Sameet Gupte, CEO og medgrunnlegger av EvoluteIQ – Intervju-serie

Sameet Gupte, CEO og medgrunnlegger av EvoluteIQ, er en London-basert leder med omfattende erfaring med å bygge og skalerer globale teknologiselskaper. Før han grunnla EvoluteIQ, var han konsernsjef for Servion, et selskap i Cisco-porteføljen, samt dets tilknyttede selskaper Innoveo AG og Acqueon Inc., der han hjalp til å drive bedriftstransformasjon og vekst. Tidligere i sin karriere var han nestleder og direktør for globale finansielle tjenester og Europa i Virtusa, der han ledet betydelig organisk ekspansjon, utviklet bransjeorienterte løsninger og spilte en nøkkelrolle i strategiske oppkjøp i Europa, inkludert i Tyskland og Sverige, samt oppkjøpet av Polaris. Han ledet også Genpacts kapitalmarkedsforretning i Europa, der han var ansvarlig for å akselerere regional vekst og styrke deres posisjon i finansielle tjenester.

EvoluteIQ er et AI-nativt selskap for bedriftsautomatisering som fokuserer på å transformere hvordan bedrifter opererer gjennom sin flaggskipsplattform EIQ. Designet for å automatisere prosesser fra ende til ende, kombinerer plattformen kunstig intelligens, lavkode-verktøy og prosess-koordinering for å muliggjøre systemer som kan tilpasse seg, fatte beslutninger og kontinuerlig forbedre seg over tid. Ved å integrere data, arbeidsflyter og AI i en samlet arkitektur, hjelper EvoluteIQ organisasjoner med å strømlinjeforme operasjoner, redusere kompleksitet og bygge robuste, selvoptimerende systemer på tvers av industrier som finansielle tjenester, helsevesen og telekommunikasjon.

Før du grunnla EvoluteIQ i 2019, hadde du ledende stillinger i Servion, Virtusa og Genpact, der du arbeidet omfattende med bedriftstransformasjon og storstilte teknologiske utrullinger. Hva var det som ledet deg til å konkludere at den neste generasjonen av automatiseringsplattformer måtte bygges som AI-native systemer, snarere enn utvidelser av tradisjonelle arbeidsflyt- eller RPA-verktøy?

På tvers av industrier, er vellykkede organisasjoner kjennetegnet av deres evne til å konsekvent levere verdensklasse-resultater. En felles faktor blant dem er en robust prosess. Mens vi konseptualiserte EvoluteIQ, hadde vi som mål å utvikle en teknologi som understøtter denne prosessen. Vårt fokus var på å løse problemet, snarere enn enkeltkomponenter av det. Før 2019 var tilgjengelige verktøy og teknologier primært rettet mot å løse bestemte aspekter av prosessen, som data-ekstraksjon, oppgavehåndtering og arbeidsflyt. Hver av disse teknologiene løste et bestemt problem innenfor prosessen, men manglet en komprehensiv løsning for prosessen fra ende til ende. Dette identifiserte en betydelig mulighet til å skape en teknologi som er autonom, i stand til å lære og tilpasse seg for å optimalisere prosessen. Derfor ble konseptet EIQ født: en AI-nativ plattform designet for å være autonom, løse problemet snarere enn enkeltkomponenter og maksimere automatisering. Den ville være lavkode/ingenkode, utstyrt med nødvendige kapasiteter for enhver prosess, inkludert strømmende data, hendelser og koordinering med AI som kjerne-rammeverk.

Mange automatiseringsplattformer i dag legger til generative AI-kapasiteter på legacy-infrastruktur. EvoluteIQ ble designet fra bunnen av med intelligens og autonomi som kjerne. Hva var de arkitektoniske valgene du gjorde tidlig som gjør at plattformen din kan støtte agens-basert automatisering på måter eldre systemer ikke kan?

Plattformen ble designet fra bunnen av for å muliggjøre automatisering av prosesser fra ende til ende, uavhengig av typen automatisering som kreves (robotisk, arbeidsflyt, data, hendelser osv.). Dette ble gjort med forventningen om at nye automatiseringsteknikker vil bli oppfunnet over tid, og eksisterende teknikker kan bli foreldet. Derfor tillot den underliggende mikrotjenestebaserte arkitekturen utvikling og inkludering av generativ AI og agens-basert automatisering. På samme måte vil denne arkitekturen tillate inkludering av store handlingsmodeller og kvantebeslutning om kort tid.

EvoluteIQ er bygget rundt det du kaller Agens Mesh-arkitektur, eller {aMa}, som muliggjør nettverk av intelligente agenter til å samarbeide på tvers av bedriftsprosesser. Hvordan skiller denne tilnærmingen seg fra tradisjonelle automatiseringsrammeverk, og hvorfor tror du at agens-til-agens-samarbeid vil bli en grunnleggende lag i bedriftsprogramvare?

{aMa} er den proprietære arkitekturen som er en av de viktigste differensiererne av EvoluteIQ-plattformen. Agens-til-agens-samarbeid muliggjør at flere agenter (så vel EIQ som tredjepartsagenter) selvorganiserer seg mens de arbeider mot fullføring av et bestemt forretningsresultat. Dette vil tillate kunder å reevaluere sin oppfatning og bruk av automatisering. De vil ikke lenger trenge å definere trinnene som kreves for å utføre en prosess fra ende til ende; i stedet vil de bare trenge å artikulere det ønskede forretningsresultatet og la agentene bestemme hvordan dette skal oppnås. Denne selvorganiserende og selvstyrende kapasiteten vil muliggjøre kunder å skape agile og robuste forretningsdriftsmodeller som automatisk tilpasser seg innovasjon og forstyrrelser uten behov for kostbare og risikable menneskelige inngrep.

Din plattform fokuserer på automatisering av komplekse forretningsprosesser snarere enn å bare automatisere enkeltoppgaver. Hvordan endrer en agens-modell måten organisasjoner tenker om prosess-koordinering, beslutningstaking og operasjonell autonomi?

Vi dekket delvis dette ovenfor, men jeg ville tilføye at EIQ-plattformen muliggjør kunder å skape en abstraksjonslag over deres eksisterende infrastruktur. Derfor kan alle elementer i infrastrukturen betraktes som komponenter i en EIQ-prosess. I kombinasjon med Agens Mesh-arkitekturen {aMa}, kan IT-team nå skape “sammensatt IT” som tillater bedrifter å utvikle applikasjoner og prosesser på forespørsel fra forhåndsdefinerte, testede og godkjente komponenter. Dette introduserer en høyere grad av operasjonell autonomi for bedriftsbrukere, som muliggjør dem å skape, bruke og pensjonere IT-tjenester som behøves, uten å være avhengige av IT.

EvoluteIQ bruker en resultatbasert prismodell snarere enn å beregne priser per bot eller per bruker. Hva motiverte denne beslutningen, og hvordan endrer det måten bedriftsledere vurderer avkastningen på investeringer i automatiseringsinitiativer?

Beslutningen om å strukturere resultatbasert prising ble tatt for å alignere med bedriftens eller brukssakenes suksesskriterier, sikre kostnadsprediktor, transparens og dele risikoen for suksess eller fiasko med kunden. Den mest betydelige endringen for bedrifter i en resultatbasert modell er at, i motsetning til den tradisjonelle modellen hvor avkastning på investeringer diskuteres etterpå, er den i dette tilfelle kontrahert på forhånd, målt kontinuerlig og betalt mot levering.

En av de største utfordringene i bedrifts-AI er å integrere strukturert data, ustrukturert informasjon og sanntidsoperasjonssignaler på tvers av flere systemer. Hvordan løser EvoluteIQ disse integreringsutfordringene samtidig som det opprettholder styring og pålitelighet?

EIQ-plattformen håndterer strukturert data, ustrukturert data og sanntidshendelser gjennom separate motorer. Hver motor består av en samling mikrotjenester som kan skaleres vertikalt og horisontalt og replikeres for å sikre robusthet. Denne arkitekturen tillater plattformen å bygges og skaleres for å møte ytelses-, kapasitets- og robusthetskravene til enkeltkunder.

Ettersom bedrifter begynner å deployere autonome AI-agenter som kan fatte beslutninger og utløse handlinger, blir bekymringer om tilsyn og ansvar mer viktige. Hva slags styringsrammeverk eller sikkerhetstiltak mener du er nødvendige for agens-systemer som opererer i stor skala?

Plattformen inkluderer standardfunksjoner som auditing av prosesssteg, registrering av prosessvariablers verdi og styring av generativ AI og agenter. Disse funksjonene muliggjør sanntidstilsyn over agens-atferd og historisk rapportering og analyse av deres arbeid og beslutninger. Ut over disse funksjonene tilbyr EIQ-plattformen en unik kapasitet som sikrer at agenter oppfører seg som forventet. Ved å koble til hver datakilde og system for registrering innenfor en kunde, forstår agentene den forretningskonteksten de opererer i. Derfor er deres responser skapt innenfor dette omfattende rammeverket, som sikrer nøyaktigheten og påliteligheten av deres handlinger.

EvoluteIQ rapporteres å ha oppnådd lønnsomhet innen sin andre driftsår, noe som er uvanlig for mange AI-startups. Hva var de strategiske beslutningene som tillot deg å balansere innovasjon og raskt produktutvikling med finansiell bærekraft?

EvoluteIQ har vært EBITDA-positivt siden sitt andre driftsår. Dette er oppnådd ved å være forsiktig med kostnader uten å kompromittere innovasjon. Selskapet fokuserer på kunde-tilpasning og -glede, reflektert i en konsekvent sporet 120% nettotilbakeholdningsrate. Det unngår å overinvestere i markedsføring og salg ved å bygge sterke partnerskap med globale systemintegratorer, Tier 1 BPO-selskaper og ledende management-konsulentselskaper for å drive Go-To-Market-bevegelsen. Selskapet demonstrerer verdi for prospekter gjennom betalt Proof Of Value (POV) snarere enn gratis Proof of Concepts (POC). Hver vekstbeslutning har vært bevisst og fokusert. Å muliggjøre sterke partnerskap og gjøre kunder selvstendige på EIQ-plattformen, har også resultert i en lean støtte- og implementeringsorganisasjon, som sikrer en sunn ansatt-til-omsetningsratio i linje med beste-i-klassen-målinger.

Bedriftsautomatiseringslandskapet utvikler seg raskt, med tradisjonelle RPA-leverandører, generative AI-plattformer og agens-basert automatiseringsselskaper som alle konkurrerer om oppmerksomhet. Hvordan ser du på de konkurranse-dynamiske utviklingene i markedet over de neste årene?

I bedriftsautomatisering, er vi vitne til en grunnleggende konvergens snarere enn bare økt konkurranse. Tradisjonell RPA blir nedgradert til en eksekveringslag, generativ AI blir raskt ubådig og agens-basert AI oppstår som kontroll-paradigmet. Likevel, vil ingen av disse utviklingene i seg selv definere markedet. Det virkelige slagfeltet flytter seg mot AI-nativt orkestreringsplattformer som kan håndtere prosesser fra ende til ende og levere målbare forretningsresultater. Over de neste årene, vil vinnerne ikke være de med de mest avanserte modellene eller det største antallet boter, men de som kan kombinere agens-arbeidsflyt, data og beslutninger i et samlet system som er styrt, rapportert og kontinuerlig forbedret. Bedriftskjøpere flytter allerede bort fra verktøy og lisenser mot resultater og ansvar. Derfor vil den avgjørende spørsmålet for enhver plattform være om den kan ta eierskap av resultatet, ikke bare en del av prosessen.

Ser du for deg at bedrifter flytter fra AI-assisterte arbeidsflyter til virkelig autonome operasjoner, og hva forventer du at EvoluteIQ skal spille i denne overgangen?

Overgangen fra AI-assisterte arbeidsflyter til virkelig autonome operasjoner er ikke bare om mindre effisiensgevinst, men en grunnleggende omtenkning av hvordan arbeid utføres. Det første milepælet er menneske-på-løkken: AI-agenter tar de fleste beslutninger med menneskelig inngripen reservert for unntak. Deretter vil lukkede prosesser muliggjøre sanntidssansing, beslutning, handling og selvkorreksjon uten manuell inngripen. Bedrifter vil deretter adoptere resultatbaserte modeller hvor suksess måles av forretningsresultater snarere enn aktivitet. Til slutt vil virkelig autonomi bli realisert når sammensatte agens-arkitekturer orkestrerer på tvers av funksjoner som finansielle tjenester, operasjoner og kundeservice uten å være begrenset av legacy-systemer.

EvoluteIQ er i forkant av denne overgangen. Bygget som en samlet AI-nativ plattform som omfatter arbeidsflyt, data, hendelser og beslutning, ikke bare assisterer det mennesker, men også utfører prosesser fra ende til ende, overvåker hver handling, måler kontinuerlig resultater og selvoptimerer. EvoluteIQ muliggjør AI innenfor prosesser og gir infrastrukturen for bedrifter å operere autonomt i stor skala med fullt ansvar. Dette er hvordan organisasjoner flytter fra automatisering til autonomi og hvorfor EvoluteIQ er unikt posisjonert til å lede denne reisen.

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