비제이 비제야산카르, Genpact의 글로벌 Agentic AI 책임자 – 인터뷰 시리즈

비제이 비제야산카르, Genpact의 글로벌 Agentic AI 책임자는, 전통적인 인력 기반 모델에서 더 높은 마진의 결과 기반 프레임워크로 기업 가치 창출을 전환시키는 데 중점을 둔 Agentic AI 솔루션의 글로벌 제품화를 담당합니다. 그의 역할에서, 그는 기업 전체에 걸쳐 AI를 확장하는 데 도움이 되고 있는 조직 모델을 구축함으로써 Genpact의 AI 접근 방식을 형성하는 데 도움을 주고 있습니다. 그는 또한 고급 오케스트레이션 레이어를 설계하는 AI 빌더와 워크플로우에 자율 에이전트를 도입하는 AI 실무자를 위한 조직 모델을 구축하고 있습니다. Genpact에 합류하기 전에, 비제야산카르는 IBM에서 선임 리더십 역할을 수행했으며, 이는 금융 서비스를 위한 매니징 파트너, IBM 서비스 노스 아메리카의 CTO, 및 GBS 노스 아메리카의 인지, IoT, 분석, 및 왓슨 헬스 일반 매니저를 포함합니다. 그는 또한 MongoDB (MDB ) 및 SAP에서 이전에 임원 역할을 수행했습니다.

Genpact는 기업이 프로세스 인텔리전스, 인공 지능, 데이터, 및 디지털 변화를 통해 운영을 현대화하는 데 도움을 주는 Agentic 및 고급 기술 솔루션 기업입니다. 이 회사는 재무 및 회계, 고객 서비스, 위험 및 규정 준수, 조달 및 조달, 공급망, 기술, 및 신뢰 및 안전과 같은 분야에서 작업을 수행합니다. 또한, 데이터 및 AI 서비스는 조직이 고급 분석, AI, 및 자율 에이전트를 사용하여 복잡한 데이터를 측정 가능한 비즈니스 결과로 전환하는 데 도움을 주는 데 중점을 둡니다.

당신은 IBM, MongoDB, SAP, 및 현재 Genpact에서 20년 이상을 보낸 후, 빅 데이터 및 분석에서 오늘날의 Agentic AI 시스템으로의 진화를 되돌아보면서, 기업이 AI 변환에 접근해야 하는 방법에 대한 당신의 관점을 가장 많이 형성한 교훈은 무엇인가?

나는 같은 영화를 세 번이나 본 것 같습니다. 빅 데이터는 의사 결정에 대한 은탄환이었다. 클라우드는 조직의 민첩성을 위한 즉각적인 스위치였다. 이제, Agentic AI는 운영에 대한 치료법이다. 매 사이클에서, 가치를 창출한 회사는 운영 모델, 프로세스, 및 사람들에 초점을 맞췄습니다. 어려움을 겪고 있는 회사는, 그리고 여전히 많은 회사가, 기술 자체를 변환으로 취급했습니다.

Agentic AI의 근본적으로 다른 점은 그 위치입니다. 그것은 인사이트 레이어가 아니라 실행 레이어에 있습니다. 이전 도구는 차트와 추천을 생성했습니다. 에이전트는 행동을 취합니다. 나쁨 분석 대시보드는 나쁨 차트를 생성하지만, 인간 분석가는 CEO의 책상에 도달하기 전에 그것을 잡습니다. 나쁨 에이전트는 규모에서 나쁨 거래를 실행하기 전에 누구도 그것이 발생했다는 것을 깨닫지 못합니다. 그것은 완전히 다른 위험 프로파일을 생성하며, 대부분의 회사에서 필요로 하는 운영 규율의 수준을 강제합니다. 나는 내 자신의 흥분에 대해 의심스럽게 생각하는 것을 배웠습니다. Agentic AI는 매혹적이지만, 그게 바로 내가 기초를 감사해야 하는 때입니다.

Genpact의 새로운 HFS 연구 보고서는 미해결 기업 부채가 거의 1.8조 달러의 잠재 가치를 글로벌 기업에 갇혀 있다고 추정합니다. 그 발견에서 무엇이 가장 놀라웠으며, 왜 많은 조직이 프로세스, 데이터, 기술, 및 인재 부채의 영향에 대한 평가를 낮추고 있는 것으로 생각합니까?

눈에 띄는 것은 비효율적인 프로세스, 단편화된 데이터, 낡은 기술, 및 직원 준비 도전으로 인해 갇힌 가치의 규모입니다.

총 금액보다 더 중요한 것은 문제의 구조입니다. 대부분의 리더는 이러한 문제를 별개의 실로 봅니다. 데이터 문제, 프로세스 문제, 기술 문제, 기술 문제, 각기 독립적으로 처리됩니다. 그것들은 별개가 아닙니다. 나쁨 데이터는 사람들로 하여금 수동 작업을 고안하도록 강요합니다. 그 작업은 프로세스 복잡성을 생성합니다. 그 복잡성은 당신의 최고 인재를 소모시키고, 당신의 운영을 취약하게 만듭니다. AI 이니셔티브가 도착했을 때, 그것은 모두同時에 부딪칩니다. AI는 10년 전 비즈니스에 구축된 실패에 대한 비난을 받습니다. 우리는 기업 부채를 비용 부담으로 생각하지만, 그것은 더 정확하게 성장 제한입니다. 그 구별은 중요합니다. 왜냐하면 그것은 문제를 소유하는 사람과 그것을 해결하는 가치를 변경하기 때문입니다.

보고서에 따르면, 85%의 임원은 기업 부채가 AI 가치 실현을 제한한다고 믿습니다. 왜 기업은 투자를 많이 하지만, 종종 그 투자가 돌아올 수 없는 기초적인 문제를 무시하는 것으로 생각합니까?

AI는 가시적이고, 기초는 투명하지 않습니다. 모든 이사회는 AI 전략을 보고 싶어합니다. 모든 CEO는 이야기할 수 있는 이야기를 필요로 합니다. 새로운 모델을 배치하는 것은 헤드라인입니다. 핵심 공급망 프로세스를 재설계하는 것은 감사의 말 없는, 투명하지 않은 그라인드입니다.

나는 조직이 6개월 동안 모델을 선택하고, 6일 동안 프로세스를 조사하는 것을 보았습니다. 그 비율은 반대입니다. 그리고 그들은 그 sposób으로 발견합니다. 병목은 거의 никогда AI가 아닙니다. 그것은 일관성 없는 프로세스, 분리된 시스템, 및 수년 동안 아무도 책임을 지지 않았던 데이터입니다. AI는 그것들을 해결하지 않습니다. 그것은 더 빠르게 노출합니다. 인센티브 구조는 기초를 해결하는 것을 보상하지 않습니다. 데이터 거버넌스를 정리하는 데모는 없습니다. 그것을 하는 임원들은 운영 건강이 시간이 지남에 따라 누적된다는 베팅을 하고 있습니다. 하지만, 대부분의 이사회는 그것을 측정하지 않습니다.

데이터 부채는 연구에서 가장 큰 AI 장벽으로 나타났습니다. 기업은 오늘날 어떻게 하면 단편화된, 낮은 품질의 데이터 환경에서 대규모 Agentic AI를 지원할 수 있는 데이터 기반으로 이동할 수 있습니까?

대규모, 상위에서부터의 거버넌스 프로그램을 시작하려고 하지 마십시오. 그것은 기술적인 문제에 대한 책임 문제의答案입니다. 대부분의 큰 조직에서, 비즈니스를 운영하는 정보의 정확성을 소유하는 사람은 없습니다.

실용적인 시작점은 몇 가지 가치 있는 프로세스를 선택하고, 뒤로 작업하는 것입니다. 어떤 결정이 필요한가요? 그 결정에 필요한 데이터는 무엇인가요? 누구가 그 데이터를 소유하고 있나요? 얼마나 자주 그것이 잘못되나요? 그 운동은 즉시 책임성 격차를 표면화합니다. 그리고 우리는 그것을 정확하게 해야 합니다. 왜냐하면 에이전트는 조용히 실패합니다. 인간 분석가는 두 시스템이 동의하지 않는 것을 보고, 판단을 내립니다. 에이전트는 충돌하는 데이터 사이에서 중재하고, 확신을 가지고 실행합니다. 만약 조직의 다른 부분이 고객이나 거래를 다르게 정의한다면, 에이전트는 나쁨 입력에서 확신을 가지고 결정하고, 조직의 아무도 그것을 잡지 못합니다. 그것은 대부분의 조직이 아직 완전히 가격을 매기지 못한 새로운 운영 위험의 범주입니다.

에이전트는 인간이 하는 방식으로 모호성을 다루지 않습니다. 이것은 또한 왜 에이전트 솔루션의 성공은 모델의 지능보다 더 많은 가드레일을 구축하는 것에 대한 것입니다.

당신은 “AI 빌더”와 “AI 실무자”의 구별에 대해 이야기했습니다. 어떻게 인간과 자율 에이전트가 함께 일할 때, 기업의 労働력은 향후 5년 동안 어떻게 진화할 것으로 생각합니까? 그리고, 에이전트가 더 많은 실행을 처리할 때, 어떤 기술이 가장 가치 있게 될까요?

가장 가치 있는 기술은 문제를 프레임하는 방법을 아는 것입니다. AI가 더 많은 실행을 처리할수록, 결과의 품질은 출력에 적용된 판단의 품질에 달려 있습니다. 당신은 구조적으로 잘못된 것처럼 보이지만, 실제로는 잘못된 것을 인식하는 방법을 알아야 합니다.

그 외에, 세 가지를 강조하고 싶습니다. 첫째, 도메인 깊이입니다. 일반적인 AI 능력은 빠르게 상품화되고 있습니다. 따라서 일반적인 전문가는 영향력을 잃고 있습니다. 프리미엄은 실제 기능 전문 지식과 함께 AI를 적용하는 능력을 결합한 깊은 도메인 전문가에게 갈 것입니다. 둘째, 예외 처리입니다. 에이전트가 벽에 부딪치거나, 자동화할 수 있는 금융 자원이 너무 높은 경우, 기관 지혜가 필요한 사람들을 필요로 합니다. 셋째, 워크플로우 설계입니다. 즉, 인간과 지능형 시스템이 각기 적합한 일을 하는 워크플로우를 구조화하는 능력입니다. 그것은 아직 산업에서 정착되지 않은 용어이지만, 기술은 실제이며, 현재 과소평가되고 있습니다.

AI가 직업을 없앨지, 또는 변형시킬지에 대한 논쟁이 있습니다. 당신은 AI가 실제로 잘하는 것을 이해하지 못하는 것이 많은 우려의 원인이라고 주장했습니다. AI 에이전트의 채택이 가속화됨에 따라, 인간 전문 지식과 AI 에이전트의 관계는 어떻게 발전할 것으로 생각합니까?

AI는 명확하게 정의된, 고부하, 및 패턴 의존적인 작업에 뛰어납니다. 즉, 청구서 처리, 거래 이상 감지, 및 일상적인 의사소통 작성과 같은 작업입니다. 그것은 더 빠르고, 인간 팀이 감당할 수 있는 규모에서 그들을 수행합니다. 그러나, AI는 실제 결과에 대한 책임을 지지 못하며, 또한 새로운 것, 모호성, 및 인간 관계와 같은 것들을 다루지 못합니다. 그것은 왜 인간 전문 지식이 필수적인지입니다.

대부분의 직업은 단일 활동이 아닌, 작업의 모음입니다. AI는 시간이 지남에 따라 실행 레이어를 흡수합니다. 그것은 사람들의 필요를 없애지 않습니다. 그것은 단지 가치 창출을 어디에 하는지 변경합니다. 일상적인 작업이 자동화됨에 따라, 전문 지식은 예외를 해결하고, 프로세스를 재설계하고, 기술과 비즈니스 필요가 발전함에 따라 조직을 도와주는 방향으로 이동합니다. 일부 역할은 크게 변경될 것입니다. 그리고, 리더들은 새로 생성되는 작업이 사라지는 작업에 대한 접근성이 있는지에 대해 책임을 지고 있습니다. 대답은 거의 전적으로 조직이 훈련과 전환에 대한 선택에 달려 있습니다. 그것은 기술적인 결과가 아니라, 리더십의 결정입니다. 나는 가장 존경하는 회사들은 팀과 어떤 역할이 변경되는지, 어느 시점에서, 인간 전문 지식이 여전히 매우 가치 있는지, 그리고 현실적인 전진 방향은 무엇인지에 대해 정直하게 말하고 있습니다. 대부분의 회사들은 아직 그 대화를 하지 않고 있습니다.

앞으로, 진정한 에이전트 기업은 실제로 어떤 모습일까요? 5년 후에 이 대화를 다시 방문했을 때, 비즈니스 운영, 조직 설계, 및 AI 배치에서 어떤 변경이 주요 기업에서 표준이 될 것으로 예상합니까?

우리는 더 이상 AI에 대한 별개의 이니셔티브에 대해 이야기하지 않을 것입니다. 우리는 디지털로 가는 것에 대해 더 이상 이야기하지 않는 것과 같습니다. 그것은 단순히 작업을 수행하는 방식입니다.

구조적인 변화는 저에게 가장 흥미롭습니다. 현재 많은 계층이 정보를 이동하기 어렵기 때문에 존재합니다. 우리는 정보가 생성된 곳에서 결정이 내려지는 곳까지 이동해야 하는 승인 체인과 조정 역할을 가지고 있습니다. 에이전트는 그 거리를 축소합니다. 그들이 그렇게 할 때, 상당한 양의 조정 인프라는 중복됩니다. 조직은 그것을 인식하고, 재설계하는 것입니다. 그것은 누적되는 속도优势를 가집니다.

우리는 또한 AI가 구매되고 배달되는 방식의 변화를 볼 것입니다. 소프트웨어 회사는 제품을 구축하지만, 결과에 대한 책임을 지지 않습니다. 서비스 회사는 결과에 대한 책임을 지지만, 확장 가능한 제품을 구축하는 데 어려움을 겪습니다. 두 모델은 모두 불충분합니다. 우리는 Genpact에서 구축하고 있는 것은 특정 도메인에서 제품화된 AI를 결과로 배달하는 것입니다. 당신은 결과를 구매하고, 우리는 그것에 대해 책임을 집니다. 나는 그것이 인센티브를 올바르게 정렬하기 때문에, 표준이 될 것입니다. 기능만을 판매하는 벤더는 그것이 당신의 환경에서 작동하는지에 대한 이해관계가 없습니다. 결과에 대한 책임을 지는 사람들은 모든 이해관계를 가지고 있습니다. 이 시대의 승자는 가장 정교한 AI 모델을 갖는 것으로 정의되지 않을 것입니다. 그것은 인간, 프로세스, 및 지능형 시스템 사이의 구조적인 재설계를 마스터하는 것으로 정의될 것입니다. 우리는 그 변화의 첫날에만 있습니다.

伟大的 인터뷰에 감사합니다. 더 많은 정보를 배우고 싶은 독자들은 Genpact를 방문할 수 있습니다.