Arun Hiremath, Chief Business Officer e Co-Fundador da EvoluteIQ – Série de Entrevistas

Arun Hiremath, Chief Business Officer e Co-Fundador da EvoluteIQ, é um executivo de tecnologia e empreendedor com quase três décadas de experiência em automação de empresas, estratégia de produtos, desenvolvimento de negócios e telecomunicações. Na EvoluteIQ, ele é responsável por impulsionar o crescimento de receita e fortalecer as relações com os clientes, particularmente por meio do negócio eiq360 da empresa. Antes de se juntar à EvoluteIQ, Hiremath co-fundou e liderou a plataforma de baixo código AmperAXP, que foi integrada à EvoluteIQ em 2021. Sua carreira anterior incluiu posições de gerenciamento de produtos sênior na Qualcomm (QCOM ), Ikanos Communications, Conexant Systems e Globespan, bem como responsabilidade pelo desenvolvimento de negócios na Ásia-Pacífico na Tata Elxsi (TATAELXSI.BO ).

EvoluteIQ é uma empresa de software de empresas que desenvolve uma plataforma nativa de IA para automatizar e orquestrar processos de negócios complexos e de ponta a ponta. Sua plataforma EIQ combina IA agente, IA geradora, automação de processos e decisões, automação de processos robóticos, processamento de dados e eventos inteligentes, integrações de empresas, análise e desenvolvimento de aplicativos dentro de um ambiente de baixo código/sem código. Projetada para substituir ferramentas de automação fragmentadas por uma arquitetura unificada, a plataforma ajuda as organizações a construir fluxos de trabalho adaptáveis que conectam sistemas legados e modernos, mantendo governança, segurança e escalabilidade de nível empresarial. A EvoluteIQ atende a organizações de várias indústrias, incluindo bancos, seguros, saúde, telecomunicações, manufatura, energia e varejo.

Em nossa entrevista anterior com Sameet Gupte, CEO da EvoluteIQ, discutimos a visão mais ampla da EvoluteIQ para automação de empresas nativa de IA. Do seu ponto de vista, trabalhando em estreita colaboração com os clientes, o que mudou mais na forma como as empresas pensam sobre IA agente desde aquela conversa?

A maior mudança é que as empresas pararam de perguntar “O que a IA pode fazer” e começaram a perguntar “Posso confiar na IA para fazer isso?”

Há um ano, a maioria das conversas se concentrava em quais modelos tinham quais capacidades. Os clientes são muito mais pragmáticos agora. Eles querem saber se a IA pode coordenar pessoas, aplicações, políticas, aprovações, conformidade e outros agentes em torno de um resultado de negócios mensurável.

O processamento de sinistros é um bom exemplo. A IA em si não é necessariamente a parte difícil. O desafio é projetar como agentes autônomos trabalham ao lado das pessoas e dentro da governança de TI em vários sistemas, equipes e exceções.

Muitas empresas ainda parecem tratar a IA como outra camada de software adicionada ao topo dos fluxos de trabalho existentes. Por que essa abordagem é limitante, e como é quando uma empresa redesenha um processo em torno da execução autônoma desde o início?

Colocar a IA em cima de um processo quebrado simplesmente permite que você alcance o resultado errado mais rapidamente.

Muitos fluxos de trabalho de empresas foram projetados há 20 anos em torno da tomada de decisão manual. Adicionar a IA como outra etapa pode otimizar o processo, mas não o transforma. A melhor pergunta é qual decisão realmente requer um humano no loop e qual pode ser seguramente delegada a agentes autônomos.

No gerenciamento de despesas, por exemplo, a IA pode avaliar políticas, padrões de gastos, histórico do funcionário e documentos de apoio. Reivindicações rotineiras podem ser aprovadas em minutos, enquanto apenas casos incomuns são escalados para gerentes.

Você argumentou que muitos clientes não têm um problema de fornecedor, mas sim um problema de modelo operacional. Quais são os problemas organizacionais mais comuns que impedem a IA empresarial de escalar além dos pilotos?

A maioria das empresas não tem uma escassez de IA; elas têm uma escassez de propriedade.

O TI é dono da infraestrutura. O negócio é dono do processo. A segurança é dona da governança. As equipes de dados são donas dos modelos. As operações são donas da execução. Mas ninguém necessariamente é dono de como todas essas peças se juntam para entregar um processo de negócios autônomo. O que está faltando é uma maneira unificada de colocar a tecnologia para funcionar.

É por isso que os pilotos muitas vezes se tornam sucessos isolados. As organizações que escalonam a automação com sucesso estão mudando seus modelos operacionais, não apenas comprando mais tecnologia. Elas estão criando equipes multifuncionais que são donas conjuntas dos resultados de negócios, em vez de sistemas individuais. A pergunta importante é: Quem é dono do resultado, e quem é responsável por entregá-lo?

Onde você desenha a linha entre automação útil, automação inteligente e automação agente verdadeira?

Eu as vejo como três estágios de maturidade. A automação segue instruções. A automação inteligente entende as informações fornecidas. A automação agente entende o objetivo de negócios e trabalha em direção ao resultado.

No processamento de faturas, a automação tradicional copia informações entre sistemas. A automação inteligente lê faturas, extrai dados e sinaliza inconsistências. Em seguida, a automação agente pode identificar informações ausentes, se comunicar com fornecedores, aplicar políticas de negócios, lidar com exceções, obter aprovações e concluir o processo.

A diferença não é apenas que a IA é mais inteligente. A diferença é que ela é dona do resultado, em vez de uma tarefa.

Líderes empresariais estão sob pressão para mostrar ROI de IA rapidamente, mas a transformação de processos complexos leva tempo. Como as empresas devem equilibrar velocidade, governança e mudança de modelo operacional de longo prazo?

Velocidade sem governança cria risco. Governança sem velocidade cria frustração. As empresas precisam equilibrar ambos.

As empresas devem começar com um processo de negócios que importa – algo visível que possa demonstrar valor mensurável – mas construí-lo sobre uma base que suporte governança, segurança, observabilidade e conformidade. A solução inicial não deve se tornar outro silo.

O erro é acreditar que a governança desacelera a inovação. A boa governança acelera na verdade a adoção, pois cria confiança. Uma vez que os controles certos estejam no lugar, as organizações podem se mover mais rapidamente e escalar com maior confiança.

A EvoluteIQ enfatizou a automação de processos de ponta a ponta, em vez de automatizar tarefas isoladas. Por que essa distinção é tão importante quando se passa da experimentação de IA para a implantação em produção?

As empresas não experimentam o trabalho como tarefas individuais; elas experimentam resultados. Ninguém comemora porque a extração de documentos se tornou 60% mais rápida. Eles comemoram porque a integração do cliente agora leva apenas algumas horas, em vez de duas semanas. Melhorar tarefas isoladas muitas vezes apenas desloca o gargalo para outro lugar.

Quando a ingestão, validação, aprovações, tomada de decisão, integrações de sistemas e comunicação com o cliente são orquestradas como um fluxo de trabalho de IA nativo, a organização começa a ver resultados de negócios significativos. Otimizar uma tarefa melhora a eficiência, mas otimizar o processo muda o desempenho geral do negócio e pode impactar o P&L.

Os mercados de nuvem estão se tornando cada vez mais canais de distribuição para automação de IA empresarial. Como você vê plataformas como Google Cloud mudando a forma como grandes organizações descobrem, avaliam, adquirem e implantam automação de IA nativa?

Os mercados de nuvem estão fazendo para o software de empresas o que as lojas de aplicativos fizeram para os consumidores, mas com governança de empresas incorporada.

Eles removem a fricção em toda a compra, revisões de segurança e acordos comerciais. As organizações também podem aproveitar compromissos de nuvem existentes, permitindo que as equipes se concentrem menos em como comprar software e mais nos resultados de negócios.

Um cliente não deve ter que esperar por um ciclo de compra de seis meses apenas para avaliar uma plataforma de IA nativa. Os mercados permitem que eles comecem a resolver problemas de negócios muito mais rapidamente, permanecendo dentro da governança de empresas estabelecida.

A EvoluteIQ recentemente destacou o eiq360 como uma plataforma baseada em Google Cloud e Gemini que pode transformar a intenção de negócios em fluxos de trabalho prontos para empresas usando linguagem natural, mantendo governança e controle. O que essa mudança significa para usuários de negócios não técnicos?

Estamos passando de um mundo onde os usuários de negócios descrevem requisitos para equipes de engenharia e esperam pelos resultados para um mundo onde os usuários descrevem resultados.

Com o eiq360, os usuários agora podem descrever o processo que desejam melhorar em linguagem natural. A plataforma pode então ajudar a gerar fluxos de trabalho prontos para empresas, aplicando automaticamente governança, segurança, conformidade e controles operacionais.

Isso não elimina o TI; eleva o TI. As equipes de tecnologia agora podem se concentrar em definir guardrails de empresa, serviços reutilizáveis e padrões de governança, em vez de construir manualmente cada fluxo de trabalho. Essa é uma das mudanças mais importantes que a IA está trazendo para o software de empresas, como vemos.

A frase “a IA de empresas deve ser entediante” vai de encontro a muito do hype atual. O que deve ser entediante, previsível ou repetível sobre a IA quando ela é usada para execução de negócios crítica?

Ninguém quer que o pagamento de salários seja emocionante. Ninguém quer que um sinistro de seguro seja surpreendente. Ninguém quer que uma transação bancária seja criativa.

A IA de empresas deve ser absolutamente inovadora durante a experimentação. Uma vez que entra em produção, deve se tornar maravilhosamente previsível. Deve produzir resultados consistentes, explicar suas decisões, reconhecer quando a confiança é baixa e solicitar intervenção humana quando necessário. A melhor IA de empresas não é a IA sobre a qual todos querem falar. É a IA que ninguém nota porque o negócio simplesmente funciona melhor.

Olhando para o futuro, o que separará as empresas que operacionalizam com sucesso a IA agente daquelas que permanecem presas no modo de piloto?

Os vencedores não terão necessariamente os modelos de IA mais avançados. Eles serão aqueles com os melhores modelos operacionais para IA. Eles redesenharão processos em vez de digitalizar ineficiências, construirão governança antes de escalar e criarão capacidades de empresa reutilizáveis em vez de provas de conceito isoladas.

Os mais importantes serão aqueles que pararão de pensar na IA como outro aplicativo e começarão a tratá-la como uma nova força de trabalho que colabora com pessoas, sistemas e políticas de negócios. A próxima década será sobre otimizar como as pessoas, os agentes de IA e os sistemas de empresas trabalham juntos.