ラテンビュー・アナリティクスのラジャン・セツラマンCEO – インタビュー・シリーズ

ラジャン・セツラマン、ラテンビュー・アナリティクスのCEOは、コンサルティング、人材リーダーシップ、企業変革を経て、AccentureとKPMGでのリーダーシップを経てラテンビュー・アナリティクスに入社しました。チーフ・ピープル・オフィサーからCEOに昇進した彼のキャリアは、人材開発、組織設計、スケーラブルな運用モデルの強い重点を反映しており、これらは現在、AIとアナリティクスへの彼のアプローチを形作っています。採用、学習、ビジネス戦略の深い経験を持つ彼は、常に、人、文化、テクノロジーを一致させ、計測可能な成果を生み出すことに焦点を当ててきました。これは、ラテンビュー・アナリティクスをIPOとグローバル展開を通じて導き、AIをビジネス機能としてではなく、ビジネス能力として位置付けることに至りました。

ラテンビュー・アナリティクスは、データ分析とデジタル変革のグローバル企業で、企業がデータ、人工知能、先進的な分析を利用して意思決定を改善し、成長を促進することを支援しています。同社は、金融サービス、小売、テクノロジーを含むさまざまな業界で、データエンジニアリング、予測分析、AIドリブンのコンサルティングなどのサービスを提供しています。Fortune 500クライアントと協力し、世界中で事業を展開しています。同社のコアバリューは、生データを実行可能な洞察に変えることであり、企業が運用を最適化し、トレンドを予測し、急速に変化する経済の中で競争上の優位性を生み出すことができます。

あなたはコンサルティングと人材リーダーシップでキャリアをスタートさせ、AccentureとKPMGでリーダーシップを経て、ラテンビュー・アナリティクスのCEOとなり、同社をIPOと最初の買収を通じて導きました。人材開発と組織戦略のバックグラウンドは、今日のAIとアナリティクスのスケーリングにどのように影響していますか?

私の初期のキャリアは、人材、リーダーシップ開発、スケーラブルな組織の構築に重点を置いていました。その経験は、現在でもAIについて考える私の考え方を形作っています。テクノロジーだけでは組織をスケールさせることはできません。重要なのは、チームがそれをどのように採用し、リーダーがそれをどのように整列し、ビジネス問題がどのように明確に定義されるかです。ラテンビュー・アナリティクスでは、組織がアナリティクスとAIを日常の意思決定に変えるために必要な運用モデル、スキル、文化を構築するのを支援することに多くの時間を費やしています。

そのため、私はAIを組織の準備度という観点から考えることが多いです。AIをスケールするには、強力なドメインの専門知識、データの基盤、洞察を実行に変えることができるチームが必要です。私の焦点は、AIをシロされた機能として扱うのではなく、それらの機能を一緒に構築することに常にありました。

あなたはAIミニマリズムについて話されています。企業のリーダーにとって、AIミニマリズムとは何ですか?

AIミニマリズムは、焦点から始まります。企業のリーダーは、毎回新しいモデルや機能を追求する必要はありません。彼らは、AIが意思決定や生産性を改善できる意味のある問題をいくつか持っている必要があります。価格決定、サプライチェーン計画、または組織内での知識の移動などがそうです。明確に定義された問題から始めることで、チームは自信を築き、責任あるスケーリングが実際にどのように見えるかを学ぶことができます。

また、AIを実際のワークフローに埋め込むことも意味します。チームがテクノロジーが日常の問題を解決するのを助けているのを見ると、採用は自然に成長する傾向があります。好奇心と実験はまだ重要ですが、明確な目的意識に根ざしている場合に最も効果的です。

多くの組織は、データの基盤を強化する前に、ジェネレーティブAIに急いでいます。企業が不安定な基盤の上に構築している兆候は何ですか?

私がしばしば気づくのは、AIの会話がデータの会話よりもはるかに速いときです。リーダーがコパイロットやジェネレーティブモデルについて話し合っている一方で、重要なデータがどこにあるか、誰が所有しているか、またはビジネスが実際に信頼している指標についてまだ混乱が存在する場合、それは基盤がまだ準備できていない兆候です。AIシステムは、信頼性が高く、適切に管理されたデータに大きく依存しています。そうでない場合、人々が出力を信頼することは難しくなります。

別の信号は、多くのパイロットが実行されているが、実際の意思決定に影響を与えるものはほとんどないことです。ジェネレーティブAIは印象的なデモンストレーションを生成できますが、実際のテストは、組織の運用の一部になるかどうかです。

CEOに就任して以来、グローバルクライアントにとって計測可能な影響をもたらしてきました。AIを運用化することに成功した企業と、パイロットモードのままの企業を区別するのは何ですか?

AIを成功的にスケールする企業は、AIをイノベーションのサイドプロジェクトではなく、運用上の規律として扱います。彼らはエグゼクティブの所有権を割り当て、ユースケースを測定可能なビジネス成果に結び付け、最初から統合を設計します。彼らはまた、データパイプライン、ガバナンス、プロセス再設計、ユーザーの採用などの地味な作業に投資しています。パイロットが注目を集めるものと、実際に意思決定を変える機能の違いです。

ラテンビュー・アナリティクスでは、企業がビジネスにとって重要な問題、たとえば計画の精度、在庫の結果、サプライヤーの可視性の向上にAIを結び付けることで、より迅速に進むことができることを確認しています。ビジネスがすでに気にかけている指標にAIを結び付けることで、AIはより簡単にスケールし、統制され、採用される可能性があります。

大規模な組織全体でAIを責任を持ってスケールするために、ガバナンス、セキュリティ、説明責任をどのようにアプローチしますか?

責任あるスケーリングは、AIの決定が最終的に実際の顧客、従業員、ビジネス成果に影響を与えることを認識することから始まります。したがって、ガバナンスはあとまわしにはなりません。組織は、データアクセス、モデルオーバーサイト、システムの本稼働時の監視について明確なポリシーを必要とします。

実践では、最も効果的なガバナンスモデルは、職能を横断したものです。ビジネスリーダー、テクノロジーチーム、リスクまたはコンプライアンスグループがすべて関与する必要があります。AIシステムは、出力がどのように生成されるか、人間の判断がどこで必要かについて透明性が必要です。ガードレールが最初に確立されれば、組織は採用を拡大しながら信頼を維持できます。

ラテンビュー・アナリティクスは、さまざまなデジタル成熟度を持つ企業と協力しています。企業のAI戦略は、デジタル成熟度の異なる企業にどのように異なりますか?

成熟度の高い企業と協力する場合、会話は通常、加速についてです。彼らはすでに有意義なデータ資産を持っているため、私たちは、高い価値のユースケースの優先順位付け、可視性の向上、ビジネスが迅速に活用できるワークフローへのAIの埋め込みに焦点を当てています。企業の知識の回収、サプライチェーンの計画、またはドメイン固有のモデルを改善することで、意思決定の速度を向上させることができます。

成熟度の低い企業と協力する場合、出発点は異なります。私たちは、データの準備、ガバナンス、BIの近代化、AIをサポートするための機能の構築に時間を費やします。そうした状況では、成熟度の評価とシーケンシングが重要です。信頼できるデータ、共通のKPI、または問題を解決するためのエグゼクティブの整合がなければ、将来のアジェンダを約束することはできません。

人材採用と学習の深い経験を持つあなたが、AI時代に企業が内部で優先的に開発すべきスキルとは何ですか?

内部的には、企業は、幅広いAIとデータリテラシーの構築に焦点を当てるべきです。すべての人がデータサイエンティストになる必要はありませんが、ビジネス全体で、洞察に基づいた意思決定を優先し、より良い質問をし、AIツールを日常のワークフローで使用することを優先すべきです。这种実践がチーム全体に広がると、AIが真に役立つ場所と役に立たない場所を特定することが容易になります。

外部的には、採用はより専門化されます。データエンジニアリング、機械学習アーキテクチャ、AIガバナンスなどの分野では、組織内に常に専門知識があるとは限りません。企業がこれをうまく行う場合、ビジネスチームとコンテキストを理解し、改善すべき意思決定を理解することが重要です。

文化的な抵抗は、変革を遅らせることがあります。AIの採用を周囲に信頼と勢いを築くために、どのようなリーダーシップの行動が最も効果的であると感じていますか?

リーダーシップからの明確なコミュニケーションが大きな違いをもたらします。従業員は、新しいテクノロジーがなぜ導入されるのか、それが会社の戦略にどのように結びつくのかを理解したいと思います。AIイニシアチブの目的とそれを実際のビジネス目標に結び付けることで、組織全体の信頼を築くことができます。

学習も同様に重要です。自動化とAIはすでに多くの業界を変革しています。したがって、企業は従業員が新しい能力を開発するのを積極的に支援する必要があります。従業員は、変化に伴う新しいスキルの開発と成長の機会を認識すると、よりオープンに変化を受け入れます。

AIが意思決定プロセスに埋め込まれるようになると、取締役会と経営チームは、パフォーマンスメトリックと説明責任をどのように再考するべきですか?

AIは、意思決定のやり方を変えます。したがって、経営チームは従来のプロジェクトメトリックを見直す必要があります。実際の質問は、AIが重要な分野での意思決定の質と速度を改善しているかどうかです。需要予測の精度、価格決定の精度、市場の変化への迅速な対応などがそうです。そうであれば、AIはその仕事をしています。AIのパフォーマンスは、ビジネスパフォーマンスとは別のダッシュボードに置くことはできません。

説明責任も明確になる必要があります。誰かがデータを所有し、誰かがモデルを本稼働中の監視を担当し、誰かが最終的に決定を下します。AIはそれらの決定を支援できますが、ガバナンスとオーバーサイトは不可欠です。

今後3〜5年で、企業のAI採用に最も重要な変化は何ですか? 企業のリーダーは、先んじて何をするべきですか?

今後数年で、AIは日常のビジネス決定にさらに多く現れるようになります。多くの企業はパイロットや概念実証に時間を費やしてきました。次のステップは、パイロットが実際にチームが計画、需要予測、サプライチェーン管理、またはマーケティング決定を行う方法をサポートするようにすることです。

仕事も、AIがより能率的になるにつれて変化します。ルーティンワークが自動化されるにつれて、業界はAIシステムと協力して、解釈して、ガイディングする方向にシフトします。組織がデータの基盤を強化し、従業員がその能力を構築するのを支援することで、AIが日常の運用の一部になるにつれて、よりスムーズに適応できるようになります。

素晴らしいインタビュー、詳しく知りたい読者はラテンビュー・アナリティクスを訪問してください。