Par Chadha, założyciel, CEO i CIO HandsOn Global Management – seria wywiadów

Par Chadha, założyciel, CEO i CIO HandsOn Global Management, jest przedsiębiorcą, inwestorem i menedżerem technologicznym z wieloletnim doświadczeniem w budowaniu i skalowaniu firm opartych na technologii. Od założenia HandsOn Global Management w 2001 roku koncentruje się na inwestycjach w automatyzację przepływów pracy, big data, robotyczną automatyzację procesów (RPA), technologie poznawcze oraz sztuczną inteligencję w sektorach usług finansowych, opieki zdrowotnej, ubezpieczeń i prawnych. Jest także współzałożycielem Rule14 oraz wcześniej pełnił funkcję prezesa i przewodniczącego wykonawczego Exela Technologies, a także prezesa SourceHOV.

HandsOn Global Management (HGM) Limited jest firmą technologiczną działającą na styku strategicznych inwestycji i usług biznesowych, łączącą alokację kapitału z ekspertyzą operacyjną w celu budowania i skalowania przedsiębiorstw opartych na technologii. Firma coraz bardziej koncentruje się na usługach opieki zdrowotnej napędzanych AI, w tym zarządzaniu cyklem przychodów, kodowaniu medycznemu, nasłuchiwaniu ambient oraz analizie danych zdrowotnych, jednocześnie stosując automatyzację i optymalizację procesów napędzane AI w przepływach pracy przedsiębiorstw. HGM opisuje swój model jako hybrydę firmy inwestycyjnej i zróżnicowanego dostawcy usług, wykorzystując przejęcia, integrację technologii i realizację operacyjną do długoterminowego wzrostu na rynkach takich jak Ameryka Północna, Azja-Pacyfik i Bliski Wschód.

Założyłeś HandsOn Global Management w 2001 roku, na długo przed tym, jak sztuczna inteligencja stała się głównym tematem inwestycyjnym. Co pierwotnie zainspirowało Cię do założenia firmy i jak jej filozofia inwestycyjna ewoluowała w miarę postępu automatyzacji przepływów pracy, inteligencji danych oraz agentowej AI?

Nazwa HandsOn opisuje, jak postrzegam organizację. Jeśli nie możesz być ‘hands‑on’ — jeśli jesteś ‘hands‑off’ — nie pasujesz do naszej organizacji. Oczekuję, że ludzie nadzorujący firmy, w tym ja sam, będą praktykować to, co nazywam przywództwem służebnym. Naszym zadaniem jest służyć pracownikom i pomagać im osiągać większy sukces.

Technologia zmieniła się ogromnie, ale podstawowe pytanie nie uległo dużej zmianie: co technologia pozwala firmie zrobić lepiej?

Przy automatyzacji zawsze patrzyłem na to, co nazywam elastyczną pojemnością. Jeśli jeden pracownik może obsłużyć 100 transakcji, a automatyzacja pozwala mu obsłużyć 250, tworzysz pojemność na wzrost bez zwiększania kosztów w tym samym stopniu. To sprawia, że firma jest bardziej rentowna i skalowalna.

Obecnie AI posuwa to znacznie dalej. Przechodzimy do przepływów pracy opartych na AI, w których następuje orkiestracja wielu różnych zadań, z ludźmi w pętli i agentową AI w pętli. Uważam, że tego typu firmy będą bardzo pożądane i staną się jednymi z najbardziej przełomowych.

Technologia się rozwinęła, ale nasza filozofia pozostaje hands‑on: zrozum problem operacyjny, zidentyfikuj, gdzie można zwiększyć produktywność, i przekształć technologię w biznes.

Jako CEO i dyrektor ds. inwestycji, jakie cechy odróżniają firmę AI z potencjałem do trwałego biznesu od tej, która korzysta głównie z krótkotrwałego entuzjazmu wokół technologii?

Dla mnie różnica polega na tym, czy potrafisz przekształcić inwestycję w biznes. W przeciwnym razie inwestycja jest jedynie kosztem.

Może być dużo entuzjazmu wokół własności intelektualnej czy nowej technologii, ale ktoś i tak musi z niej korzystać. Musi rozwiązywać problem, mieć propozycję wartości i ostatecznie generować przychody.

Weźmy automatyzację jako przykład. Trzeba także zrozumieć funkcję, którą automatyzujesz. Marketing, sprzedaż, zakupy, HR, finanse, administracja, raportowanie podatkowe i bezpieczeństwo to bardzo różne funkcje. Automatyzacja musi być zaprojektowana wokół tego, co dana firma faktycznie robi. Stacja benzynowa ma bardzo specyficzne potrzeby. Restauracja ma bardzo wyspecjalizowane potrzeby.

Firmy, które przetrwają, będą tymi, w których klienci zauważą różnicę — większą rentowność, większą skalowalność, większą pojemność lub możliwość zrobienia czegoś, co wcześniej nie było ekonomicznie możliwe. Technologia jest ważna, ale ostatecznie musi stać się biznesem.

HandsOn Global Management odgrywa aktywną rolę operacyjną w budowaniu, przejmowaniu i przekształcaniu firm. Jak to podejście hands‑on zmienia sposób oceny inwestycji AI w porównaniu z tradycyjnym modelem venture capital lub private equity?

Nie wierzę w siedzenie na szczycie i po prostu wydawanie poleceń. Moje podejście zawsze polegało na tym, że ludzie, którzy dla Ciebie pracują, mają luki, a Twoim zadaniem jest pomóc je wypełnić i uczynić ich odnoszącymi sukcesy.

Oznacza to, że kiedy patrzymy na inwestycję, myślimy operacyjnie. Kto będzie nią zarządzał? Jak będzie pozycjonowana? Kim są klienci i partnerzy? Jaka jest propozycja wartości? Czy może stać się skalowalna?

Pracuję ramię w ramię z zespołami zarządzającymi, ale chcę, aby osoba operacyjna prowadziła. Dokonam wprowadzenia, pozwolę tej osobie przejąć stery, pozostanę w kopii i będę dostępny. Dla nas posiadanie inwestycji i prowadzenie firmy nie są dwoma całkowicie odrębnymi działaniami.

Wiele przedsiębiorstw eksperymentuje z AI, ale niewiele z powodzeniem wdrożyło ją w krytycznych operacjach. Co odróżnia organizacje, które przechodzą od odizolowanych pilotaży do wdrożeń na skalę produkcyjną?

Dużą część tego stanowi to, czy sama organizacja jest gotowa na zmiany.

Technologia może postępować szybciej niż ludzie. Mamy osoby świeżo po studiach, które znają AI, znają agenty i mogą być bardzo szybko produktywne. Jednocześnie ludzie z pięcio-, dziesięcio- czy dwudziestoletnim doświadczeniem mogą mieć trudności z przejściem ze swojej strefy komfortu do nowej strefy. Dostrzegamy podobne zachowania w USA, Indiach, Filipinach i Europie.

Staje się to problemem organizacyjnym, a nie jedynie technologicznym.

Firmy, które dokonają przejścia, będą gotowe zmienić sam przepływ pracy. Gdy orkiestrujesz różne zadania z ludźmi i agentową AI pracującymi w procesie, zmieniasz sposób, w jaki praca jest wykonywana.

Jeśli firmy nie dokonają tej zmiany, zrobi to ktoś inny. Uważam, że to kwestia przetrwania lub zgonu. Firmy, które będą innowacyjne, posuną się naprzód, a te, które tego nie zrobią, zostaną zakłócone.

Inicjatywy zdrowotne HGM obejmują autonomiczne kodowanie medyczne, inteligencję głosową i konwersacyjną, analizę predykcyjną oraz agenty AI działające w przepływach pracy administracyjnych i klinicznych. Gdzie Twoim zdaniem AI może usunąć największe tarcia w opiece zdrowotnej, nie narażając przy tym dokładności, prywatności ani zaufania pacjentów?

Jednym z największych problemów w opiece zdrowotnej jest to, że zdigitalizowaliśmy poszczególne funkcje, ale niekoniecznie połączyliśmy całą organizację. Roszczenia, rejestracje, zarządzanie opieką, apteki, usługi dostawców, analizy i cykl przychodów mogą nadal działać jako odrębne systemy. Powoduje to podwójną pracę, nieefektywność, wyższe koszty i słabe doświadczenia.

Nie uważam, że odpowiedzią jest po prostu kolejna aplikacja. Inteligencja musi być wbudowana w przepływ pracy. Szansą jest połączenie danych, procesów i ludzi, aby AI mogło pomóc zrozumieć, co się dzieje, przewidzieć, co nastąpi, zalecić działanie i zautomatyzować pracę, którą można odpowiednio zautomatyzować.

Praca administracyjna to oczywiste miejsce do rozpoczęcia. Dostawcy wciąż radzą sobie z ręcznymi procesami, wstępnymi autoryzacjami i obciążeniem administracyjnym. Jeśli technologia uprości te przepływy pracy, tworzysz większą pojemność dla specjalisty i ostatecznie więcej czasu na opiekę.

Ale zaufanie ma ogromne znaczenie w opiece zdrowotnej. Bezpieczeństwo, zgodność i zarządzanie muszą być częścią architektury. Technologia powinna upraszczać złożoność, a nie ją zwiększać. Celem nie jest AI dla samego AI. Chodzi o lepszą opiekę, niższe koszty, lepszą wydajność operacyjną i lepsze doświadczenia dla członka i dostawcy.

W regulowanych branżach, takich jak opieka zdrowotna, usługi finansowe, ubezpieczenia i sektor publiczny, jak firmy powinny określić, które decyzje mogą być delegowane do autonomicznych agentów AI, a które nadal wymagają przeglądu ludzkiego?

Myślę, że odpowiedzialność staje się granicą rozgraniczającą.

W regulowanych firmach ostatecznie ktoś ponosi odpowiedzialność za to, co jest przedstawiane. W cyberbezpieczeństwie, na przykład, regulatorzy mogą wymagać od zarządu i rad szybkiego ujawnienia informacji, a wyższe kierownictwo może musieć podpisać oświadczenia publiczne. Problem polega na tym, że nikt nie wie wszystkiego, zwłaszcza tak szybko.

AI może łączyć narzędzia, ustalać bazę, organizować informacje i uczynić proces znacznie bardziej produktywnym. Jednak nie eliminuje to odpowiedzialności.

Opieka zdrowotna jest dobrym przykładem. AI może przewidywać, wykrywać, rekomendować i automatyzować, ale te funkcje nie niosą takiego samego poziomu ryzyka. Architektura musi rozpoznać, gdzie automatyzacja jest właściwa, a gdzie ludzie muszą pozostać w pętli. Im bardziej konsekwentna decyzja, tym ważniejsze stają się zarządzanie, wyjaśnialność i odpowiedzialność.

Nie postrzegam tego jako wyboru między całkowicie autonomiczną AI a całkowicie ręczną pracą. Pytanie brzmi, gdzie AI może skutecznie wykonać pracę, a gdzie człowiek nadal musi wydać osąd lub poprzeć wynik.

Współzałożyłeś Rule14, platformę zaprojektowaną do znajdowania, monitorowania, analizowania i podsumowywania informacji w czasie rzeczywistym. Jak duże modele językowe i generatywna AI zmieniły możliwości w wydobywaniu danych i jakie podstawowe wyzwania związane z danymi nadal trzeba rozwiązać?

Duże modele językowe stwarzają możliwość znacznego zwiększenia skalowalności pracy opartej na informacji.

Mamy firmy, w których setki prawników i innych specjalistów pracują z treściami i informacjami, a historycznie korzystali z większej liczby starszych narzędzi niż dużych modeli językowych. Interesuje mnie, jak można wziąć platformy stworzone do jednego celu, odpowiednio je zapakować i wykorzystać na dużą skalę do zupełnie innego celu.

To nie tylko fakt, że model potrafi coś podsumować. Można zmienić ekonomię przetwarzania, pakowania i dostarczania dużych ilości informacji.

Ale nie zakładałbym, że posiadanie dużego modelu językowego oznacza, że nagle wiesz wszystko. Podstawowe informacje nadal mają znaczenie, a w rzeczywistości informacje mogą być niekompletne lub niedostępne, gdy ich potrzebujesz. Modele sprawiają, że jesteśmy znacznie bardziej produktywni; nie eliminują potrzeby zrozumienia, jakie informacje faktycznie posiadasz.

Ekosystem strategiczny HGM obejmuje firmy działające w obszarach autonomicznego kodowania medycznego, ambientowej dokumentacji klinicznej, inteligentnych przepływów pracy, płatności, przetwarzania danych i platform rozwoju AI. Jak tworzysz znaczącą współpracę techniczną i handlową w ramach portfela, nie zmuszając firm do sztucznego ekosystemu?

Wykorzystujesz każdą firmę do tego, co robi najlepiej.

Opisałem to w cyberbezpieczeństwie jako tworzenie małego klubu. Jesteśmy dostawcą usługi, a pozostałe firmy są ekspertami w swoich dziedzinach. Wykorzystujemy każdą z nich pod kątem jej najlepszych możliwości. Łącząc się z nami, zyskują dostęp do naszych klientów, a my korzystamy z ich specjalistycznych kompetencji.

To różni się od stwierdzenia, że każda firma musi korzystać z każdej innej, ponieważ znajdują się w tym samym portfelu. Chodzi o połączenie kompetencji w coś, co klient naprawdę może wykorzystać.

Wewnątrz organizacji przyjmuję podobne podejście. Łączę odpowiednie osoby i pozwalam, by osoba operacyjna prowadziła. Ustalają, co mogą zrobić razem, jakie są budżety i czy to powinno znaleźć się w planie rozwoju produktu.

Współpraca musi tworzyć wartość. W przeciwnym razie nie ma powodu, by ją wymuszać.

Prowadziłeś inwestycje, przejęcia i transformacje operacyjne w wielu regionach i branżach. Czego nauczyłeś się, adaptując produkty AI do różnych środowisk regulacyjnych, kultur biznesowych, języków i poziomów dojrzałości cyfrowej?

Kultura jest ważna, a relacje osobiste są istotne.

Kiedy ludzie znają się jedynie z katalogu biurowego, numeru telefonu lub e‑maila, nazywam to bardzo bezosobową relacją. Może to działać, gdy wszystko jest normalne. Jednak gdy budujesz, rozwijasz, naprawiasz coś lub radzisz sobie z problemem, poznanie osoby po drugiej stronie staje się znacznie ważniejsze.

Podróże uczą, że rynki nie są wszystkie takie same. Dowiadujesz się, co ludzie jedzą, jakie sporty śledzą, jak działają ich systemy szkolne, co jest kulturowo wrażliwe i co tworzy niepotrzebne bariery. Im więcej wiesz o kraju, ludziach i ich stylu życia, tym bardziej zmniejszasz lukę w relacji.

Technologia jest podobna. Różne rynki znajdują się na różnych etapach. Niektóre kraje są bardziej zaawansowane niż USA w niektórych usługach profesjonalnych, podczas gdy my możemy być bardziej zaawansowani w innych formach automatyzacji.

Nie możesz zakładać, że możesz wziąć jeden model, rozmieścić go wszędzie i oczekiwać tego samego wyniku. Musisz zrozumieć, jak dany rynek naprawdę funkcjonuje i budować relacje z ludźmi, którzy będą go używać.

W miarę jak agentowa AI, automatyzacja poznawcza i fizyczna AI nadal się zbliżają, które możliwości uważasz za niedoceniane i jaką radę dałbyś założycielom budującym firmy na tę następną fazę automatyzacji?

Myślę, że przepływy pracy oparte na AI będą bardzo, bardzo pożądane — orkiestracja różnorodnych zadań z ludźmi w pętli i agentową AI w pętli. Uważam, że będą to jedne z najbardziej przełomowych firm.

Zakłócenia będą szersze niż ludzie się spodziewają. Często myśli się, że automatyzacja dotyczy najniższego poziomu siły roboczej. Moim zdaniem najczęściej dotyczy ona warstwy środkowej. Starsi pracownicy mogą zrobić więcej, więc potrzebują mniej warstwy pośredniej. Kodowanie, testowanie, wprowadzanie danych i analiza danych są automatyzowane, podczas gdy przepływy pracy i pulpity zmniejszają potrzebę zarządzania niektórymi z tych funkcji.

Następnie jest strona fizyczna. Restauracje stają się zautomatyzowane. Praca, która dawniej wymagała ludzi w sezonie zbiorów i siewu, jest zastępowana przez autonomiczne maszyny, roboty i drony. Ten krajobraz zmienia się bardzo szybko.

W tej transformacji pojawią się trudności. Silniki produktywności potrzebują nas mniej. Jednak jeśli nie zwiększymy produktywności, nie będziemy w stanie konkurować z bardziej zaludnionymi krajami o zupełnie innych strukturach kosztów. Jeśli uda nam się to zrobić, myślę, że może to być początek nowego amerykańskiego stulecia.

Dla założycieli skupiłbym się na przepływie pracy i produktywności, którą tworzysz. Zbuduj coś, co stanie się częścią rzeczywistego sposobu wykonywania pracy, zrozum, w których miejscach ludzie nadal powinni być w pętli, i uznaj, że organizacje przyjmujące Twoją technologię również przechodzą poważną transformację siły roboczej.

Dziękujemy za świetny wywiad, czytelnicy, którzy chcą dowiedzieć się więcej, powinni odwiedzić HandsOn Global Management.