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 skale 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 utvidelse, utviklet bransjeorienterte løsninger og spilte en nøkkelrolle i strategiske oppkjøp over hele 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 dens 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 i stedet for isolerte oppgaver, kombinerer plattformen kunstig intelligens, lavkode-verktøy og prosesskoordinering 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 resilient, selvoptimerende systemer over hele industrien, inkludert finans, helse 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 teknologideployeringer. Hva erfaringer fra denne tiden ledet deg til å konkludere med at neste generasjons automatiseringsplattformer måtte bygges som AI-native systemer i stedet for utvidelser av tradisjonelle arbeidsflyt- eller RPA-verktøy?

Over hele industrien er suksessfulle organisasjoner kjennetegnet av evnen 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. Fokus var på å løse problemet i stedet for enkeltkomponenter av det. Før 2019 løste tilgjengelige verktøy og teknologier primært bestemte aspekter av prosessen, som datauttrekk, oppgavehåndtering og arbeidsflyt. Hver av disse teknologiene løste et bestemt problem innen prosessen, men manglet en omfattende 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 optimere prosessen. Derfor ble konseptet EIQ født: en nativ AI-plattform designet for å være autonom, løse problemet i stedet for 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 kjernerammeverk.

Mange automatiseringsplattformer i dag legger til generative AI-kapasiteter på legacy-infrastruktur. EvoluteIQ ble designet fra bunnen av med intelligens og autonomi i kjernen. Hva arkitekturvalg gjorde du tidlig som tillater plattformen å støtte agens-automatisering på måter eldre systemer ikke kan?

Plattformen ble designet fra bunnen av for å muliggjøre automatisering av prosesser fra ende til ende, uansett type automatisering som kreves (robot, arbeidsflyt, data, hendelser osv.). Dette ble gjort med forventningen om at nye automatiseringsteknikker vil bli funnet, og eksisterende teknikker kan bli foreldet. Så den underliggende mikrotjenestebaserte arkitekturen tillot utvikling og inklusjon av generativ AI og agens-automatisering. På samme måte vil denne arkitekturen tillate inklusjon 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 som samarbeider over bedriftsprosesser. Hvordan adskiller denne tilnærmingen seg fra tradisjonelle automatiseringsrammeverk, og hvorfor tror du at agens-til-agens-samarbeid kommer til å bli et grunnleggende lag i bedriftsprogramvare?

{aMa} er den proprietære arkitekturen som er en av de viktigste differensiererne for EvoluteIQ-plattformen. Agens-til-agens-samarbeid muliggjør at flere agenter ( både EIQ og 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 stegene 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 for kunder å skape agile og resiliente forretningsdriftsmodeller som automatisk tilpasser seg innovasjon og forstyrrelse uten behov for kostbare og risikable menneskelige inngrep.

Din plattform fokuserer på automatisering av komplekse forretningsprosesser fra ende til ende i stedet for å bare automatisere enkeltoppgaver. Hvordan endrer en agensmodell måten organisasjoner tenker om prosesskoordinering, beslutning og operasjonell autonomi?

Vi dekket delvis dette ovenfor, men jeg ville tilføye at EIQ-plattformen muliggjør for 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 “sammensatte IT”-tjenester 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 trengs, og fjerner den tradisjonelle avhengigheten av IT.

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

Beslutningen om å strukturere resultatbasert prising ble tatt for å sammenfalle med bedriftens eller brukssakenes suksesskriterier, sikre kostnadsprediktor, transparens og dele risikoen for suksess eller fiasko med kunden. Den største endringen for bedrifter i en resultatbasert modell er at, i motsetning til den tradisjonelle modellen hvor avkastning på investeringer (ROI) diskuteres etter faktum, i dette tilfelle er det 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 over 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 gi motstandskraft. Denne arkitekturen tillater plattformen å bygges og skaleres for å møte ytelses-, kapasitets- og motstandskraftskravene til enkeltkunder.

Etterhvert som bedrifter begynner å distribuere autonome AI-agenter som kan fatte beslutninger og utløse handlinger, blir bekymringer rundt tilsyn og ansvar mer viktige. Hva styringsrammeverk eller sikkerhetstiltak tror du er nødvendige for agenssystemer som opererer i stor skala?

Plattformen inkluderer standardfunksjoner som auditering av prosesssteg, opptak av prosessvariablers verdi og styring av generativ AI og agenter. Disse funksjonene muliggjør sanntidstilsyn over agensatferd og historisk rapportering og analyse av deres arbeid og beslutninger. Utenom 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 innen en kunde, forstår agentene den forretningskonteksten de opererer i. Derfor er deres responser skapt innen denne omfattende rammen, som sikrer nøyaktigheten og påliteligheten av deres handlinger.

EvoluteIQ skal ha oppnådd lønnsomhet innen sitt andre driftsår, noe som er uvanlig for mange AI-starter. Hva strategiske beslutninger 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 kundeadoptsjon og glede, reflektert i en konsekvent sporet 120% Net Retention Rate. Det unngår overinvestering i markedsføring og salg ved å bygge sterke partnerskap med globale systemintegratorer, Tier 1 BPO-selskaper og ledende managementkonsulentselskaper for å drive Go-To-Market-bevegelsen. Selskapet demonstrerer verdi for prospekter gjennom betalt Proof Of Value (POV) i stedet for gratis Proof of Concepts (POC). Hvert vekstbeslutning har vært bevisst og fokusert. Å muliggjøre sterke partnerskap og gjøre kunder selvstendige på EIQ-plattformen har også resultert i en lean support- 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-automatiseringselskaper som alle konkurrerer om oppmerksomhet. Hvordan ser du på de konkurransemessige dynamikkene i denne markedet utvikler seg over de neste årene?

I bedriftsautomatisering er vi vitne til en grunnleggende konvergens i stedet for bare økt konkurranse. Tradisjonell RPA blir avleggs som en eksekveringslag, generativ AI blir raskt ubikkkelig og agens-AI oppstår som kontrollparadigmet. Imidlertid vil ingen av disse utviklingene i isolasjon 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 antall boter, men de som kan kombinere agent-arbeidsflyt-data og beslutninger i et samlet system som er styrt, rapporterbar 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 fremover, hva milepæler vil indikere 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 om mindre effisiensgevinst, men en grunnleggende omtenkning av hvordan arbeid utføres. Den første milepælen er menneske-på-løkken: AI-agenter fattar de fleste beslutninger med menneskelig inngripen reservert for unntak. Deretter vil lukkede prosesser muliggjøre sanntidssensing, beslutning, handling og selvkorreksjon uten manuell inngripen. Bedrifter vil deretter adoptere resultatbaserte modeller hvor suksess måles av forretningsresultater i stedet for aktivitet. Til slutt vil virkelig autonomi oppnås når sammensatte agens-arkitekturer orkestrerer over funksjoner som finanse, 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 innen 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 bør besøke EvoluteIQ.