Arun Kumar Ramchandran, CEO da QBurst – Série de Entrevistas

Arun Kumar Ramchandran, CEO da QBurst, é um veterano executivo de tecnologia e serviços com 25+ anos de experiência em liderança, abrangendo consultoria global, vendas de grandes negócios, propriedade de P&L e transformação empresarial. Ele se tornou CEO em abril de 2025 e é responsável por liderar a QBurst em todo o negócio, enquanto molda sua estratégia como uma empresa de serviços de tecnologia e engenharia digital liderada por IA. Antes de ingressar na QBurst, ele ocupou cargos seniores na Hexaware Technologies (HEXT.BO ) (incluindo presidente e liderança de consultoria de GenAI), Capgemini/Sogeti (liderança de cliente e vendas executiva), e Infosys e Virtusa, onde construiu e escalou unidades de negócios, liderou programas estratégicos importantes e impulsionou o crescimento em múltiplas geografias e verticais de indústria.

QBurst é um parceiro de engenharia digital global que se posiciona em torno da “High AI-Q”, combinando entrega habilitada por IA com abordagens orientadas por dados e IA aplicada para ajudar as empresas a modernizar, construir e escalar. A empresa enfatiza a engenharia de experiência digital de ponta a ponta, modernização e engenharia de produtos – apoiando os clientes com iniciativas como plataformas digitais compostas, soluções de experiência do cliente e conversacional, e fundações de dados prontas para IA – visando produzir resultados mensuráveis, como produtividade aprimorada, entrega mais rápida e experiências de cliente mais fortes em uma ampla base de clientes internacionais.

Você assumiu o papel de CEO da QBurst após uma longa carreira de liderança em Hexaware, Capgemini, Infosys e outras organizações globais. O que o atraiu à QBurst neste momento de crescimento da empresa, e como seu histórico influencia a direção que você deseja dar à empresa?

A decisão de ingressar na QBurst foi uma confluência de oportunidade e potencial. O que me atraiu à QBurst foi uma combinação de suas forças inerentes e uma oportunidade de mercado única. A cultura empreendedora da QBurst e seu sucesso com tecnologias de ponta na entrega para clientes exigentes me impressionaram e intrigaram.

Com a convergência de mudanças disruptivas e ambientes em mudança em tecnologia, indústria e regulamentação, uma empresa focada e diferenciada como a QBurst tem uma oportunidade única para se destacar e criar um novo modelo de empresa de serviços de tecnologia e engenharia para o futuro impulsionado por IA.

Com mais de 25 anos em transformação tecnológica em múltiplas indústrias, como sua experiência influenciou a forma como você pensa sobre a escalabilidade de uma plataforma de serviços liderada por IA hoje?

Observei que a principal inovação e adoção de tecnologia ocorrem após o ciclo de hype ter esfriado e problemas de negócios reais começarem a ser resolvidos no nível empresarial. Há três pontos específicos que gostaria de destacar aqui, em termos de escalabilidade de uma plataforma de serviços liderada por IA.

1. Ultrapassando a Etapa de Prova de Conceito.

O maior desafio que vejo hoje é ultrapassar a etapa de prova de conceito. A escalabilidade exige uma mudança de mentalidade: não construímos apenas IA; fornecemos soluções de produção. Na QBurst, ajudamos os clientes a crescer além da etapa de prova de conceito, focando na agilidade – adotando novos modelos com janelas de contexto maiores, em vez de estar preso à tecnologia de ontem.

2. Sem IA sem uma Base Sólida

Uma lição que carreguei por todos os ciclos de tecnologia – desde os primeiros dias de mobile em 2009 até a revolução em nuvem – é que não se pode automatizar o caos. A IA é tão poderosa quanto os dados que a alimentam. A QBurst está impulsionando o crescimento, garantindo que o trabalho “entediante, mas essencial” seja feito, nomeadamente Modernização Digital e Engenharia de Dados Avançada.

3. A Visão de “High AI-Q”

Para liderar essa mudança, reposicionamos a empresa como uma empresa de “High AI-Q”. Isso reflete a integração de IA Geradora e IA Agente em todos os nossos serviços principais, impulsionando a transformação empresarial nativa de IA. Na QBurst, a IA não é um recurso adicional, mas o tecido fundamental da nossa estratégia e entrega. Ela combina modelos de aprendizado de máquina personalizados com automação inteligente para garantir que, à medida que o negócio cresce, sua inteligência também escala.

Fomos pioneiros desde o amanhecer do Android, e estamos aplicando esse mesmo DNA proativo para liderar a era da IA. Na QBurst, não somos apenas uma empresa de tecnologia; somos um parceiro de resultados, cujo crescimento é impulsionado pela satisfação do cliente.

Você enfatizou “High AI-Q” como um quadro definidor para a QBurst. Como os líderes empresariais devem interpretar esse conceito, e por que é um diferenciador importante no atual cenário de IA?

A jornada de “High AI-Q” da QBurst é uma decisão consciente: correr rápido na camada operacional com SDLC impulsionado por IA e fazer movimentos ousados na camada estratégica com Agentes Gerenciados. O mais importante é que isso ancora a empresa inteira em uma mudança cultural, de valores e capacidade humana lenta e fundamental.

Embora haja riscos e preocupações sobre a IA, se implementada de forma segura, a IA pode criar abundância e inovação. As empresas verão valor não apenas em termos de Produtividade, mas também de Crescimento e Transformação.

Do ponto de vista de entrega, estamos vendo isso se desenrolar diariamente por meio de nosso quadro de SDLC impulsionado por IA. Este é o “como” da transformação, onde incorporamos a IA em todas as etapas do desenvolvimento, desde a geração de histórias de usuário até scripts de teste auto-curativos. Os resultados falam por si:

• Tempo de Mercado: Redução significativa nos ciclos de desenvolvimento e teste.
• Qualidade: Redução notável de 25-35% nos defeitos pós-lançamento.
• Eficiência: Melhoria consistente de 20-30% na entrega geral.

A camada estratégica é onde vamos além da otimização de partes para otimizar o ecossistema como um todo. Isso exigiu uma repensada de nossos pilares de solução, levando à criação de Agentes Gerenciados, uma fusão de IA Agente Empresarial e Serviços Gerenciados. Para nossos clientes, isso significa que agentes de IA lidam com tarefas de front-end e back-end, fluxos de trabalho e operações, impulsionando eficiência e inovação contínua. Não estamos apenas entregando serviços; estamos orquestrando uma rede de valor sem falhas.

Muitas empresas estão acumulando o que você chama de “Dívida de IA” – gastos significativos em pilotos de GenAI que não escalam ou geram valor. Quais são as causas raiz desse problema, e como as organizações podem quebrar esse padrão?

As empresas acumulam “Dívida de IA” quando os investimentos em GenAI param nos pilotos e falham em escalar para valor de negócios real. A causa raiz é o que chamamos de armadilha de retrofit – uma tentativa de acoplar capacidades de GenAI em sistemas legados que nunca foram projetados para suportar fluxos de trabalho nativos de IA. Nesses ambientes, dados, arquitetura e governança simplesmente não estão prontos, então os pilotos estagnam ou quebram sob escala.

Isso é agravado pela falta de preparação fundamental. Muitas organizações correm para a experimentação enquanto ignoram investimentos essenciais em estratégia de dados, engenharia de dados e governança. Sem fundações de dados modernizadas e quadros de controle claros, as iniciativas de GenAI permanecem isoladas, provas de conceito, em vez de capacidades empresariais.

Quebrar esse padrão exige uma mudança para um design de IA em primeiro lugar. Em vez de perguntar onde a IA pode ser adicionada, as organizações devem projetar sistemas com resultados de IA em mente desde o início, alinhando arquitetura, fluxos de dados e governança para suportar automação inteligente em escala.

Praticamente, isso começa com engenharia de dados. Construir pipelines de dados robustos e bem governados e modelos cria as condições para que a GenAI escale de forma sustentável. Quando a fundação está certa, a IA se move da experimentação para o impacto. Assim, a “Dívida de IA” dá lugar à criação de valor de longo prazo.

O modelo de contrato tradicional de Tempo e Materiais está cada vez mais sendo visto como desalinhado com as realidades da eficiência impulsionada por IA. Por que esse modelo está se tornando obsoleto, e como abordagens como “Agentes Gerenciados” ou “Serviço como Software” podem fornecer um caminho mais sustentável para a TI empresarial?

O modelo tradicional de Tempo e Materiais foi construído para uma era de escassez de recursos, onde o valor era diretamente ligado ao esforço humano. Na era da IA, essa suposição não se sustenta mais. A inteligência e a execução estão se tornando abundantes, e à medida que a abundância aumenta, o valor se desloca do esforço para os resultados. A IA quebra fundamentalmente a lógica da faturação por hora.

É por isso que a indústria está se movendo em direção a modelos baseados em resultados. Métricas como tickets resolvidos sem intervenção humana ou fluxos de trabalho concluídos de ponta a ponta pela IA fornecem valor claro e mensurável. Esses modelos tratam a capacidade como software, não como mão de obra, o que pode ser descrito como “serviço como software”.

Abordagens como Agentes Gerenciados e Serviço como Software oferecem um caminho mais sustentável para a frente. Eles deslocam o foco do pagamento por esforço para o pagamento por resultados inteligentes, permitindo custos previsíveis, melhoria contínua e benefícios compartilhados da automação. Os Agentes Gerenciados permitem que engenheiros humanos e agentes de IA trabalhem juntos em direção a objetivos de negócios, enquanto o Serviço como Software torna o valor mensurável por meio de resultados, e não horas gastas.

Em um mundo impulsionado por IA, os modelos comerciais mais alinhados são aqueles que recompensam os resultados, não o esforço – criando uma vitória para as empresas e os provedores de serviços.

Sua metodologia “High AI-Q” se concentra em Talentos, Aplicativos e Impacto como as três camadas críticas para a prontidão para IA. Como os CIOs podem avaliar a maturidade em todas essas camadas antes de escalar as iniciativas de GenAI?

Antes de escalar a GenAI, os CIOs precisam ter uma visão clara da maturidade em todas as três camadas de “High AI-Q” de talentos, aplicativos e impacto, e não apenas a pilha de tecnologia.

Na camada de talentos, a maturidade é sobre a prontidão das pessoas. Os CIOs devem avaliar as habilidades de IA, a abertura à mudança e se os funcionários têm acesso seguro e governado a LLMs que permitam experimentação segura.

Na camada de aplicativos, o foco está nos fundamentos de dados e governança, como qualidade de dados, arquitetura, segurança e maturidade de políticas e guardrails em todo o acesso a LLM e práticas de desenvolvimento de IA.

Na camada de impacto, os CIOs devem avaliar os casos de uso por esforço versus valor de negócios. Identificar oportunidades de baixo esforço e alto impacto permite vitórias iniciais e apoia uma abordagem iterativa para escalar a GenAI.

Para organizações que ainda operam em arquiteturas legadas, quais são os passos fundamentais de modernização necessários para se preparar para fluxos de trabalho agênticos e modelos de entrega nativos de IA?

Aqui estão os três passos que podem preparar as organizações à medida que elas se movem em direção a fluxos de trabalho agênticos.

1. Priorize a Modernização da Fundação de Dados: Para as organizações que operam em arquiteturas legadas, o primeiro passo é modernizar a fundação de dados para permitir metadados, linhagem e métricas de qualidade de dados para dados isolados. Isso garante que os agentes tenham os dados contextualmente ricos e explicáveis que precisam. A introdução de ferramentas baseadas em GenAI tornou essa modernização mais rápida e direta. Embora seja possível usar GenAI com arquiteturas legadas, a necessidade de tokens para obter resultados significativos seria extremamente alta.

2. Estabeleça Camadas de Conhecimento Empresarial: As organizações que não modernizaram seus sistemas terão muito conhecimento acumulado não documentado. Construir as camadas de conhecimento para capturar esse conhecimento acumulado transitório dentro do sistema seria a segunda tarefa de alta prioridade. Essa é a camada ausente em muitas jornadas de adoção de IA das organizações.

3. Defina Limites e Modos de Trabalho de Agentes: O terceiro passo é garantir que os agentes adiram a todas as melhores práticas e conformidades de segurança atualmente seguidas pela organização. Quadros de governança, políticas de segurança e quadros de observabilidade permitem que os agentes pensem e ajam de forma eficaz dentro dos limites e modos de trabalho da organização.

Quando se prepara para a “prontidão para IA”, o que isso requer além de ferramentas – em termos de dados, processos, governança e capacidades de equipe?

A prontidão para IA vai muito além da seleção da ferramenta certa. Na prática, a adoção de IA tem sucesso ou falha na capacidade da organização de capturar o conhecimento tribal, como os processos não escritos, a lógica de decisão e as relações-chave que existem apenas na cabeça dos funcionários. Esse conhecimento deve ser documentado em linguagem natural que os sistemas de IA possam raciocinar, e não apenas processar dados em isolamento.

A prontidão dos dados é igualmente crítica, mas a qualidade sozinha não é suficiente. O que realmente determina o sucesso é o metadado, que inclui o contexto, a linhagem e o significado por trás dos dados. Sem isso, mesmo os modelos mais avançados produzem resultados rasos ou imprevisíveis.

A adoção de IA empresarial também está atrasada em relação à IA de consumo por uma razão: governança, segurança e conformidade são não negociáveis. Essas não são obstáculos para contornar, mas requisitos para construir. As organizações devem estabelecer quadros de confiança que incluam guardrails, observabilidade de GenAI, explicabilidade e fluxos de trabalho humanos no loop para garantir que as saídas de IA sejam seguras, repetíveis e precisas.

Finalmente, as equipes precisam desenvolver intuição de IA. A prontidão significa capacitar os funcionários em alfabetização de IA para que saibam como promover efetivamente, validar resultados e auditar saídas, em vez de confiar cegamente em uma “caixa preta”. A IA funciona melhor quando os humanos permanecem firmemente no loop.

O setor de serviços de tecnologia está cheio de jogadores tradicionais. O que você considera os principais diferenciais da QBurst na competição por mandatos de transformação empresarial?

A QBurst se diferencia no mercado de serviços de tecnologia ao combinar profundas habilidades de engenharia com a agilidade de uma empresa menor e inovadora.

Nossa vantagem competitiva é definida por cinco pilares principais:

1. Profundidade de Engenharia com Mentalidade de Design Thinking – Não apenas escrevemos código, resolvemos problemas de negócios por meio de soluções holísticas e centradas no usuário.

2. Agilidade e Propriedade – Somos grandes o suficiente para escalar, mas ágeis o suficiente para nos importarmos – nossa flexibilidade e adaptação a mudanças rápidas são algo que nossos clientes testemunharam. Nossas equipes assumem a verdadeira propriedade do sucesso do cliente. Você verá a propriedade da entrega subir até o nível de liderança sênior.

3. Fluência Cultural: Seja LINE mini-aplicativos no Japão ou sistemas de preços integrados para cadeias de supermercados americanos, personalizamos não apenas a tecnologia, mas a experiência para cada mercado.

4. Visão de IA em Primeiro Lugar – Estamos incorporando a IA em nossa entrega, operações e soluções de cliente – não como um buzzword, mas como um multiplicador de capacidade.

5. Cultura de Inovação e Experimentação – Nossos líderes são tecnicamente astutos e amam resolver problemas de clientes usando a tecnologia mais recente e emergente. Não tememos falhar e criamos um impacto significativo para nossos clientes, adotando uma abordagem de startup em muitos casos.

Também não tememos nos desafiar. Estamos experimentando modelos baseados em resultados, quadros de entrega compostos e laboratórios de co-inovação para clientes empresariais.

Olhando para os próximos três a cinco anos, como você espera que os modelos operacionais de TI empresarial evoluam com o surgimento de fluxos de trabalho agênticos e organizações nativas de IA, e o que os líderes devem se preparar agora?

A próxima onda de inovação pertencerá àqueles que podem casar capacidades de IA poderosas com sistemas de controle, supervisão e confiança pensados. É por isso que a conversa emergente sobre quadros de agência empresarial parece tão importante – e tão urgente.

Algumas das principais percepções para mim são:

• A construção de centros de dados de IA está acelerando, não desacelerando; o sentimento no mundo dos centros de dados é altamente otimista, com capacidade, demanda e investimento todos em alta.
• A adoção de IA empresarial será mais lenta do que a IA de consumo (os dados organizacionais são frequentemente confusos, fragmentados e distribuídos por muitos sistemas, em vez de limpos e centralizados; os modelos atuais ainda não são precisos o suficiente para situações e funções de empresa específicas sem adaptação ao contexto único de cada organização; para desbloquear o valor real, os modelos precisarão ser treinados e ajustados finamente em dados de empresa proprietários, especialmente na “última milha” de fluxos de trabalho e casos de uso específicos)
• Antes que agentes verdadeiramente autônomos possam prosperar nas empresas, há um desafio maior: construir estruturas supervisoras, aprovações e guardrails equivalentes aos que existem para os funcionários, permitindo que a força de trabalho humana execute de forma confiável e escalável.

Os líderes devem se preparar, tendo em mente:

• Os agentes devem ser tratados como novos contratados, com escopos claramente definidos, supervisão explícita e mecanismos para conter erros enquanto “aprendem” as regras escritas e não escritas da organização.
• Há necessidade de um “ônibus de agentes” ou camada de coordenação onde os agentes se registrem, obtenham permissões de gravação e tenham suas ações monitoradas por agentes supervisoras.
• Recriar os controles e equilíbrios que tornam as organizações humanas robustas será crítico para alcançar execução segura, precisa e confiável em um mundo de agência empresarial.
• Gerenciar talentos humanos e reciclagem é outro aspecto importante, pois as interfaces e colaborações humanas com IA mudam com os quadros e sistemas agênticos.
• A fronteira mais emocionante é o surgimento de Quadros de Agência Empresarial avançados – além do que existe hoje – que podem transformar essa visão em uma realidade prática e escalável, quando combinada com uma forte compreensão de domínio e soluções.

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