Par Chadha, grunnlegger, administrerende direktør og CIO i HandsOn Global Management – Intervjuserie

Par Chadha, grunnlegger, administrerende direktør og CIO i HandsOn Global Management, er en entreprenør, investor og teknologileder med tiår med erfaring i å bygge og skalere teknologidrevne virksomheter. Siden han grunnla HandsOn Global Management i 2001, har han fokusert på investeringer i arbeidsflytautomatisering, big data, robotprosessautomatisering (RPA), kognitive teknologier og kunstig intelligens innen finansielle tjenester, helsevesen, forsikring og juridiske markeder. Han er også medgründer av Rule14 og har tidligere vært styreleder og administrerende styreleder i Exela Technologies, samt styreleder i SourceHOV.

HandsOn Global Management (HGM) Limited er et teknologidrevet selskap som opererer i skjæringspunktet mellom strategisk investering og forretningstjenester, og kombinerer kapitalutplassering med operasjonell ekspertise for å bygge og skalere teknologidrevne virksomheter. Selskapet fokuserer i økende grad på AI‑drevne helsetjenester, inkludert inntektsløpsstyring, medisinsk koding, ambient lytting og helsedataanalyse, samtidig som det anvender AI‑drevet automatisering og prosessoptimalisering på tvers av bedriftsarbeidsflyter. HGM beskriver sin modell som en hybrid mellom et investeringsselskap og en diversifisert tjenesteleverandør, og bruker oppkjøp, teknologiintegrasjon og operasjonell gjennomføring for å forfølge langsiktig vekst i markeder som Nord‑Amerika, Asia‑Stillehavsregionen og Midtøsten.

Du grunnla HandsOn Global Management i 2001, lenge før kunstig intelligens ble et hovedstrømtema for investeringer. Hva inspirerte deg opprinnelig til å etablere selskapet, og hvordan har investeringsfilosofien utviklet seg i takt med fremskritt innen arbeidsflytautomatisering, datainnsikt og agentbasert AI?

Navnet HandsOn beskriver hvordan jeg tenker på organisasjonen. Hvis du ikke kan være hands‑on – hvis du er hands‑off – hører du ikke hjemme i vår organisasjon. Jeg forventer at folk som har ansvaret for virksomheter, inkludert meg selv, praktiserer det jeg kaller tjenende lederskap. Vår oppgave er å tjene de som jobber for oss og hjelpe dem til å bli mer vellykkede.

Teknologien har endret seg enormt, men det underliggende spørsmålet har ikke endret seg så mye: hva gjør teknologien mulig for virksomheten å gjøre bedre?

Med automatisering har jeg alltid sett på det jeg kaller fleksibel kapasitet. Hvis én ansatt kan håndtere 100 transaksjoner, og automatisering gjør det mulig for vedkommende å håndtere 250, har du skapt kapasitet for vekst uten å legge til tilsvarende kostnader. Det gjør virksomheten mer lønnsom og skalerbar.

Nå tar AI dette betydelig videre. Vi går over til AI‑baserte arbeidsflyter hvor du har orkestrering av mange ulike oppgaver, med mennesker i kretsen og agentbasert AI i kretsen. Jeg tror slike selskaper vil være i svært høy etterspørsel og vil bli noen av de mest disruptive selskapene.

Så teknologien har utviklet seg, men vår filosofi forblir hands‑on: forstå driftsproblemet, forstå hvor produktivitet kan skapes, og omgjøre teknologien til en virksomhet.

Som både administrerende direktør og Chief Investment Officer, hvilke egenskaper skiller et AI‑selskap med potensial til å bli en varig virksomhet fra et som hovedsakelig drar nytte av kortsiktig begeistring rundt teknologien?

For meg er skillet om du kan omgjøre investeringen til en virksomhet. Ellers er investeringen bare en kostnad.

Det kan være mye begeistring rundt immaterielle rettigheter eller ny teknologi, men noen må fortsatt bruke den. Den må løse noe, ha et verdiforslag, og til slutt generere inntekter.

Ta automatisering som et eksempel. Du må også forstå funksjonen du automatiserer. Markedsføring, salg, innkjøp, HR, økonomi, administrasjon, skatterapportering og sikkerhet er svært ulike funksjoner. Automatiseringen må utformes rundt hva den aktuelle virksomheten faktisk gjør. En bensinstasjon har svært spesifikke behov. En restaurant har svært spesialiserte behov.

De selskapene som varer, vil være de hvor kundene kan se forskjellen – mer lønnsomhet, mer skalerbarhet, mer kapasitet, eller evnen til å gjøre noe de tidligere ikke kunne gjøre økonomisk. Teknologien er viktig, men den må til slutt bli en virksomhet.

HandsOn Global Management tar en aktiv operasjonell rolle i å bygge, oppkjøpe og transformere selskaper. Hvordan endrer denne hands‑on‑tilnærmingen måten du vurderer AI‑investeringer på sammenlignet med en tradisjonell venture‑kapital‑ eller private‑equity‑modell?

Jeg tror ikke på å sitte på toppen og bare fortelle folk hva de skal gjøre. Min tilnærming har alltid vært at folk som jobber for deg har hull, og din oppgave er å hjelpe dem med å fylle disse hullene og gjøre dem vellykkede.

Det betyr at når vi ser på en investering, tenker vi operasjonelt. Hvem skal drive den? Hvordan skal den posisjoneres? Hvem er kundene og partnerne? Hva er verdiforslaget? Kan den bli skalerbar?

Jeg jobber hånd i hånd med ledelsesteamene, men jeg vil også at den operative personen skal lede. Jeg vil gjøre introduksjonen, la den personen ta over, holde meg i kopi, og være tilgjengelig. For oss er det å eie en investering og å drive en virksomhet ikke to helt separate aktiviteter.

Mange virksomheter eksperimenterer med AI, men færre har lykkes med å implementere det på tvers av kritiske driftsområder. Hva skiller organisasjoner som går fra isolerte pilotprosjekter til produksjonsstorskala‑adopsjon?

En stor del av dette er om organisasjonen selv er forberedt på endring.

Teknologien kan bevege seg raskere enn menneskene. Vi har folk som kommer ut av skole med kunnskap om AI, om agenter, og som kan bli produktive veldig raskt. Samtidig kan personer med fem, ti eller tjue års profesjonell erfaring ha vanskeligheter med å gå fra sin komfortsone til den nye sonen. Vi ser samme atferd i USA, India, Filippinene og Europa.

Det blir et organisatorisk problem, ikke bare et teknologisk problem.

Selskapene som gjennomfører overgangen vil være villige til å endre selve arbeidsflyten. Når du orkestrerer ulike oppgaver med mennesker og agentbasert AI som arbeider innen prosessen, endrer du hvordan arbeidet blir gjort.

Hvis selskaper ikke gjør dette skiftet, vil noen andre gjøre det. Jeg tror det blir en do‑or‑die‑situasjon. Selskaper som forstyrrer vil gå videre, og de som ikke gjør det vil bli forstyrret.

HGM sine helseinitiativer inkluderer autonom medisinsk koding, stemme‑ og samtaleintelligens, prediktiv analyse og AI‑agenter som opererer på tvers av administrative og kliniske arbeidsflyter. Hvor tror du AI kan fjerne den største mengden friksjon fra helsevesenet uten å gå på akkord med nøyaktighet, personvern eller pasienttillit?

Et av de største problemene i helsevesenet er at vi digitaliserte individuelle funksjoner, men vi koblet ikke nødvendigvis sammen hele virksomheten. Krav, påmelding, pleieadministrasjon, apotek, leverandørtjenester, analyse og inntektsløp kan fortsatt operere som separate systemer. Det skaper duplisert arbeid, ineffektivitet, høyere kostnader og en dårlig opplevelse.

Jeg tror ikke svaret er bare en ny applikasjon. Intelligens må integreres i arbeidsflyten. Muligheten er å samle data, prosesser og mennesker slik at AI kan hjelpe med å forstå hva som skjer, forutsi hva som kommer neste, anbefale en handling og automatisere arbeidet som kan automatiseres på en hensiktsmessig måte.

Administrativt arbeid er et åpenbart startpunkt. Leverandører håndterer fortsatt manuelle prosesser, forhåndsgodkjenninger og administrativt ansvar. Hvis teknologi kan forenkle disse arbeidsflytene, skaper du mer kapasitet for fagpersonene og til slutt mer tid til omsorg.

Men tillit er enormt viktig i helsevesenet. Sikkerhet, etterlevelse og styring må være en del av arkitekturen. Teknologi bør forenkle kompleksitet, ikke legge til den. Målet er ikke AI for AIens skyld. Det er bedre omsorg, lavere kostnader, bedre operasjonell ytelse og en bedre opplevelse for medlemmet og leverandøren.

I regulerte bransjer som helsevesen, finansielle tjenester, forsikring og offentlig sektor, hvordan skal selskaper avgjøre hvilke beslutninger som kan delegeres til autonome AI‑agenter og hvilke som fortsatt krever menneskelig gjennomgang?

Jeg tror ansvarlighet blir den avgjørende grensen.

I regulerte virksomheter har noen til slutt ansvaret for hva som blir fremstilt. I cybersikkerhet, for eksempel, kan regulatorer kreve at ledelse og styre raskt skal offentliggjøre informasjon, og toppledelsen kan måtte signere offentlige uttalelser. Problemet er at ingen vet alt, spesielt så raskt.

AI kan samle verktøy, etablere et grunnlag, organisere informasjon og gjøre en prosess mye mer produktiv. Men det gjør ikke ansvarlighet borte.

Helsevesenet er et godt eksempel. AI kan forutsi, oppdage, anbefale og automatisere, men disse funksjonene har ikke alle samme risikonivå. Arkitekturen må gjenkjenne hvor automatisering er hensiktsmessig og hvor mennesker må forbli i kretsen. Jo mer betydningsfull beslutningen er, desto viktigere blir styring, forklarbarhet og ansvarlighet.

Jeg ser det ikke som et valg mellom fullstendig autonom AI og fullstendig manuelt arbeid. Spørsmålet er hvor AI kan utføre arbeidet effektivt og hvor en person fortsatt må utøve skjønn eller stå bak resultatet.

Du var medgründer av Rule14, en plattform designet for å finne, overvåke, analysere og oppsummere informasjon i sanntid. Hvordan har store språkmodeller og generativ AI endret hva som er mulig innen datamining, og hvilke grunnleggende datautfordringer gjenstår å løse?

Store språkmodeller skaper en mulighet til å gjøre informasjonsbasert arbeid mye mer skalerbart.

Vi har virksomheter hvor hundrevis av advokater og andre fagpersoner jobber med innhold og informasjon, og historisk har de brukt flere eldre verktøy enn store språkmodeller. Det som interesserer meg er hvordan du kan ta plattformer bygget for ett formål, pakke dem riktig og bruke dem for et helt annet formål i stor skala.

Det er ikke bare at en modell kan oppsummere noe. Du kan endre økonomien i hvordan store mengder informasjon blir behandlet, pakket og levert.

Men jeg vil ikke anta at fordi du har en stor språkmodell, du plutselig vet alt. Den underliggende informasjonen er fortsatt viktig, og i den virkelige verden kan informasjon være ufullstendig eller utilgjengelig når du trenger den. Modellene gjør oss mye mer produktive; de eliminerer ikke behovet for å forstå hvilken informasjon du faktisk har.

HGM sitt strategiske økosystem inkluderer selskaper som arbeider med autonom medisinsk koding, ambient klinisk dokumentasjon, intelligente arbeidsflyter, betalinger, databehandling og AI‑utviklingsplattformer. Hvordan skaper du meningsfull teknisk og kommersiell samarbeid på tvers av en portefølje uten å tvinge selskaper inn i et kunstig økosystem?

Du bruker hvert selskap for det de gjør best.

Jeg beskrev dette i cybersikkerhet som å skape en liten klubb. Vi er leverandøren av tjenesten, og de andre selskapene er eksperter på sine områder. Vi bruker hver enkelt for deres beste evne. Ved å kombinere med oss, får de utvidelse til våre kunder, og vi får nytte av det de er svært flinke til.

Det er annerledes enn å si at hvert selskap må bruke hvert annet selskap fordi de tilfeldigvis sitter i samme portefølje. Poenget er å samle evner til noe kunden faktisk kan bruke.

Internt tar jeg en lignende tilnærming. Jeg kobler de rette folkene og lar den operative personen lede. De avklarer hva de kan gjøre sammen, hvilke budsjetter som finnes og om det hører inn i produktplanen.

Samarbeidet må skape verdi. Ellers er det ingen grunn til å tvinge det.

Du har ledet investeringer, oppkjøp og operasjonelle transformasjoner på tvers av flere regioner og bransjer. Hva har du lært om å tilpasse AI‑produkter til ulike regulatoriske miljøer, forretningskulturer, språk og nivåer av digital modenhet?

Kultur er viktig, og personlige relasjoner er viktige.

Når folk bare kjenner hverandre gjennom en kontoroversikt, telefonnummer eller e‑post, kaller jeg det et svært upersonlig forhold. Det kan fungere når alt er normalt. Men når du bygger, ekspanderer, fikser noe eller håndterer problemer, blir det å kjenne personen på den andre siden mye viktigere.

Reise lærer deg at markeder ikke er alle like. Du lærer hva folk spiser, hvilke sport de følger, hvordan deres skolesystemer fungerer, hva som er kulturelt sensitivt og hva som skaper unødvendige barrierer. Jo mer du vet om landet, folkene og hvordan de lever, desto mer reduserer du gapet i forholdet.

Teknologi er likt. Ulike markeder er på ulike stadier. Noen land ligger lenger foran enn USA innen visse profesjonelle tjenester, mens vi kan ligge lenger foran i andre former for automatisering.

Du kan ikke anta at du kan ta en modell, sette den overalt og forvente samme resultat. Du må forstå hvordan det markedet faktisk fungerer og bygge relasjoner med folkene som skal bruke den.

Etter hvert som agentbasert AI, kognitiv automatisering og fysisk AI fortsetter å konvergere, hvilke muligheter mener du fortsatt er undervurdert, og hvilket råd vil du gi gründere som bygger selskaper for denne neste fasen av automatisering?

Jeg tror AI‑baserte arbeidsflyter vil være i svært, svært høy etterspørsel – orkestreringen av en rekke ulike oppgaver med mennesker i kretsen og agentbasert AI i kretsen. Jeg tror disse vil bli noen av de mest disruptive selskapene.

Forstyrrelsen vil også være bredere enn folk forventer. Folk har en tendens til å tro at automatisering påvirker den lavere delen av arbeidsstyrken. Etter min mening er det ofte mellomlaget. Seniorer kan gjøre mer, så de trenger mindre mellomlag. Koding, testing, dataregistrering og dataanalyse blir automatisert, mens arbeidsflyter og dashbord reduserer behovet for å administrere noen av disse funksjonene.

Deretter har du den fysiske siden. Restauranter blir automatiserte. Arbeid som tidligere krevde mennesker i høste‑ og plantesesonger blir erstattet av autonome maskiner, roboter og droner. Dette landskapet endrer seg svært raskt.

Det vil bli smerte i den overgangen. Produktive motorer trenger færre av oss. Men hvis vi ikke forbedrer produktiviteten, vil vi ikke kunne konkurrere med mye mer folkerike land med svært ulike kostnadsstrukturer. Hvis vi får det til, tror jeg dette kan bli starten på et nytt amerikansk århundre.

For gründere vil jeg fokusere på arbeidsflyten og produktiviteten du skaper. Bygg noe som blir en del av hvordan arbeidet faktisk blir gjort, forstå hvor folk fortsatt hører hjemme i kretsen, og anerkjenn at organisasjonene som adopterer teknologien din også går gjennom en stor arbeidsstyrke‑overgang.

Takk for det flotte intervjuet, lesere som ønsker å lære mer bør besøke HandsOn Global Management.