Vijay Vijayasankar, Ofițerul Global Agentic AI de la Genpact – Seria de interviuri

Vijay Vijayasankar, Ofițerul Global Agentic AI de la Genpact, conduce productizarea globală a soluțiilor Agentic AI ale companiei, cu accent pe transferul creării de valoare a întreprinderilor de la modelele tradiționale bazate pe forța de muncă către cadre cu marje mai mari, bazate pe rezultate. În rolul său, el ajută la modelarea abordării Genpact de a scala AI la nivelul întregii întreprinderi, prin construirea de modele organizaționale în jurul atât a constructorilor de AI, care proiectează straturi de orchestrare avansate, cât și a practicienilor de AI, care aduc expertiza de domeniu în fluxurile de lucru alimentate de agenți autonomi. Înainte de a se alătura Genpact, Vijayasankar a ocupat roluri de conducere senior la IBM, inclusiv Partener Managing pentru Servicii Financiare, CTO al IBM Services North America și Director General pentru Cognitive, IoT, Analytics și Watson Health în GBS North America, alături de roluri executive anterioare la MongoDB (MDB ) și SAP.

Genpact este o companie de soluții avansate de tehnologie și agentică care ajută marile întreprinderi să modernizeze operațiunile prin inteligență de proces, inteligență artificială, date și transformare digitală. Compania activează în domenii precum finanțe și contabilitate, asistență pentru clienți, risc și conformitate, sursă și achiziții, lanț de aprovizionare, tehnologie și încredere și siguranță, în timp ce serviciile sale de Date și AI se concentrează pe ajutarea organizațiilor să utilizeze analize avansate, AI și agenți autonomi pentru a transforma date complexe în rezultate comerciale măsurabile.

Ai petrecut mai mult de două decenii în companii precum IBM, MongoDB, SAP și acum Genpact, unde îndeplinești funcția de Ofițer Global Agentic AI. Privind înapoi asupra evoluției de la big data și analize la sistemele actuale de AI agentic, care sunt lecțiile care au modelat cel mai mult perspectiva ta asupra modului în care întreprinderile ar trebui să abordeze transformarea AI?

Am urmărit același film de trei ori. Big data a fost glonțul de argint pentru luarea deciziilor. Cloud a fost comutatorul instant pentru agilitatea organizațională. Acum, AI agentic este vindecarea pentru operațiuni. În fiecare ciclu, companiile care au generat valoare s-au concentrat pe modelele lor de operare, procesele și oamenii lor. Cele care au luptat, și multe încă o fac, au tratat tehnologia în sine ca transformarea.

Ce este fundamental diferit despre AI agentic este locația sa. Se află la nivelul de execuție, nu la nivelul de insight. Uneltele mai vechi generau grafice și recomandări. Agenții iau măsuri. O tablă de analize proastă produce un grafic prost pe care un analist uman îl prinde înainte de a ajunge pe biroul CEO-ului. Un agent prost execută o tranzacție proastă la scară înainte ca cineva să realizeze ce s-a întâmplat. Acest lucru schimbă complet profilul de risc și impune un nivel de disciplină operațională pe care majoritatea companiilor nu l-au necesitat anterior. Am învățat să fiu suspicios față de entuziasmul meu. AI agentic este fascinant, dar exact atunci când trebuie să încetini și să verifici fundațiile.

Raportul recent al Genpact cu HFS Research estimează că datoria neînchisă a întreprinderilor blochează aproape 18 trilioane de dolari în valoare potențială la nivel global. Ce v-a surprins cel mai mult despre constatările raportului, și de ce credeți că atât de multe organizații continuă să subestimeze impactul datoriilor de proces, date, tehnologie și talente?

Ce a fost deschizător de ochi a fost scala valorii blocate în spatele proceselor ineficiente, datelor fragmentate, tehnologiei învechite și provocărilor de pregătire a forței de muncă, măsurate în trilioane de dolari.

Ce contează mai mult decât cifra totală este modul în care este structurat problema. Majoritatea liderilor privesc aceste probleme ca pe niște silozuri separate. O problemă de date, o problemă de proces, o problemă de tehnologie, o problemă de abilități, fiecare tratată independent. Nu sunt separate. Datele proaste obligă oamenii să inventeze soluții manuale. Aceste soluții creează complexitatea procesului. Această complexitate arde cei mai buni oameni și face operațiunile fragile. De îndată ce o inițiativă de AI ajunge, se confruntă cu toate acestea simultan. AI-ul este învinovățit pentru o eșec care a fost copt în afacere cu un deceniu în urmă. Vorbeam despre datoria întreprinderii ca o povară de cost, dar de fapt este o constrângere de creștere. Această distincție contează pentru că schimbă cine posedă problema și ce înseamnă rezolvarea ei.

Raportul a constatat că 85% dintre executivi cred că datoria întreprinderii limitează realizarea valorii AI. De ce credeți că întreprinderile continuă să investească puternic în AI, în timp ce adesea neglijează problemele de bază care împiedică aceste investiții să aducă randamente?

Pentru că AI-ul este vizibil, iar fundațiile sunt invizibile. Fiecare consiliu de administrație vrea să vadă o strategie de AI. Fiecare CEO are nevoie de o poveste de spus. Implementarea unui model nou și strălucitor este o știre. Redesignul unui proces de bază este o muncă de recunoaștere, invizibilă, până funcționează în cele din urmă.

Am văzut organizații care cheltuiesc șase luni pentru a selecta un model și șase zile pentru a examina procesul pe care modelul ar trebui să îl îmbunătățească. Acest raport este invers, și ei descoperă în mod dur. Blocajul nu este niciodată AI-ul. Sunt procese inconsistente, sisteme deconectate și date pentru care nimeni nu a fost responsabil de ani de zile. AI-ul nu rezolvă aceste lucruri. Le expune mai repede. Structurile de stimulente nu recompensează repararea fundațiilor. Nu există niciun demo pentru curățarea guvernanței datelor. Executivii care o fac în mod tacit pariază că sănătatea operațională se acumulează în timp, dar majoritatea consiliilor de administrație nu măsoară asta.

Datele au apărut ca cel mai mare blocator de AI în cercetare. Care sunt pașii practici pe care întreprinderile ar trebui să îi ia astăzi pentru a trece de la medii de date fragmentate și de calitate scăzută la fundații de date care pot susține AI agentic la scară?

Opriți încercarea de a lansa un program masiv de guvernanță de sus în jos. Acesta este un răspuns tehnologic la o problemă de responsabilitate. În majoritatea organizațiilor mari, nimeni nu deține acuratețea informațiilor care rulează afacerea.

Punctul de plecare practic este să alegeți o mână de procese de valoare ridicată și să lucrați înapoi. Care sunt deciziile care trebuie luate? Care sunt datele necesare pentru aceste decizii? Cine deține aceste date? Cât de des sunt greșite? Acest exercițiu aduce imediat lacunele de responsabilitate. Și trebuie să facem acest lucru corect, deoarece agenții eșuează în mod tacit. Un analist uman vede două sisteme care nu cad de acord și ia o decizie. Un agent arbitrează între datele contradictorii și execută cu încredere deplină. Dacă diferite părți ale organizației dvs. definesc un client sau o tranzacție în mod diferit, agentul ia decizii cu încredere din intrări proaste și nimic în organizația dvs. nu o prinde. Acesta este un nou tip de risc operațional pe care majoritatea organizațiilor nu l-au prețuit pe deplin.

Agenții nu gestionează ambiguitatea așa cum o fac oamenii. De aceea, succesul unei soluții agențice depinde mai mult de calitatea gardienilor puneți în loc decât de inteligența modelelor.

Ați argumentat că “nu există AI fără inteligență de proces”. De ce credeți că redesenarea procesului este adesea mai importantă decât modelul de AI în sine atunci când organizațiile încearcă să automatizeze operațiuni comerciale complexe?

Pentru că modelul funcționează la fel de bine ca procesul în care este încorporat, nu mai bine. Organizațiile se concentrează asupra selecției modelului, deoarece acolo este inovația vizibilă, dar procesul este unde se creează valoarea.

Dacă un flux de lucru are aprobări redundante, lucrări duplicate sau proprietate neclară, AI-ul nu repară aceste lucruri. Le accelerează. Oamenii cred adesea că o redesenare completă a procesului îi încetinește, dar realitatea este exact opusul. Salvați cei optsprezece luni pe care i-ați cheltuiți pentru a dezamorsa o implementare proastă. Gândiți-vă la acesta ca la un vehicul: puteți pune cel mai bun motor construit vreodată într-o mașină cu roți decalibrate, și tot va trage spre stânga.

Multe organizații experimentează cu agenți de AI, dar relativ puține au implementat cu succes acești agenți la nivelul funcțiunilor de bază ale afacerii. Ce separă întreprinderile care merg dincolo de proiecte-pilot de cele care rămân blocate în modul de concept de demonstrație?

Proiectele-pilot sunt concepute pentru a reuși. Alegeți cel mai bun proces, cele mai curate date și echipa cea mai motivată. Scala înseamnă lovitura mediului real, unde niciuna dintre aceste condiții nu se aplică.

Organizațiile care scalează încetează să creeze condiții artificiale de la început. Ei aleg o problemă operațională reală, atribuie un proprietar care este responsabil pentru rezultatul de afaceri, nu pentru tehnologie, și încorporează guvernanța în proiectarea de la început. Avem clienți care rulează agenți în producție în domenii precum plata facturilor și monitorizarea tranzacțiilor. Numerele de productivitate sunt acolo, dar schimbarea reală este structurală. Stadiul final este un flux de lucru fundamental diferit, în care oamenii sunt eliberați pentru a face munca strategică pe care nu au avut niciodată timp s-o facă înainte. Scala agenților este o provocare de conducere, nu una de software.

Raportul subliniază că doar 6% dintre întreprinderi au rezolvat cu succes provocările majore de datorie. Ce fac diferit aceste organizații, și ce greșeli comune observați în rândul companiilor care luptă pentru a face progrese semnificative?

Le tratează ca pe o problemă de afaceri, nu ca pe un program IT. Este legat de sponsorizarea executivă și de performanța comercială măsurabilă. Ei înțeleg că sănătatea operațională nu este separată de strategia de creștere. Este strategia de creștere.

Celelalte 94% urmăresc simptomele. Ei implementează un instrument pentru a repara o problemă de proces sau lansează o inițiativă de AI pentru a compensa datele proaste. Acest lucru produce un impuls pe termen scurt, dar problema de bază rămâne, iar datoria continuă să se acumuleze. Liderii care rup ciclul sunt dispuși să spună ceea ce majoritatea executivilor nu spun: acest proces a fost defect pentru cincisprezece ani, am construit întregi modele operaționale în jurul eșecurilor sale, și suntem pe cale să le demolăm și să le reconstruim de la zero. Această mărturisire este inconfortabilă. Invită întrebări despre de ce nu a fost reparat mai devreme. Cei care iau această decizie sunt cei care fac progrese reale.

Ați vorbit despre distincția dintre “constructori de AI” și “practicieni de AI”. Cum credeți că se va schimba forța de muncă a întreprinderilor în următorii cinci ani, și care vor fi abilitățile care vor deveni cele mai valoroase pe măsură ce oamenii vor lucra tot mai mult alături de agenți autonomi?

Abilitatea cea mai valoroasă va fi știința de a formula o problemă. Pe măsură ce AI-ul gestionează mai multă execuție, calitatea rezultatului depinde de calitatea întrebării și de judecata aplicată ieșirii. Trebuie să puteți recunoaște când ceva pare corect, dar este structural greșit.

În afara acestui lucru, aș sublinia trei lucruri specifice. Primul este profunzimea de domeniu. Capabilitățile generale de AI devin rapid comodificate, deci generaliștii pierd avantajul. Premiumul va merge către experți de domeniu profunzi care combină expertiza funcțională reală cu capacitatea de a aplica AI în contextul respectiv. Al doilea este gestionarea excepțiilor. Aveți nevoie de oameni care știu ce să facă atunci când agentul lovește un zid sau când mizele financiare sunt prea mari pentru a fi automate, ceea ce necesită înțelepciune instituțională mai degrabă decât date de antrenament. Al treilea este proiectarea fluxului de lucru, adică capacitatea de a structura munca astfel încât oamenii și sistemele inteligente să facă ceea ce sunt mai potriviți să facă, și să recunoașteți când această diviziune trebuie să se schimbe. Nu este un termen pe care industria l-a stabilit încă, dar abilitatea este reală și în prezent subevaluată.

Există un debat în curs despre faptul că AI va elimina locurile de muncă sau le va transforma. Ați argumentat că multe dintre preocupările vin din neînțelegerea a ceea ce face AI-ul în mod deosebit. Cum credeți că se va dezvolta relația dintre expertiza umană și agenții de AI pe măsură ce adoptarea se accelerează?

AI-ul este spectaculos la sarcini care sunt clar definite, de volum mare și dependente de modele, cum ar fi procesarea facturilor, monitorizarea anomaliilor comerciale și redactarea comunicărilor de rutină. Face aceste lucruri mai repede și la o scară pe care nicio echipă umană nu o poate atinge. Cu toate acestea, AI-ul nu poate deține responsabilitatea pentru rezultatele lumii reale, nici nu poate gestiona lucruri precum noutatea, ambiguitatea și relațiile umane complexe, ceea ce face ca expertiza umană să rămână esențială.

Majoritatea locurilor de muncă sunt o colecție de sarcini, nu o singură activitate, și AI-ul va absorbi stratul de execuție în timp. Acest lucru nu elimină nevoia de oameni, ci schimbă unde creează valoare. Pe măsură ce munca de rutină devine automatizată, expertiza se deplasează spre rezolvarea excepțiilor, redesenarea proceselor și ajutarea organizațiilor să se adapteze pe măsură ce nevoile tehnologiei și afacerilor evoluează. Anumite roluri vor fi schimbate semnificativ, și liderii au responsabilitatea de a aborda dacă noul loc de muncă creat este accesibil oamenilor al căror vechi loc de muncă dispare. Răspunsul depinde aproape în întregime de alegerile pe care organizațiile le fac despre formare și tranziție. Acesta este un decizie de conducere, nu un rezultat tehnologic. Companiile pe care le respect cel mai mult sunt oneste cu echipele lor despre care roluri se schimbă, pe ce calendar, unde expertiza umană rămâne extrem de valoroasă și ce căi realiste de urmat arată. Majoritatea nu au încă această conversație.

Privind înainte, ce arată o întreprindere agentică adevărată în practică? Dacă ne vom reîntâlni în această conversație peste cinci ani, ce schimbări în operațiunile comerciale, designul organizațional și implementarea AI așteptați să devină standard în rândul întreprinderilor de top?

Vom înceta să vorbim despre AI ca o inițiativă separată, la fel cum am încetat să vorbim despre trecerea la digital. Va fi pur și simplu modul în care se realizează munca.

Schimbarea structurală este ceea ce mă interesează cel mai mult. Multă parte a ierarhiei noastre actuale există pentru că informația a fost greu de mutat. Avem lanțuri de aprobare și roluri de coordonare pentru că informația trebuia să călătorească de la locul unde a fost creată la locul unde se iau deciziile. Agenții colapsează această distanță. Când o fac, o parte semnificativă a infrastructurii de coordonare devine redundantă. Organizațiile care recunosc acest lucru devreme și redesenează în jurul lui vor avea un avantaj de viteză care se acumulează.

Ne vom confrunta și cu o schimbare în modul în care AI-ul este cumpărat și livrat. Companiile de software construiesc produse, dar nu își asumă responsabilitatea pentru rezultate. Companiile de servicii își asumă responsabilitatea, dar luptă să construiască produse scalabile. Ambele modele sunt inadecvate. Ceea ce construim la Genpact este AI productizat în domenii specifice, livrat ca rezultat. Cumpărați rezultatul, și noi suntem responsabili pentru el. Cred că acesta va deveni standardul, deoarece aliniază corect stimulentele. Furnizorul care vinde doar capacitate nu are nicio miză în funcționarea acesteia în mediul dvs. Cei responsabili pentru rezultat au toate stimulentele. Câștigătorii acestei epoci nu vor fi definiți de posesia celor mai sofisticate modele de AI. Vor fi definiți de stăpânirea redesenării structurale între oameni, procese și sisteme inteligente. Suntem doar la prima zi a acestei schimbări.

Mulțumim pentru acest interviu minunat, cititorilor care doresc să afle mai multe, le recomandăm să viziteze Genpact.