Аджай Васал, Глобальный Лидер по Данным и ИИ, Genpact – Интервью

Аджай Васал, Глобальный Лидер по Данным и ИИ, Genpact, – ветеран технологий и стратегии с более чем двумя десятилетиями опыта в области искусственного интеллекта, стратегии данных, цифровой трансформации, слияний и поглощений, а также консалтинга для предприятий. В своей текущей роли в Genpact он возглавляет инициативы, направленные на помощь предприятиям в масштабировании внедрения ИИ и переходе от вспомогательного ИИ к более автономным, встроенным в операции системам. До прихода в Genpact Васал провел почти девять лет в Accenture, где занимал несколько руководящих должностей, включая Глобального Лидера по Данным и ИИ для потребительских отраслей и Глобального Руководителя Центра данных и аналитики. На протяжении всей своей карьеры он сосредоточился на помощи организациям в получении измеримой бизнес-ценности от данных за счет операционной эффективности, роста доходов и минимизации рисков, а также на руководстве стратегическими инвестициями, инициативами по слияниям и поглощениям, а также программами трансформации, основанными на ИИ, в различных отраслях.

Genpact – глобальная компания профессиональных услуг и цифровой трансформации, специализирующаяся на данных, ИИ, аналитике, интеллектуальной автоматизации и модернизации операций для крупных предприятий. Основанная изначально внутри General Electric (GE.TO ), прежде чем стать независимой компанией, Genpact теперь обслуживает организации из различных отраслей, включая финансовые услуги, здравоохранение, производство, розничную торговлю и потребительские товары. Компания все больше позиционирует себя вокруг трансформации предприятий, основанной на ИИ, объединяя аналитику, автоматизацию и экспертизу в области для помощи бизнесу в модернизации рабочих процессов, улучшении принятия решений и развертывании крупномасштабных систем ИИ ответственно.

Вы провели годы в Accenture, формируя стратегию данных и ИИ в различных отраслях, прежде чем перейти на свою текущую должность в Genpact. Как этот опыт повлиял на ваше понимание того, почему предприятия все еще испытывают трудности в получении реальной ценности от инвестиций в ИИ?

Одним из наиболее значительных уроков, полученных из опыта работы в различных отраслях, является то, что большинство организаций не терпят неудач из-за слабости технологий. Реальность заключается в том, что они испытывают трудности, потому что пытаются наложить ИИ на операционные модели, которые никогда не были разработаны для автономного выполнения. Результаты нашего недавнего исследования четко подтверждают эту точку зрения. Хотя предприятия агрессивно движутся к внедрению ИИ, многие из них все еще испытывают трудности в переработке операционных моделей, необходимых для поддержки автономного выполнения в масштабе. Этот пробел подчеркивает, как многие предприятия все еще работают над вопросами управления, подотчетности и готовности организации.

Мы также наблюдаем, как организации быстро движутся вперед, прежде чем у них есть правильные рамки измерения. Семьдесят один процент руководителей считает, что агентный ИИ принесет ROI быстрее, чем любая предыдущая волна технологий, но 67% все еще полагаются на метрики производительности, которые были разработаны для более ранних моделей автоматизации. Мой опыт показал, что успешное внедрение ИИ никогда не только означает развертывание моделей. Это означает переработку рабочих процессов, согласование технологий с бизнес-приоритетами и помощь людям в понимании того, как их роли эволюционируют вместе с все более автономными системами.

Ваш недавний отчет, Автономность требует доверия к ИИ, показывает, что большинство руководителей считают, что агентный ИИ фундаментально изменит бизнес-операции, но большинство систем остаются контролируемыми. Каково самое большое несоответствие между убеждением и выполнением?

Несоответствие полностью сосредоточено вокруг доверия. Руководители явно считают, что агентный ИИ изменит то, как выполняется работа, но вера в технологию не автоматически переводится в комфорт с передачей полномочий по принятию решений. Наше исследование показало, что только 22% организаций комфортно позволяют ИИ-системам работать с автономией на уровне домена или широкой автономией.

Большинство предприятий все еще комфортно используют ИИ как помощника, который может рекомендовать, суммировать или поддерживать рабочие процессы. Колебания начинаются, когда ИИ-системы ожидается, что они будут действовать автономно в способах, которые влияют на операции, клиентов, соблюдение правил или финансовые результаты. Это колебание заставляет многие предприятия держать людей тесно вовлеченными в процессы утверждения и надзора, даже когда они толкают к более автономным операционным моделям.

Многие предприятия инвестируют значительные средства в ИИ, но не могут продемонстрировать значимые доходы. Какие наиболее распространенные ошибки организаций совершают при попытке измерить ценность, обусловленную ИИ?

Основная ошибка заключается в том, что многие организации все еще используют метрики производительности, разработанные для более ранних волн автоматизации. Данные показывают, что 67% предприятий все еще полагаются на метрики производительности, которые не могут полностью отразить ценность адаптивных, основанных на решениях систем. Это создает реальное несоответствие между ожиданиями и тем, как ценность фактически измеряется.

Другой проблемой является то, что многие организации еще не определили метрики успеха, родные для ИИ. Только небольшой процент предприятий измеряет такие вещи, как автономное выполнение рабочих процессов, снижение уровня эскалации или автономное обработка исключений. Если компании продолжат сосредотачиваться только на снижении затрат или экономии времени, они пропустят более широкое операционное воздействие, которое агентный ИИ предназначен создать.

Отчет предполагает, что готовность организации является более значительной преградой, чем сама технология. Какие конкретные структурные изменения должны сделать компании, чтобы разблокировать полный потенциал агентного ИИ?

Организации должны переосмыслить то, как подотчетность, владение рабочими процессами и принятие решений функционируют на протяжении всего бизнеса. Одним из наиболее ясных выводов из исследования является то, что готовность организации становится более значительной преградой, чем технология сама по себе. Фактически, 33% предприятий определили, что бизнес-процессы не готовы к интеграции агентного ИИ как главную преграду к принятию.

Компании, которые добиваются наибольшего прогресса, перерабатывают рабочие процессы от начала до конца, чтобы автономные системы могли работать в пределах четко определенных границ и структур надзора. Мы также обнаружили, что 44% предприятий ожидают, что агентный ИИ будет сглаживать структуры управления, поскольку системы поглощают задачи координации, традиционно выполняемые средним менеджментом. Сотрудникам необходимо гораздо большая ясность вокруг обязанностей по надзору, точек вмешательства и того, где человеческая оценка вписывается в все более автономную среду.

Только небольшой процент организаций комфортно передает агентам ИИ реальную автономию. Что потребуется от предприятий, чтобы доверять ИИ-системам полномочиями по принятию решений?

Доверие к агентному ИИ в конечном итоге сводится к подотчетности и контролю. Предприятия все еще осторожны в передаче полномочий по принятию решений, потому что лидеры хотят уверенности в том, что автономные системы могут работать в пределах четких ограничений и структур управления.

Компании, которые движутся вперед, проектируют системы, в которых пути эскалации, триггеры вмешательства и структуры управления встроены непосредственно в операционную модель. Большинство организаций предоставляют автономию постепенно на основе бизнес-контекста и толерантности к риску, а не делают внезапный переход к полной автономии. По мере того, как предприятия набирают уверенность через успешные развертывания, доверие растет, потому что лидеры могут четко видеть, как принимаются решения, где лежит подотчетность и как поддерживается человеческий надзор.

Предприятия ожидают масштабировать агентный ИИ быстро, но многие все еще полагаются на устаревшие метрики производительности. Как должны выглядеть более эффективные, родные для ИИ метрики производительности?

Метрики, родные для ИИ, должны измерять выполнение и результаты, а не активность. Традиционные метрики производительности фокусируются на том, работают ли люди быстрее, но агентный ИИ меняет уравнение, потому что сама система начинает нести часть операционной нагрузки. Это важно, потому что многие организации все еще измеряют агентный ИИ через призму производительности, разработанную для более ранних волн автоматизации, а не для автономного выполнения.

Более эффективные меры должны сосредотачиваться на автономном выполнении рабочих процессов, снижении уровня эскалации, более быстром выполнении решений и том, насколько эффективно системы управляют исключениями с минимальным вмешательством человека. Эти метрики предоставляют гораздо более четкую картину того, действительно ли ИИ улучшает выполнение в масштабе.

Вы подчеркиваете, что переработка процессов является основной преградой к принятию. Почему трансформация рабочих процессов имеет значение больше, чем производительность модели в этой следующей фазе ИИ?

Трансформация рабочих процессов имеет значение, потому что даже самые передовые ИИ-системы не могут масштабироваться эффективно внутри сломанных или фрагментированных процессов. Наше исследование показало, что 33% предприятий определили готовность процессов как основную преграду к принятию агентного ИИ.

То, что делает эту следующую фазу отличной от предыдущей, заключается в том, что агентный ИИ предназначен для выполнения по рабочим процессам, а не просто для помощи внутри них. Организации должны переработать процессы вокруг автономного выполнения, уточняя владение решением, удаляя ненужные передачи и встраивая управление непосредственно в рабочие процессы. Во многих отношениях переработка рабочих процессов теперь является подлинной основой для масштабирования ИИ.

Отчет предполагает, что ИИ будет сглаживать организационные структуры, поскольку задачи координации будут автоматизированы. Как вы видите эволюцию руководящих ролей и среднего менеджмента в результате?

По мере того, как агентный ИИ берет на себя больше задач координации и операционного надзора, руководящие роли, вероятно, сместятся от управления рутинным выполнением к руководству стратегией, оценкой и управлением. Наше исследование показало, что многие предприятия ожидают, что агентный ИИ снизит слои координации на протяжении всей организации, поскольку автономные системы берут на себя больше операционных обязанностей по надзору.

Средний менеджмент исторически играл значительную роль в маршрутизации решений и поддержании операционной непрерывности на протяжении команд. По мере того, как автономные системы начинают обрабатывать больше этих видов деятельности, лидеры должны сосредотачиваться больше на управлении исключениями, подотчетности и обеспечении того, чтобы системы соответствовали бизнес-целям. Человеческое лидерство станет еще более важным в областях, где контекст, этика и оценка все еще имеют наибольшее значение.

Genpact позиционирует себя как агентную и передовую технологическую компанию. Как компания подходит к агентному ИИ по-другому, чем традиционные консалтинговые или технологические фирмы?

Подход Genpact основан на выполнении и результатах и том, что мы часто описываем как решение “последней мили” проблемы внедрения ИИ. Многие организации уже доказали, что ИИ-модели могут генерировать идеи или улучшать производительность, но реальная задача заключается в том, чтобы встроить эти возможности в живые бизнес-рабочие процессы, где фактически выполняется работа. Это то место, где многие инициативы ИИ застревают. Наша фокус – помочь клиентам операционализировать агентный ИИ по последней миле выполнения, чтобы системы могли стимулировать измеримые результаты внутри финансов, цепочки поставок, обслуживания клиентов и других основных функций предприятия.

То, что отличает наш подход, является сочетанием глубокой экспертизы процессов с данными, технологиями и возможностями ИИ. Мы не просто развертываем модели или строим пилотные проекты. Мы перерабатываем рабочие процессы, встраиваем управление в операции и помогаем предприятиям создать структуры подотчетности, необходимые для автономного выполнения в масштабе. Поскольку мы также встроили агентный ИИ в свои собственные операции, мы приносим практический опыт о том, что требуется для перехода от экспериментов к влиянию на весь бизнес.

Глядя вперед, считаете ли вы, что агентный ИИ расширит разрыв между лидирующими и отстающими предприятиями, и что должны делать компании сейчас, чтобы не отстать?

Да, я считаю, что разрыв расширит, потому что агентный ИИ усилит ценность по-другому, чем предыдущие волны технологий. Организации, которые успешно переработают рабочие процессы, установят структуры подотчетности и создадут доверие к автономным системам, создадут операционные преимущества, которые станут трудными для конкурентов повторить. То, что поражает, – это то, насколько быстро происходит этот сдвиг. Двадцать девять процентов предприятий ожидают, что агентный ИИ будет масштабироваться по всему бизнесу в течение следующих 12 месяцев.

Для компаний, стремящихся остаться конкурентоспособными, приоритетом сейчас должно быть подготовка операционной модели для автономного выполнения. Это включает в себя переработку рабочих процессов, определение структур собственности, создание рамок измерения, родных для ИИ, и инвестиции в готовность рабочей силы. Организации, которые двигаются вперед на этих основах, будут гораздо лучше позиционированы, чем те, которые все еще подходят к ИИ как к отдельной технологической инициативе.

Благодарим за отличное интервью, читатели, которые хотят узнать больше, должны посетить Genpact.