Chris Perry, Fondator și CEO al Andus Labs – Seria de interviuri

Chris Perry, fondator și CEO al Andus Labs, este un executiv în comunicare, strategie digitală și inovație, cu aproape trei decenii de experiență în ajutarea organizațiilor să navigheze schimbări majore în tehnologie și afaceri. Înainte de a fonda Andus Labs în 2025, Perry a petrecut peste 22 de ani la Weber Shandwick, unde a deținut o succesiune de roluri de conducere senioră, inclusiv Președinte al Futures, Director de Inovație, Președinte al Comunicării Digitale, Vicepreședinte Executiv al Strategiei și Operațiunilor Digitale și Vicepreședinte Senior. La începutul carierei sale, a lucrat în comunicarea tehnologică la General Motors și a fost Vicepreședinte la Edelman. Cariera sa s-a concentrat pe transformarea digitală, tehnologiile emergente, schimbarea organizațională și relația în evoluție dintre tehnologie și oamenii responsabili de punerea acesteia în practică.

Andus Labs ajută întreprinderile să transforme capabilitățile AI în rezultate organizaționale practice, concentrându-se pe sistemele umane care înconjoară tehnologia. Compania își descrie misiunea ca fiind construirea „Human OS for AI” — un strat operațional conceput să orchestreze munca între oameni și agenții AI — bazat pe premisa că investițiile în AI adesea nu dau rezultate când pregătirea organizațională, fluxurile de lucru și adoptarea rămân în urma tehnologiei în sine. Activitatea sa cuprinde programe de orchestrare a muncii AI, produse destinate să consolideze și să amplifice învățarea organizațională și o rețea mai largă de practicieni, artiști și umaniști care explorează cum pot lucra eficient oamenii și AI împreună.

Ai petrecut peste două decenii la Weber Shandwick, evoluând de la roluri digitale senior la Director de Inovație și Președinte, Futures, înainte de a fonda Andus Labs în 2025. Ce ai observat în interiorul marilor organizații în acea perioadă care te-a convins că cel mai mare obstacol în transformarea AI va fi sistemul uman și organizațional din jurul tehnologiei, mai degrabă decât tehnologia însăși?

Am învățat prima dată la studioul de arte grafice al tatălui meu din Detroit, unde am început, înainte de Weber Shandwick. Publicarea desktop a transformat munca tipografilor și ilustratorilor săi, realizată manual, în software. A rupt modelul său de afaceri și nu a observat schimbarea până când a fost prea târziu.

La Weber Shandwick am lucrat cu unele dintre cele mai mari companii din lume prin valurile noi de tehnologie: rețelele sociale, blogurile, video, mobil și date. De fiecare dată, modelul era același. Tehnologia a sosit. Oamenii au simțit schimbarea și au început să o folosească pe cont propriu. Conducerea și structura companiei s-au adaptat ultimul.

În acele valuri anterioare, companiile au plătit pentru acel decalaj pierzând teren, dar oamenii continuau să facă munca. AI face pentru munca de cunoaștere ceea ce publicarea desktop a făcut pentru studioul tatălui meu. Modul în care oamenii își desfășoară munca este integrat în software.

Școlile de afaceri nu te învață cum să conduci o companie în care oamenii și agenții își împart munca. Majoritatea companiilor adaugă AI pe dinafară și fac munca veche mai rapid. Rentabilitatea reală apare când liderii își pregătesc echipele să reconstruiască munca cu AI. Munca își schimbă forma în loc să devină doar mai rapidă.

Am numit compania Andus Labs, ca în „and us”, pentru că am pariat că beneficiul va depinde de oameni.

Andus Labs susține că întreprinderile pot avea capabilități AI avansate, dar totuși să le lipsească „pregătirea umană” necesară pentru a valorifica aceste beneficii. Ce separă o companie care a implementat cu succes AI de una care a transformat cu adevărat modul în care se desfășoară munca?

Am stat cu o companie care raporta 80% adoptare AI și ceva de aproximativ 5% schimbare în modul în care se desfășura munca. Numai cifra de adoptare a ajuns în prezentarea pentru consiliu. A doua cifră nu era ascunsă. Dashboard-ul pur și simplu nu avea un loc pentru ea.

Implementarea este ușor de măsurat. Licențe atribuite, agenți implementați, autentificări. Aceasta este activitate, nu impact. Întrebăm clienții ce poate face compania acum, ce nu putea face înainte. De cele mai multe ori răspunsul sincer este aceleași rapoarte, prezentări și analize, doar mai rapide.

Companiile care se transformă măsoară altceva. Pilotul a generat suficientă valoare pentru a merita scalarea? Putem prezenta ceva în fața consiliului pe care nu l-am fi putut produce cu un an în urmă? IA scade povara de pe umerii celor mai valoroși oameni, permițându-le să facă munca pe care doar ei o pot face? Niciuna dintre acestea nu este la fel de ușor de cuantificat ca numărul de licențe, dar sunt indicatorii care îți spun dacă ceva a evoluat.

Aceste întrebări necesită, de asemenea, un responsabil. Întreabă cine este în majoritatea companiilor și vei obține o listă. CIO-ul deține platformele. Un centru de excelență deține proiectele pilot. HR-ul se ocupă de formare. Impactul asupra afacerii nu aparține niciunei liste.

O companie îți poate spune câți oameni au acces. Cealaltă îți poate spune ce s-a schimbat și cine răspunde pentru asta.

Ground Truth Index se bazează acum pe o bibliotecă de 300 de tipare documentate, observate în cadrul colaborărilor și al discuțiilor cu lideri din 595 de organizații. Cinci agenți analiști independenți evaluează fiecare tipar înainte ca cercetătorii să revizuiască și să stabilească clasamentele finale. Cum a evoluat această metodologie, în ce etapă intervine judecata umană și cum vă asigurați că Indexul nu se limitează la a consolida presupunerile deja prezente în observațiile dumneavoastră de teren?

Metoda s-a schimbat pe măsură ce biblioteca a crescut. Fiecare tipar începe cu ceea ce auzim și vedem în discuțiile cu liderii de afaceri. Verificăm fiecare semnal nou în raport cu biblioteca, îl testăm împotriva observațiilor de pe teren și a cercetărilor externe și decidăm dacă este cu adevărat nou, consolidează un tipar pe care îl urmărim deja sau aparține altui loc.

Inteligența artificială ne ajută să evaluăm întreaga bibliotecă în fiecare trimestru, lucru pe care o echipă de cercetare nu l-ar putea face manual. Agenții citesc fiecare tipar printr-o perspectivă profesională diferită și îl evaluează pe aceleași cinci dimensiuni. Lucrează în orb, astfel încât niciun agent nu poate influența pe altul. Luăm mediana, astfel încât o singură abatere să nu poată modifica scorul, iar primele 50 merg la revizuirea umană.

Judecata umană este prezentă în tot procesul. Echipa noastră de cercetare aprobă fiecare tipar care intră în bibliotecă, revizuiește clasamentele și decide cei 25 finali. Ne concentrăm cel mai mult acolo unde agenții nu sunt de acord și unde atenția mass-media intră în conflict cu ceea ce auzim din teren. Putem ajusta un scor, dar numai pe baza unei observații documentate: cine l-a semnalat, cât de des l-am auzit și dacă a rezistat în diferite organizații. O intuiție nu modifică un scor.

Noul Ground Truth Index clasifică „Empty Chairs” ca fiind prima barieră pentru AI la nivel enterprise, descriind organizațiile care oferă sistemelor AI influență asupra deciziilor precum angajarea, stabilirea prețurilor și riscul, fără a identifica clar cine este responsabil sau are autoritatea să anuleze acele decizii. Pe măsură ce AI trece de la recomandarea acțiunilor la modelarea efectivă a rezultatelor de business, cum ar trebui să arate responsabilitatea umană semnificativă în practică?

Cu cât AI atinge mai multe funcții, cu atât ia mai multe decizii în numele companiei. Responsabilitatea devine o problemă de management înainte de a fi una tehnologică.

Responsabilitatea se situează de obicei undeva între cine a achiziționat sistemul AI și cine îl folosește, iar niciuna dintre părți nu îl deține. Lacuna rămâne invizibilă până când o decizie este contestată. Aceasta este „scaunul gol”.

Responsabilitatea înseamnă un lider desemnat care vede ce produce sistemul și poate explica rezultatul, îl poate corecta sau opri sistemul. Aceasta implică autoritate asupra unui proces care, de obicei, traversează mai multe departamente.

Cerem liderilor să aleagă o decizie semnificativă pe care AI-ul le-a ajutat să o ia în acest trimestru și să ne spună cine este responsabil pentru ea. Când răspunsul nu este clar, compania a schimbat modul în care se iau deciziile fără a stabili cine răspunde pentru ele.

„Learning While Drowning” ocupă locul al doilea în noul Index, evidențiind companiile care impun instruirea în AI în timp ce sarcinile existente ale angajaților rămân neschimbate. În același timp, „Optimization Temptation” arată cât de ușor pot companiile să cuantifice economiile de personal în comparație cu valoarea mai greu de măsurat a redistribuirii oamenilor în activități cu valoare mai mare. Companiile subestimează fundamental investiția organizațională necesară pentru a face forța de muncă mai productivă cu AI, în loc să folosească AI doar pentru a reduce costurile?

Da. Economiile generate prin eliminarea unui rol sunt ușor de înscris într-un tabel. Valoarea cunoștințelor, relațiilor și judecății acelei persoane este mult mai greu de cuantificat. Economiile apar în acest trimestru. Pierderile se pot acumula pe parcursul mai multor ani.

Presupunerea din spatele reducerii este adesea greșită. AI face munca de astăzi mai eficientă și, în același timp, generează noi sarcini care trebuie îndeplinite. Ce observăm este o rebalansare a echipelor, cu oameni care trec în alte roluri în loc ca funcții întregi să fie eliminate.

O mandat de instruire este o decizie legată de volumul de muncă. Companiile suprapun instruirea în AI peste munca existentă, apoi interpretează o rată scăzută de finalizare ca pe o problemă de motivație. Investiția pe care o omite sunt cea care nu intră niciodată în buget. Deciderea asupra muncii care se va opri, se va micșora sau se va muta pentru a face loc și desemnarea persoanei care a aprobat acest lucru. Învățarea necesită timp. Aplicarea necesită și mai mult, deoarece oamenii trebuie să testeze instrumente necunoscute, să verifice rezultatele și să schimbe modul în care au lucrat întotdeauna.

Răspunsul nu este un alt element din listă. Alocă o echipă unui proiect real și învățarea are loc în cadrul muncii.

Indexul identifică, de asemenea, „Devaluation Anxiety”, reflectând îngrijorările legate de ce se întâmplă cu angajații atunci când AI devine capabil să îndeplinească părți din ce în ce mai valoroase ale joburilor lor. Cât de mult din ceea ce directorii etichetează ca rezistență la AI este, de fapt, anxietate rațională privind valoarea carierei și ce ar trebui să facă liderii diferit când introduc aceste sisteme?

Majoritatea este rațională. Angajații aud despre eficiența AI într-un anunț și despre reduceri de personal în următorul. Își trag propriile concluzii.

Conducerea tratează aceste aspecte ca mesaje separate. Echipele nu. Ele finalizează instruirea și amână experimentarea care ar fi făcut-o utilă.

Reasigurarea nu va rezolva problema. Liderii trebuie să comunice ce s-a decis în privința locurilor de muncă, ce rămâne incert și ce sprijin se poate aștepta din partea angajaților.

Același lucru este valabil și pentru beneficiile obținute. Companiile specifică ce așteaptă afacerea de la AI și lasă necompletată partea angajatului. Dacă cineva devine mai rapid, ce câștigă din asta? Mai mult spațiu pentru muncă de calitate, o cale de avansare, timp în plus? Aceste aspecte trebuie incluse în planul de implementare.

Directorii solicită echipelor să lucreze diferit cu AI. Echipele așteaptă să vadă mai întâi cum fac acest lucru directorii.

Un alt model pe care îl identificați este „Inerția activă”, în care organizațiile folosesc IA pentru a accelera procesele existente fără a le schimba fundamental. Cum arată o reproiectare autentică a fluxului de lucru nativ IA și puteți oferi un exemplu al diferenței dintre a face un proces vechi mai rapid și a reconstrui procesul în jurul a ceea ce IA permite acum?

Majoritatea companiilor îndreaptă IA spre orice este cel mai ușor de automatizat, ceea ce este adesea muncă care nu ar trebui să existe în primul rând. Rapoartele sunt produse mai repede. Aprobările avansează în același ritm ca întotdeauna. Aceasta este Inerția activă.

Reproiectarea stabilește dinainte ce fac modelele IA și ce preia echipa, apoi se construiește pentru asta în loc să se moștenească forma veche.

Luați un raport săptămânal. Versiunea mai rapidă are IA care îl redactează, iar aceleași persoane revizuiesc același document în același program. Versiunea reconstruită întreabă care este scopul raportului. Dacă există pentru ca cineva să poată detecta problemele devreme, sistemul poate semnala o problemă în momentul în care apare, iar raportul dispare.

Ați scris că „valoarea este egală cu capacitatea înmulțită cu absorbția” și ați susținut sisteme în loc de simplu software. Pe măsură ce modelele de frontieră devin din ce în ce mai comodificate și accesibile tuturor, ar putea abilitatea unei organizații de a absorbi și de a se reorganiza în jurul IA să devină un avantaj competitiv mai durabil decât accesul la modelele în sine?

Da. Implementarea modelelor este ușoară în comparație cu modificarea muncii în jurul lor. Ele sosesc cu o putere extraordinară și devin mai ieftine în fiecare trimestru. Aceleași modele sunt disponibile oricui. Ceea ce nu puteți cumpăra este contextul unic din interiorul companiei și echipele pregătite să le folosească la potențialul lor maxim.

Ceea ce numim „capacitatea de recepție” este o idee veche. Este abilitatea unei echipe de a absorbi ceva nou și de a-l pune în practică, și este compusă din drepturi de decizie, stimulente, flux de lucru, designul postului și suficientă încredere pentru ca oamenii să vă spună ce a mers greșit. Nimic din acestea nu poate fi închiriat.

Descriu valoarea ca fiind capacitatea înmulțită cu absorbția deoarece cele două se multiplică. Nu se adună. Un model strălucit introdus într-o organizație care nu îl poate absorbi este o componentă perfectă fixată pe un sigiliu defect. Capacitatea este reală. Întoarcerea rămâne zero.

IA agentică introduce un alt nivel de complexitate deoarece sistemele pot tot mai mult să întreprindă acțiuni, să folosească instrumente și să urmărească obiective în loc să genereze doar răspunsuri. Unde ar trebui întreprinderile să traseze linia între autonomia agentului și luarea deciziilor de către oameni și ce noi structuri de guvernanță vor fi necesare pe măsură ce agenții primesc o autoritate mai mare?

Începeți cu o singură întrebare: cine răspunde când agentul greșește?

Trasați linia între ceea ce decide agentul și ceea ce decide o persoană înainte ca orice să devină operațional. Majoritatea companiilor găsesc acea linie după ce ceva s-a defectat deja.

În situațiile în care o greșeală este ușor de anulat și apare rapid, lăsați agentul să acționeze. Când decizia influențează ce câștigă cineva, dacă își păstrează locul de muncă sau care este poziția sa legală, o persoană ia decizia, iar agentul o pregătește.

Instinctul este să centralizezi. Înființați un comitet, redactați un cadru, așteptați până când pare gestionabil. Până când îndrumările de la conducere ajung la lucru, acestea sunt depășite, iar oamenii care nu primesc un răspuns încep să folosească instrumente pe care compania nu le-a aprobat niciodată.

Guvernanța trebuie să fie apropiată de muncă. Echipele trebuie să știe ce poate decide fiecare agent, cine deține responsabilitatea și cum să îl oprească. Și au nevoie de o evidență a ceea ce a făcut.

Organigrama nu a fost niciodată concepută pentru agenți care lucrează între funcții, așa că nicio funcție singulară nu deține responsabilitatea pentru eșec. Rezolvați acest aspect înainte de implementare, nu după.

Privind spre viitor, dacă cele mai mari constrângeri ale IA în întreprinderi devin din ce în ce mai mult organizatorice decât tehnice, cum anticipați că se vor schimba companiile în sine? Care părți ale organigramei actuale, structurii de management, designului posturilor și proceselor de luare a deciziilor sunt cele mai puțin susceptibile să supraviețuiască tranziției către organizații construite în jurul colaborării dintre oameni și agenți IA?

Organigrama funcțională este cea mai puțin probabil să supraviețuiască. Majoritatea companiilor funcționează încă pe bază de funcție, cu munca transferată de la un departament la altul și cu aprobare la fiecare tranziție. IA produce muncă în câteva minute, în timp ce aprobările din jur durează săptămâni. Liderilor li se cere să se miște mai repede în cadrul unor sisteme concepute să încetinească lucrurile.

Acea organigramă a fost creată pentru oameni care transmit munca altor oameni, nu pentru decizii împărtășite între oameni și agenți.
Un comitet nu va rezolva această problemă.

Ceea ce înlocuiește organigrama seamănă cu echipe mici organizate în jurul unei probleme. Un lider identifică o problemă care merită rezolvată, stabilește ce trebuie să fie adevărat pentru a o rezolva și formează o echipă de oameni și agenți pentru aceasta. Echipa respectivă primește propriul buget și protecție, deoarece nu poate funcționa în același mod ca restul afacerii. Membrii echipei iau deciziile de judecată și dețin ceea ce produc agenții.

Motoarele electrice au ajuns în fabricile americane în anii 1880, dar creșterile de productivitate nu au apărut până în anii 1920. Inițial, fabricile instalau un motor mare în locul mașinii cu aburi, conduceau aceleași axe de transmisie și lăsau fiecare mașină la locul ei. Creșterile au venit când au atribuit fiecărei mașini propriul motor și au organizat spațiul în jurul muncii.

Rearanjarea a fost revoluția.

Vă mulțumim pentru interviul excelent. Cititorii care doresc să afle mai multe pot vizita Andus Labs sau pot găsi mai multe informații la Ground Truth Index.