Vijay Vijayasankar、GenpactのグローバルAgentic AI責任者 – インタビューシリーズ

Vijay Vijayasankar、GenpactのグローバルAgentic AI責任者は、Agentic AIソリューションのグローバル製品化を担当し、従来の労働力ベースのモデルからより高利益の成果ベースのフレームワークへの価値創造のシフトに焦点を当てています。 彼は、AIビルダーとAIプラクティショナーを中心に組織モデルを構築することで、企業全体でAIを拡大するGenpactのアプローチを形作るのに役割を果たしています。 Genpactに入社する前は、IBMで金融サービス担当マネージングパートナー、IBMサービス北米CTO、GBS北米のコグニティブ、IoT、分析、ワトソン・ヘルス担当ゼネラルマネージャーなどのシニアリーダーシップ役職を歴任しました。また、MongoDB (MDB )およびSAPでもエグゼクティブ役職を務めました。

Genpactは、プロセスインテリジェンス、人工知能、データ、デジタルトランスフォーメーションを活用して、大規模企業の運用を近代化するAgenticおよび先進技術ソリューションの会社です。会社は、財務および会計、カスタマーケア、リスクおよびコンプライアンス、調達および購買、サプライチェーン、テクノロジー、信頼およびセーフティなどの分野で活動しています。また、データおよびAIサービスは、企業が高度な分析、AI、および自律エージェントを使用して複雑なデータを測定可能なビジネス成果に変えるのを支援することに重点を置いています。

IBM、MongoDB、SAP、現在のGenpactを含む企業で20年以上のキャリアを積んだVijayさん。ビッグデータと分析から現在のAgentic AIシステムへの進化を振り返って、企業がAIトランスフォーメーションに取り組む際に、どのような教訓が最も貴重であると思いますか？

私は同じ映画を3回見たようなものです。ビッグデータは意思決定の銀の弾丸だった。クラウドは組織の機敏性の瞬間的なスイッチだった。現在、Agentic AIは運用の解決策だ。各サイクルで、価値を生み出した企業は、運用モデル、プロセス、人々に焦点を当てていました。苦労した企業、そして多くの企業がまだ苦労しているように、技術そのものを変革として扱っていました。

Agentic AIの本質的に異なる点は、その位置にあることです。それは、洞察層ではなく、実行層に位置しています。古いツールはグラフと推奨事項を生成しました。エージェントはアクションを実行します。悪い分析ダッシュボードは、人間のアナリストがCEOの机の上に到達する前にそれを検出する悪いグラフを生成します。悪いエージェントは、誰も気づく前に大規模な悪い取引を実行します。そのため、リスクプロファイルは完全に異なり、企業が以前必要としていなかった運用上の規律が必要になります。私は自分の興奮に警戒しています。Agentic AIは魅力的ですが、それが必要なのは、基礎を監査するときです。

GenpactのHFS Researchとの新しいレポートによると、未解決の企業負債は、世界中で約18兆ドルの潜在的な価値を企業に閉じ込めています。調査結果で最も驚いたことは何ですか? 企業がプロセス、データ、テクノロジー、人材負債の影響をなぜ軽視し続けていると思いますか?

目玉が飛び出るようなのは、非効率的なプロセス、断片化されたデータ、古いテクノロジー、ワークフォースの準備の課題によって閉じ込められた価値の規模です。

総額よりも問題の構造が重要です。多くのリーダーは、これらの問題を個別のシロにみなしています。データの問題、プロセスの問題、テクノロジーの問題、スキルの問題、各々が独立して扱われます。それらは独立していません。悪いデータは、人々が手動での回避策を発明することを強制します。回避策はプロセスの複雑さを作ります。その複雑さは、最も優秀な人々を焼き尽くし、運用を脆弱にします。AIイニシアチブが到着したとき、それはすべてに同時に遭遇します。AIは、10年前にビジネスに焼き込まれた失敗のために非難されます。企業負債については、コストの負担として考えることが多いですが、実際には成長の制約です。その区別は重要です。なぜなら、それが問題の所有者と、それを解決する価値を変えるからです。

レポートによると、企業の85%の幹部は、企業負債がAIの価値の実現を制限していることを信じています。企業がAIに多く投資している一方で、投資がリターンをもたらさない根本的な問題を無視し続ける理由は何ですか?

AIは目立つものですが、基盤は目に見えません。すべての取締役会はAI戦略を見たいと思っています。すべてのCEOは話すための話題が必要です。新しいモデルを展開することは見出しです。コアサプライチェーンプロセスを再設計することは、感謝されない、目に見えない努力です。それは、最終的に機能するまでです。

私は、6か月かけてモデルを選択し、6日かけてプロセスを検討する組織を見ました。その比率は逆です。彼らはそれを発見します。ボトルネックはほとんどの場合、AIではありません。それは一貫性のないプロセス、切断されたシステム、および何年も誰も責任を負っていないデータです。AIはそれらを解決しません。むしろ、より速く暴露します。インセンティブ構造は基盤を修正することを報奨しません。データ管理のクリーンアップにはデモはありません。基盤を修正するエグゼクティブは、運用上の健康が時間の経過とともに蓄積するという賭けをしています。しかし、ほとんどの取締役会はそれを測定していません。

データ負債がAIの最大のブロッカーとして浮上しました。企業は、断片化された低品質のデータ環境から、Agentic AIをサポートするデータ基盤に移行するために、今日何らの実用的なステップを踏むべきでしょうか?

大規模なトップダウン管理プログラムを立ち上げることをやめましょう。それは、説明責任の問題に対するテクノロジーの答えです。大規模な組織の多くでは、誰もビジネスを運営する情報の正確性を所有していません。

実用的な出発点は、数多くの高価値プロセスを選択し、逆方向に作業することです。どのような決定が必要ですか? それらの決定にはどのようなデータが必要ですか? そのデータを誰が所有していますか? どのくらい頻繁にそれが間違っていますか? その演習は、説明責任のギャップをすぐに浮き彫りにします。私たちがそれを正しくする必要があります。なぜなら、エージェントは静かに失敗するからです。人間のアナリストは、2つのシステムが一致していないことを確認し、判断を下します。エージェントは、矛盾するデータ間で調停し、自信を持って実行します。組織のさまざまな部分が顧客または取引を別々に定義している場合、エージェントは悪い入力から自信を持って決定を下します。組織のどこにもそれを捕まえるものはありません。那は、ほとんどの組織がまだ完全に価格設定していない新しいカテゴリの運用上のリスクです。

エージェントは、人間がそうするように曖昧さを処理できません。これが、Agenticソリューションの成功は、モデルの知能よりも、配置されたガードレールの品質に依存する理由です。

あなたは「AIなしにはプロセスインテリジェンスなし」と述べています。企業が複雑なビジネス運用を自動化しようとするときに、AIモデルのみよりもプロセス再設計がしばしば重要である理由を教えてください。

モデルは、埋め込まれているプロセスと同じように実行されます。組織は、可視的なイノベーションがあるため、モデル選択に執着しています。しかし、プロセスは、価値が作成されるか失われる場所です。

ワークフローに冗長な承認、重複作業、または不明な所有権がある場合、AIはそれらを修正しません。AIはそれらを加速します。壊れた結果が得られます。それは、より速く、より大きなスケールで発生します。人々は、徹底的なプロセス再設計が遅れを招くと思います。しかし、現実は、まったく逆です。悪い展開を解消するために費やした18か月を節約します。車の例を考えてみましょう。車に最も優れたエンジンを搭載しても、車輪が揃っていないと、車は左に引っ張られます。

多くの組織はAIエージェントを実験していますが、比較的少数の企業のみがコアビジネス機能全体でそれらを成功裏に展開しています。パイロットから先へ進む企業と、まだ概念実証モードのままである企業を何が区別していますか?

パイロットは成功するように設計されています。最良のプロセス、最も清潔なデータ、および最も動機付けされたチームを選択します。スケーリングには、実際の環境でこれらの条件が当てはまらない場合に遭遇することを意味します。

スケーリングする組織は、最初から人為的な条件を作成しないことを停止します。彼らは、現実の運用上の問題を選択し、ビジネス成果に対して説明責任を負う所有者を割り当て、設計段階からガバナンスを組み込みます。私たちには、請求書支払いおよび取引モニタリングで生産環境でエージェントを実行しているクライアントがいます。生産性の数字はありますが、実際の変化は構造的なものです。最終的な状態は、エージェントが存在する根本的に異なるワークフローであり、人々は戦略的な作業に時間を割くことができます。エージェントのスケーリングは、ソフトウェアの課題ではなく、リーダーシップの課題です。

レポートでは、企業の6%のみが主要な負債課題を成功裏に解決したと述べられています。これらの組織は何を違う方法で行っていますか? 苦労している企業で最も一般的な間違いは何ですか?

彼らは、それをビジネスの問題として扱い、ITプログラムとして扱っていません。それは、幹部の後援と測定可能なビジネスパフォーマンスに結び付けられています。彼らは、運用上の健康が成長戦略と切り離せないことを理解しています。それは成長戦略です。

他の94%は症状を追跡しています。彼らは、プロセスの問題を修正するためにツールを展開したり、悪いデータを補うためにAIイニシアチブを立ち上げたりしています。その結果は、短期的なブームをもたらしますが、根本的な問題は残り、負債は継続します。サイクルを断ち切るリーダーは、ほとんどの幹部が言うことを避けることを言います。プロセスは15年間壊れており、失敗を中心に運用モデルを構築してきたため、それを一から再構築します。その認識は不快です。なぜそれを以前修正しなかったのかについての質問を招きます。実際の進歩を遂げているのは、電話を掛ける人たちです。

あなたは「AIビルダー」と「AIプラクティショナー」の区別について話しました。企業のワークフォースは、人間が自律エージェントと共に働くようになるにつれて、5年間でどのように進化すると思いますか? Agentic AIと共に働く上で、どのようなスキルが最も価値があると思いますか?

最も価値のあるスキルは、問題を枠組む方法を知ることです。AIがより多くの実行を処理するにつれて、結果の品質は、質問の品質と出力に適用される判断によって決まります。構造的に間違っているものが見えていても、正しそうに見えるものを認識する能力が必要です。

そのほかにも、3つの特定の点を強調します。第一に、ドメインの深さです。一般的なAI能力はすでに商品化されています。一般的な専門家はレバレッジを失っています。プレミアムは、ドメインの専門知識とAIをそのコンテキストで適用する能力を組み合わせた、深いドメインの専門家に移ります。第二に、例外処理です。壁に当たったり、自動化するにはリスクが高すぎる状況になったりしたときに、どのように対処するかを知っている人々が必要です。そのためには、トレーニングデータではなく、機関の知恵が必要です。第三に、ワークフローの設計、つまり人間と知的システムがそれぞれ最も適したものを実行するように作業を構造化する能力、およびその区分が変化する必要があるときにそれを認識する能力です。業界はまだそのスキルに名前を付けていませんが、スキル自体は現実的であり、現在は過小評価されています。

AIが仕事を消すか変えるかについては、継続的な議論があります。あなたは、AIが人間の専門知識とどのように関係しているかについて、どのように見ていますか? AIの採用が進むにつれて、その関係はどのように発展すると思いますか?

AIは、明確に定義されたタスク、ハイボリューム、パターン依存タスク、たとえば請求書の処理、取引異常の監視、およびルーチンワークの作成に優れています。AIは、それらを人間のチームが触れることができないスピードとスケールで実行します。しかし、AIは、現実世界の成果に対する説明責任を負うことはできません。また、ノベティ、曖昧さ、人間関係の混乱など、人間の専門知識が不可欠であるものには対処できません。

ほとんどの仕事は、単一の活動ではなく、タスクのコレクションです。AIは、実行レイヤーを時間の経過とともに吸収します。それは、人々の必要性を排除しません。ただし、それは、人々が価値を生み出す場所を変えます。ルーチンワークが自動化されると、専門知識は、例外を解決し、プロセスを再設計し、企業が技術とビジネスのニーズの変化に適応するのを支援することにシフトします。いくつかの役割は大幅に変化します。リーダーは、古い仕事が消えた人々にとって、新しい仕事がアクセス可能かどうかについて責任を負います。答えは、組織がトレーニングと移行について下す選択によってほとんど決まります。那は、テクノロジーの結果ではなく、リーダーシップの決定です。私は、チームとどの役割が変化するか、どのタイムラインで、人間の専門知識が非常に貴重である場所、そして現実的な進路について正直である企業を尊敬しています。ほとんどの企業はまだその会話をしていません。

先を見て、真にAgenticな企業は実践ではどのように見えますか? 5年後、この会話を再訪問したとき、ビジネス運用、組織設計、AIの展開において、先導的な企業で標準となる変化は何でしょうか?

私たちは、AIについて別のイニシアチブとして話すのをやめます。デジタル化に行ったようにです。ただ、それが仕事を行う方法になるだけです。

私が最も興味を持っているのは、構造的な変化です。大部分の現在の階層は、情報が移動しにくかったため存在します。情報が作成された場所から決定が行われる場所まで情報が移動しなければならないため、承認チェーンと調整役が存在します。エージェントはその距離を縮めます。そうすると、多くの調整インフラが冗長になります。早期にそれを認識し、設計を再構築する組織は、複合する速度の優位性を持ちます。

私たちは、AIの購入と配信方法の変化も見るでしょう。ソフトウェア会社は製品を構築しますが、成果に対する説明責任を負いません。サービス会社は説明責任を負いますが、スケーラブルな製品を構築するのに苦労しています。どちらのモデルも不十分です。私たちがGenpactで構築しているのは、特定のドメインでの製品化されたAIです。成果として提供されます。結果を購入し、私たちがそれに責任を負います。私は、それが標準になることを考えます。なぜなら、それはインセンティブを正しく整列させるからです。能力のみを販売するベンダーは、環境で機能するかどうかについての利害関係がないからです。成果に対して説明責任を負うベンダーは、すべての利害関係があります。AIモデルの最も洗練されたものを持っていることが、この時代の勝者を定義するものではありません。人間、プロセス、知的システムの間の構造的な再設計をマスターすることが、勝者を定義することになります。私たちは、その変化の日1から始めています。

素晴らしいインタビュー、詳しく知りたい読者はGenpactを訪問してください。