Wywiady

Ajay Vasal, globalny dyrektor ds. danych i AI w Genpact — Cykl wywiadów

Antoine Tardif
Dodaj Unite.AI do preferowanych źródeł w Google
Kluczowe punktyPrzeprojektowanie procesów jest główną barierą we wdrażaniu agentowej AI, a nie…
Zobacz więcej
  • Przeprojektowanie procesów jest główną barierą we wdrażaniu agentowej AI, a nie wydajność modeli.
  • % przedsiębiorstw wciąż używa wskaźników produktywności nieodpowiednich dla autonomicznych systemów AI.
  • Tylko 22% organizacji ufa systemom AI w zakresie autonomii na poziomie domeny lub szerokiej autonomii.

Ajay Vasal, globalny dyrektor ds. danych i AI w Genpact, to doświadczony lider w dziedzinie technologii i strategii. Ma ponad dwadzieścia lat doświadczenia w sztucznej inteligencji, strategii danych, transformacji cyfrowej, fuzjach i przejęciach oraz doradztwie dla przedsiębiorstw. W obecnej roli kieruje inicjatywami pomagającymi firmom rozszerzać wykorzystanie AI i przechodzić od AI wspomagającej do bardziej autonomicznych systemów zintegrowanych z działalnością operacyjną. Przed dołączeniem do Genpact Vasal pracował niemal dziewięć lat w Accenture, gdzie zajmował kilka wysokich stanowisk kierowniczych, między innymi globalnego lidera ds. danych i AI w branżach konsumenckich oraz globalnego szefa Centre for Data & Insights. W swojej karierze pomagał organizacjom uzyskiwać mierzalną wartość biznesową z danych przez poprawę efektywności operacyjnej, wzrost przychodów i ograniczanie ryzyka. Kierował również inwestycjami strategicznymi, fuzjami i przejęciami oraz programami transformacji opartymi na AI w różnych branżach.

Genpact to globalna firma świadcząca usługi profesjonalne i wspierająca transformację cyfrową, specjalizująca się w danych, AI, analityce, inteligentnej automatyzacji i modernizacji działalności operacyjnej dużych przedsiębiorstw. Powstała w ramach General Electric (GE.TO ), a następnie się usamodzielniła. Obecnie obsługuje organizacje między innymi z sektora usług finansowych, ochrony zdrowia, produkcji, handlu detalicznego i dóbr konsumpcyjnych. Firma coraz mocniej koncentruje się na transformacji przedsiębiorstw za pomocą AI, łącząc analitykę, automatyzację i wiedzę branżową, aby pomagać firmom modernizować przepływy pracy, poprawiać podejmowanie decyzji i odpowiedzialnie wdrażać systemy AI na dużą skalę.

Przez lata pracował Pan w Accenture nad strategiami danych i AI w różnych branżach, zanim objął obecną rolę w Genpact. Jak to doświadczenie wpłynęło na Pana spojrzenie na przyczyny, dla których przedsiębiorstwa nadal mają trudności z uzyskaniem rzeczywistej wartości z inwestycji w AI?

Jedną z najważniejszych lekcji z pracy w różnych branżach jest to, że większość organizacji nie ponosi porażki z powodu słabości technologii. Trudności wynikają z prób dołożenia AI do modeli operacyjnych, które nigdy nie były projektowane z myślą o samodzielnym wykonywaniu zadań. Wyniki naszych najnowszych badań wyraźnie to potwierdzają. Przedsiębiorstwa intensywnie wdrażają AI, ale wiele nadal ma trudności z przebudową modeli operacyjnych potrzebnych do samodzielnego wykonywania zadań na dużą skalę. Ta luka pokazuje, ile firm wciąż rozwiązuje kwestie nadzoru, rozliczalności i gotowości organizacyjnej.

Widzimy również organizacje, które szybko idą naprzód, zanim stworzą odpowiednie ramy pomiaru. Aż 71% kadry zarządzającej uważa, że agentowa AI przyniesie zwrot z inwestycji szybciej niż jakakolwiek wcześniejsza fala technologiczna, ale 67% nadal korzysta ze wskaźników produktywności opracowanych dla starszych modeli automatyzacji. Moje doświadczenie pokazuje, że udane wdrożenie AI nigdy nie sprowadza się tylko do uruchomienia modeli. Wymaga przebudowy przepływów pracy, dopasowania technologii do priorytetów biznesowych oraz pomocy ludziom w zrozumieniu, jak ich role zmieniają się obok coraz bardziej autonomicznych systemów.

Państwa niedawny raport, Autonomy Requires Trust in AI, pokazuje, że większość kadry zarządzającej wierzy, iż agentowa AI zasadniczo zmieni działalność firm, a jednak większość systemów pozostaje pod nadzorem. Gdzie leży największa rozbieżność między przekonaniem a realizacją?

Rozbieżność w całości dotyczy zaufania. Kadra zarządzająca wyraźnie wierzy, że agentowa AI zmieni sposób wykonywania pracy, ale wiara w technologię nie oznacza automatycznie gotowości do powierzenia jej uprawnień decyzyjnych. Nasze badania wykazały, że tylko 22% organizacji czuje się pewnie, pozwalając systemom AI działać autonomicznie w określonej dziedzinie lub z szeroką autonomią.

Większość przedsiębiorstw nadal bez obaw korzysta z AI jako asystenta, który może rekomendować, podsumowywać lub wspierać przepływy pracy. Wahanie pojawia się, gdy od systemów AI oczekuje się samodzielnego działania wpływającego na operacje, klientów, zgodność z przepisami lub wyniki finansowe. Z tego powodu wiele firm utrzymuje ścisły udział ludzi w zatwierdzaniu i nadzorze, nawet gdy zmierza ku bardziej autonomicznym modelom operacyjnym.

Wiele przedsiębiorstw dużo inwestuje w AI, ale nie potrafi wykazać znaczących zwrotów. Jakie błędy organizacje popełniają najczęściej, próbując mierzyć wartość tworzoną przez AI?

Dużym błędem jest to, że wiele organizacji nadal używa wskaźników produktywności zaprojektowanych dla wcześniejszych fal automatyzacji. Dane pokazują, że 67% przedsiębiorstw wciąż polega na miernikach produktywności, które nie oddają w pełni wartości systemów adaptacyjnych działających na podstawie podejmowania decyzji. Powstaje przez to rzeczywista luka między oczekiwaniami a sposobem faktycznego mierzenia wartości.

Innym problemem jest to, że wiele organizacji nie zdefiniowało jeszcze wskaźników sukcesu dostosowanych do specyfiki AI. Tylko niewielka część firm mierzy na przykład samodzielne doprowadzanie przepływów pracy do końca, mniejszą liczbę eskalacji lub samodzielną obsługę wyjątków. Jeśli firmy nadal skupiają się wyłącznie na redukcji kosztów lub zaoszczędzonych godzinach, przeoczą szerszy wpływ na działalność operacyjną, który ma zapewniać agentowa AI.

Raport sugeruje, że gotowość organizacyjna jest większą barierą niż sama technologia. Jakie konkretne zmiany strukturalne powinny wprowadzić firmy, aby wykorzystać pełny potencjał agentowej AI?

Organizacje muszą na nowo przemyśleć, jak w całej firmie funkcjonują rozliczalność, odpowiedzialność za przepływy pracy oraz podejmowanie decyzji. Jednym z najczytelniejszych wniosków z badań jest to, że gotowość organizacyjna staje się większą barierą niż sama technologia. Aż 33% przedsiębiorstw wskazało nieprzygotowanie procesów biznesowych do integracji z agentową AI jako główną przeszkodę we wdrożeniu.

Firmy, które osiągają największe postępy, przebudowują przepływy pracy od początku do końca, aby autonomiczne systemy mogły działać w jasno określonych granicach i strukturach nadzoru. Ustaliliśmy też, że 44% przedsiębiorstw oczekuje zmniejszenia liczby szczebli zarządzania dzięki agentowej AI, gdy systemy przejmą zadania koordynacyjne tradycyjnie wykonywane przez kadrę średniego szczebla. Pracownicy potrzebują znacznie większej jasności co do odpowiedzialności za nadzór, momentów wymagających interwencji oraz miejsca ludzkiego osądu w coraz bardziej autonomicznym środowisku.

Tylko niewielka część organizacji czuje się pewnie, dając agentom AI rzeczywistą autonomię. Co jest potrzebne, aby przedsiębiorstwa zaufały systemom AI na tyle, by powierzyć im uprawnienia decyzyjne?

Zaufanie do agentowej AI ostatecznie opiera się na rozliczalności i kontroli. Przedsiębiorstwa nadal ostrożnie przekazują uprawnienia decyzyjne, ponieważ liderzy chcą mieć pewność, że autonomiczne systemy mogą działać w jasno określonych ramach bezpieczeństwa i nadzoru.

Firmy idące naprzód projektują systemy, w których ścieżki eskalacji, warunki uruchamiające interwencję i mechanizmy nadzoru są wbudowane bezpośrednio w model operacyjny. Większość organizacji przyznaje autonomię stopniowo, zależnie od sytuacji biznesowej i tolerancji ryzyka, zamiast nagle przechodzić do pełnej autonomii. Udane wdrożenia dają przedsiębiorstwom większą pewność, a zaufanie rośnie, ponieważ liderzy wyraźnie widzą, jak podejmowane są decyzje, gdzie leży odpowiedzialność i jak utrzymywany jest nadzór człowieka.

Przedsiębiorstwa oczekują szybkiego rozszerzania wykorzystania agentowej AI, ale wiele nadal polega na przestarzałych wskaźnikach produktywności. Jak powinny wyglądać skuteczniejsze wskaźniki wyników dostosowane do specyfiki AI?

Wskaźniki stworzone dla AI powinny mierzyć wykonanie zadań i wyniki, a nie samą aktywność. Tradycyjne mierniki produktywności skupiają się na tym, czy ludzie pracują szybciej. Agentowa AI zmienia sytuację, ponieważ sam system zaczyna przejmować część obciążenia operacyjnego. To ważne, gdyż wiele organizacji nadal mierzy agentową AI przez pryzmat produktywności opracowany dla starszych fal automatyzacji, a nie dla samodzielnej realizacji zadań.

Skuteczniejsze mierniki powinny skupiać się na samodzielnym doprowadzaniu przepływów pracy do końca, niższej częstotliwości eskalacji, szybszym wykonywaniu decyzji oraz skuteczności obsługi wyjątków przy ograniczonej interwencji ludzi. Takie wskaźniki dają znacznie jaśniejszy obraz tego, czy AI rzeczywiście usprawnia realizację zadań na dużą skalę.

Podkreśla Pan, że przebudowa procesów jest główną barierą wdrożenia. Dlaczego w tej kolejnej fazie AI transformacja przepływów pracy jest ważniejsza niż wydajność modeli?

Transformacja przepływów pracy jest ważna, ponieważ nawet najbardziej zaawansowane systemy AI nie mogą skutecznie działać na większą skalę w ramach wadliwych lub rozproszonych procesów. Nasze badania wykazały, że 33% przedsiębiorstw wskazało gotowość procesów jako główną barierę wdrażania agentowej AI.

Tym, co wyróżnia kolejną fazę, jest projektowanie agentowej AI do wykonywania zadań w całych przepływach pracy, a nie tylko udzielania pomocy w ich obrębie. Organizacje muszą przebudować procesy wokół samodzielnej realizacji, wyjaśniając odpowiedzialność za decyzje, usuwając zbędne przekazywanie pracy między uczestnikami i wbudowując nadzór bezpośrednio w przepływy pracy. Pod wieloma względami to właśnie ich przebudowa stanowi dziś prawdziwy fundament wdrażania AI na dużą skalę.

Raport sugeruje, że AI zmniejszy liczbę szczebli organizacyjnych, gdy zadania koordynacyjne zostaną zautomatyzowane. Jak Pana zdaniem zmienią się w rezultacie role liderów i kadry średniego szczebla?

Gdy agentowa AI przejmie więcej zadań koordynacyjnych i nadzoru operacyjnego, role kierownicze prawdopodobnie przesuną się od zarządzania rutynowym wykonaniem ku wytyczaniu strategii, stosowaniu osądu i sprawowaniu nadzoru. Nasze badania wykazały, że wiele przedsiębiorstw oczekuje zmniejszenia liczby poziomów koordynacji w organizacji dzięki agentowej AI, gdy autonomiczne systemy przejmą większą odpowiedzialność za nadzór operacyjny.

Kadra średniego szczebla odgrywała tradycyjnie ważną rolę w kierowaniu decyzji do właściwych osób i utrzymywaniu ciągłości operacyjnej między zespołami. Gdy autonomiczne systemy zaczną wykonywać więcej takich czynności, liderzy będą musieli skupić się bardziej na obsłudze wyjątków, rozliczalności i zapewnieniu zgodności systemów z celami biznesowymi. Ludzkie przywództwo stanie się jeszcze ważniejsze w obszarach, gdzie kontekst, etyka i osąd nadal liczą się najbardziej.

Genpact przedstawia się jako dostawca rozwiązań z zakresu agentowej AI i zaawansowanych technologii. Czym jego podejście do agentowej AI różni się od podejścia tradycyjnych firm doradczych lub technologicznych?

Podejście Genpact opiera się na wykonaniu i wynikach oraz na rozwiązywaniu tego, co często nazywamy problemem „ostatniego etapu” wdrażania AI. Wiele organizacji udowodniło już, że modele AI mogą dostarczać użytecznych wniosków lub poprawiać produktywność. Prawdziwym wyzwaniem jest jednak włączenie tych możliwości do rzeczywiście działających przepływów biznesowych, w których wykonywana jest praca. To właśnie na tym etapie wiele inicjatyw AI się zatrzymuje. Pomagamy klientom wprowadzać agentową AI do praktycznego działania aż po ostatni etap realizacji, aby systemy przynosiły mierzalne wyniki w finansach, łańcuchu dostaw, obsłudze klienta i innych kluczowych funkcjach przedsiębiorstwa.

Nasze podejście wyróżnia połączenie dogłębnej wiedzy o procesach z kompetencjami w zakresie danych, technologii i AI. Nie ograniczamy się do wdrażania modeli ani tworzenia projektów pilotażowych. Przebudowujemy przepływy pracy, włączamy nadzór do działalności operacyjnej i pomagamy przedsiębiorstwom tworzyć struktury rozliczalności potrzebne do samodzielnej realizacji zadań na dużą skalę. Ponieważ włączyliśmy agentową AI także do własnej działalności, mamy praktyczne doświadczenie w tym, czego wymaga przejście od eksperymentów do wpływu na całą firmę.

Czy uważa Pan, że agentowa AI zwiększy w przyszłości lukę między przedsiębiorstwami wiodącymi a tymi, które pozostają w tyle? Co firmy powinny robić już teraz, aby nie stracić dystansu?

Tak, uważam, że luka się powiększy, ponieważ agentowa AI kumuluje wartość inaczej niż wcześniejsze fale technologiczne. Organizacje, które skutecznie przebudują przepływy pracy, ustanowią ramy rozliczalności i zbudują zaufanie do autonomicznych systemów, uzyskają przewagi operacyjne trudne do odtworzenia przez konkurencję. Uderzająca jest szybkość tej zmiany. Aż 29% przedsiębiorstw oczekuje, że w ciągu najbliższych 12 miesięcy agentowa AI rozszerzy się na całą firmę.

Firmy, które chcą utrzymać konkurencyjność, powinny teraz priorytetowo przygotować model operacyjny do samodzielnej realizacji zadań. Obejmuje to przebudowę przepływów pracy, określenie struktur odpowiedzialności, budowę ram pomiaru dostosowanych do specyfiki AI i inwestowanie w przygotowanie pracowników. Organizacje, które wcześnie zaczną budować te podstawy, znajdą się w znacznie lepszej sytuacji niż te, które nadal traktują AI jako odrębną inicjatywę technologiczną.

Dziękujemy za interesujący wywiad. Czytelnicy, którzy chcą dowiedzieć się więcej, mogą odwiedzić Genpact. 

Antoine jest wizjonerskim liderem i partnerem założycielem Unite.AI. Kieruje nim niezachwiana pasja do kształtowania i rozwijania przyszłości sztucznej inteligencji i robotyki. Jako przedsiębiorca, który założył wiele firm, wierzy, że AI zmieni społeczeństwo równie głęboko jak elektryczność, i często z entuzjazmem mówi o potencjale przełomowych technologii oraz ogólnej sztucznej inteligencji (AGI).

Jako futurolog poświęca się badaniu tego, jak te innowacje ukształtują nasz świat. Jest także założycielem Securities.io, platformy skupionej na inwestowaniu w najnowocześniejsze technologie, które na nowo definiują przyszłość i przekształcają całe branże.