Rajan Sethuraman, CEO al LatentView Analytics – Seria de interviuri

Rajan Sethuraman, CEO al LatentView Analytics, este un executiv experimentat a cărui carieră cuprinde consultanță, conducerea talentelor și transformarea întreprinderilor, cu experiență de conducere la Accenture și KPMG înainte de a se alătura LatentView. Progresul său de la funcția de Chief People Officer la cea de CEO reflectă un accent puternic pe dezvoltarea talentelor, proiectarea organizațională și modelele de operare scalabile, care acum conturează abordarea sa față de inteligența artificială și analitică. Cu o experiență profundă în recrutare, învățare și strategie de afaceri, el s-a concentrat în mod constant pe alinierea oamenilor, culturii și tehnologiei pentru a obține rezultate măsurabile, culminând cu conducerea LatentView prin IPO și extinderea globală, în timp ce poziționează inteligența artificială ca o capacitate de afaceri, și nu ca o funcție independentă.

LatentView Analytics este o firmă globală de analitică a datelor și transformare digitală care ajută întreprinderile să valorifice datele, inteligența artificială și analitica avansată pentru a îmbunătăți procesul de luare a deciziilor și a stimula creșterea. Compania oferă servicii precum ingineria datelor, analitica predictivă și consultanță condusă de inteligența artificială în diverse industrii, inclusiv servicii financiare, retail și tehnologie, colaborând cu clienți din lista Fortune 500 la nivel global. Valoarea sa fundamentală constă în transformarea datelor brute în informații acționabile care permit companiilor să optimizeze operațiunile, să anticipeze tendințele și să creeze avantaje competitive într-o economie din ce în ce mai complexă.

Ați început cariera în consultanță și conducerea talentelor la Accenture și KPMG, înainte de a deveni CEO al LatentView Analytics, unde ați condus compania prin IPO și prima achiziție. Cum v-a influențat experiența în dezvoltarea talentelor și strategia organizațională modul în care scalați inteligența artificială și analitica în prezent?

Cariera mea timpurie s-a concentrat puternic pe talente, dezvoltarea conducerii și construirea de organizații care pot scala. Acea experiență continuă să mă influențeze în modul în care gândesc despre inteligența artificială astăzi. Tehnologia singură nu scalează o organizație. Ceea ce contează este modul în care echipele adoptă tehnologia, modul în care liderii se aliniază în jurul ei și modul în care problema de afaceri este definită în mod clar. La LatentView, petrecem mult timp ajutând organizațiile să construiască modelul de operare, abilitățile și cultura necesare pentru a transforma analitica și inteligența artificială în procese de luare a deciziilor de zi cu zi.

Deoarece acea experiență m-a făcut să gândesc despre inteligența artificială prin prisma pregătirii organizaționale. Scalarea inteligenței artificiale necesită o expertiză puternică în domeniu, fundații de date solide și echipe care pot traduce insight-urile în acțiune. Focusul meu a fost întotdeauna pe construirea acestor capacități împreună, mai degrabă decât pe tratarea inteligenței artificiale ca o capacitate izolată.

Ați vorbit despre minimalismul în inteligența artificială — priorizarea clarității, curiozității și culturii față de urmărirea fiecărei tendințe noi în inteligența artificială. Cum arată minimalismul în inteligența artificială în practică pentru liderii întreprinderilor?

Minimalismul în inteligența artificială începe cu focalizarea. Liderii întreprinderilor nu au nevoie să urmărească fiecare model sau capacitate nouă care apare. Ei au nevoie de un număr mic de probleme semnificative în care inteligența artificială poate îmbunătăți deciziile sau productivitatea într-un mod măsurabil. Acest lucru ar putea fi decizii de prețuire, planificarea lanțului de aprovizionare sau modul în care cunoașterea se deplasează în cadrul organizației. Începerea cu o problemă bine definită ajută echipele să construiască încredere și să înțeleagă ce înseamnă cu adevărat scalarea responsabilă.

De asemenea, acest lucru înseamnă integrarea inteligenței artificiale în fluxurile de lucru reale, mai degrabă decât tratarea ei ca un experiment izolat. Când echipele văd tehnologia ajutându-le să rezolve problemele de zi cu zi, adoptarea tinde să crească în mod natural. Curiozitatea și experimentarea sunt încă importante, dar funcționează cel mai bine atunci când sunt ancorate într-un sens clar al scopului.

Multe organizații se grăbesc să adopte inteligența artificială generativă fără a-și consolida mai întâi fundațiile de date. Care sunt semnele de avertizare că o companie se construiește pe un teren instabil?

Un lucru pe care îl observ adesea este atunci când conversația despre inteligența artificială evoluează mult mai rapid decât conversația despre date. Dacă liderii discută despre copiloți și modele generative, dar încă există confuzie cu privire la unde se află datele cheie, cine le deține sau care sunt metricile de afaceri pe care le încredințează, acesta este de obicei un semn că fundația nu este încă pregătită. Sistemele de inteligență artificială depind puternic de date fiabile și bine gestionate. Fără acestea, devine dificil pentru oameni să aibă încredere în ieșirile sistemului.

Un alt semnal este atunci când companiile au multe proiecte pilot în derulare, dar foarte puține care influențează deciziile reale. Inteligența artificială generativă poate produce demonstrații impresionante, dar testul real este dacă devine parte a modului în care organizația operează.

De la preluarea funcției de CEO, ați condus impactul măsurabil pentru clienții globali. Ce diferențiază companiile care opereationalizează cu succes inteligența artificială de cele care rămân blocate în modul de pilot?

Companiile care scalează cu succes inteligența artificială o tratează ca o disciplină operațională, nu ca un proiect de inovare lateral. Ei atribuie proprietatea executivă, conectează cazurile de utilizare la rezultatele afacerii măsurabile și proiectează pentru integrare de la început. Ei investesc, de asemenea, în munca mai puțin glamuroasă, cum ar fi conductele de date, guvernanța, redesignul procesului și adoptarea utilizatorului. Acesta este de obicei diferența dintre un pilot care atrage atenția și o capacitate care schimbă cu adevărat modul în care se iau deciziile.

La LatentView, am văzut că companiile se deplasează mai repede atunci când ancorează inteligența artificială într-o problemă de afaceri care contează deja pentru întreprindere, cum ar fi îmbunătățirea acurateței planificării, a rezultatelor stocurilor sau a vizibilității furnizorilor. Inteligența artificială care este legată de metrici pe care afacerile le îngrijorează deja are șanse mult mai mari de a fi finanțată, guvernată și adoptată la scară.

Cum abordați scalarea responsabilă a inteligenței artificiale în cadrul unei organizații mari, menținând în același timp guvernanța, securitatea și responsabilitatea?

Scalarea responsabilă începe cu recunoașterea faptului că deciziile luate de inteligența artificială afectează în cele din urmă clienții reali, angajații și rezultatele afacerii. Acest lucru înseamnă că guvernanța nu poate fi o gândire de după eveniment. Organizațiile au nevoie de politici clare cu privire la accesul la date, supravegherea modelului și monitorizarea sistemelor odată ce sunt în producție.

În practică, cele mai eficiente modele de guvernanță sunt transfuncționale. Liderii de afaceri, echipele tehnice și grupurile de risc sau conformitate trebuie să fie implicate. Sistemele de inteligență artificială beneficiază, de asemenea, de transparență cu privire la modul în care se generează ieșirile și unde judecata umană rămâne esențială. Cu gardurile de protecție stabilite devreme, organizațiile pot extinde adoptarea în timp ce mențin încrederea.

LatentView lucrează cu întreprinderi la niveluri foarte diferite de maturitate digitală. Cum diferă strategia dvs. de inteligență artificială atunci când consiliați o organizație versus una care se află încă la începutul călătoriei sale analitice?

Cu o organizație, conversația este de obicei despre accelerare. Ei au deja active de date semnificative, așa că ne concentrăm pe prioritizarea cazurilor de utilizare de valoare ridicată, îmbunătățirea accesibilității și integrarea inteligenței artificiale în fluxurile de lucru în care afacerile pot acționa rapid. Acest lucru ar putea însemna recuperarea cunoștințelor la nivel de întreprindere, planificarea conectată a lanțului de aprovizionare sau modele specifice de domeniu care îmbunătățesc viteza deciziei pe funcții.

Pentru organizațiile care se află mai devreme în călătorie, punctul de plecare este diferit. Ne petrecem mai mult timp pe pregătirea datelor, guvernanță, modernizarea BI și construirea de capacități, astfel încât compania să poată susține inteligența artificială într-un mod durabil. În aceste situații, evaluarea maturității și secvențierea contează foarte mult. Nu doriți să promiteți un viitor agentic unei afaceri care încă lipsesc date de încredere, KPI-uri comune sau alinierea executivă asupra problemei pe care încearcă să o rezolve.

Având o experiență profundă în achiziția de talente și învățare, ce abilități ar trebui companiile să prioritizeze dezvoltarea internă în era inteligenței artificiale, în contrast cu angajarea externă?

Intern, cred că companiile ar trebui să se concentreze pe construirea unei literații generale în inteligența artificială și date. Nu toată lumea are nevoie să devină un specialist în știința datelor, dar oamenii din întreaga afaceri ar trebui să prioritizeze fundamentarea deciziilor pe insight-uri, să pună întrebări mai bune și să utilizeze instrumente de inteligență artificială în fluxul lor de lucru zilnic. Atunci când această practică se răspândește în echipe, devine mult mai ușor să identifici unde inteligența artificială poate ajuta cu adevărat și unde probabil nu ar trebui să fie utilizată.

Extern, angajările tind să fie mai specializate – specialiști în ingineria datelor, arhitectura învățării automate și guvernanța inteligenței artificiale necesită o expertiză profundă pe care organizațiile nu o au întotdeauna intern. Companiile care fac acest lucru bine combină de obicei acești specialiști cu echipe de afaceri care înțeleg contextul și deciziile care trebuie îmbunătățite.

Rezistența culturală încetinește adesea transformarea. Care sunt comportamentele de conducere pe care le-ați găsit cel mai eficiente în construirea încrederii și a impulsului în jurul adoptării inteligenței artificiale?

Comunicarea clară din partea conducerii face o mare diferență. Angajații vor să înțeleagă de ce sunt introduse tehnologii noi și cum se leagă de strategia companiei. Explicarea scopului din spatele inițiativelor de inteligență artificială și legarea lor de obiectivele de afaceri reale ajută la construirea încrederii în întreaga organizație.

Învățarea este la fel de importantă. Automatizarea și inteligența artificială sunt deja în curs de a-și schimba multe domenii, astfel încât companiile trebuie să sprijine activ angajații în dezvoltarea de noi capacități. Oamenii se implică mult mai deschis în schimbare atunci când văd oportunități reale de a construi noi abilități și de a crește alături de tehnologie.

Pe măsură ce inteligența artificială devine încorporată în procesele de luare a deciziilor, cum ar trebui consiliile de administrație și echipele executive să reconsidere metricile de performanță și responsabilitatea?

Inteligența artificială schimbă modul în care se iau deciziile, astfel încât echipele de conducere trebuie să se uite dincolo de metricile de proiect tradiționale. Întrebarea reală devine dacă inteligența artificială îmbunătățește calitatea și viteza deciziilor în domenii care contează pentru afaceri. Acest lucru ar putea însemna previziuni mai bune ale cererii, decizii de prețuire mai precise sau răspunsuri mai rapide la schimbările de pe piață.

Dacă aceste rezultate se îmbunătățesc, inteligența artificială își face treaba. Performanța inteligenței artificiale nu poate sta într-un panou de bord separat de performanța afacerii pentru mult timp.

Responsabilitatea trebuie să fie, de asemenea, mai clară. Cineva deține în continuare datele, cineva este responsabil pentru monitorizarea modelelor în producție și cineva ia în cele din urmă decizia. Inteligența artificială poate sprijini aceste decizii, dar guvernanța și supravegherea rămân esențiale.

În următorii trei până la cinci ani, care vor fi schimbările în adoptarea inteligenței artificiale de către întreprinderi care vor conta cel mai mult — și ce ar trebui să facă liderii pentru a rămâne înainte?

În următorii ani, inteligența artificială va începe să apară mult mai mult în deciziile de afaceri de zi cu zi. Multe companii au petrecut timp experimentând cu proiecte pilot și concepte dovedite. Următorul pas este asigurarea că aceste capacități susțin cu adevărat modul în care echipele planifică, prevăd cererea, gestionează lanțurile de aprovizionare sau iau decizii de marketing.

Lucrul va evolua pe măsură ce inteligența artificială devine mai capabilă. Pe măsură ce sarcinile rutiniere devin mai automate, rolurile se vor deplasa către ghidarea, interpretarea și lucrul alături de sistemele de inteligență artificială. Organizațiile care consolidează fundațiile de date și ajută angajații să construiască aceste capacități se vor adapta mult mai ușor pe măsură ce inteligența artificială devine parte a operațiunilor de zi cu zi.

Mulțumim pentru acest interviu minunat; cititorii care doresc să afle mai multe despre LatentView Analytics ar trebui să viziteze LatentView Analytics.