Ajay Vasal, Global Leader for Data & AI, Genpact – Intervju-serie

Ajay Vasal, Global Leader for Data & AI, Genpact, er en veteran teknologi- og strategi-ekspert med mer enn to tiår med erfaring innen kunstig intelligens, datastrategi, digital transformasjon, fusjoner og oppkjøp, og bedriftsrådgivning. I sin nåværende rolle i Genpact leder han initiativer som fokuserer på å hjelpe bedrifter å skala opp AI-adoptsjon og gå over fra assistive AI til mer autonome, operasjonelt innlejrede systemer. Før han begynte i Genpact, tilbrakte Vasal nesten ni år i Accenture, hvor han hadde flere senior ledelsesstillinger, inkludert Global Data & AI Lead for Consumer Industries og Global Head of Centre for Data & Insights. Gjennom sin karriere har han fokusert på å hjelpe organisasjoner å låse opp målbare forretningsverdier fra data gjennom operasjonell effisiens, omsetningsvekst og risikomildring, samt ledet strategiske investeringer, fusjons- og oppkjøpsinitiativer og AI-drevne transformasjonsprogrammer over industrier.

Genpact er et globalt profesjonelt tjenesteselskap og digitalt transformasjonsselskap som spesialiserer seg på data, AI, analyser, intelligent automatisering og operasjonell modernisering for store bedrifter. Opprinnelig grunnlagt innen General Electric (GE.TO ) før det ble et uavhengig selskap, betjener Genpact nå organisasjoner over industrier, inkludert finansielle tjenester, helse, produksjon, detaljhandel og forbrukervarer. Selskapet har stadig posisjonert seg rundt AI-drevet bedriftstransformasjon, kombinert med analyser, automatisering og domeneekspertise for å hjelpe bedrifter å modernisere arbeidsflyter, forbedre beslutningstaking og deployere store AI-systemer ansvarlig.

Du har tilbrakt år i Accenture med å forme data- og AI-strategi over industrier før du gikk inn i din nåværende rolle i Genpact. Hvordan har den erfaringen påvirket din perspektiv på hvorfor bedrifter fortsatt sliter med å trekke ut virkelig verdi fra AI-investeringer i dag?

En av de største lærdommene fra å arbeide over industrier er at de fleste organisasjonene ikke feiler fordi teknologien er svak. Virkeligheten er at de sliter fordi de prøver å legge AI på driftsmodeller som aldri var designet for autonom utførelse. Funndene fra vår nylige forskning understreker det poenget tydelig. Mens bedrifter beveger seg aggressivt inn i AI-adoptsjon, sliter mange fortsatt med å redesigne driftsmodellene som trengs for å støtte autonom utførelse i stor skala. Den gapet understreker hvordan mange bedrifter fortsatt jobber med spørsmål rundt styring, ansvar og organisatorisk beredskap.

Vi ser også at organisasjoner beveger seg raskt før de har riktige målemodeller på plass. 71 prosent av ledere tror at agens AI vil levere ROI raskere enn noen tidligere bølge av teknologi, men 67 prosent av dem fortsatt avhenger av produktivitetsmål som ble bygget for tidligere automatiseringsmodeller. Min erfaring har vist at vellykket AI-adoptsjon aldri bare handler om å deploye modeller. Det handler om å redesigne arbeidsflyter, åtteknings teknologi med forretningsprioriteter og å hjelpe mennesker å forstå hvordan deres roller utvikler seg sammen med stadig mer autonome systemer.

Din nylige rapport, Autonomy Requires Trust in AI, viser at de fleste ledere tror at agens AI vil fundamentalt endre forretningsoperasjoner, men de fleste systemer forblir overvåket. Hva er den største disconnecten mellom tro og utførelse?

Disconnecten er fullstendig sentrert rundt tillit. Ledere tror tydelig at agens AI vil omforme hvordan arbeid blir gjort, men troen i teknologien oversetter ikke automatisk til komfort med å overlate beslutningsmyndighet. Vår forskning fant at bare 22 prosent av organisasjonene er komfortable med å la AI-systemer operere med domene-nivå eller bred autonomi.

De fleste bedrifter er fortsatt komfortable med å bruke AI som en assistent som kan anbefale, summerere eller støtte arbeidsflyter. Hesitasjonen begynner når AI-systemer forventes å operere autonomt på måter som påvirker operasjoner, kunder, overholdelse eller finansielle resultater. Den hesitasjonen tvinger mange bedrifter til å holde mennesker tett involvert i godkjenning og tilsynsprosesser, selv om de presser mot mer autonome driftsmodeller.

Mange bedrifter investerer tungt i AI, men sliter med å demonstrere meningsfulle avkastninger. Hva er de vanligste feilene organisasjonene gjør når de prøver å måle AI-drevet verdi?

En stor feil er at mange organisasjoner fortsatt bruker produktivitetsmål designet for tidligere bølger av automatisering. Data viser at 67 prosent av bedrifter fortsatt avhenger av produktivitetsbaserte mål som ikke fullt ut kan fange verdien av adaptive, beslutningsdrevne systemer. Det skaper en reel disconnect mellom forventninger og hvordan verdi faktisk måles.

Et annet problem er at mange organisasjoner ennå ikke har definert AI-naturlige suksessmål. Bare en liten prosent av bedrifter måler ting som autonom arbeidsflyt fullføring, redusert eskalering, eller autonom unntakshåndtering. Hvis selskaper fortsetter å fokusere bare på kostnadsreduksjon eller timer spart, vil de gå glipp av den bredere operasjonelle påvirkningen agens AI er designet for å skape.

Rapporten foreslår at organisatorisk beredskap er en større barriere enn teknologi selv. Hva spesifikke strukturelle endringer må bedrifter gjøre for å låse opp fullt potensiale av agens AI?

Organisasjoner måtenke om hvordan ansvar, arbeidsflyteierskap og beslutningstaking opererer over hele bedriften. En av de tydeligste lærdommene fra forskningen er at organisatorisk beredskap blir en større barriere enn teknologi selv. Faktisk identifiserte 33 prosent av bedrifter at forretningsprosesser ikke var klare for agens-integrasjon som den største hindringen for adopsjon.

Selskapene som gjør de beste fremgangene redesigner arbeidsflyter fra slutten til slutten så autonome systemer kan operere innen tydelig definerte grenser og tilsynsstrukturer. Vi fant også at 44 prosent av bedrifter forventer at agens AI vil flate ledelsesstrukturer når systemer absorberer koordineringstasks tradisjonelt håndtert av midtre ledelse. Ansattene trenger mye større klarhet rundt tilsynsansvar, inngripeningspunkter og hvor menneskelig dømmekraft passer inn i en stadig mer autonom miljø.

Bare en liten prosent av organisasjoner er komfortable med å gi AI-agenter virkelig autonomi. Hva vil det ta for bedrifter å stole på AI-systemer med beslutningsmyndighet?

Tillit til agens AI kommer til slutt ned til ansvar og kontroll. Bedrifter er fortsatt forsiktige med å overlate beslutningsmyndighet fordi ledere ønsker tillit til at autonome systemer kan operere innen tydelige retningslinjer og styringsstrukturer.

Selskapene som går fremover designer systemer hvor eskalasjonsveier, inngripenstrigger og styringskontroller er bygget direkte inn i driftsmodellen. De fleste organisasjoner gir autonomi inkrementelt basert på forretningskontekst og risikotoleranse snarere enn å gjøre et plutselig sprang til full autonomi. Ettersom bedrifter vinner tillit gjennom vellykkede deployeringer, vokser tilliten fordi ledere kan tydelig se hvordan beslutninger tas, hvor ansvar ligger, og hvordan menneskelig tilsyn opprettholdes.

Bedrifter forventer å skala opp agens AI raskt, men mange av dem avhenger fortsatt av foreldede produktivitetsmål. Hva bør mer effektive, AI-naturlige ytelsesmål se ut som?

AI-naturlige mål måler utførelse og resultater snarere enn aktivitet. Tradisjonelle produktivitetsmål fokuserer på om mennesker jobber raskere, men agens AI endrer ligningen fordi systemet selv begynner å bære en del av den operasjonelle arbeidsbyrden. Det er viktig fordi mange organisasjoner fortsatt måler agens AI gjennom en produktivitetslins som var designet for tidligere automatiseringsbølger snarere enn autonom utførelse.

Mer effektive mål bør fokusere på autonom arbeidsflyt fullføring, redusert eskalering, raskere beslutningsutførelse og hvordan systemer håndterer unntak med begrenset menneskelig inngripen. Disse målene gir et mye tydeligere bilde av om AI faktisk forbedrer utførelse i stor skala.

Du understreker at prosessredesign er den ledende barrieren for adopsjon. Hvorfor er arbeidsflytetransformasjon viktigere enn modellprestasjon i denne neste fasen av AI?

Arbeidsflytetransformasjon er viktig fordi selv de mest avanserte AI-systemene ikke kan skala effektivt innenfor ødelagte eller fragmenterte prosesser. Vår forskning fant at 33 prosent av bedrifter identifiserte prosessberedskap som den ledende barrieren for agens AI-adoptsjon.

Hva gjør denne neste fasen annerledes er at agens AI er designet for å utføre over arbeidsflyter snarere enn bare å assistere innenfor dem. Organisasjoner må redesigne prosesser rundt autonom utførelse ved å klargjøre eierskap, fjerne unødvendige overføringer og innlemme styring direkte inn i arbeidsflyter. På mange måter er arbeidsflytedesign nå den sanne grunnlaget for skalerbar AI-adoptsjon.

Rapporten foreslår at AI vil flate organisatoriske strukturer når koordineringstasks blir automatisert. Hvordan ser du på at ledelsesroller og midtre ledelse utvikler seg som følge av dette?

Som agens AI tar på seg mer koordinering og operasjonell tilsynsoppgaver, er ledelsesroller sannsynligvis å endre seg fra å håndtere rutineutførelse mot å guide strategi, dømmekraft og styring. Vår forskning fant at mange bedrifter forventer at agens AI vil redusere lag av koordinering over hele organisasjonen når autonome systemer tar på seg mer operasjonell tilsynsansvar.

Midtre ledelse har historisk spilt en stor rolle i å route beslutninger og opprettholde operasjonell kontinuitet over team. Ettersom autonome systemer begynner å håndtere mer av disse aktivitetene, må ledere fokusere mer på unntakshåndtering, ansvar og sikre at systemer er i linje med forretningsmål. Menneskelig ledelse vil bli enda viktigere i områder hvor kontekst, etikk og dømmekraft fortsatt teller mest.

Genpact posisjonerer seg som et agens- og avansert teknologiløsningsselskap. Hvordan nærmer selskapet seg agens AI annerledes enn tradisjonelle konsulentselskaper eller teknologiselskaper?

Genpacts tilnærming er grunnlagt i utførelse og resultater og det vi ofte beskriver som å løse “siste mil”-problemet med AI-adoptsjon. Mange organisasjoner har allerede bevist at AI-modeller kan generere innsikt eller forbedre produktivitet, men den virkelige utfordringen er å innlemme disse evnene i live forretningsarbeidsflyter hvor arbeid faktisk blir gjort. Det er der mange AI-initiativer stopper. Fokus vårt er på å hjelpe kunder å operasjonalisere agens AI over siste milen av utførelse så systemer kan drive målbare resultater innen finansiell, leverandørkjede, kundeservice og andre kjerneforretningsfunksjoner.

Hva skiller vår tilnærming er kombinasjonen av dyp prosesskompetanse med data, teknologi og AI-evner. Vi deployer ikke bare modeller eller bygger piloter. Vi redesigner arbeidsflyter, innlemmer styring i operasjoner og hjelper bedrifter å skape ansvarsstrukturer som trengs for autonom utførelse i stor skala. Fordi vi også har innlemmet agens AI i våre egne operasjoner, bringer vi praktisk erfaring om hva det tar å gå fra eksperiment til bedriftsvid omfattende påvirkning.

Ser fremover, tror du at agens AI vil øke gapet mellom ledende og etterlatte bedrifter, og hva bør selskaper gjøre nå for å unngå å bli etterlatte?

Ja, jeg tror gapet vil øke fordi agens AI kompenserer verdi annerledes enn tidligere teknologibølger. Organisasjonene som suksessfullt redesigner arbeidsflyter, etablerer ansvarsrammer og bygger tillit inn i autonome systemer, vil skape operasjonelle fordeler som blir vanskelige for konkurrenter å replikere. Det som er slående er hvor raskt denne skiftet skjer. 29 prosent av bedrifter forventer at agens AI skal skala over hele bedriften innen de neste 12 månedene.

For selskaper som ønsker å forbli konkurransedyktige, bør prioritet nå være å forberede driftsmodellen for autonom utførelse. Det inkluderer å redesigne arbeidsflyter, definere eierskapsstrukturer, bygge AI-naturlige målemodeller og investere i arbeidsstyrkeberedskap. Organisasjonene som går tidlig ut på disse grunnlagene vil være mye bedre posisjonert enn de som fortsatt nærmer seg AI som en enkeltstående teknologiinitiativ.

Takk for det flotte intervjuet, lesere som ønsker å lære mer kan besøke Genpact.