Interviews
Ajay Vasal, wereldwijd verantwoordelijk voor data en AI bij Genpact – Interviewreeks

Belangrijkste puntenProcesherontwerp is de belangrijkste belemmering voor de adoptie van agentische AI…
Meer weergeven
- Procesherontwerp is de belangrijkste belemmering voor de adoptie van agentische AI, niet modelprestaties.
- % van de ondernemingen gebruikt nog steeds productiviteitsstatistieken die ongeschikt zijn voor autonome AI-systemen.
- Slechts 22% van de organisaties vertrouwt AI-systemen met domeinniveau of brede autonomie.
Ajay Vasal, wereldwijd verantwoordelijk voor data en AI bij Genpact, is een ervaren bestuurder op het gebied van technologie en strategie. Hij heeft meer dan twintig jaar ervaring met kunstmatige intelligentie, datastrategie, digitale transformatie, fusies en overnames en bedrijfsadvies. In zijn huidige functie leidt hij initiatieven die bedrijven helpen hun AI-gebruik op te schalen en over te stappen van ondersteunende AI naar zelfstandigere systemen die in de bedrijfsvoering zijn geïntegreerd. Voordat hij bij Genpact kwam, werkte Vasal bijna negen jaar bij Accenture. Daar vervulde hij verschillende hoge leidinggevende functies, waaronder wereldwijd hoofd Data & AI voor consumentensectoren en wereldwijd hoofd van het Centre for Data & Insights. Gedurende zijn loopbaan heeft hij organisaties geholpen meetbare bedrijfswaarde uit data te halen door efficiënter te werken, de omzet te vergroten en risico’s te beperken. Ook leidde hij strategische investeringen, fusies en overnames en AI-gestuurde veranderprogramma’s in uiteenlopende sectoren.
Genpact is een wereldwijd bedrijf voor professionele dienstverlening en digitale transformatie, gespecialiseerd in data, AI, analyse, intelligente automatisering en modernisering van de bedrijfsvoering van grote ondernemingen. Genpact werd oorspronkelijk opgericht binnen General Electric (GE.TO ) en werd later zelfstandig. Tegenwoordig bedient het organisaties in onder meer de financiële dienstverlening, gezondheidszorg, productie, detailhandel en consumentengoederensector. Het bedrijf richt zich steeds meer op bedrijfsvernieuwing met AI en combineert analyse, automatisering en sectorkennis om bedrijven te helpen hun werkprocessen te moderniseren, betere beslissingen te nemen en grootschalige AI-systemen verantwoord in te zetten.
U werkte jarenlang bij Accenture aan data- en AI-strategieën in verschillende sectoren voordat u uw huidige functie bij Genpact aanvaardde. Hoe heeft die ervaring uw kijk beïnvloed op de vraag waarom bedrijven nog steeds moeite hebben om werkelijke waarde uit AI-investeringen te halen?
Een van de belangrijkste lessen uit het werken in verschillende sectoren is dat de meeste organisaties niet falen doordat de technologie zwak is. Ze lopen vast doordat ze AI proberen toe te voegen aan operationele modellen die nooit zijn ontworpen voor zelfstandige uitvoering. De uitkomsten van ons recente onderzoek bevestigen dat duidelijk. Bedrijven zetten sterk in op AI, maar veel ondernemingen worstelen nog met het herontwerpen van de bedrijfsvoering die nodig is om zelfstandige uitvoering op grote schaal te ondersteunen. Die kloof laat zien hoeveel bedrijven nog zoeken naar antwoorden op vragen over bestuur en toezicht, verantwoording en organisatorische gereedheid.
We zien ook organisaties snel vooruitgaan voordat ze geschikte meetkaders hebben ingericht. Van de bestuurders verwacht 71 procent dat agentische AI sneller rendement op investeringen zal opleveren dan welke eerdere technologiegolf ook, maar 67 procent gebruikt nog productiviteitsmaatstaven die voor oudere automatiseringsmodellen zijn ontwikkeld. Mijn ervaring leert dat succesvol AI-gebruik nooit alleen draait om het inzetten van modellen. Het gaat om het herontwerpen van werkprocessen, het afstemmen van technologie op bedrijfsprioriteiten en het helpen van mensen om te begrijpen hoe hun rollen veranderen naast steeds zelfstandigere systemen.
Uw recente rapport, Autonomy Requires Trust in AI, laat zien dat de meeste bestuurders geloven dat agentische AI de bedrijfsvoering fundamenteel zal veranderen, terwijl de meeste systemen nog onder toezicht staan. Waar zit de grootste kloof tussen overtuiging en uitvoering?
Die kloof draait volledig om vertrouwen. Bestuurders geloven duidelijk dat agentische AI de manier van werken zal veranderen, maar geloof in de technologie betekent niet automatisch dat ze zich er prettig bij voelen om beslissingsbevoegdheid over te dragen. Uit ons onderzoek blijkt dat slechts 22 procent van de organisaties het aandurft om AI-systemen zelfstandig te laten werken binnen een bepaald vakgebied of met brede autonomie.
De meeste bedrijven gebruiken AI nog steeds met vertrouwen als assistent die aanbevelingen kan doen, kan samenvatten of werkprocessen kan ondersteunen. De aarzeling begint wanneer AI-systemen zelfstandig moeten handelen op manieren die de bedrijfsvoering, klanten, naleving van regels of financiële resultaten beïnvloeden. Daarom houden veel bedrijven mensen nauw betrokken bij goedkeuring en toezicht, ook terwijl ze naar een zelfstandigere bedrijfsvoering toewerken.
Veel bedrijven investeren fors in AI, maar slagen er niet in om een betekenisvol rendement aan te tonen. Wat zijn de meest voorkomende fouten bij het meten van de waarde die AI oplevert?
Een grote fout is dat veel organisaties nog productiviteitsmaatstaven gebruiken die voor eerdere automatiseringsgolven zijn ontworpen. De gegevens laten zien dat 67 procent van de bedrijven nog afhankelijk is van productiviteitsgerichte maatstaven die de waarde van aanpasbare, besluitvormende systemen niet volledig kunnen vastleggen. Dat veroorzaakt een duidelijke kloof tussen de verwachtingen en de manier waarop waarde daadwerkelijk wordt gemeten.
Een ander probleem is dat veel organisaties nog geen succesmaatstaven hebben vastgesteld die op de eigen kenmerken van AI zijn toegesneden. Slechts een klein deel van de bedrijven meet zaken als het zelfstandig voltooien van werkprocessen, minder escalaties of zelfstandige afhandeling van uitzonderingen. Als bedrijven alleen blijven kijken naar kostenverlaging of bespaarde uren, missen ze het bredere effect op de bedrijfsvoering dat agentische AI juist moet opleveren.
Het rapport suggereert dat organisatorische gereedheid een grotere hindernis is dan de technologie zelf. Welke concrete structurele veranderingen moeten bedrijven doorvoeren om het volledige potentieel van agentische AI te benutten?
Organisaties moeten opnieuw nadenken over de inrichting van verantwoording, verantwoordelijkheid voor werkprocessen en besluitvorming in het hele bedrijf. Een van de duidelijkste bevindingen uit het onderzoek is dat organisatorische gereedheid een grotere hindernis wordt dan de technologie zelf. Zo noemde 33 procent van de bedrijven het feit dat bedrijfsprocessen nog niet klaar zijn voor integratie van agentische AI als de grootste belemmering voor invoering.
De bedrijven die het verst komen, herontwerpen hun werkprocessen van begin tot eind, zodat zelfstandige systemen binnen duidelijk omschreven grenzen en toezichtstructuren kunnen werken. We vonden ook dat 44 procent van de bedrijven verwacht dat agentische AI het aantal managementlagen zal verminderen wanneer systemen coördinatietaken overnemen die traditioneel bij het middenmanagement lagen. Medewerkers hebben veel meer duidelijkheid nodig over toezichtverantwoordelijkheden, momenten om in te grijpen en de plaats van menselijk oordeelsvermogen in een steeds autonomere omgeving.
Slechts een klein deel van de organisaties voelt zich er prettig bij om AI-agenten echte autonomie te geven. Wat is nodig voordat bedrijven AI-systemen voldoende vertrouwen om er beslissingsbevoegdheid aan te geven?
Vertrouwen in agentische AI draait uiteindelijk om verantwoording en controle. Bedrijven blijven voorzichtig met het overdragen van beslissingsbevoegdheid omdat leiders erop willen kunnen vertrouwen dat zelfstandige systemen binnen duidelijke veiligheidsgrenzen en bestuursstructuren werken.
Bedrijven die vooroplopen, ontwerpen systemen waarin escalatieroutes, voorwaarden om in te grijpen en bestuurlijke controlemechanismen direct in de bedrijfsvoering zijn ingebouwd. De meeste organisaties geven stapsgewijs autonomie op basis van de bedrijfssituatie en de risicotolerantie, in plaats van ineens volledig zelfstandig werken toe te staan. Naarmate succesvolle invoeringen organisaties zekerder maken, groeit het vertrouwen: leiders kunnen duidelijk zien hoe beslissingen worden genomen, waar de verantwoordelijkheid ligt en hoe menselijk toezicht behouden blijft.
Bedrijven verwachten agentische AI snel op te schalen, maar veel ondernemingen gebruiken nog verouderde productiviteitsmaatstaven. Hoe zouden effectievere prestatiemaatstaven eruit moeten zien die op AI zijn toegesneden?
Maatstaven voor AI moeten uitvoering en resultaten meten in plaats van activiteit. Traditionele productiviteitsmaatstaven kijken of mensen sneller werken. Agentische AI verandert de uitgangspunten omdat het systeem zelf een deel van het operationele werk begint te dragen. Dat is belangrijk, want veel organisaties meten agentische AI nog vanuit een productiviteitsperspectief dat voor eerdere automatiseringsgolven is ontworpen, niet voor zelfstandige uitvoering.
Effectievere maatstaven moeten gericht zijn op het zelfstandig voltooien van werkprocessen, een lager escalatiepercentage, snellere uitvoering van beslissingen en de doeltreffendheid waarmee systemen uitzonderingen afhandelen met beperkte menselijke tussenkomst. Die maatstaven geven een veel duidelijker beeld van de vraag of AI de uitvoering op grote schaal werkelijk verbetert.
U benadrukt dat het herontwerpen van processen de grootste hindernis voor invoering is. Waarom is verandering van werkprocessen in deze volgende AI-fase belangrijker dan de prestaties van modellen?
Verandering van werkprocessen is belangrijk omdat zelfs de geavanceerdste AI-systemen niet doeltreffend kunnen opschalen binnen gebrekkige of versnipperde processen. Uit ons onderzoek blijkt dat 33 procent van de bedrijven de gereedheid van processen als de grootste hindernis voor invoering van agentische AI noemt.
Het verschil met deze volgende fase is dat agentische AI is ontworpen om taken door werkprocessen heen uit te voeren, in plaats van daarbinnen alleen ondersteuning te bieden. Organisaties moeten processen herontwerpen rond zelfstandige uitvoering door de verantwoordelijkheid voor beslissingen te verduidelijken, onnodige overdrachten weg te nemen en bestuur en toezicht direct in de werkprocessen op te nemen. Het herontwerpen van werkprocessen vormt nu in veel opzichten de werkelijke basis voor schaalbaar AI-gebruik.
Het rapport suggereert dat AI het aantal organisatielagen zal verminderen wanneer coördinatietaken worden geautomatiseerd. Hoe ziet u de rollen van leiders en het middenmanagement daardoor veranderen?
Naarmate agentische AI meer coördinatietaken en operationeel toezicht overneemt, zullen leiderschapsrollen waarschijnlijk verschuiven van het aansturen van routinematige uitvoering naar het richting geven aan strategie, oordeelsvorming en bestuur. Uit ons onderzoek blijkt dat veel bedrijven verwachten dat agentische AI het aantal coördinatielagen in de organisatie zal verminderen wanneer zelfstandige systemen meer verantwoordelijkheid voor operationeel toezicht krijgen.
Het middenmanagement heeft van oudsher een belangrijke rol bij het doorgeleiden van beslissingen en het waarborgen van operationele continuïteit tussen teams. Wanneer zelfstandige systemen meer van die activiteiten overnemen, moeten leiders meer aandacht besteden aan uitzonderingsbeheer, verantwoording en het bewaken van de aansluiting tussen systemen en bedrijfsdoelen. Menselijk leiderschap wordt nog belangrijker op gebieden waar context, ethiek en oordeelsvermogen het zwaarst wegen.
Genpact presenteert zich als leverancier van oplossingen voor agentische AI en geavanceerde technologie. Hoe verschilt de aanpak van agentische AI van die van traditionele advies- of technologiebedrijven?
Genpacts aanpak is gebaseerd op uitvoering en resultaten, en op het oplossen van wat wij vaak het probleem van de ‘laatste stap’ bij AI-invoering noemen. Veel organisaties hebben al bewezen dat AI-modellen inzichten kunnen opleveren of de productiviteit kunnen verbeteren. De echte uitdaging is om die mogelijkheden te integreren in de bestaande bedrijfsprocessen waarin het werk daadwerkelijk gebeurt. Daar lopen veel AI-initiatieven vast. Wij helpen klanten om agentische AI tot en met de laatste uitvoeringsstap in de praktijk te brengen, zodat systemen meetbare resultaten opleveren in financiën, de toeleveringsketen, klantenservice en andere kernfuncties van het bedrijf.
Onze aanpak onderscheidt zich door diepgaande proceskennis te combineren met capaciteiten op het gebied van data, technologie en AI. We zetten niet alleen modellen in en bouwen niet alleen proefprojecten. We herontwerpen werkprocessen, integreren bestuur en toezicht in de bedrijfsvoering en helpen bedrijven de verantwoordingsstructuren op te zetten die nodig zijn voor zelfstandige uitvoering op grote schaal. Doordat we agentische AI ook in onze eigen bedrijfsvoering hebben geïntegreerd, hebben we praktijkervaring met wat er nodig is om van experimenten naar bedrijfsbrede effecten te komen.
Denkt u dat agentische AI de kloof tussen voorlopers en achterblijvende bedrijven zal vergroten? Wat moeten bedrijven nu doen om niet achterop te raken?
Ja, ik denk dat de kloof groter zal worden, omdat agentische AI waarde op een andere manier laat aangroeien dan eerdere technologiegolven. Organisaties die erin slagen werkprocessen te herontwerpen, verantwoordingskaders op te zetten en vertrouwen in zelfstandige systemen op te bouwen, creëren operationele voordelen die concurrenten moeilijk kunnen evenaren. Opvallend is hoe snel deze verandering plaatsvindt. Van de bedrijven verwacht 29 procent dat agentische AI binnen de komende 12 maanden in het hele bedrijf zal worden ingezet.
Voor bedrijven die concurrerend willen blijven, moet de prioriteit nu liggen bij het voorbereiden van de bedrijfsvoering op zelfstandige uitvoering. Dat omvat het herontwerpen van werkprocessen, het vastleggen van verantwoordelijkheidsstructuren, het opbouwen van meetkaders die op AI zijn toegesneden en het investeren in de gereedheid van medewerkers. Organisaties die vroeg aan die fundamenten werken, staan er veel beter voor dan bedrijven die AI nog steeds als een losstaand technologie-initiatief benaderen.
Dank voor het boeiende interview. Lezers die meer willen weten, kunnen Genpact bezoeken.












