Ajay Vasal, Global Leader voor Data & AI, Genpact – Interviewreeks

Ajay Vasal, Global Leader voor Data & AI bij Genpact, is een ervaren technologie- en strategie-executive met meer dan twee decennia ervaring op het gebied van kunstmatige intelligentie, datastrategie, digitale transformatie, fusies en overnames, en ondernemingsadvies. In zijn huidige functie bij Genpact leidt hij initiatieven die bedrijven helpen bij het opschalen van AI-adoptie en het overgangen van assistieve AI naar meer autonome, operationeel geïntegreerde systemen. Voordat hij bij Genpact kwam, werkte Vasal bijna negen jaar bij Accenture, waar hij verschillende senior leiderschapsfuncties bekleedde, waaronder Global Data & AI Lead voor Consumer Industries en Global Head of the Centre for Data & Insights. Gedurende zijn carrière heeft hij zich gericht op het helpen van organisaties om meetbare businesswaarde uit data te halen door operationele efficiëntie, omzetgroei en risicobeperking, evenals het leiden van strategische investeringen, M&A-initiatieven en AI-gedreven transformatieprogramma’s in verschillende industrieën.

Genpact is een wereldwijd opererend bedrijf dat gespecialiseerd is in professionele dienstverlening en digitale transformatie, met een focus op data, AI, analytics, intelligente automatisering en operationele modernisering voor grote ondernemingen. Oorspronkelijk opgericht binnen General Electric (GE.TO ) voordat het een onafhankelijk bedrijf werd, serveert Genpact nu organisaties in verschillende industrieën, waaronder financiële dienstverlening, gezondheidszorg, productie, detailhandel en consumentengoederen. Het bedrijf heeft zich steeds meer gepositioneerd rondom AI-gedreven ondernemings transformatie, door analytics, automatisering en domeinexpertise te combineren om bedrijven te helpen bij het moderniseren van workflows, het verbeteren van besluitvorming en het inzetten van grootschalige AI-systemen op een verantwoorde manier.

U hebt jarenlang bij Accenture gewerkt aan data- en AI-strategieën in verschillende industrieën voordat u uw huidige functie bij Genpact aanvaardde. Hoe heeft die ervaring uw perspectief beïnvloed op waarom ondernemingen nog steeds moeite hebben om echte waarde uit AI-investeringen te halen?

Een van de belangrijkste lessen uit mijn ervaring is dat de meeste organisaties niet falen omdat de technologie zwak is. De realiteit is dat ze worstelen omdat ze proberen om AI toe te voegen aan operationele modellen die nooit zijn ontworpen voor autonome uitvoering. De resultaten van ons recente onderzoek onderstrepen dat punt duidelijk. Terwijl ondernemingen agressief AI-adoptie nastreven, worstelen veel van hen nog steeds met het herontwerpen van de operationele modellen die nodig zijn om autonome uitvoering op grote schaal te ondersteunen. Die kloof benadrukt hoeveel ondernemingen nog steeds worstelen met vragen over governance, verantwoordelijkheid en organisatorische gereedheid.

We zien ook dat organisaties snel bewegen voordat ze de juiste meetinstrumenten hebben. 71% van de executives denkt dat agente AI sneller rendement oplevert dan eerdere technologiegolven, maar 67% gebruikt nog steeds productiviteitsmetrieken die zijn ontwikkeld voor eerdere automatiseringsmodellen. Mijn ervaring heeft aangetoond dat succesvolle AI-adoptie nooit alleen gaat over het inzetten van modellen. Het gaat over het herontwerpen van workflows, het aligneren van technologie met businessprioriteiten en het helpen van mensen om te begrijpen hoe hun rollen evolueren naast steeds autonoomere systemen.

Uw recente rapport, Autonomy Requires Trust in AI, toont aan dat de meeste executives denken dat agente AI de bedrijfsoperaties fundamenteel zal veranderen, maar de meeste systemen nog steeds worden bewaakt. Wat is de grootste disconnect tussen overtuiging en uitvoering?

De disconnect is volledig gericht op vertrouwen. Executives geloven duidelijk dat agente AI de manier waarop werk wordt gedaan zal veranderen, maar vertrouwen in de technologie vertaalt zich niet automatisch in comfort met het overdragen van beslissingsbevoegdheid. Ons onderzoek toonde aan dat slechts 22% van de organisaties comfortabel is met het toestaan van AI-systemen om te opereren met domein-niveau of brede autonomie.

De meeste ondernemingen zijn nog steeds comfortabel met het gebruik van AI als een assistent die kan aanbevelen, samenvatten of workflows ondersteunen. De aarzeling begint wanneer AI-systemen worden verwacht om autonoom te handelen op manieren die operaties, klanten, compliance of financiële resultaten beïnvloeden. Die aarzeling dwingt veel ondernemingen om mensen nauw betrokken te houden bij goedkeurings- en toezichtprocessen, zelfs als ze naar meer autonome operationele modellen streven.

Veel ondernemingen investeren zwaar in AI, maar falen om significante rendementen te laten zien. Wat zijn de meest voorkomende fouten die organisaties maken bij het meten van AI-gedreven waarde?

Een belangrijke fout is dat veel organisaties nog steeds productiviteitsmetrieken gebruiken die zijn ontwikkeld voor eerdere golven van automatisering. De data toont aan dat 67% van de ondernemingen nog steeds afhankelijk is van productiviteitsmetrieken die de waarde van adaptieve, beslissingsgedreven systemen niet volledig kunnen vastleggen. Dat creëert een echte disconnect tussen verwachtingen en hoe waarde werkelijk wordt gemeten.

Een ander probleem is dat veel organisaties nog niet hebben gedefinieerd wat AI-natieve succesmetrieken zijn. Slechts een klein percentage van de ondernemingen meet dingen zoals autonome workflow-afwerking, vermindering van escalaties of autonome uitzonderingsbehandeling. Als bedrijven zich alleen blijven richten op kostenreductie of uren die zijn bespaard, zullen ze het bredere operationele effect van agente AI missen.

Het rapport suggereert dat organisatorische gereedheid een grotere barrière is dan de technologie zelf. Wat zijn de specifieke structurele veranderingen die bedrijven moeten maken om het volledige potentieel van agente AI te ontsluiten?

Ondernemingen moeten opnieuw nadenken over hoe verantwoordelijkheid, workflow-eigendom en besluitvorming werken binnen het bedrijf. Een van de duidelijkste conclusies uit het onderzoek is dat organisatorische gereedheid een grotere barrière wordt dan de technologie zelf. In feite identificeerden 33% van de ondernemingen bedrijfsprocessen die niet klaar zijn voor agente-integratie als de belangrijkste belemmering voor adoptie.

De bedrijven die de meeste vooruitgang boeken, ontwerpen workflows opnieuw van begin tot eind, zodat autonome systemen kunnen opereren binnen duidelijk gedefinieerde grenzen en toezichtstructuren. We vonden ook dat 44% van de ondernemingen verwacht dat agente AI de managementstructuur zal plat maken, aangezien systemen coördinatietaken absorberen die traditioneel door middelmanagement worden afgehandeld. Medewerkers hebben veel meer duidelijkheid nodig over toezichtsverantwoordelijkheden, interventiepunten en waar menselijke oordeel in een steeds autonoomere omgeving past.

Slechts een klein percentage van de organisaties is comfortabel met het geven van echte autonomie aan AI-agents. Wat zal het kosten voor ondernemingen om AI-systemen te vertrouwen met beslissingsbevoegdheid?

Vertrouwen in agente AI komt uiteindelijk neer op verantwoordelijkheid en controle. Ondernemingen zijn nog steeds voorzichtig met het overdragen van beslissingsbevoegdheid omdat leiders vertrouwen willen hebben dat autonome systemen binnen duidelijke grenzen en governance-structuren kunnen opereren.

De bedrijven die vooruitgang boeken, ontwerpen systemen waarin escalatiepaden, interventie-triggers en governance-controles direct in het operationele model zijn ingebouwd. De meeste ondernemingen verlenen autonomie op basis van bedrijfscontext en risicotolerantie, in plaats van een plotselinge sprong naar volledige autonomie te maken. Naarmate ondernemingen vertrouwen winnen door succesvolle implementaties, groeit het vertrouwen omdat leiders duidelijk kunnen zien hoe beslissingen worden genomen, waar verantwoordelijkheid ligt en hoe menselijk toezicht wordt gehandhaafd.

Ondernemingen verwachten agente AI snel op te schalen, maar veel van hen zijn nog steeds afhankelijk van verouderde productiviteitsmetrieken. Wat zouden meer effectieve, AI-natieve prestatie-metrieken moeten zijn?

AI-natieve metrieken moeten uitvoering en resultaten meten in plaats van activiteit. Traditionele productiviteitsmetrieken richten zich op of mensen sneller werken, maar agente AI verandert de vergelijking omdat het systeem zelf een deel van de operationele workload begint te dragen. Dat is belangrijk omdat veel ondernemingen nog steeds agente AI meten door een productiviteitslens die is ontwikkeld voor eerdere automatiseringsgolven in plaats van autonome uitvoering.

Effectievere metrieken moeten zich richten op autonome workflow-afwerking, vermindering van escalaties, snellere besluituitvoering en hoe effectief systemen uitzonderingen beheren met beperkte menselijke interventie. Die metrieken geven een veel duidelijker beeld van of AI werkelijk de uitvoering op grote schaal verbetert.

U benadrukt dat procesherontwerp de belangrijkste barrière is voor adoptie. Waarom is workflow-transformatie belangrijker dan modelprestaties in deze volgende fase van AI?

Workflow-transformatie is belangrijk omdat zelfs de meest geavanceerde AI-systemen niet effectief kunnen schalen binnen gebrekkige of gefragmenteerde processen. Ons onderzoek toonde aan dat 33% van de ondernemingen procesgereedheid als de belangrijkste barrière voor agente AI-adoptie identificeerde.

Wat deze volgende fase anders maakt, is dat agente AI is ontworpen om uit te voeren over workflows in plaats van alleen binnen workflows te assisteren. Ondernemingen moeten processen herontwerpen rond autonome uitvoering door beslissingsbevoegdheid te verduidelijken, onnodige overdrachten te verwijderen en governance direct in workflows in te bouwen. Op veel manieren is workflow-herontwerp nu de ware basis voor schaalbare AI-adoptie.

Het rapport suggereert dat AI de organisatorische structuren zal plat maken naarmate coördinatietaken geautomatiseerd worden. Hoe ziet u leiderschapsrollen en middelmanagement evolueren als gevolg?

Naarmate agente AI meer coördinatie- en operationele toezichttaken op zich neemt, zullen leiderschapsrollen waarschijnlijk verschuiven van het beheren van routine-uitvoering naar het leiden van strategie, oordeel en governance. Ons onderzoek toonde aan dat veel ondernemingen verwachten dat agente AI de managementlagen zal plat maken, aangezien autonome systemen meer operationeel toezichtstaken op zich nemen.

Middelmanagement heeft historisch een belangrijke rol gespeeld in het routeren van beslissingen en het behouden van operationele continuïteit tussen teams. Naarmate autonome systemen meer van die activiteiten afhandelen, zullen leiders zich meer moeten richten op uitzonderingsbeheer, verantwoordelijkheid en het waarborgen dat systemen zijn afgestemd op bedrijfsdoelstellingen. Menselijk leiderschap zal nog belangrijker worden in gebieden waar context, ethiek en oordeel nog het meest van belang zijn.

Genpact positioneert zich als een agente en geavanceerde technologie-oplossingenbedrijf. Hoe benadert het bedrijf agente AI anders dan traditionele advies- of technologiebedrijven?

Genpact’s aanpak is gebaseerd op uitvoering en resultaten en wat we vaak beschrijven als het oplossen van het “laatste mijl”-probleem van AI-adoptie. Veel organisaties hebben al aangetoond dat AI-modellen inzichten kunnen genereren of productiviteit kunnen verbeteren, maar de echte uitdaging is het integreren van die capaciteiten in live bedrijfsworkflows waar het werk daadwerkelijk wordt gedaan. Dat is waar veel AI-initiatieven stilvallen. Onze focus ligt op het helpen van klanten bij het operationaliseren van agente AI over de laatste mijl van uitvoering, zodat systemen meetbare resultaten kunnen behalen binnen finance, supply chain, klantenservice en andere kernbedrijfsfuncties.

Wat onze aanpak onderscheidt, is de combinatie van diepe procesexpertise met data, technologie en AI-capaciteiten. We implementeren geen modellen of bouwen pilots. We herontwerpen workflows, bouwen governance in operaties in en helpen ondernemingen bij het creëren van de verantwoordelijkheidsstructuren die nodig zijn voor autonome uitvoering op grote schaal. Omdat we ook agente AI in onze eigen operaties hebben geïntegreerd, brengen we praktische ervaring mee over wat het kost om van experimenten naar ondernemingsbrede impact te gaan.

Kijkend naar de toekomst, gelooft u dat agente AI de kloof tussen leidende en achterblijvende ondernemingen zal vergroten, en wat moeten bedrijven nu doen om achterblijven te voorkomen?

Ja, ik geloof dat de kloof zal vergroten omdat agente AI waarde componeert op een manier die anders is dan eerdere technologiegolven. De ondernemingen die succesvol workflows herontwerpen, verantwoordelijkheidskaders creëren en vertrouwen in autonome systemen opbouwen, zullen operationele voordelen creëren die moeilijk voor concurrenten te repliceren zijn. Wat opvallend is, is hoe snel deze verschuiving plaatsvindt. 29% van de ondernemingen verwacht dat agente AI binnen de komende 12 maanden over het hele bedrijf zal worden uitgerold.

Voor bedrijven die concurrerend willen blijven, moet de prioriteit nu liggen bij het voorbereiden van het operationele model voor autonome uitvoering. Dat omvat het herontwerpen van workflows, het definiëren van eigendomsstructuren, het bouwen van AI-natieve meetinstrumenten en het investeren in workforce-gereedheid. De ondernemingen die eerst bewegen op basis van die fundamenten, zullen beter gepositioneerd zijn dan die welke AI nog steeds benaderen als een zelfstandige technologie-initiatief.

Bedankt voor het geweldige interview, lezers die meer willen leren, kunnen Genpact bezoeken.