Ankur Dhingra, CEO al ProHance – Serie de Interviuri

Ankur Dhingra, CEO al ProHance, este un executiv cu experiență în tehnologie și operațiuni, având peste două decenii de conducere în productivitatea enterprise, servicii financiare și operațiuni de afaceri globale. Conduce ProHance din 2020, concentrându-se pe construirea unei platforme unificate pentru observarea, guvernarea și îmbunătățirea productivității în rândul lucrătorilor umani, furnizorilor și sistemelor AI. Înainte de a deveni CEO, Dhingra a fost partener la FutureIP, unde a fost dezvoltat ProHance ca platformă de management al operațiunilor și analiză. Anterior, a petrecut peste opt ani la American Express, ocupând funcția de vicepreședinte și director general al Global Back Office Operations și, anterior, conducând operațiunile de implicare a clienților care cuprindeau servicii telefonice, chat, reglementare și asigurarea afacerii la scară largă. Cariera sa include, de asemenea, roluri de conducere senioră la Genpact, unde a gestionat o practică bancară de 1.100 de persoane și un P&L de 35 de milioane de dolari, și la GE Capital, unde a condus operațiunile de servicii financiare în India.

ProHance este o companie de inteligență a forței de muncă la nivel enterprise și analiză a productivității, care oferă organizațiilor vizibilitate în timp real asupra modului în care munca este realizată de angajați, furnizori externi, copiloți AI și agenți autonomi. Platforma sa, poziționată ca „Sala de Control a Productivității”, combină analiza forței de muncă, planificarea capacității, alocarea inteligentă a sarcinilor, măsurarea productivității și instrumente de guvernanță pentru a ajuta întreprinderile să identifice blocajele operaționale, să optimizeze utilizarea resurselor și să înțeleagă impactul AI asupra performanței organizaționale. ProHance afirmă că tehnologia sa este utilizată de peste 450.000 de utilizatori în 220 de întreprinderi din 55 de țări, cu aplicații în domeniile bancar și servicii financiare, externalizarea proceselor de afaceri, centre de capabilități globale, sănătate și tehnologia informației.

Ai petrecut peste două decenii conducând operațiuni la scară largă la GE Capital, Genpact și American Express înainte de a deveni CEO al ProHance. Ce ți-au învățat aceste experiențe despre limitările managementului tradițional al forței de muncă și al productivității și cum au modelat aceste lecții modul în care construiești ProHance pentru o întreprindere AI-first?

Experiența mea la GE Capital, Genpact și American Express mi-a arătat că una dintre cele mai mari lacune în managementul tradițional al forței de muncă nu era neapărat la nivelul front‑office, ci în back‑office.

La American Express, am lucrat anterior în zona serviciului pentru clienți, unde centrul de contact avea acces la o tehnologie destul de sofisticată pentru a măsura productivitatea – unde oamenii își petreceau timpul, utilizarea, volumele de interacțiune și cum puteau fi optimizate procesele. Dar când am trecut la conducerea operațiunilor de back‑office, am observat o realitate foarte diferită.

O cantitate imensă de muncă în marile întreprinderi are loc în spatele scenei – procesarea tranzacțiilor, gestionarea cazurilor, introducerea datelor și alte activități bazate pe procese – totuși existau puține măsurători semnificative ale modului în care acea muncă era efectiv realizată. Tehnologia și vizibilitatea existente pentru front‑office pur și simplu nu se transpun în back‑office.

Am devenit aproape irațional obsedat de această problemă. Am început să analizez tehnologiile disponibile și să vorbesc cu jucători consacrați, dar am constatat că acestea erau fie prea greoaie, fie prea scumpe, fie pur și simplu nu erau concepute pentru realitățile operațiunilor de back‑office. Continuam să mă gândesc: aceasta este o industrie de peste 150 de miliarde de dolari și o problemă existentă de ani de zile. Cu siguranță cineva trebuie să o rezolve mai bine.

Această căutare m-a condus în cele din urmă la ProHance, unde Rajesh Sharma și Kishore Reddy (co‑fondatori ai ProHance) dezvoltaseră deja o tehnologie care aborda multe dintre provocările pe care le-am identificat ca utilizator avansat al acestor sisteme. Știam exact ce trebuia să facă tehnologia – să captureze activitatea automat, să funcționeze pe diferite sisteme de operare, să măsoare timpul atât în sistem, cât și în afara acestuia și să ofere o perspectivă fiabilă asupra modului în care munca se desfășoară efectiv.

Această experiență a modelat modul în care privesc ProHance astăzi. Lecția este că nu poți construi o întreprindere AI‑first simplu adăugând AI la instrumentele existente de management al forței de muncă. Mai întâi ai nevoie de o înțelegere fiabilă și granulară a muncii în sine. AI poate apoi să transforme modul în care acea muncă este analizată, optimizată și, în final, reproiectată.

Pentru mine, ProHance înseamnă aducerea aceluiași nivel de vizibilitate și inteligență pe care întreprinderile le-au avut istoric în front‑office, la întreaga organizație – și utilizarea AI pentru a obține o măsură mai bună a productivității, care va îmbunătăți fundamental modul în care munca este realizată.

Pe măsură ce AI generativ și agenții AI preiau o parte tot mai mare a muncii de cunoaștere, semnalele tradiționale de productivitate, cum ar fi orele lucrate sau utilizarea aplicațiilor, pot deveni mai puțin semnificative. Cum ar trebui întreprinderile să redefinească productivitatea când un om poate realiza în 30 de minute ceea ce anterior necesita câteva ore?

Productivitatea trebuie să treacă de la măsurarea activității la măsurarea rezultatelor. Dacă AI permite cuiva să finalizeze în 30 de minute ceea ce anterior dura trei ore, referința de trei ore nu mai este relevantă. Accentul ar trebui să fie pe ceea ce s‑a realizat, pe calitatea rezultatului și pe modul în care timpul și abilitățile au fost utilizate eficient.

Acest lucru înseamnă, de asemenea, că întreprinderile trebuie să înțeleagă unde AI elimină cu adevărat munca repetitivă și unde judecata umană rămâne esențială. Productivitatea ar trebui să reflecte din ce în ce mai mult rezultatele, capacitatea, calitatea și impactul asupra afacerii, mai degrabă decât orele petrecute la birou sau utilizarea aplicațiilor.

Ai descris inteligența forței de muncă ca devenind din ce în ce mai critică în întreprinderea AI‑first. Ce înseamnă, în practică, „inteligența forței de muncă” și cum diferă aceasta de instrumentele de monitorizare a angajaților și de analizele forței de muncă pe care companiile le-au folosit în mod tradițional?

Inteligența forței de muncă se referă în esență la oferirea unei înțelegeri mai clare a modului în care munca se desfășoară efectiv într-o organizație. Ea reunește semnale legate de volumul de muncă, capacitate, utilizare, procese și rezultate pentru a ajuta liderii să identifice unde echipele sunt suprasolicitate, unde există capacitate și unde munca se blochează.

Acest lucru diferă de monitorizarea tradițională a angajaților, care se concentra adesea pe activitatea individuală. Inteligența forței de muncă ar trebui să funcționeze la un nivel mult mai larg. Obiectivul nu este să întrebăm „Ce face acest angajat în fiecare minut?”, ci „Cum curge munca în întreaga organizație și ce putem face pentru a o îmbunătăți?”

ProHance combină din ce în ce mai mult datele deterministe ale forței de muncă cu învățarea automată pentru a genera informații predictive, inclusiv identificarea potențialelor riscuri de demotivare și retenție. Cum te asiguri că aceste modele AI disting tiparele semnificative de variațiile normale în comportamentul angajaților și cât de importantă este explicabilitatea atunci când managerii iau decizii privind oamenii?

La ProHance, considerăm că calitatea și contextul datelor de bază sunt esențiale. Comportamentul angajaților variază natural în funcție de proiecte, volume de muncă, echipe, sezoane și cicluri de afaceri. O schimbare în activitate, în sine, nu indică neapărat demotivare sau risc de retenție.

Abordarea constă în căutarea tiparelor în multiple semnale și pe parcursul timpului, mai degrabă decât în tragerea de concluzii dintr-un singur comportament. AI poate ajuta la identificarea tiparelor care necesită atenție, dar nu ar trebui să fie considerat factorul de decizie final.

Explicabilitatea este la fel de importantă. Dacă un sistem semnalează un potențial risc, managerii ar trebui să poată înțelege factorii din spatele acelui semnal și să își aplice propriul discernământ. Când tehnologia este utilizată pentru a informa decizii privind oamenii, transparența și supravegherea umană sunt esențiale.

Există o îngrijorare firească a angajaților atunci când organizațiile introduc tehnologie capabilă să analizeze tiparele de muncă, utilizarea aplicațiilor, timpul de inactivitate sau performanța. Unde ar trebui să traseze întreprinderile linia între obținerea unei vizibilități operaționale utile și crearea unei culturi de supraveghere?

Linia este determinată în mare parte de intenție, transparență și modul în care sunt utilizate datele. Angajații sunt, firește, inconfortabili atunci când tehnologia este introdusă fără claritate privind ce se măsoară și de ce.

Obiectivul ar trebui să fie înțelegerea muncii la nivel organizațional și operațional, nu supravegherea constantă a indivizilor. Dacă datele forței de muncă ajută la identificarea supraîncărcărilor, blocajelor sau proceselor ineficiente, ele pot îmbunătăți efectiv experiența angajaților.

Întreprinderile ar trebui să fie, de asemenea, clare cu privire la ceea ce nu încearcă să facă. Tehnologia ar trebui să ajute managerii să aibă discuții mai bune cu echipele lor, nu să înlocuiască acele discuții sau să creeze un sistem de observație constantă.

Copiloții AI și agenții autonomi devin din ce în ce mai mult parte a forței de muncă. Crezi că platformele de inteligență a forței de muncă vor trebui în cele din urmă să măsoare productivitatea oamenilor și a agenților AI împreună și cum ar putea arăta un metric semnificativ de productivitate om‑AI?

Da, cred că acest aspect va deveni din ce în ce mai important. Pe măsură ce agenții AI încep să preia părți din fluxurile de lucru, măsurarea doar a activității umane va oferi întreprinderilor o imagine incompletă a modului în care munca este realizată.

Totuși, nu cred că vom ajunge la un singur scor de productivitate „om versus AI”. O abordare mai utilă ar fi să înțelegem rezultatul combinat al oamenilor, instrumentelor AI și agenților pe parcursul unui flux de lucru.

Întreprinderile ar putea analiza cât timp elimină AI din sarcinile repetitive, cât de rapid se desfășoară procesele, calitatea rezultatelor și unde intervenția umană este încă necesară. Întrebarea reală devine: cât de eficient lucrează oamenii și AI împreună?

ProHance vorbește despre trecerea de la măsurarea brută a productivității la inteligența operațională, incluzând analiza volumului de muncă, prognoza, optimizarea proceselor și alocarea resurselor. Cât de mult din viitorul acestei categorii va fi despre AI care recomandă proactiv ce ar trebui să schimbe managerii, în loc să le prezinte doar panouri de control?

Cred că acesta este direcția în care ProHance vede că se îndreaptă categoria. Panourile de control sunt utile, dar tot lasă managerii cu responsabilitatea de a interpreta informațiile și de a decide ce să facă în continuare.

Următoarea etapă este ca platformele să identifice un tipar și să ajute la răspunsul „ce ar trebui să facem în legătură cu asta?”. Aceasta ar putea însemna evidențierea unei echipe suprasolicitate, identificarea unui set de competențe subutilizat, prognozarea unui deficit de capacitate sau sugerarea unui punct de îmbunătățire a unui proces.

Pentru ProHance, valoarea va veni din ce în ce mai mult din trecerea de la vizibilitate la acțiune. AI ar trebui să ajute managerii să ia decizii mai bune, menținând însă decizia în mâinile persoanei care înțelege afacerea și contextul.

Ai comparat inteligența productivității cu un raport de sănătate anual pentru o organizație. Care sunt cele mai importante semnale pe care directorii ar trebui să le urmărească pentru a determina dacă forța lor de muncă este cu adevărat sănătoasă, productivă și se adaptează cu succes la AI?

Aș privi o combinație de semnale, nu un singur indicator al productivității. Capacitatea și volumul de muncă sunt puncte de plecare evidente, dar directorii ar trebui să înțeleagă și dacă munca este distribuită eficient, unde apar blocaje, cum se adaptează echipele la AI și dacă oamenii petrec prea mult timp pe activități cu valoare scăzută.

Un alt semnal important este sustenabilitatea. O echipă care livrează rezultate excepționale pentru că oamenii lucrează constant peste capacitatea rezonabilă nu este neapărat sănătoasă sau productivă pe termen lung.

O forță de muncă sănătoasă este cea în care capacitatea, volumul de muncă și rezultatele sunt echilibrate rezonabil, oamenii au spațiu să se concentreze pe activități cu valoare mai mare, iar organizația poate să se adapteze pe măsură ce natura muncii se schimbă.

„Productivitatea” a dezvoltat asocieri negative pentru mulți angajați, deoarece poate sugera realizarea unei cantități mai mari de muncă cu mai puțini oameni. Cum pot organizațiile recâștiga conceptul și folosi inteligența productivității bazată pe AI pentru a îmbunătăți experiența angajaților, a reduce epuizarea și a elimina munca cu valoare scăzută, în loc să crească pur și simplu producția?

Organizațiile trebuie să renunțe la definirea productivității simplu ca „mai multă producție din mai puțini oameni”. Această definiție este prea restrictivă, în special într-un mediu de lucru susținut de AI.

AI ar trebui, în mod ideal, să ofere oamenilor înapoi timpul consumat în prezent de administrarea repetitivă, procesele manuale și sarcinile cu valoare scăzută. Oportunitatea este să folosească acel timp pentru rezolvarea de probleme, interacțiunea cu clienții, inovație și munca care necesită judecată umană.

Dacă inteligența productivității este utilizată pentru a identifica unde oamenii sunt supraîncărcați sau își petrec timpul ineficient, ea poate deveni, de fapt, un instrument pentru experiența angajaților. Scopul ar trebui să fie să facă munca mai bună, nu pur și simplu să facă oamenii să lucreze mai repede.

Privind spre viitor, pe măsură ce AI devine integrat în aproape fiecare flux de lucru al întreprinderii, ce crezi că va diferenția organizațiile care își completează cu succes forța de muncă cu AI de cele care implementează tehnologia, dar nu reușesc să o transforme în creșteri semnificative ale productivității?

Organizațiile care vor beneficia cel mai mult de AI vor fi cele care privesc dincolo de simpla implementare a tehnologiei. Accesul la un instrument AI nu creează automat creșteri ale productivității.

Liderii vor înțelege unde AI schimbă fluxurile de lucru, cum evoluează rolurile și dacă organizația obține cu adevărat rezultate mai bune din tehnologie. Ei vor măsura continuu ce funcționează și vor ajusta în consecință.

În final, organizațiile de succes vor trata adoptarea AI ca pe o schimbare în modul în care se realizează munca, nu ca pe o simplă implementare tehnologică. Ele vor combina AI cu procesele, competențele, vizibilitatea forței de muncă și practicile de management adecvate. Aceasta va determina dacă AI devine un avantaj real al productivității sau doar un alt strat tehnologic.

Vă mulțumim pentru acest interviu excelent. Cititorii care doresc să afle mai multe ar trebui să viziteze ProHance.