Archana Joshi, leder – Strategi (BFS og EnterpriseAI), LTIMindtree – Intervju-serie

Archana Joshi har over 24 års erfaring i IT-tjenesten, med ekspertise i AI (inkludert generativ AI), Agile og DevOps-metodologier, og grønne programvare-initiativer. Hun leder nå vekststrategier og markedsposisjonering for Enterprise AI-tjenesten og Bank og Finans-tjenestenheten i LTIMindtree. Joshi har arbeidet med Fortune 100-kunder over hele verden og er en jevnlig taler på bransje-fora og arrangementer.

LTIMindtree er et globalt teknologikonsulentselskap og digital løsningsselskap som arbeider med bedrifter over hele verden for å støtte forretningsmodell-evolusjon, innovasjon og vekst gjennom digitale teknologier. Med over 700 kunder, tilbyr LTIMindtree domene- og teknisk ekspertise rettet mot å forbedre konkurransefordel, kundeopplevelser og forretningsresultater i en stadig mer sammenkoblet verden.

Gitt din omfattende erfaring i å transformere IT-tjenester over hele verden, hvordan har din personlige ledelsesstil utviklet seg i LTIMindtree, særlig i å drive adopsjonen av Generativ AI?

Med over to tiår med erfaring i IT-tjenester, har jeg viet min karriere til å drive transformative teknologiløsninger for kunder, enten det er Agile/DevOps eller generativ AI (GenAI). I LTIMindtree, fokuserer jeg på å gi bedrifter mulighet til å utnytte GenAI for å strategiere og utføre sine digitale transformasjonsreiser. Jeg prioriterer kunde-sentriske strategier, arbeider tett med kunder for å forstå deres unike utfordringer og levere tilpassede AI-løsninger som driver forretningsverdi. Som leder for strategi, må jeg samarbeide med team over hele verden for å fremme GenAI-adopsjon og holde meg informert om nye utviklinger for å guide mine beslutninger. GenAI-prosesser store mengder data for å gi håndterbare innsikter. Denne evnen er spesielt gunstig for en data-orientert leder som meg, som verdsetter bevis-baserte strategier.

For eksempel, hver morgen når jeg starter dagen min med GenAI-baserte copiloter for å hjelpe meg å forstå de viktigste punktene som trenger min oppmerksomhet eller gi innsikter for å lage rapporter som jeg kan dele med mitt team om adopsjon. Faktisk sier jeg ofte innenfor teamet at GenAI-baserte copiloter har i praksis blitt integrale medlemmer av vårt team, som troverdige vingmenn. De støtter oss ved å gi verdifulle innsikter, automatisere oppgaver og holde oss i linje med våre strategiske mål.

Hvordan endrer Generativ AI tradisjonelle IT-tjenestemodeller, særlig i industrier som har vært langsommere til å adoptere digital transformasjon?

GenAI revolusjonerer tradisjonelle IT-tjenestemodeller over hele verden ved å betydelig forbedre IT-utviklerproduktivitet. Fra copiloter som genererer kode til syntetisk data for testing og automatisering av IT-operasjoner, hver eneste fasette av IT blir transformert. Derfor skifter fokus for IT-tjenestemodeller fra kostnadsdrevne til effisiens- og påvirkningsdrevne tilnærminger. Dette betyr at verdien av IT-tjenester nå måles av deres evne til å levere konkrete resultater, ikke bare kostnadsbesparelser. Denne skiftet fører også til nye typer arbeid i IT-tjenester, som utvikling av tilpassede modeller, dataingeniørarbeid for AI-behov og implementering av ansvarlig AI.

Bare 18 måneder siden var disse tjenestene ikke normen. Selv i sterkt regulerte industrier som helse og finansielle tjenester, hvor legacy-systemer er vanlige, anerkjennes verdien av GenAI i å forbedre operasjonell effisiens stadig mer.

Vår egen forskning i LTIMindtree, med tittelen “The State of Generative AI Adoption“, understreker tydelig disse trendene. I helsevesenet ser vi GenAI gjøre en stor innvirkning ved å automatisere ting som medisinske diagnoser, dataanalyse og administrativt arbeid. Dette hjelper leger og helsepersonell til å ta raskere og mer nøyaktige beslutninger – selv om adopsjonen fortsatt er forsiktig på grunn av strenge retningslinjer og reguleringer. I finansielle tjenester forbedrer GenAI risikostyring, svindel-oppdaging og kundeservice ved å automatisere manuelle oppgaver. Likevel er adopsjonen i sektoren drevet av bekymringer omkring risiko, styring og følsomme data.

Kan du dele spesifikke eksempler på hvordan LTIMindtree har integrert GenAI i tradisjonelle IT-arbeidsflyter for å drive effisiens og innovasjon?

I LTIMindtree har vi en 3-delt strategi for AI. Filosofien “AI i alt, alt for AI, AI for alle” understreker vårt engasjement for å integrere AI over alle aspekter av våre operasjoner og tjenester. Denne tilnærmingen sikrer at AI ikke bare er et tillegg, men en kjernekomponent av våre løsninger, som driver innovasjon og effisiens.

Kunder ser på AI for å forbedre effisiens over hele verden. Fra å redusere timer brukt på repetitive, tidskrevende oppgaver til å skalerer operasjoner og forbedre påliteligheten av forretningsprosesser, blir AI en kjernekomponent av deres strategi. Våre ingeniører fokuserer på å integrere AI-copiloter i deres arbeidsflyter, som dekker alt fra kode, testing og deploy til programvare-maintenance.

For eksempel, i en transformasjonsprosess for et Fortune 200-selskap, har vi brukt GenAI-baserte copiloter til å konvertere store lagrede prosedyrer til Java, og muliggjort deres moderniseringsreise. Vi arbeidet nylig med et stort forsikringsselskap som ønsket å automatisere sine data-ekstraksjonsprosesser. De møtte skalerings- og nøyaktighetsproblemer med deres manuelle tilnærming. Vårt team utviklet en companion-bot som nå hjelper med å prosessere flere dokumenter, og trekker ut kritisk informasjon som risiko, berettigelse, dekning og prisdetaljer. Dette har betydelig redusert tiden det tar dem å tilby produkter og håndtere ulike dekninger.

Hvordan ser du på de etiske overveielser bedrifter bør være klar over når de implementerer GenAI, og hvordan sikrer LTIMindtree ansvarlig AI-bruk?

Utviklingen av AI er lovende, men den bringer også mange korporative utfordringer, spesielt når det gjelder etiske overveielser i implementeringen.

I LTIMindtree har vi et AI-råd bestående av ekspertise fra AI, sikkerhet, juridisk, data-privat og ulike bransjer. Dette rådet har etablert AI-sikkerhetsrammer og samarbeider med bransjeorganisasjoner om AI-reguleringsretningslinjer. Det arbeider også med team som implementerer AI for å validere deres etiske risikostillinger.

For å implementere GenAI effektivt, har vi etablert en rekke kjerne-etiske prinsipper som er i linje med våre verdier, og som omhandler rettferdighet, ansvar, transparens og privatliv. Dette krever ledelses-støtte og støtte fra juridiske og sikkerhetsteam. Deretter inkorporeres tekniske intervensjoner i våre interne prosesser som fokuserer på høykvalitets, upartisk data, med tiltak for å sikre data-integritet og rettferdighet. Å fremme en etisk AI-kultur innebærer kontinuerlig opplæring om AI-egenskaper og potensielle fallgruber, som AI-hallusinasjoner. Til slutt gjennføres regelmessige auditor og oppdateringer av AI-systemer for å håndtere sårbarheter og sikre nøyaktigheten av AI-utdata. Denne omfattende tilnærmingen sikrer at GenAI implementeres på en ansvarlig og effektiv måte, og driver forretningsverdi samtidig som den opprettholder etiske standarder.

Hvordan adresserer LTIMindtrees AI-plattform bekymringer omkring AI-etikk, sikkerhet og bærekraft?

Ettersom vi fortsetter å rulle ut nye AI-verktøy og plattformer, må vi sikre at de møter våre standarder og reguleringer omkring teknologiens bruk. I tillegg til å opprettholde datakvalitet for å gi nøyaktige og upartiske utdata, er vi engasjert i å møte høye standarder for sikkerhet og bærekraft.

Vår plattform er bygget rundt prinsippene for ansvarlig og bevisst AI. I forhold til bærekraft er vi klar over den økende energibehovet som kreves for å støtte AI-modeller, fra trening til kontinuerlig drift. Vi har adoptert en reducere, gjenbruke og resirkulere-tilnærming til AI for å håndtere karbonavtrykket og viktigheten av å skape miljøvennlige og bærekraftige AI-praksiser. Gjennom denne prosessen fokuserer vi på å redusere parameterne ved å fokusere på mindre, mer spesifikke store språkmodeller (LLM) som kan effektivt møte behovene til bedriftsapplikasjoner samtidig som de skaper et mindre karbonavtrykk. I tillegg gjenbruker vi data for ulike anvendelser og brukstilfeller for å unngå redundanser og gjenbruke mekanismer og promter som kan brukes for lignende oppgaver for å fremme effisiens og bærekraft. Vi ser også på kvantiserte modeller for å redusere minnehøvding, motta raskere inferens, redusere kostnad og bygge bærekraftige applikasjoner.

Som jeg nevnte tidligere, er sikkerhet en nøkkel-bekymring med bruk av noen AI-verktøy eller -applikasjon. I LTIMindtree har vi ikke bare prioritet data-sikkerhet og rettferdig bruk, men har også gjort det til en hjørnesten i vår AI-strategi. Vi har også inkorporert 50+ beste-in-class-modererings-APIer og ansvarlige AI-rammer fra tredjeparts-leverandører som Nvidia Nemo-garder og IBM Watson Governance-modeller. Vår plattform håndterer data effektivt samtidig som den tar hensyn til privatliv, sikkerhet, etisk bruk og bærekraft ved å utnytte solide styringsmål og en velbygd ramme.

Hvordan påvirker GenAI Agile-prosjektledelse i LTIMindtree? Hva er fordeler og ulemper?

Integrering av GenAI i Agile-praksis transformerer hvordan team arbeider. Det øker produktiviteten, strømlinjeformer prosesser og åpner nye muligheter for innovasjon. Mens programvareutviklingslandskapet utvikler seg, utnytter vi GenAI for å automatisere repetitive oppgaver som kan belaste team. Denne skiftet lar dem fokusere mer på kreativ problemløsning og innovasjon – nettopp der de bør være.

Når vi starter å integrere GenAI i Agile-rammer, er det noen nøkkel-punkter vi ønsker å understreke. Først og fremst er det viktig å forstå naturen til AI-verktøy og deres potensielle innvirkning på team-samarbeid. For eksempel må Agile-team være bevisste på begrensningene til disse verktøyene. De avhenger av eksisterende data fremfor å gi sanntidsinnsikter, så det er essensielt å validere og finjustere deres utdata.

Vår AI-native DevOps utnytter banebrytende teknologi som kunnskapsgrafer, tilpassede SLM (små språkmodeller) sammen med programvareutviklingslivssyklus (SDLC)-agenter. Dette har potensialet til å oppnå 35-50% effisiens i produktivitet over hele Agile-DevOps-syklusen for en bedrift. Det hjelper et Agile-pod under opprettelse av brukerhistorier, sprint-planlegging, kodegenerering til CI/CD-pipelines og påfølgende hendelsesstyring.

Hvordan adresserer LTIMindtree behovet for nye talenter og ferdigheter i en AI-drevet fremtid? Hva initiativer har du ledet for å sikre at ditt team er utrustet for den AI-drevne fremtiden?

Oppblomstringen av innovative teknologier i IT-industrien har understreket et gap mellom ferdighetene vår arbeidsstyrke nå har og hva som er nødvendig for å trives i en AI-drevet verden. GenAI har potensialet til å fullstendig omforme de daglige rollene til mange ansatte, så å forberede seg på nye ferdigheter og roller er essensielt.

I LTIMindtree tar vi ledelsen i denne transformasjonen ved å fokusere på å oppgradere våre ansattes ferdigheter for å møte disse nye kravene. Vi har vårt GARUDA-initiativ, som er spesifikt designet for å trene og påmelding av team i GenAI og bedrifts-AI. Vi erkjenner at effektiv opplæring og utdannelsesressurser er avgjørende, og vi er engasjert i å skape en kultur for kontinuerlig læring.

Våre opplæringsstrategier inkluderer data-drevne tilpasninger, sanntids nettbasert læring, avansert forsterkingslæring, overføringslæring og tilbakemeldingsløkker. På denne måten sikrer vi at våre team ikke bare holder tritt med endringene, men også er virkelig utrustet for å utmerke seg i deres utviklende roller. Det er en spennende tid, og vi er alle på denne reisen sammen.

I tillegg har vi inngått avtaler med syv akademiske institusjoner for å utruste fremtidige talenter med AI-ferdigheter. Her er vi involvert fra læreplan-design til å administrere læreplanen, samt å utruste professorer via trening-til-trening-tilnærminger.

Hvordan ser du på rollen til menneskelig talent i en stadig mer AI-drevet arbeidsplass, og hva steg tar du for å forberede din arbeidsstyrke på denne skiftet?

I fortiden var det distinkte roller for kreative personer og tekniske eksperter. Likevel er det en merkbart skifte mot å adoptere, mainstream og skalerer innovative innholdsskapningsteknikker, som utvisker grensene mellom kreativitet og teknologi. Denne integreringen påvirker ulike industrier, hvor den konvensjonelle separasjonen mellom kreative roller og tekniske jobber gradvis forsvinner. Mens dette er lovende, kommer denne utviklingen med sine utfordringer som indikerer en betydelig skifte av fokus på opplæring som en essensiell for å kapitalisere på AI-fordelene.

Den store samtalen nå er hvordan å gjøre denne GenAI-endringen varig og skalerbar. Her er det change management blir avgjørende. Det krever en strukturert tilnærming og et dedikert team for å overvåke AI-adoptionsprosessen. Mennesker, ikke bare teknologi, er i hjertet av vellykket GenAI-adoptsjon. Det kan være et kraftfullt verktøy for empowerment, selv blant de som opprinnelig ser på det som en trussel. Forrester forutsier at innen 2030 vil bare 1,5% av jobbene gå tapt til GenAI, mens 6,9% vil bli påvirket av det. Derfor må ledere prioritere åpenhet og motivere sin arbeidsstyrke om fremtiden til AI på arbeidsplassen.

AI endrer jobbroller over hele IT-sektoren, automatiserer daglige oppgaver og legger vekt på strategisk beslutning og kompleks problemløsning. I LTIMindtree tror vi at dette er en holdningsendring og har derfor etablert en dedikert sentral initiativ GARUDA – som fokuserer på denne endringsadopsjonen. GARUDA-initiativet er ikke bare om rolle-basert opplæring og oppgradering, men også om å skape AI-ambassadører som kan drive denne adopsjonen over ulike lag. Vi arbeider også med vårt HR-funksjon for å se på impakt på ulike roller innen organisasjonen, samt deres karriereveier og tilhørende belønninger og anerkjennelse. I dag i LTIMindtree har vi tre nivåer av oppgraderingsstier – grunnleggende, praktiker og ekspert. Over 50 000 av våre medarbeidere har allerede fullført de grunnleggende opplæringsinitiativene som inkluderer AI-begreper til bruk av copiloter samt ansvarlig AI-overveielser.

Hva er noen av de mest innovative GenAI-applikasjonene du har sett nylig, og hvor ser du teknologien rettet i de neste 3-5 årene?

Vi har bare skrapet overflaten av hva GenAI kan gjøre, og jeg er spennende om dens potensial over hele IT-industrien og utenfor. Ettersom flere sektorer kommer om bord, finner jeg meg spesielt spennende om deres applikasjoner for å transformere menneskeliv.

I LTIMindtree har vi samarbeidet med FN-s flyktningorganisasjon for å forbedre deres krise-respons-kapaciteter ved hjelp av GenAI. Dette samarbeidet har som mål å akselerere på bakken krise-respons, og å gi rettidig støtte til flyktninger i nød. Den innovative bruken av teknologi bringer håp og lettelse til sårbare befolkninger under deres største tider av nød. For et amerikansk livsforsikringsselskap har vi utviklet en GenAI-løsning som oversetter tale i sanntid, og betydelig forbedrer kundeopplevelsen. Ved å brobygge kommunikasjonsgap, fremmer denne teknologien bedre forståelse og tilknytning mellom mennesker, og bringer oss nærmere hverandre og sikrer at språkbarrierer ikke lenger hindrer effektive opplevelser.

Ettersom vi ser fremover, vil Agentic AI muliggjøre autonom oppgave-utførelse og beslutning. Innen 2027 vil bransjespesifikke modeller dominere, syntetisk data-bruk vil øke, og energieffektive implementeringer vil vokse. Multimodale modeller som integrerer tekst, bilde, lyd og video-inndata vil forbedre evnene, og drive betydelig økonomisk innvirkning og innovasjon. GenAI er i stand til å legge til opptil 4,4 billioner dollar til den globale økonomien årlig, og revolusjonere industrier og drive effisiens og bærekraft, detaljhandel, helse og livsvitenskap.

Realiteten er at hver arbeidsplass vil bli berørt av GenAI på noen måte, og bli en del av våre daglige operasjoner. Ettersom vi fortsetter denne overgangen, kan jeg ikke vente å se hvordan det utvikler seg og hva innovasjoner som vil komme neste.