Jason Wojahn, director general al KMS Technology – serie de interviuri

Jason Wojahn este directorul general al KMS Technology și are aproximativ trei decenii de experiență în dezvoltarea și extinderea companiilor de servicii tehnologice pentru întreprinderi. A cofondat și a condus Thirdera înainte ca aceasta să fie achiziționată de Cognizant, a condus anterior divizia globală ServiceNow a Accenture și a ocupat funcții de conducere la Cloud Sherpas și IBM Global Services. Activitatea sa se concentrează pe transformarea întreprinderilor, modelele operaționale și valorificarea progreselor în domeniul IA pentru obținerea unor rezultate de afaceri măsurabile.

KMS Technology este o companie de inginerie digitală, date și IA, care ajută organizațiile să dezvolte software, să modernizeze aplicații, să-și consolideze fundația de date și să implementeze IA în mediul de producție. Serviciile sale includ consultanță tehnică, ingineria produselor, ingineria datelor și automatizarea inteligentă a fluxurilor de lucru. În acest interviu, Wojahn vorbește despre „Economia Execuției”, decalajul dintre proiectele-pilot de IA și implementarea în producție, autoritatea decizională a agenților și modul în care companiile pot măsura progresul prin rezultate de la un capăt la altul.

Ai petrecut trei decenii dezvoltând și extinzând organizații de tehnologie pentru întreprinderi, de la dezvoltarea Navigis și conducerea diviziei globale ServiceNow a Accenture până la construirea Thirdera și actualul rol de director general al KMS Technology. Cum ți-au influențat aceste experiențe perspectiva asupra transformării întreprinderilor și ce te-a atras la provocarea de a ajuta organizațiile să devină native IA?

Mi-am început cariera la IBM Global Services, unde coordonam furnizarea serviciilor pentru clienți mari din mediul enterprise. Apoi au urmat Navigis, Cloud Sherpas, Accenture, Thirdera și Cognizant — aproape toată activitatea mea s-a desfășurat în ecosistemul ServiceNow.

Iată tiparul pe care l-am observat mereu. Fiecare nou val de platforme promitea transformarea, dar rareori tehnologia era cea care stabilea cine câștigă. Câștigătoare erau companiile care schimbau modul în care circula efectiv munca prin organizație.

Anii petrecuți în domeniul ServiceNow m-au învățat că valoarea se află în fluxurile de lucru, nu în tablourile de bord. Timp de treizeci de ani, software-ul pentru întreprinderi a devenit foarte bun la a ne spune ce se întâmpla. A fost mult mai puțin eficient în a face ceva în privința asta. Oamenii au acoperit acest gol. Au devenit echipa de integrare neremunerată, transferând munca dintr-un sistem în altul.

IA schimbă lucrurile. Inteligența devine abundentă. Ceea ce este acum rară este capacitatea de a o transforma în acțiuni coordonate. Acesta este motivul pentru care am venit la KMS: expertiza inginerească aprofundată necesară pentru a construi sisteme care fac treaba, nu doar o urmăresc, și șansa de a deveni nativi IA, nu doar susținuți de IA.

Multe întreprinderi au demonstrat cu succes potențialul IA prin proiecte-pilot, însă întâmpină dificultăți în a transforma aceste succese inițiale în valoare la scară de producție. Care sunt cele mai frecvente obstacole cu care se confruntă organizațiile când încearcă să depășească etapa experimentării și de ce apar adesea aceste provocări abia după ce tehnologia și-a dovedit eficiența?

Un proiect-pilot demonstrează că modelul funcționează. Producția demonstrează că organizația funcționează.

Sunt două teste foarte diferite. Un proiect-pilot folosește date curate, selectate cu grijă, are un sponsor motivat și o echipă restrânsă care găsește soluții pentru fiecare lacună. Este conceput să evite părțile dificile.

În producție, acestea nu pot fi evitate. Acum, agentul trebuie să acceseze cinci sisteme, nu unul singur. Cineva trebuie să își asume răspunderea pentru rezultat atunci când agentul greșește, să decidă ce are voie să aprobe și să suporte costurile funcționării sale în fiecare zi.

De aceea apar aceste provocări după ce tehnologia și-a dovedit eficiența. Nu au fost niciodată probleme tehnologice. Sunt probleme legate de date, integrare, responsabilitate și autoritate, iar proiectul-pilot a fost conceput să le ocolească pe toate.

Soluția este să nu mai tratăm proiectele-pilot ca pe niște demonstrații. Să privim proiectul-pilot ca pe prima etapă a producției. Alegeți un flux de lucru important, conectați-l la sistemele reale, desemnați un responsabil și definiți ce poate decide agentul încă din prima zi. Începutul va fi mai lent, dar extinderea se va face mult mai repede.

Ai descris o schimbare către o „Economie a Execuției”, în care avantajul competitiv depinde tot mai mult de capacitatea unei organizații de a transforma inteligența în acțiuni coordonate. Ce înseamnă acest concept în practică și cum schimbă el modul în care întreprinderile ar trebui să abordeze investițiile în IA?

Fiecare activitate parcurge același lanț: informație, perspectivă, decizie și execuție.

Software-ul pentru întreprinderi s-a concentrat timp de decenii asupra primelor două etape, iar IA le îmbunătățește rapid pe primele trei. Execuția este etapa la care cele mai multe organizații încă se împotmolesc și este și zona în care se mută avantajul competitiv.

În practică, Economia Execuției înseamnă că inteligența nu mai este resursa rară. Rara este capacitatea de a duce lucrurile la bun sfârșit. Două companii pot avea aceleași modele, aceleași date și aceleași perspective. Câștigă compania care transformă aceste perspective în acțiuni coordonate, cu autoritate clară și o pistă de audit.

Acest lucru schimbă modul în care ar trebui făcute investițiile. Astăzi, cea mai mare parte a bugetelor pentru IA este alocată instrumentelor: copiloți, asistenți, funcții de căutare îmbunătățite. Acestea îi fac pe oameni mai eficienți. Dar o propunere redactată de IA în zece minute poate totuși să aștepte trei zile până la aprobare. Sarcinile mai rapide nu înseamnă rezultate mai rapide.

Așadar, finanțați fluxuri de lucru, nu instrumente, și începeți cu o altă întrebare. Nu „Cum putem crește cu 20% productivitatea acestui angajat?”, ci „Ce activități nu ar mai trebui să necesite coordonare umană?”

Pe măsură ce IA trece de la asistarea angajaților în sarcini individuale la executarea autonomă a unor fluxuri de lucru întregi, cum trebuie organizațiile să-și regândească procesele existente, structurile decizionale și modelele de responsabilitate?

Majoritatea proceselor din companii au fost concepute pornind de la limitele oamenilor. Informațiile circulau lent, așa că am introdus ședințele. Deciziile necesitau supraveghere, așa că am creat lanțuri de aprobare. Multe dintre lucrurile pe care le numim procese sunt, de fapt, transferuri de responsabilitate între oameni.

Dacă automatizezi lucrurile exact așa cum sunt, automatizezi organigrama. Obții transferuri mai rapide, nu mai puține.

Regândirea începe cu deciziile, nu cu sarcinile. Pentru fiecare flux de lucru, cartografiază deciziile pe care le implică. Ce poate recomanda un agent? Ce poate decide? Ce poate executa pe cont propriu? Când trebuie să intervină o persoană?

Autoritatea se stabilește la nivelul deciziilor, nu al fluxurilor de lucru în întregime. Unui agent i se poate acorda deplină încredere să reconcilieze o factură, dar tot poate fi necesară aprobarea unei persoane pentru orice plată care depășește o limită stabilită.

Responsabilitatea nu dispare. Devine mai clară. Oamenii și agenții își asumă împreună execuția: agenții duc treaba la bun sfârșit, iar oamenii stabilesc limitele autorității, gestionează excepțiile și își asumă rezultatul. Fiecare agent trebuie să aibă un responsabil desemnat, iar fiecare acțiune ar trebui să poată fi urmărită și, acolo unde este posibil, anulată.

Rolul conducerii se mută de la coordonarea activității la proiectarea sistemelor care o execută.

La KMS Technology, vă concentrați pe transformarea ingineriei digitale tradiționale în execuție la nivel de întreprindere, nativă IA. Cum se manifestă această transformare în interiorul companiei și cum abordează KMS integrarea IA, a platformelor de date și a orchestrării inteligente a fluxurilor de lucru pentru a obține rezultate de afaceri măsurabile?

Aplicăm mai întâi noi înșine aceeași abordare. KMS s-a dezvoltat ca o companie de inginerie digitală. Următoarea etapă este execuția la nivel de întreprindere, nativă IA: construim, modernizăm și operăm, asumându-ne împreună cu agenții responsabilitatea pentru execuție. Rezultatele se văd în timp și efort:

Construire. Evergreen Telehealth își dorea o platformă de telemedicină bazată pe IA agentică și pe standardul FHIR pentru date medicale, iar pe piață nu exista nimic asemănător. Lucrând nativ cu IA, cu Claude integrat în etapele de definire a cerințelor, proiectare, dezvoltare și testare, echipa noastră și inginerii Evergreen au dus platforma de bază de la concept la producție în 75 de zile lucrătoare. Proiectul a inclus trei aplicații (web, iOS și Android), patru integrări funcționale (EHR, verificarea identității, plățile și farmacia) și doi agenți în producție. Abordarea a fost condusă de oameni și accelerată de IA. Agenții au redactat povești de utilizator, au generat cod și au rulat teste. Inginerii au fost responsabili de arhitectură, de maparea datelor clinice și de fiecare decizie importantă.

Modernizare. Un alt exemplu: o companie de software maritimă avea nevoie să înlocuiască o platformă pe care o operase local timp de peste 20 de ani. Nu putea justifica o reconstrucție tradițională de lungă durată înainte ca investitorii să vadă progrese, așa că am derulat un proiect de dezvoltare agentică, cu durata fixă de șase săptămâni. Cerințele clientului au fost încărcate ca informații de context, astfel încât agenții au dezvoltat soluția conform specificației, în loc să genereze pur și simplu cod. Echipa a livrat între 35 și 45 la sută din sfera MVP-ului în aproximativ 800 de ore de lucru ale echipei, față de estimarea inițială de 6.000–8.000 de ore. Agenții au scris codul și peste 5.000 de teste unitare. Inginerii au stabilit măsurile de protecție și au evaluat calitatea.

Operare. De atunci, Evergreen și-a extins arhitectura de agenți în întreaga companie, agenți de supraveghere monitorizând sistemul, iar oamenii intervenind în proces pentru a evalua și a remedia problemele.

Nu scriem doar cod mai repede. Schimbăm volumul de muncă pe care îl poate executa o echipă.

În toate cele trei cazuri, oamenii și agenții își asumă împreună execuția. Agenții se ocupă de activitățile repetitive. Inginerii noștri și echipele clienților noștri își asumă deciziile, gestionarea excepțiilor și rezultatul.

Aceeași schimbare ne permite să obținem un efect de multiplicare mai mare în livrare. Aceasta este diferența dintre livrarea nativă IA și livrarea susținută de IA.

Sistemele de IA pentru întreprinderi depind tot mai mult de accesul la informații din aplicații vechi fragmentate, platforme cloud și medii de date diferite. Cât de dificilă este conectarea acestor sisteme și ce fundații arhitecturale ar trebui să pună organizațiile înainte de a încerca să implementeze fluxuri de lucru bazate pe IA la scară largă?

Aceasta este provocarea centrală. Majoritatea întreprinderilor nu au o problemă legată de IA. Au o problemă de fragmentare, pe care IA a făcut-o imposibil de ignorat.

Uitați-vă la modul în care se desfășoară activitatea astăzi. Cineva găsește informații într-o aplicație, urmărește obținerea unei aprobări în alta și copiază rezultatul într-o a treia. Oamenii sunt stratul de integrare. Un agent nu poate face această muncă dacă nu poate accesa sistemele respective, nu le poate înțelege contextul și nu poate acționa cu permisiunile potrivite.

De aceea, fundațiile contează mai mult decât modelul. Patru sunt esențiale:

• o arhitectură modernă de date care le oferă agenților un context de încredere
• un strat de integrare care le permite agenților să acționeze în mai multe sisteme, nu doar să citească din ele
• identități și permisiuni concepute pentru agenți, nu doar pentru oameni
• monitorizare, pentru a putea vedea ce a făcut fiecare agent și de ce

Stiva tehnologică se consolidează și ea. Platformele de date devin operaționale, platformele pentru fluxuri de lucru devin inteligente, iar aplicațiile devin fără interfață proprie. Dacă fluxul de lucru poate traversa întreaga stivă, de ce ar trebui utilizatorul să facă asta?

Nu aștepta arhitectura perfectă. Alege un flux de lucru important și modernizează tot ce implică. Apoi treci la următorul.

Când agenții AI încep să ia decizii și să execute acțiuni în cadrul operațiunilor de business, aspecte precum guvernanța, responsabilitatea și supravegherea umană devin tot mai importante. Cum ar trebui să stabilească întreprinderile ce decizii pot fi delegate AI și care trebuie să rămână sub controlul oamenilor?

Aș începe prin a schimba întrebarea. Nu „Poate AI să facă asta?”. Răspunsul este tot mai des da. Întrebarea mai bună este „Cine i-a dat permisiunea să acționeze?”

Capacitatea și accesul nu conferă autoritate. Când un agent poate aproba o rambursare, modifica programul de producție sau angaja cheltuieli, cineva trebuie să stabilească limitele.

Un criteriu practic este costul și posibilitatea de a reveni asupra deciziei. O decizie cu volum mare, bazată pe reguli și ușor de anulat este o alegere potrivită pentru delegare. O decizie cu impact major, ireversibilă sau care definește relația cu un client ar trebui să rămână în mâinile unei persoane.

Delegarea trebuie, de asemenea, câștigată. Începeți cu agenți care fac recomandări și o persoană care aprobă. Pe măsură ce se acumulează dovezi, persoana poate trece de la aprobarea fiecărei acțiuni la supravegherea sistemului și gestionarea excepțiilor.

Scopul nu este să existe un om în fiecare buclă, ci în buclele potrivite. Datele oferă context. Modelele raționează. Agenții execută. Oamenii stabilesc autoritatea și își asumă consecințele.

Ai condus divizii importante de platforme pentru întreprinderi la Accenture și Cognizant, unde extinderea operațiunilor a presupus alinierea tehnologiei, a oamenilor și a proceselor în organizații globale. Ce lecții din acele experiențe se aplică eforturilor actuale de transformare prin AI, mai ales când rezistența organizațională sau modelele operaționale învechite devin obstacole mai mari decât tehnologia în sine?

Integrarea m-a învățat mai mult decât orice altceva. La Cloud Sherpas, apoi la Accenture și, ulterior, la Cognizant, am petrecut ani întregi reunind organizații. Culturi, modele de furnizare a serviciilor, stimulente și regiuni diferite trebuiau să funcționeze toate ca o singură afacere de platformă.

Rareori tehnologia era factorul limitativ. Modelul operațional era.

Trei lecții se aplică direct transformării prin AI.

În primul rând, rezistența este de obicei rațională. Oamenii protejează ceea ce li se evaluează. Dacă introduci agenți, dar continui să evaluezi echipele în funcție de orele lucrate, numărul de angajați și activitate, vei obține conformare, nu schimbare. Schimbă criteriile, iar comportamentul se va schimba în consecință.

În al doilea rând, drepturile decizionale trebuie definite explicit. În fiecare proces de integrare, cele mai dificile discuții au fost despre cine decide ce. AI face imposibilă evitarea acestei întrebări, deoarece unii dintre cei care iau decizii nu mai sunt oameni.

În al treilea rând, clarifică ce rămâne neschimbat. Oamenii acceptă mai ușor schimbarea când îi înțeleg motivul și știu ce nu se va schimba.

Transformarea prin AI este o schimbare a modelului operațional care implică și tehnologia. Liderii care o tratează ca pe o lansare de software vor fi dezamăgiți.

Indicatorii tradiționali ai succesului AI pun adesea accentul pe ratele de adoptare, creșterea productivității și timpul economisit. Ce indicatori ar trebui să urmărească directorii pentru a determina dacă AI îmbunătățește cu adevărat execuția activității de business și cum pot organizațiile să distingă între câștigurile incrementale de eficiență și transformarea operațională semnificativă?

Adoptarea și timpul economisit sunt indicatori de intrare. Ei arată că oamenii folosesc instrumentul, nu că activitatea de business se desfășoară mai rapid.

Dacă un inginer economisește două ore, dar lansarea tot așteaptă o săptămână să fie verificată, pentru client nimic nu s-a schimbat. Sarcinile executate mai rapid nu înseamnă rezultate obținute mai rapid.

Aș acorda prioritate la trei tipuri de indicatori:

• Timpul de la nevoie la rezultat: cât durează, de la un capăt la altul, transformarea unei solicitări într-un rezultat.
• Unde se blochează munca: cât durează luarea deciziilor, predările între echipe și așteptarea la cozi.
• Muncă fără coordonare: cât dintr-un flux de lucru se desfășoară fără coordonarea oamenilor, în timp ce aceștia se concentrează asupra judecății și a excepțiilor.

Apoi, corelează acești indicatori cu activitatea de business: costul furnizării serviciilor, calitatea și veniturile.

Testul transformării este simplu. Sarcina a fost executată mai repede sau fluxul de lucru și-a schimbat forma? Câștigurile incrementale accelerează același proces. Transformarea elimină etapele, predările și aprobările care nu mai sunt necesare.

Măsoară timpul de la nevoie la rezultat. Identifică unde se blochează munca. Schimbă ceea ce o ține pe loc.

Privind spre următorii trei-cinci ani, cum crezi că va evolua relația dintre AI, software-ul pentru întreprinderi și angajați? Îți imaginezi un viitor în care sistemele concepute nativ pentru AI înlocuiesc fundamental fluxurile de lucru tradiționale din întreprinderi și ce ar trebui să facă liderii de business astăzi pentru a se pregăti pentru această tranziție?

Timp de treizeci de ani, software-ul pentru întreprinderi ne-a spus ce se întâmpla. În următorii trei până la cinci ani, va face din ce în ce mai mult el însuși munca.

Ceea ce va înlocui inteligența artificială este coordonarea: urmărirea lucrurilor, copierea, predarea mai departe și revenirea asupra lor, care ocupă cea mai mare parte a zilei oamenilor. Oamenii se vor orienta către judecată, gestionarea excepțiilor, relații și asumarea responsabilității pentru rezultate. Este o utilizare mai bună a expertizei umane, dar necesită noi competențe, pe care liderii trebuie să le dezvolte în mod deliberat.

Ce ar trebui să facă liderii astăzi? Să aleagă un flux de lucru cu miză importantă și să identifice deciziile din cadrul acestuia. Să remedieze problemele datelor pe care se bazează. Să definească ce decizii are voie să ia agentul și să numească persoana responsabilă pentru rezultat. Apoi, să treacă la următorul flux de lucru.

Companiile care tratează inteligența artificială ca pe un instrument vor obține eficiență. Cele care se reorganizează în jurul ei vor obține un efect multiplicator. Inteligența artificială nu este strategia. Execuția este.

Vă mulțumim pentru interviul excelent. Cititorii care doresc să exploreze execuția în întreprinderi bazate pe inteligența artificială, fluxurile de lucru inteligente și tranziția de la proiecte-pilot de inteligență artificială la producție ar trebui să viziteze KMS Technology.