Mark Clayman, CEO av Netrio – Intervju-serie

Mark Clayman, CEO av Netrio, er en erfaren teknologisjef med over to tiår med ledererfaring fra skytjenester, managed IT-tjenester, cybersikkerhet og bedriftsinfrastruktur. Før han ble med i Netrio i 2024, var han CEO for Navisite gjennom dens oppkjøp av Accenture, og tidligere ledet han RDX og TriCore Solutions under perioder med betydelig vekst og vellykkede oppkjøp. Tidligere i sin karriere hadde Clayman ledende stillinger i Navisite og var CIO i Surebridge, og bygget en reputasjon for å skalerer teknologiske organisasjoner, integrere oppkjøpte selskaper og modernisere managed service-drift for bedrifts- og mid-markeds kunder.

Netrio er en nordamerikansk leverandør av managed IT-tjenester som fokuserer på å hjelpe små og mid-markeds organisasjoner å modernisere og sikre sine teknologimiljøer. Selskapet spesialiserer seg på managed IT, skytjenester, cybersikkerhet, infrastrukturledelse og digitale transformasjonsløsninger, med ekspertise på tvers av bransjer som helse, finansielle tjenester og detaljhandel. Etter sammenslåingen med SUCCESS Computer Consulting, har Netrio utvidet sin rekkevidde og kapasitet, og posisjonerer seg selv som en større MSP som skal levere bedriftskvalitet teknologistøtte, operasjonell effisiens og cybersikkerhet til voksende bedrifter som navigerer i stadig mer komplekse IT-miljøer.

Du har ledet flere managed services- og skytjenesteselskaper gjennom større oppkjøp, inkludert roller i RDX, Navisite, TriCore Solutions og nå Netrio. Hvordan har din perspektiv på bedrifts-IT-transformasjon utviklet seg over disse ulike epokene, og hva overbeviste deg om at AI ville bli den neste grunnleggende endringen for Managed Service Providers?

Over årene har jeg funnet ut at bedrifts-IT-transformasjon ikke bare handler om en ny teknologikategori. Det kan starte med det, med managed hosting, sky, sikkerhet, automatisering og nå AI, men den virkelige transformasjonen skjer når den teknologien endrer hvordan bedrifter opererer og konkurrerer. Tidligere i min karriere var fokuset på infrastruktur: hvor arbeidsbyrder bodde, hvordan systemer ble ledet, hvordan man kunne forbedre oppetid og hvordan man kunne redusere kostnader. Over tid har samtalen flyttet seg til hvordan og hvor teknologi kan skape verdi for organisasjonen. Kunder begynte å spørre ikke bare “Kan du kjøre dette miljøet?” men “Kan du hjelpe meg å bli mer effektiv, mer sikker, mer motstandsdyktig og mer konkurransekyndig?” AI er en grunnleggende endring fordi det berører alle disse spørsmålene på en gang. For MSP-er er AI ikke bare et nytt verktøy som vi legger til porteføljen…det er en paradigmeskifte som endrer hvordan tjenestene leveres, hvordan ingeniører arbeider, hvordan kunder konsumerer støtte og hvordan vi skaper forretningsverdi.

Du har beskrevet AI som den nye leveringsryggraden for MSP-er. Hva ser en AI-nativ MSP ut som om fem år sammenlignet med den tradisjonelle MSP-modellen bedrifter er vant med i dag?

Den tradisjonelle MSP-modellen er bygget opp rundt mennesker, prosesser og verktøy som reagerer på problemer: overvåking av et miljø, åpning av en billett, tildeling av en ingeniør, løsning av problemet og rapportering tilbake til kunden. En AI-drevet MSP vil se svært annerledes ut. AI vil sitte over hele leveringsmodellen, fra overvåking og ITSM til sikkerhet, sluttpunktsledelse, kundekommunikasjon, analyser og forretningsarbeidsflyt-optimalisering. Innen de neste 2-3 årene vil MSP-ledere ikke bare bruke AI til å svare på spørsmål raskere; de vil bruke det til å oppdage mønster, prioritere risiko, løse kjente problemer, summerer og oppdaterer billetter, analyserer holdninger og veileder ingeniører mot den neste beste handlingen. Og, og viktigst, vil kundeopplevelsen bli mye mer selvbetjent og AI-plattformdrevet.

Netrio driver en “AI-først, menneske-andre” støttefilosofi. Hva har endret seg i brukeratferd som gjør kunder stadig mer komfortable med å interagere med AI før de snakker med en menneskelig tekniker?

Den største endringen er at folks forventninger er blitt reset av teknologien de bruker hver dag. I deres personlige liv er brukerne vant til å få umiddelbare svar, søke etter hjelp på egen hånd, interagere med chatboter og intelligente assistenter, og løse grunnleggende problemer uten å vente på at noen skal ringe tilbake. Denne atferden viser seg nå på arbeidsplassen. Hvis et AI-system kan hjelpe noen til å låse opp en konto, diagnostisere et tilkoblingsproblem, svare på et “hvordan-gjør-jeg” spørsmål eller dirigere en forespørsel riktig i sekunder, vil mange brukere foretrekke det fremfor den gamle modellen med å sende inn en billett og vente på at noen skal ringe tilbake. Men det er viktig å merke seg at AI-først ikke kan bety menneske-aldri. Det betyr at vi skal bruke AI der det skaper hastighet, konsistens og bekvemmelighet, og deretter bringe inn mennesker når problemet er komplekst, følsomt eller krever dømmekraft.

Mange selskaper snakker om AI-kopiloter, men du betoner agens-ai og autonom remediering. Hvor nærme er vi til at AI-systemer uavhengig løser de fleste rutinemessige IT-hendelser uten menneskelig inngripen?

Vi er på vei, men jeg tror det er viktig å være praktisk om hva autonomt virkelig betyr. Det finnes allerede mange rutinemessige hendelser der AI kan diagnostisere problemet, anbefale handlingen, utføre handlingen og oppdatere billetten på en måte som ligner på hva en menneskelig ingeniør ville gjøre. Dette er svært annerledes enn en enkel chatbot eller kopilot som bare foreslår et svar.

Det er en stor mulighet til å utnytte agens-ai som kan operere innenfor definerte retningslinjer: det kjenner miljøet, forstår politikken, har riktig tilgang og kan løse kjente problemer trygt. Hos Netrio, på grunn av kompleksiteten i våre miljøer, tenker vi nøye på hvor vi skal bruke partner-nativ AI og hvor vi må bygge våre egne kapasiteter. Vi støtter mange kunder på tvers av ulike miljøer, og en AI-agent må forstå denne multi-tenant-kompleksiteten. I noen områder, som infrastrukturvarsel eller sikkerhetsvarselkonsolidering, kan moden vendor-AI være riktig svaret. I andre områder, spesielt der arbeidsflyten omfatter kundemiljø, sluttpunktsaksess, legitimasjon og fjernstøtte, blir MSP-spesifikke intelligens svært viktig.

En av de mer interessante ideene du tok opp var AI-drevet holdningsanalyse på hver støttebillett. Hvor viktig vil emosjonell intelligens og kundeholdning bli i den neste generasjonen av bedrifts-IT-drift?

Jeg tror det vil bli en stor del av hvordan tjeneste kvalitet måles. I managed services er det ikke nok å vite om en billett er lukket eller om en SLA er møtt. Du må også vite hvordan kunden følte under den interaksjonen. Var de frustrerte? Var de forvirret? Følte de seg hørt? Fikk problemet fortsettelse? Historisk sett kunne MSP-er lære om disse mønsterne i en månedlig eller kvartalsvis forretningsgjennomgang eller fra en kundetilfredshetsundersøkelse, som er nyttig, men ofte for sent. AI-drevet holdningsanalyse gir oss evnen til å forstå kundeopplevelsen i nær sanntid. Det betyr at vi kan identifisere hvor en kunde blir frustrert, hvor kommunikasjonen ikke er klar, eller hvor et gjentakende problem ødelegger tillit, og vi kan gripe inn raskt. Det er punktet der AI forsterker den menneskelige siden av tjenesten, i stedet for å erstatte den.

Du har nevnt at mange organisasjoner sliter med “skygge-AI” innenfor sine selskaper. Hva er de største styre-feilene bedrifter gjør nå som ansatte raskt adopterer AI-verktøy på egen hånd?

Den største feilen er å la AI-adoptsjon skje på en fullstendig fragmentert måte. Ansatte kommer til å eksperimentere, og i mange tilfeller er det en god ting, men organisasjonen må forstå hva verktøyene som brukes, hva data som blir innført og hva risikoene som skapes. For tiden har mange selskaper enkeltpersoner som bruker AI i lommer på tvers av bedriften, men det finnes ingen felles politikk, ingen målemodell, ingen treningsmodell og ingen klar veikart for å sammenligne med organisatoriske mål.

Det skaper sikkerhetsrisiko, samværingsrisiko og spild av innsats. Den ideelle tilnærmingen er ikke å stoppe eksperimentene, men å formalisere og organisere dem. Selskaper trenger styre-rammer, tilgangskontroll, ansatt-trening, godkjente bruksområder og en måte å måle verdi på. Dette er spesielt sant i mid-markedet, hvor selskaper ofte har samme press fra styre og ledelse til å utnytte AI, men de kan ikke ha den interne AI-ekspertisen, sikkerheten og samværings-teamet til å guide innsatsen.

Ser du for deg at den tradisjonelle økonomien i managed services fundamentalt endrer seg over de neste ti årene?

Ja, jeg tror økonomien vil endre seg ganske mye. Den tradisjonelle managed services-modellen er ofte bygget opp rundt arbeid, verktøy og margin. Hvis AI og automatisering reduserer mengden menneskelig innsats som kreves for grunnleggende støtte, overvåking og løsning, så er prispress på disse kommodifiserte tjenestene uunngåelig. Men jeg ser ikke på det som negativt. Jeg ser på det som en tvangsfaktor for MSP-er til å flytte oppover i verdikjeden. Verdien kommer stadig mer fra å hjelpe kunder å anvende teknologi til forretningsresultater: å forbedre operasjoner, automatisere arbeidsflyt, styrke sikkerhet og ta bedre beslutninger.

Det er derfor strategiske samtaler med kunder er så viktige. MSP-er må forstå hvordan en kunde driver sin forretning – deres forsyningskjede, kundeservicemodell, interne prosesser, vekstplaner og risikoprofil. Så kan vi bruke AI og automatisering til å løse høyere-verdi-problemer. Så skifter økonomien fra hvordan mange mennesker det tar å støtte et miljø til hva målbart verdi MSP-en skaper for en bedrift.

Mange AI-samtaler fokuserer på store bedrifter, men mid-markeds selskaper mangler ofte den interne ekspertisen til å deployere AI ansvarlig. Hva er de unike utfordringene mid-markeds organisasjoner møter som overses av den bredere industrien?

Mid-markeds selskaper er i en svært interessant posisjon. De har reell forretningspress til å adoptere AI, og i mange tilfeller har de samme urgensen som større bedrifter. Deres lederteam og styre spør hva deres AI-strategi er, hvor effisiensene er og hvordan selskapet skal forbli konkurransekyndig. Men som nevnt tidligere, har de ikke samme interne ressurser som et Fortune 500-selskap. De har ikke en dedikert AI-styre-team, en stor sikkerhetsorganisasjon, en moden data-vitenskap-funksjon eller endringsledelses-resursene nødvendig for å flytte fra AI-piloter til produksjon. Så de kan bli fast i en midt-posisjon mellom eksperiment og gjennomføring. De vet AI må bety noe, men de trenger hjelp til å identifisere riktige bruksområder, sette styre på plass, sikre miljøet, trene ansatte og integrere AI i virkelige arbeidsflyt. Det er derfor vår tilnærming hos Netrio er fokusert på praktisk adopsjon: beredskap, styre, strategi, plattform-deployering, enablement og kontinuerlig utvikling og støtte.

Netrio opererer på tvers av industrier inkludert helse, finansielle tjenester og detaljhandel. Tror du at fremtidens vinnere i AI-aktiverte managed services vil være selskaper med den dypeste vertikale ekspertisen fremfor den bredeste teknologistaken?

Ja, jeg tror det. En bred teknologistak er viktig, men det er ikke nok på egen hånd. Den virkelige verdien kommer når du forstår kundens forretning dypt nok til å vite hvor AI virkelig kan gjøre en forskjell. Helse, finansielle tjenester, detaljhandel, produksjon, hotell og restauranter – hver av disse industrene har forskjellige arbeidsflyt, regulatoriske press, kundeforventninger, risikoprofiler og operasjonelle realiteter. En generisk AI-deployering kan skape litt effisiens, men en domene-spesifikk løsning kan løse et mye mer meningsfullt problem. For eksempel, måten du tenker om AI i en regulert finansiell tjeneste-miljø er forskjellig fra hvordan du tenker om AI i detaljhandels-operasjoner eller hotell-arbeidsflyt. MSP-ene som vinner vil være de som kombinerer AI, automatisering, sikkerhet og vertikal ekspertise.

Ser du for deg at noen deler av bedrifts-IT-ledelse vil forbli fundamentalt menneske-drevne uansett hvor avanserte AI-systemer blir?

De menneske-drevne delene vil være områdene som krever tillit, dømmekraft, empati og strategisk kontekst. AI vil fortsette å ta på seg mer av den repetitive operasjonelle arbeidet, og det er en god ting. Det vil hjelpe ingeniører å flytte raskere, forbedre respons-tid, identifisere mønster og automatisere kjente problemer. Men kunder trenger fortsatt mennesker som forstår deres forretning, kan hjelpe dem å gjøre valg og kan stå bak anbefalingene som gjøres. Sikkerhet er et godt eksempel. AI kan detektere trusler, prioritere varsler, automatisere responser, men å bygge en kultur av sikkerhet avhenger tungt av mennesker, trening, ledelse og dømmekraft. Det samme er sant for AI-adoptsjon selv. Du kan deployere kraftfulle verktøy, men noen må fortsatt bestemme hvilke bruksområder som betyr noe, hva risikoer som er akseptable, hvordan ansatte skal bli trent og hvordan suksess skal måles.

Takk for det flotte intervjuet, lesere som ønsker å lære mer bør besøke Netrio.