、AI が戦略的な意思決定役割を担うためにどのように準備するべきですか?
AI の採用は成熟度の旅です：
- 人間が関与するコ・パイロットから始めて、半自律的なワークフローに進み、最終的に管理されたドメインで完全な自律性を許可します。
- AI リテラシーに投資し、チームが AI システムと効果的に共同作業できるようにします。
- 意思決定の質とビジネスへの影響に焦点を当て、ガバナンス・フレームワークと運用構造を再考します。
最終的に、AI の採用は技術的なイニシアチブではなく、リーダーシップ、文化、運用上の意思決定の変革です。
素晴らしいインタビュー、詳しく知りたい読者は Tredence を訪問してください。
