Ajay Vasal, Globalny Lider ds. Danych i Sztucznej Inteligencji, Genpact – Seria Wywiadów

Ajay Vasal, Globalny Lider ds. Danych i Sztucznej Inteligencji w firmie Genpact, to doświadczony executive z ponad dwudziestoletnim stażem w dziedzinie sztucznej inteligencji, strategii danych, transformacji cyfrowej, fuzji i przejęć oraz konsultingu dla przedsiębiorstw. W swojej obecnej roli w Genpact kieruje inicjatywami skupionymi na pomocy przedsiębiorstwom w skalowaniu wdrożenia sztucznej inteligencji i przejściu od asystującej sztucznej inteligencji do bardziej autonomicznych, wbudowanych systemów operacyjnych. Przed dołączeniem do Genpact Vasal spędził prawie dziewięć lat w firmie Accenture, gdzie zajmował kilka stanowisk kierowniczych, w tym Globalnego Lidera ds. Danych i Sztucznej Inteligencji dla Przemysłu Konsumenckiego oraz Globalnego Dyrektora Centrum Danych i Wglądu. Na przestrzeni swojej kariery skupiał się na pomocy organizacjom w uzyskaniu mierzalnej wartości biznesowej z danych poprzez efektywność operacyjną, wzrost przychodu oraz ograniczanie ryzyka, a także kierował strategicznymi inwestycjami, inicjatywami fuzji i przejęć oraz programami transformacji napędzanymi sztuczną inteligencją w różnych branżach.

Genpact to globalna firma świadcząca usługi profesjonalne i cyfrową transformację, specjalizująca się w danych, sztucznej inteligencji, analityce, inteligentnej automatyzacji oraz modernizacji operacyjnej dla dużych przedsiębiorstw. Założona pierwotnie w ramach General Electric (GE.TO ), a następnie jako niezależna firma, Genpact obsługuje obecnie organizacje z różnych branż, w tym usług finansowych, ochrony zdrowia, produkcji, handlu detalicznego oraz dóbr konsumpcyjnych. Firma coraz bardziej koncentruje się na transformacji przedsiębiorstw z wykorzystaniem sztucznej inteligencji, łącząc analitykę, automatyzację oraz wiedzę branżową, aby pomóc firmom zmodernizować procesy robocze, poprawić podejmowanie decyzji oraz wdrożyć duże systemy sztucznej inteligencji w sposób odpowiedzialny.

Przez lata pracowałeś w Accenture, kształtując strategię danych i sztucznej inteligencji w różnych branżach, zanim objąłeś swoją obecną rolę w Genpact. Jak doświadczenie to wpłynęło na Twoją perspektywę dotyczącą powodów, dla których przedsiębiorstwa nadal mają trudności z uzyskaniem prawdziwej wartości z inwestycji w sztuczną inteligencję?

Jednym z największych wniosków z pracy w różnych branżach jest to, że większość organizacji nie zawodzi, ponieważ technologia jest słaba. Rzeczywistość jest taka, że mają trudności, ponieważ próbują nałożyć sztuczną inteligencję na modele operacyjne, które nie zostały zaprojektowane z myślą o autonomicznej realizacji. Wyniki naszych najnowszych badań potwierdzają ten punkt wyraźnie. Podczas gdy przedsiębiorstwa agresywnie wkraczają w adopcję sztucznej inteligencji, wiele z nich nadal ma trudności z przebudową modeli operacyjnych niezbędnych do obsługi autonomicznej realizacji na dużą skalę. Ta luka podkreśla, jak wiele przedsiębiorstw nadal pracuje nad pytaniami dotyczącymi zarządzania, odpowiedzialności oraz gotowości organizacyjnej.

Obserwujemy również, jak organizacje poruszają się szybko, zanim mają odpowiednie ramy pomiaru. Siedemdziesiąt jeden procent menedżerów uważa, że sztuczna inteligencja agencja dostarczy zwrot z inwestycji szybciej niż jakakolwiek poprzednia fala technologii, a jednak 67% nadal opiera się na metrykach produktywności, które zostały zbudowane dla wcześniejszych modeli automatyzacji. Moje doświadczenie pokazało, że udana adopcja sztucznej inteligencji nie jest tylko kwestią wdrożenia modeli. Chodzi o przebudowę procesów roboczych, wyrównanie technologii z priorytetami biznesowymi oraz pomoc ludziom w zrozumieniu, jak ich role ewoluują wraz ze wzrostem autonomicznych systemów.

Twój niedawny raport, Autonomy Requires Trust in AI, pokazuje, że większość menedżerów uważa, iż sztuczna inteligencja agencja zasadniczo zmieni operacje biznesowe, a jednak większość systemów pozostaje nadzorowana. Jaki jest największy rozdział między wierzeniami a wykonaniem?

Rozdział jest całkowicie związany z zaufaniem. Menedżerowie wyraźnie wierzą, że sztuczna inteligencja agencja zmieni sposób wykonywania pracy, ale wiara w technologię nie automatycznie przekłada się na komfort związany z przekazaniem władzy decyzyjnej. Nasze badania wykazały, że tylko 22% organizacji jest komfortowo z pozwalaniem systemom sztucznej inteligencji na działanie z autonomią na poziomie domeny lub szerokiej.

Większość przedsiębiorstw nadal jest komfortowo z używaniem sztucznej inteligencji jako asystenta, który może rekomendować, podsumowywać lub wspierać procesy robocze. Wahanie zaczyna się, gdy systemy sztucznej inteligencji są oczekiwane do działania autonomicznie w sposób, który wpływa na operacje, klientów, zgodność lub wyniki finansowe. To wahanie zmusza wiele przedsiębiorstw do utrzymania ludzi ściśle zaangażowanych w procesy zatwierdzania i nadzoru, nawet gdy pchają się w kierunku bardziej autonomicznych modeli operacyjnych.

Wiele przedsiębiorstw inwestuje znacznie w sztuczną inteligencję, ale nie potrafi wykazać znaczących zwrotów. Jakie są najczęstsze błędy, które organizacje popełniają, próbując zmierzyć wartość napędzaną sztuczną inteligencją?

Jednym z głównych błędów jest to, że wiele organizacji nadal używa metryk produktywności zaprojektowanych dla wcześniejszych fal automatyzacji. Dane pokazują, że 67% przedsiębiorstw nadal opiera się na miarach opartych na produktywności, które nie mogą w pełni uchwycić wartości systemów adaptacyjnych i decyzyjnych. To tworzy prawdziwą lukę między oczekiwaniami a tym, jak wartość jest rzeczywiście mierzona.

Inny problem polega na tym, że wiele organizacji nie zdefiniowało jeszcze wskaźników sukcesu rodzimych dla sztucznej inteligencji. Tylko niewielki procent przedsiębiorstw mierzy takie rzeczy, jak autonomiczne wykonanie procesów roboczych, zmniejszone stawki eskalacji lub autonomiczne obsługiwanie wyjątków. Jeśli firmy będą nadal koncentrować się tylko na redukcji kosztów lub godzinach zaoszczędzonych, przegapią szerszy wpływ operacyjny, jaki sztuczna inteligencja agencja ma na celu stworzyć.

Raport sugeruje, że gotowość organizacyjna jest większą barierą niż sama technologia. Jakie konkretnie zmiany strukturalne muszą wprowadzić firmy, aby odblokować pełny potencjał sztucznej inteligencji agencji?

Organizacje muszą przemyśleć, jak odpowiedzialność, własność procesów roboczych oraz podejmowanie decyzji funkcjonują w całej firmie. Jednym z najwyraźniejszych wniosków z badań jest to, że gotowość organizacyjna staje się większą barierą niż sama technologia. W rzeczywistości 33% przedsiębiorstw zidentyfikowało procesy biznesowe, które nie są gotowe do integracji z agencją, jako największy przeszkodę w adopcji.

Firmy, które najbardziej postępują, przebudowują procesy robocze od początku do końca, aby autonomiczne systemy mogły działać w ramach wyraźnie zdefiniowanych granic i struktur nadzoru. Stwierdziliśmy również, że 44% przedsiębiorstw oczekuje, iż sztuczna inteligencja agencja spłaszczy struktury zarządzania, gdy systemy absorbują zadania koordynacyjne tradycyjnie obsługiwane przez średnie kierownictwo. Pracownicy potrzebują znacznie większej jasności co do odpowiedzialności za nadzór, punktów interwencji oraz tego, gdzie osąd ludzki wpisuje się w coraz bardziej autonomiczne środowisko.

Tylko niewielki procent organizacji jest komfortowo z udzieleniem agentom sztucznej inteligencji prawdziwej autonomii. Co będzie wymagane, aby przedsiębiorstwa zaufały systemom sztucznej inteligencji decyzyjnej?

Zaufanie do sztucznej inteligencji agencji ostatecznie sprowadza się do odpowiedzialności i kontroli. Przedsiębiorstwa są nadal ostrożne, gdy chodzi o przekazanie władzy decyzyjnej, ponieważ liderzy chcą mieć pewność, że autonomiczne systemy mogą działać w ramach wyraźnych barier i struktur zarządzania.

Firmy, które idą do przodu, projektują systemy, w których ścieżki eskalacji, wyzwania interwencji oraz kontrola zarządzania są wbudowane bezpośrednio w model operacyjny. Większość organizacji przyznaje autonomię stopniowo w oparciu o kontekst biznesowy i tolerancję ryzyka, a nie robiąc nagłego skoku do pełnej autonomii. Gdy przedsiębiorstwa zyskują zaufanie dzięki udanym wdrożeniom, rośnie zaufanie, ponieważ liderzy mogą wyraźnie zobaczyć, jak decyzje są podejmowane, gdzie leży odpowiedzialność oraz jak nadzór ludzki jest utrzymany.

Przedsiębiorstwa oczekują szybkiego skalowania sztucznej inteligencji agencji, a jednak wiele z nich nadal opiera się na przestarzałych metrykach produktywności. Jak powinny wyglądać bardziej skuteczne, rodzinne wskaźniki wydajności sztucznej inteligencji?

Wskaźniki rodzinne sztucznej inteligencji muszą mierzyć wykonanie i wyniki, a nie działanie. Tradycyjne miary produktywności koncentrują się na tym, czy ludzie pracują szybciej, ale sztuczna inteligencja agencja zmienia równanie, ponieważ sam system zaczyna ponosić część obciążenia operacyjnego. To ważne, ponieważ wiele organizacji nadal mierzy sztuczną inteligencję agencji przez pryzmat produktywności, który został zaprojektowany dla wcześniejszych fal automatyzacji, a nie dla autonomicznej realizacji.

Bardziej skuteczne miary powinny koncentrować się na autonomicznym wykonaniu procesów roboczych, zmniejszonych stawkach eskalacji, szybszym wykonaniu decyzji oraz tym, jak skutecznie systemy zarządzają wyjątkami z ograniczonym zaangażowaniem ludzi. Te miary zapewniają znacznie wyraźniejszy obraz tego, czy sztuczna inteligencja naprawdę poprawia wykonanie na dużą skalę.

Podkreślasz, że przebudowa procesu jest największą barierą wdrożenia. Dlaczego transformacja procesu roboczego ma większe znaczenie niż wydajność modelu w tej następnej fazie sztucznej inteligencji?

Transformacja procesu roboczego ma znaczenie, ponieważ nawet najbardziej zaawansowane systemy sztucznej inteligencji nie mogą skalować się skutecznie w ramach złamanych lub fragmentowanych procesów. Nasze badania wykazały, że 33% przedsiębiorstw zidentyfikowało gotowość procesów jako największą barierę wdrożenia sztucznej inteligencji agencji.

To, co sprawia, że ta następna faza jest inna, to fakt, że sztuczna inteligencja agencja jest zaprojektowana do wykonywania się w ramach procesów roboczych, a nie tylko do asystowania w nich. Organizacje muszą przebudować procesy wokół autonomicznej realizacji, wyjaśniając własność decyzji, usuwając niepotrzebne przekazywanie zadań oraz wbudowując zarządzanie bezpośrednio w procesy robocze. W wielu ways przebudowa procesu roboczego jest teraz prawdziwą podstawą dla skalowalnej adopcji sztucznej inteligencji.

Raport sugeruje, że sztuczna inteligencja spłaszczy struktury organizacyjne, gdy zadania koordynacyjne staną się zautomatyzowane. Jak widzisz ewolucję ról kierowniczych i średniego kierownictwa w wyniku tego?

Gdy sztuczna inteligencja agencja przejmuje więcej zadań koordynacyjnych i nadzoru operacyjnego, role kierownicze prawdopodobnie przesuną się z zarządzania rutynowym wykonaniem w kierunku kierowania strategią, osądem i zarządzaniem. Nasze badania wykazały, że wiele przedsiębiorstw oczekuje, iż sztuczna inteligencja agencja zmniejszy warstwy koordynacji w całej organizacji, gdy autonomiczne systemy przejmą więcej odpowiedzialności za nadzór operacyjny.

Średnie kierownictwo historycznie odgrywało znaczącą rolę w kierowaniu decyzjami oraz utrzymaniu ciągłości operacyjnej między zespołami. Gdy autonomiczne systemy zaczną obsługiwać więcej tych działań, liderzy będą musieli skoncentrować się bardziej na zarządzaniu wyjątkami, odpowiedzialności oraz zapewnieniu, że systemy są wyrównane z celami biznesowymi. Ludzkie przywództwo stanie się jeszcze bardziej istotne w obszarach, w których kontekst, etyka oraz osąd nadal mają największe znaczenie.

Genpact przedstawia się jako firma stawiająca na agentową sztuczną inteligencję i zaawansowane technologie. Jak firma podejmuje sztuczną inteligencję agencji inaczej niż tradycyjne firmy konsultingowe lub technologiczne?

Podejście Genpact jest ugruntowane w wykonaniu i wynikach, co często opisujemy jako rozwiązanie problemu „ostatniej mili” wdrożenia sztucznej inteligencji. Wiele organizacji już udowodniło, że modele sztucznej inteligencji mogą generować wglądy lub poprawiać produktywność, ale prawdziwym wyzwaniem jest wbudowanie tych możliwości w żywe procesy robocze, w których wykonuje się pracę. To tam wiele inicjatyw sztucznej inteligencji zawiesza się. Nasz focus jest na pomocy klientom w operacjonalizowaniu sztucznej inteligencji agencji w ramach ostatniej mili wykonania, aby systemy mogły napędzać mierzalne wyniki w finansach, łańcuchu dostaw, obsłudze klienta oraz innych podstawowych funkcjach przedsiębiorstwa.

To, co różni nasze podejście, jest połączeniem głębokiej wiedzy procesowej z danymi, technologią oraz możliwościami sztucznej inteligencji. Nie wdrażamy tylko modeli lub budujemy pilotażowe projekty. Przebudowujemy procesy robocze, wbudowujemy zarządzanie w operacje oraz pomagamy przedsiębiorstwom tworzyć struktury odpowiedzialności niezbędne do autonomicznej realizacji na dużą skalę. Ponieważ również wbudowaliśmy sztuczną inteligencję agencji w nasze własne operacje, przychodzimy z praktycznym doświadczeniem dotyczącym tego, co jest potrzebne, aby przejść od eksperymentowania do przedsiębiorstwowej skali.

Spójrzając w przyszłość, uważasz, że sztuczna inteligencja agencja poszerzy lukę między wiodącymi a opóźnionymi przedsiębiorstwami, a co powinny robić firmy teraz, aby uniknąć pozostania w tyle?

Tak, uważam, że luka się powiększy, ponieważ sztuczna inteligencja agencja kumuluje wartość w inny sposób niż poprzednie fale technologiczne. Organizacje, które z powodzeniem przebudują procesy robocze, ustanowią ramy odpowiedzialności oraz zbudują zaufanie w autonomiczne systemy, stworzą przewagi operacyjne, które będą trudne do skopiowania przez konkurentów. Co jest uderzające, to jak szybko ta zmiana się dzieje. Dwadzieścia dziewięć procent przedsiębiorstw oczekuje, iż sztuczna inteligencja agencja zostanie skalowana w całej firmie w ciągu najbliższych 12 miesięcy.

Dla firm, które chcą pozostać konkurencyjne, priorytetem powinno być przygotowanie modelu operacyjnego do autonomicznej realizacji. To obejmuje przebudowę procesów roboczych, definiowanie struktur własności, budowanie rodzinnych ram pomiaru oraz inwestowanie w gotowość siły roboczej. Przedsiębiorstwa, które poruszą się wcześnie w tych fundamentach, będą lepiej przygotowane niż te, które nadal traktują sztuczną inteligencję jako samodzielną inicjatywę technologiczną.

Dziękuję za wspaniały wywiad, czytelnicy, którzy chcą dowiedzieć się więcej, powinni odwiedzić Genpact.