Ajay Vasal, Líder Global de Dados e IA, Genpact – Série de Entrevistas

Ajay Vasal, Líder Global de Dados e IA, Genpact, é um executivo veterano de tecnologia e estratégia com mais de duas décadas de experiência em inteligência artificial, estratégia de dados, transformação digital, fusões e aquisições e consultoria empresarial. Em seu papel atual na Genpact, ele lidera iniciativas focadas em ajudar as empresas a escalonar a adoção de IA e transitar de IA assistiva para sistemas mais autônomos e integrados operacionalmente. Antes de se juntar à Genpact, Vasal passou quase nove anos na Accenture, onde ocupou várias posições de liderança sênior, incluindo Líder Global de Dados e IA para Indústrias de Consumo e Diretor Global do Centro de Dados e Insights. Ao longo de sua carreira, ele se concentrou em ajudar as organizações a desbloquear valor empresarial mensurável a partir dos dados por meio da eficiência operacional, crescimento de receita e mitigação de riscos, além de liderar investimentos estratégicos, iniciativas de M&A e programas de transformação impulsionados por IA em várias indústrias.

Genpact é uma empresa global de serviços profissionais e transformação digital especializada em dados, IA, análise, automação inteligente e modernização operacional para grandes empresas. Originalmente fundada dentro da General Electric (GE.TO ) antes de se tornar uma empresa independente, a Genpact agora atende a organizações em várias indústrias, incluindo serviços financeiros, saúde, manufatura, varejo e bens de consumo. A empresa tem se posicionado cada vez mais em torno da transformação empresarial impulsionada por IA, combinando análise, automação e expertise de domínio para ajudar as empresas a modernizar fluxos de trabalho, melhorar a tomada de decisões e implantar sistemas de IA em larga escala de forma responsável.

Você passou anos na Accenture moldando a estratégia de dados e IA em várias indústrias antes de assumir seu papel atual na Genpact. Como essa experiência influenciou sua perspectiva sobre por que as empresas ainda lutam para extrair valor real dos investimentos em IA hoje?

Uma das maiores lições ao trabalhar em várias indústrias é que a maioria das organizações não falha porque a tecnologia é fraca. A realidade é que elas lutam porque tentam aplicar IA a modelos operacionais que nunca foram projetados para execução autônoma. As descobertas de nossa pesquisa recente reforçam esse ponto claramente. Embora as empresas estejam se movendo agressivamente para a adoção de IA, muitas ainda lutam para redesenhar os modelos operacionais necessários para suportar a execução autônoma em escala. Essa lacuna destaca como muitas empresas ainda estão trabalhando em questões de governança, responsabilidade e preparação organizacional.

Também estamos vendo as organizações se moverem rapidamente antes de terem os quadros de medição certos no lugar. Setenta e um por cento dos executivos acreditam que a IA agente entregará ROI mais rápido do que qualquer onda de tecnologia anterior, mas 67% ainda dependem de métricas de produtividade que foram construídas para modelos de automação anteriores. Minha experiência mostrou que a adoção bem-sucedida de IA nunca é apenas sobre implantar modelos. É sobre redesenhar fluxos de trabalho, alinhar a tecnologia com prioridades de negócios e ajudar as pessoas a entender como seus papéis evoluem ao lado de sistemas cada vez mais autônomos.

Sua pesquisa recente, Autonomia Exige Confiança em IA, mostra que a maioria dos executivos acredita que a IA agente mudará fundamentalmente as operações comerciais, mas a maioria dos sistemas permanece supervisionada. Qual é a maior desconexão entre crença e execução?

A desconexão está completamente centrada na confiança. Os executivos claramente acreditam que a IA agente redefinirá como o trabalho é feito, mas a crença na tecnologia não se traduz automaticamente em confort com a transferência de autoridade de tomada de decisão. Nossa pesquisa encontrou que apenas 22% das organizações estão confortáveis em permitir que os sistemas de IA operem com autonomia de nível de domínio ou ampla.

A maioria das empresas ainda está confortável usando a IA como um assistente que pode recomendar, resumir ou apoiar fluxos de trabalho. A hesitação começa quando os sistemas de IA são esperados para agir autonomamente de maneiras que afetam operações, clientes, conformidade ou resultados financeiros. Essa hesitação está forçando muitas empresas a manter os humanos estreitamente envolvidos em processos de aprovação e supervisão, mesmo quando elas impulsionam modelos operacionais mais autônomos.

Muitas empresas estão investindo pesadamente em IA, mas falhando em demonstrar retornos significativos. Quais são os erros mais comuns que as organizações cometem ao tentar medir o valor impulsionado por IA?

Um erro importante é que muitas organizações ainda estão usando métricas de produtividade projetadas para ondas anteriores de automação. Os dados mostram que 67% das empresas ainda dependem de medidas baseadas em produtividade que não podem capturar completamente o valor de sistemas decisivos e adaptáveis. Isso cria uma desconexão real entre expectativas e como o valor é medido.

Outro problema é que muitas organizações ainda não definiram métricas de sucesso nativas de IA. Apenas uma pequena porcentagem de empresas está medindo coisas como conclusão de fluxo de trabalho autônomo, redução de taxas de escalonamento ou tratamento de exceções autônomas. Se as empresas continuarem se concentrando apenas na redução de custos ou horas economizadas, elas perderão o impacto operacional mais amplo que a IA agente é projetada para criar.

O relatório sugere que a preparação organizacional é uma barreira maior do que a tecnologia em si. Quais mudanças estruturais específicas as empresas precisam fazer para desbloquear o potencial total da IA agente?

As organizações precisam repensar como a responsabilidade, a propriedade do fluxo de trabalho e a tomada de decisão operam em toda a empresa. Uma das principais lições da pesquisa é que a preparação organizacional está se tornando uma barreira maior do que a tecnologia em si. De fato, 33% das empresas identificaram processos de negócios não prontos para integração agente como o principal obstáculo à adoção.

As empresas que estão fazendo mais progresso estão redesenhando fluxos de trabalho de ponta a ponta para que sistemas autônomos possam operar dentro de limites e estruturas de supervisão claramente definidos. Também encontramos que 44% das empresas esperam que a IA agente aplane as estruturas de gestão à medida que os sistemas absorvem tarefas de coordenação tradicionalmente tratadas pela gestão intermediária. Os funcionários precisam de muito mais clareza sobre responsabilidades de supervisão, pontos de intervenção e onde o julgamento humano se encaixa em um ambiente cada vez mais autônomo.

Apenas uma pequena porcentagem de organizações está confortável em conceder autonomia real aos agentes de IA. O que será necessário para que as empresas confiem nos sistemas de IA com autoridade de tomada de decisão?

A confiança na IA agente ultimately se resume à responsabilidade e controle. As empresas ainda são cautelosas em transferir autoridade de tomada de decisão porque os líderes querem confiança de que os sistemas autônomos possam operar dentro de guardrails e estruturas de governança claras.

As empresas que estão avançando estão projetando sistemas onde caminhos de escalonamento, gatilhos de intervenção e controles de governança são construídos diretamente no modelo operacional. A maioria das organizações está concedendo autonomia incrementalmente com base no contexto empresarial e na tolerância ao risco, em vez de dar um salto repentino para a autonomia total. À medida que as empresas ganham confiança por meio de implantações bem-sucedidas, a confiança cresce porque os líderes podem claramente ver como as decisões são tomadas, onde a responsabilidade reside e como a supervisão humana é mantida.

As empresas esperam escalonar a IA agente rapidamente, mas muitas ainda dependem de métricas de produtividade desatualizadas. Como as métricas de desempenho nativas de IA mais eficazes devem parecer?

As métricas nativas de IA precisam medir execução e resultados, em vez de atividade. As medidas tradicionais de produtividade se concentram em se as pessoas estão trabalhando mais rápido, mas a IA agente muda a equação porque o próprio sistema começa a carregar parte da carga de trabalho operacional. Isso é importante porque muitas organizações ainda estão medindo a IA agente por meio de uma lente de produtividade que foi projetada para ondas anteriores de automação, em vez de execução autônoma.

Métricas mais eficazes devem se concentrar na conclusão autônoma do fluxo de trabalho, taxas de escalonamento reduzidas, execução de decisão mais rápida e como os sistemas gerenciam exceções com intervenção humana limitada. Essas métricas fornecem uma imagem muito mais clara de se a IA está realmente melhorando a execução em escala.

Você destaca que a redesignação do processo é a principal barreira à adoção. Por que a transformação do fluxo de trabalho é mais importante do que o desempenho do modelo nessa próxima fase de IA?

A transformação do fluxo de trabalho importa porque mesmo os sistemas de IA mais avançados não podem escalar efetivamente dentro de processos quebrados ou fragmentados. Nossa pesquisa encontrou que 33% das empresas identificaram a preparação do processo como a principal barreira à adoção da IA agente.

O que torna essa próxima fase diferente é que a IA agente é projetada para executar fluxos de trabalho, em vez de apenas apoiar dentro deles. As organizações devem redesenhar processos em torno da execução autônoma, esclarecendo a propriedade da decisão, removendo handoffs desnecessários e incorporando governança diretamente nos fluxos de trabalho. De muitas maneiras, a redesignação do fluxo de trabalho agora é a verdadeira fundação para a adoção escalonável de IA.

O relatório sugere que a IA aplanará as estruturas organizacionais à medida que as tarefas de coordenação se tornam automatizadas. Como você vê os papéis de liderança e a gestão intermediária evoluindo como resultado?

À medida que a IA agente assume mais tarefas de coordenação e supervisão operacional, os papéis de liderança provavelmente mudarão de gerenciar a execução rotineira para orientar a estratégia, o julgamento e a governança. Nossa pesquisa encontrou que muitas empresas esperam que a IA agente reduza as camadas de coordenação em toda a organização à medida que os sistemas autônomos assumem mais responsabilidades de supervisão operacional.

A gestão intermediária historicamente desempenhou um papel importante em rotear decisões e manter a continuidade operacional entre equipes. À medida que os sistemas autônomos lidam com mais dessas atividades, os líderes precisarão se concentrar mais no gerenciamento de exceções, responsabilidade e garantir que os sistemas estejam alinhados com os objetivos de negócios. A liderança humana se tornará ainda mais importante em áreas onde o contexto, a ética e o julgamento ainda importam mais.

A Genpact se posiciona como uma empresa de soluções de tecnologia avançada e agente. Como a empresa está abordando a IA agente de forma diferente das empresas de consultoria ou tecnologia tradicionais?

A abordagem da Genpact é fundamentada na execução e nos resultados e no que frequentemente descrevemos como resolver o “último milha” do problema de adoção de IA. Muitas organizações já provaram que os modelos de IA podem gerar insights ou melhorar a produtividade, mas o desafio real é incorporar essas capacidades em fluxos de trabalho de negócios reais onde o trabalho é feito. É aí que muitas iniciativas de IA estagnam. Nosso foco está em ajudar os clientes a operacionalizar a IA agente em toda a última milha da execução para que os sistemas possam impulsionar resultados mensuráveis dentro de funções empresariais centrais, como finanças, cadeia de suprimentos, atendimento ao cliente e outras.

O que diferencia nossa abordagem é a combinação de expertise profunda em processos com capacidades de dados, tecnologia e IA. Não estamos apenas implantando modelos ou construindo pilotos. Estamos redesenhando fluxos de trabalho, incorporando governança nas operações e ajudando as empresas a criar as estruturas de responsabilidade necessárias para a execução autônoma em escala. Como também incorporamos a IA agente em nossas próprias operações, trazemos experiência prática sobre o que é necessário para mover de experimentação para impacto empresarial em toda a empresa.

Olhando para o futuro, você acredita que a IA agente ampliará a lacuna entre as empresas líderes e as que estão atrasadas, e o que as empresas devem fazer agora para evitar ficar para trás?

Sim, eu acredito que a lacuna se ampliará porque a IA agente compõe o valor de maneira diferente das ondas de tecnologia anteriores. As organizações que redesenham com sucesso os fluxos de trabalho, estabelecem estruturas de responsabilidade e constroem confiança nos sistemas autônomos criarão vantagens operacionais que se tornarão difíceis para os concorrentes replicar. O que é notável é como rapidamente essa mudança está acontecendo. Vinte e nove por cento das empresas esperam que a IA agente se escale em toda a empresa nos próximos 12 meses.

Para as empresas que buscam permanecer competitivas, a prioridade agora deve ser preparar o modelo operacional para a execução autônoma. Isso inclui redesenhar fluxos de trabalho, definir estruturas de propriedade, construir quadros de medição nativos de IA e investir na preparação da força de trabalho. As organizações que se movem cedo nesses fundamentos estarão muito melhor posicionadas do que aquelas que ainda abordam a IA como uma iniciativa de tecnologia autônoma.

Obrigado pela grande entrevista, leitores que desejam aprender mais devem visitar Genpact.