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

Archana Joshi bringer over 24 års erfaring fra IT-tjenestebrenschen, med ekspertise i AI (inkludert generativ AI), Agile- og DevOps-metodologier og grønne programinitiativer. Hun leder for tiden vekststrategier og markedsposisjonering for Enterprise AI-tjenestelinjen og Banking og Financial Services-forretningsenheten i LTIMindtree. Joshi har arbeidet med Fortune 100-kunder over hele verden og er en jevnlig foredragsholder på bransjeforum og arrangementer.

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

Gitt din omfattende erfaring med 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 kundeorienterte strategier, arbeider tett med kunder for å forstå deres unike utfordringer og levere tilpassede AI-løsninger som skaper 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 dataorientert leder som meg, som setter pris på bevisbaserte 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 i realiteten har blitt integrale medlemmer av vårt team, like verdifulle vingmenn. De støtter oss ved å gi verdifulle innsikter, automatisere oppgaver og holde oss i tritt med våre strategiske mål.

Hvordan påvirker 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-utviklerproduktiviteten. Fra copiloter som genererer kode til syntetisk data for testing og automatisering av IT-drift, blir hver enkelt del av IT transformert. Derfor skifter fokuset for IT-tjenestemodeller fra kostnadsdrevne til effisiens- og påvirkningsdrevne tilnærminger. Dette betyr at verdien av IT-tjenester nå måles etter deres evne til å levere konkrete resultater, i stedet for bare å spare kostnader. Denne skiftningen fører også til nye typer arbeid i IT-tjenester, som å utvikle 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 dominerende, øker verdien av GenAI i å forbedre operasjonell effisiens stadig.

Vår egen forskning i LTIMindtree, med tittelen “Tilstanden for Generativ AI-Adopsjon“, understreker tydelig disse trendene. I helsevesenet ser vi GenAI gjøre en stor innvirkning ved å automatisere ting som medisinsk diagnostikk, dataanalyse og administrativt arbeid. Dette hjelper leger og helsepersonell til å ta raskere og mer nøyaktige beslutninger – selv om adopsjon forblir forsiktig på grunn av strenge retningslinjer og reguleringer. I finansielle tjenester forbedrer GenAI risikostyring, svindelforebygging og kundeservice ved å automatisere manuelle oppgaver. Likevel er sektorens adopsjon drevet av bekymringer omkring risiko, styring og følsomme data.

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

I LTIMindtree har vi en tredelt 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 i våre løsninger, som driver innovasjon og effisiens.

Kunder ser på AI for å forbedre effisiensen 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 i deres strategi. Våre ingeniører fokuserer på å integrere AI-copiloter i sine arbeidsflyter, som dekker alt fra coding, testing, deployering til programvarevedlikehold.

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, kvalifisering, deknings- og prisdetaljer. Dette har betydelig redusert tiden det tar dem å tilby produkter og håndtere forskjellige dekningsområder.

Med den raske adopsjonen av GenAI over hele verden, hva er noen av de etiske overveielser bedrifter bør være oppmerksomme på, og hvordan sikrer LTIMindtree ansvarlig AI-bruk?

Utviklingen av AI er løftende, men bringer også mange korporative utfordringer, spesielt rundt etiske overveielser i hvordan vi implementerer det.

I LTIMindtree har vi et AI-råd bestående av ekspertise fra AI, sikkerhet, juridisk, dataintegritet og ulike bransjer. Dette rådet har etablert AI-garanti-rammeverk og samarbeider med bransjeorganisasjoner om AI-reguleringsretningslinjer. I tillegg arbeider det 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 tråd med våre korporative verdier, og som omfatter rettferdighet, ansvar, transparens og personvern. Dette krever ledelsesstøtte og støtte fra juridiske og sikkerhetsteam. Deretter inkorporeres tekniske intervensjoner i våre interne prosesser som fokuserer på høykvalitets-, ubiasert data, med tiltak for å sikre dataintegritet og rettferdighet. Å fremme en etisk AI-kultur innebærer kontinuerlig opplæring om AI-kapasiteter og potensielle fallgruber, som AI-hallusinasjoner. Til slutt utføres regelmessige auditor og oppdateringer av AI-systemer for å håndtere sårbarheter og sikre nøyaktigheten av AI-utgangene. Denne omfattende tilnærmingen sikrer at GenAI implementeres på en ansvarlig og effektiv måte, og driver forretningsverdi samtidig som den opprettholder etiske standarder.

Hvordan møter LTIMindtrees AI-plattform bekymringer rundt AI-etikk, sikkerhet og bærekraft?

Mens vi fortsetter å rulle ut nye AI-verktøy og plattformer, må vi sikre at de møter våre standarder og reguleringer rundt teknologiens bruk. I tillegg til å opprettholde datakvalitet for å gi nøyaktige og ubiaserte utganger, 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 opplæring til kontinuerlig drift. Vi har adoptert en reducere, gjenbruke og resirkulere-tilnærming til AI for å møte karbonavtrykket og viktigheten av å skape miljøvennlige og bærekraftige AI-praksiser. Gjennom denne prosessen fokuserer vi på å reducere parameterne ved å fokusere på mindre, mer spesifikke store språkmodeller (LLM-er) som kan effektivt møte behovene til bedriftsapplikasjoner samtidig som de skaper et mindre karbonavtrykk. I tillegg gjenbruker vi data for ulike applikasjoner 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 minnehøyde, motta raskere inferens, redusere kostnad og bygge bærekraftige applikasjoner.

Som jeg nevnte tidligere, er sikkerhet en viktig bekymring med bruk av noen AI-verktøy eller applikasjoner. 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-i-klassen-modererings-API-er og ansvarlige AI-rammeverk fra tredjepartsleverandører som Nvidia Nemo-garder og IBM Watson Governance-modeller. Vår plattform håndterer data effektivt samtidig som den tar hensyn til personvern, sikkerhet, etisk bruk og bærekraft ved å utnytte solide styrings tiltak og et velbygget rammeverk.

Hvordan påvirker GenAI Agile-prosjektledelse i LTIMindtree? Hva fordeler bringer det til Agile-team, og er det noen kompromisser?

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

Når vi begynner å integrere GenAI i Agile-rammeverk, er det noen nøkkel punkter vi ønsker å understreke. Først og fremst er det viktig å forstå naturen til AI-verktøyene og deres potensielle innvirkning på team-samarbeid. For eksempel, må Agile-team være oppmerksomme på begrensningene til disse verktøyene. De avhenger av eksisterende data i stedet for å gi sanntidsinnsikt, så det er essensielt å validere og finjustere deres utganger.

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

Med AI som transformerer IT-industrien, hvordan møter LTIMindtree behovet for nye talenter og ferdigheter? Hva initiativer har du ledet for å sikre at dine team er utrustet for en AI-drevet fremtid?

Oppblomstringen av innovative teknologier i IT-industrien har understreket et gap mellom ferdighetene vår arbeidsstyrke for tiden har og hva som trengs for å trives i en AI-drevet verden. GenAI har potensialet til å fullstendig omforme daglige roller for mange ansatte, så å forberede 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 utdanningsressurser er avgjørende, og vi er engasjert i å skape en kultur av kontinuerlig læring.

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

I tillegg til dette har vi inngått avtale med syv akademiske institusjoner for å utruste fremtidige talenter med AI-ferdigheter. Her er vi involvert fra læreplanutforming til å administrere læreplanen, samt å utruste professorer via trening-til-trening-tilnærming.

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

I fortiden var det distinkte roller for kreative personer og teknologi-ekspertene. Likevel er det en merkbart skift mot å adoptere, mainstream og skalerer innovative innholdsskapningsteknikker, som utvisker grensene mellom kreativitet og teknologi. Denne integrasjonen påvirker ulike industrier, hvor den konvensjonelle skillelinjen mellom kreative roller og teknologijobber gradvis forsvinner. Mens dette er løftende, kommer denne utviklingen med sine utfordringer, som indikerer en betydelig skift i fokus på oppgradering som en essensiell for å kapitalisere på AI-fordelene.

Den store samtalen nå er hvordan å gjøre denne GenAI-endringen bestandig og skalerbar. Her blir endringsledelse avgjørende. Det krever en strukturert tilnærming og et dedikert team for å overvåke AI-adoptionsprosessen. Mennesker, ikke bare teknologi, er i hjertet av suksessfull GenAI-adoptsjon. Det kan være et kraftfullt verktøy for empowerment, selv blant de som opprinnelig ser på det som en trussel. Forrester forutser 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 transparens 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 rollebasert opplæring og oppgradering, men også om å skape AI-ambassadører som kan drive denne adopsjonen over ulike lag. Vi arbeider også med vår HR-funksjon for å se på impaktene 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 oppgraderingsinitiativene som inkluderer AI-konsepter til bruk av copiloter samt ansvarlige AI-overveielser.

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

Vi har bare skrapet overflaten av hva GenAI kan gjøre, og jeg er begeistret for dens potensiale over hele IT-industrien og utenfor. Ettersom flere sektorer hopper på bordet, finner jeg meg spesielt begeistret for deres applikasjoner for å transformere menneskeliv.

I LTIMindtree har vi samarbeidet med FN-s flyktningorganisasjon for å forbedre deres krise-respons-kapasiteter ved hjelp av GenAI. Dette samarbeidet har som mål å akselerere krise-respons på bakken, og å gi hjelp og støtte til flyktninger i nød. Den innovative bruken av teknologi hjelper til å bringe 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 bryte kommunikasjonsbarrierer, fremmer denne teknologien bedre forståelse og tilknytning mellom mennesker, og bringer oss nærmere hverandre, og sikrer at språkbarrierer ikke lenger hindrer effektive opplevelser.

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-innganger vil forbedre kapasiteter, og drive betydelig økonomisk påvirkning 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 life sciences.

Rettferdigheten 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 med å se hvordan det utvikler seg og hva innovasjonene som kommer neste.