Анкур Дхингра, генеральный директор ProHance — серия интервью

Ankur Dhingra, генеральный директор ProHance, является опытным руководителем в области технологий и операций с более чем двадцатилетним опытом лидерства в сфере корпоративной продуктивности, финансовых услуг и глобальных бизнес‑операций. Он возглавляет ProHance с 2020 года, сосредотачивая усилия на создании единой платформы для наблюдения, управления и повышения продуктивности человеческих работников, поставщиков и систем ИИ. До того как стать CEO, Дхингра был партнёром в FutureIP, где была разработана платформа ProHance как решение для управления операциями и аналитики. Ранее он провёл более восьми лет в American Express, занимая должности вице‑президента и генерального директора глобальных бэк‑офисных операций, а также руководил операциями взаимодействия с клиентами, включающими масштабные телефонные, чат‑, регулятивные и бизнес‑гарантийные функции. Его карьера также включает старшие руководящие позиции в Genpact, где он управлял банковской практикой из 1 100 сотрудников и бюджетом в 35 млн долларов, а также в GE Capital, где руководил операциями финансовых услуг в Индии.

ProHance — компания, предоставляющая корпоративный интеллект о рабочей силе и аналитику продуктивности, обеспечивая организациям в режиме реального времени видимость того, как работа выполняется сотрудниками, внешними поставщиками, ИИ‑копилотами и автономными агентами. Платформа, позиционируемая как «Комната управления продуктивностью», объединяет аналитику рабочей силы, планирование мощности, интеллектуальное распределение задач, измерение продуктивности и инструменты управления, помогая предприятиям выявлять операционные узкие места, оптимизировать использование ресурсов и понимать влияние ИИ на эффективность организации. По данным ProHance, её технологии используют более 450 000 пользователей в 220 компаниях в 55 странах, охватывая банковский и финансовый сектора, аутсорсинг бизнес‑процессов, глобальные центры возможностей, здравоохранение и информационные технологии.

Вы провели более двух десятилетий, руководя масштабными операциями в GE Capital, Genpact и American Express, прежде чем стать генеральным директором ProHance. Чему вас научил этот опыт относительно ограничений традиционного управления рабочей силой и продуктивностью, и как эти уроки сформировали ваш подход к построению ProHance как компании, ориентированной на ИИ?

Мой опыт в GE Capital, Genpact и American Express показал, что одна из крупнейших пробелов в традиционном управлении рабочей силой заключалась не столько в передней части, сколько в бэк‑офисе.

В American Express я ранее работал в службе поддержки клиентов, где колл‑центр имел доступ к довольно продвинутым технологиям измерения продуктивности — где люди тратят своё время, уровень загрузки, объём взаимодействий и как можно оптимизировать процессы. Но когда я перешёл к руководству бэк‑офисными операциями, я увидел совершенно другую реальность.

Огромный объём работы в крупных компаниях происходит за кулисами — обработка транзакций, управление делами, ввод данных и другие процессные активности — однако практически не существовало значимых измерений того, как эта работа действительно выполняется. Технологии и видимость, доступные для фронт‑офиса, просто не перенеслись в бэк‑офис.

Я стал почти безумно одержим этой проблемой. Я начал изучать доступные технологии и общаться с уже устоявшимися игроками, но всё, что я находил, было либо громоздким, либо дорогим, либо просто не предназначенным для реальностей бэк‑офисных операций. Я постоянно думал: это индустрия стоимостью более 150 млрд долларов, и эта проблема существует уже годы. Кто‑то, должно быть, решает её лучше.

Этот поиск в конечном итоге привёл меня к ProHance, где Раджеш Шарма и Кишор Редди (соучредители ProHance) уже создали технологию, решающую многие из проблем, которые я выявил как продвинутый пользователь этих систем. Я точно знал, что должна делать технология — автоматически фиксировать активность, работать на разных операционных системах, измерять время как в системе, так и вне её, и предоставлять надёжный обзор того, как работа действительно происходит.

Этот опыт сформировал моё нынешнее представление о ProHance. Урок таков: нельзя построить предприятие, ориентированное на ИИ, просто добавив ИИ к существующим инструментам управления рабочей силой. Сначала нужна надёжная, детальная картина самой работы. Затем ИИ может трансформировать анализ, оптимизацию и в конечном итоге переосмысление этой работы.

Для меня ProHance — это привнесение того же уровня видимости и интеллекта, который предприятия исторически имели во фронт‑офисе, во всю организацию, и использование ИИ для более точного измерения продуктивности, что фундаментально улучшит процесс выполнения работы.

По мере того как генеративный ИИ и ИИ‑агенты захватывают всё большую долю интеллектуального труда, традиционные сигналы продуктивности, такие как отработанные часы или использование приложений, могут стать менее значимыми. Как предприятиям переопределить продуктивность, когда человек может выполнить за 30 минут то, что ранее занимало несколько часов?

Продуктивность должна перейти от измерения активности к измерению результатов. Если ИИ позволяет выполнить за 30 минут то, что ранее требовало трёх часов, трёхчасовой ориентир теряет актуальность. Важно сосредоточиться на достигнутом, качестве результата и том, насколько эффективно использованы время и навыки.

Это также означает, что предприятиям необходимо понять, где ИИ действительно устраняет повторяющиеся задачи, а где человеческое суждение остаётся критически важным. Продуктивность всё больше должна отражать результаты, ёмкость, качество и бизнес‑влияние, а не количество часов, проведённых за столом, или использование приложений.

Вы описали интеллект рабочей силы как всё более критичный в предприятии, ориентированном на ИИ. Что на практике означает «интеллект рабочей силы» и чем он отличается от инструментов мониторинга сотрудников и аналитики рабочей силы, которые компании использовали исторически?

Интеллект рабочей силы по сути даёт организации более чёткое представление о том, как действительно происходит работа. Он объединяет сигналы о нагрузке, ёмкости, использовании, процессах и результатах, помогая руководителям определить, где команды перегружены, где есть свободные ресурсы и где работа «застревает».

Это отличается от традиционного мониторинга сотрудников, который часто сосредотачивался на индивидуальной активности. Интеллект рабочей силы должен работать на гораздо более широком уровне. Цель не в том, чтобы спрашивать: «Что делает этот сотрудник каждую минуту?», а в том, «Как течёт работа по всей организации и что мы можем сделать, чтобы её улучшить?»

ProHance всё активнее сочетает детерминированные данные о рабочей силе с машинным обучением для создания предиктивных инсайтов, включая выявление потенциальных рисков оттока и удержания. Как вы гарантируете, что эти модели ИИ различают значимые паттерны от обычных вариаций поведения сотрудников, и насколько важна объяснимость, когда менеджеры принимают решения о людях?

В ProHance мы считаем, что качество и контекст базовых данных критически важны. Поведение сотрудников естественно варьируется в зависимости от проектов, нагрузки, команд, сезонов и бизнес‑циклов. Изменение активности само по себе не обязательно указывает на отток или риск удержания.

Подход заключается в поиске закономерностей по множеству сигналов и во времени, а не в выводах на основе единственного поведения. ИИ может помочь выявить паттерны, требующие внимания, но не должен рассматриваться как окончательный принимающий решение.

Объяснимость столь же важна. Если система помечает потенциальный риск, менеджеры должны иметь возможность понять факторы, лежащие в основе этого сигнала, и применить собственное суждение. Когда технологии используются для информирования решений о людях, прозрачность и человеческий контроль являются обязательными.

Понятно, что у сотрудников возникают опасения, когда организации внедряют технологии, способные анализировать рабочие паттерны, использование приложений, простои или производительность. Где предприятиям следует проводить черту между получением полезной операционной видимости и созданием культуры наблюдения?

Грань в значительной степени определяется намерениями, прозрачностью и способом использования данных. Сотрудники естественно чувствуют дискомфорт, когда технология внедряется без ясности, что измеряется и зачем.

Цель должна заключаться в понимании работы на уровне организации и операций, а не в постоянном наблюдении за отдельными людьми. Если данные о рабочей силе помогают выявлять избыточные нагрузки, узкие места или неэффективные процессы, они могут действительно улучшить опыт сотрудников.

Предприятия также должны чётко обозначить, чего они не пытаются достичь. Технологии должны помогать менеджерам вести более качественные беседы со своими командами, а не заменять эти беседы или создавать систему постоянного наблюдения.

ИИ‑копилоты и автономные агенты всё чаще становятся частью самой рабочей силы. Считаете ли вы, что платформы интеллекта рабочей силы в конечном итоге должны измерять продуктивность людей и ИИ‑агентов совместно, и как может выглядеть значимый показатель продуктивности человек‑ИИ?

Да, я считаю, что это станет всё более важным. По мере того как ИИ‑агенты начинают выполнять части рабочих процессов, измерение только человеческой активности даст предприятиям неполную картину того, как работа выполняется.

Однако я не думаю, что мы придём к единому показателю «человек против ИИ». Более полезным подходом будет понимание совокупного результата людей, ИИ‑инструментов и агентов в рамках рабочего процесса.

Предприятия могут оценивать, сколько времени ИИ освобождает от повторяющихся задач, насколько быстро движутся процессы, качество результатов и где всё ещё требуется человеческое вмешательство. Реальный вопрос становится: насколько эффективно люди и ИИ работают вместе?

ProHance говорит о переходе от простого измерения продуктивности к операционному интеллекту, включая анализ нагрузки, прогнозирование, оптимизацию процессов и распределение ресурсов. Насколько будущее этой категории будет связано с тем, что ИИ будет проактивно предлагать, что менеджерам следует изменить, а не просто предоставлять им дашборды?

Я считаю, что именно в этом направление движется категория по мнению ProHance. Дашборды полезны, но они всё равно оставляют менеджерам задачу интерпретировать информацию и решать, что делать дальше.

Следующий этап — когда платформы будут выявлять паттерн и помогать ответить «что нам с этим делать?». Это может означать выделение перегруженной команды, определение недостаточно используемых навыков, прогнозирование дефицита мощности или предложение, где процесс можно улучшить.

Для ProHance ценность всё больше будет заключаться в переходе от видимости к действию. ИИ должен помогать менеджерам принимать более качественные решения, оставляя окончательное решение за тем, кто понимает бизнес и контекст.

Вы сравнили интеллект продуктивности с ежегодным отчётом о здоровье организации. Какие ключевые сигналы должны отслеживать руководители, чтобы определить, действительно ли их рабочая сила здорова, продуктивна и успешно адаптируется к ИИ?

Я бы смотрел на комбинацию сигналов, а не на одну цифру продуктивности. Ёмкость и нагрузка — очевидные отправные точки, но руководителям также следует понимать, распределена ли работа эффективно, где появляются узкие места, как команды адаптируются к ИИ и тратят ли люди слишком много времени на низкоценные задачи.

Другой важный сигнал — устойчивость. Команда, достигающая выдающихся результатов, потому что сотрудники постоянно работают сверх разумной нагрузки, не обязательно является здоровой или продуктивной в долгосрочной перспективе.

Здоровая рабочая сила — это когда ёмкость, нагрузка и результаты находятся в разумном балансе, у людей есть возможность сосредоточиться на более ценной работе, а организация способна адаптироваться к изменяющейся природе труда.

Термин «продуктивность» приобрёл негативные коннотации у многих сотрудников, поскольку может подразумевать выполнение большего объёма работы меньшим числом людей. Как организациям вернуть смысл этого понятия и использовать интеллект продуктивности, основанный на ИИ, для улучшения опыта сотрудников, снижения выгорания и устранения низкоценных задач, а не просто увеличения объёма производства?

Организациям необходимо отойти от определения продуктивности как «больше результата при меньшем числе людей». Такое определение слишком узко, особенно в среде, где присутствует ИИ.

ИИ, в идеале, должен возвращать людям время, которое сейчас тратится на повторяющиеся административные задачи, ручные процессы и низкоценные задачи. Возможность состоит в том, чтобы использовать это время для решения проблем, взаимодействия с клиентами, инноваций и работы, требующей человеческого суждения.

Если интеллект продуктивности используется для выявления перегрузок сотрудников или неэффективного использования времени, он может стать инструментом улучшения опыта сотрудников. Цель должна заключаться в том, чтобы сделать работу лучше, а не просто заставить людей работать быстрее.

Глядя в будущее, по мере того как ИИ будет внедряться почти во все корпоративные рабочие процессы, что, по вашему мнению, будет отличать организации, успешно усиливающие свою рабочую силу с помощью ИИ, от тех, кто внедряет технологию, но не превращает её в значительные приросты продуктивности?

Организации, получающие наибольшую выгоду от ИИ, будут теми, кто смотрит дальше простого внедрения технологий. Доступ к ИИ‑инструменту сам по себе не гарантирует приростов продуктивности.

Лидеры будут понимать, где ИИ меняет рабочие процессы, как эволюционируют роли и получает ли организация действительно лучшие результаты от технологии. Они также будут постоянно измерять, что работает, и корректировать действия соответственно.

В конечном итоге успешные организации будут рассматривать внедрение ИИ как изменение способа выполнения работы, а не просто очередную технологическую реализацию. Они объединят ИИ с правильными процессами, навыками, видимостью рабочей силы и практиками управления. Именно это определит, станет ли ИИ настоящим преимуществом в продуктивности или лишь очередным слоем технологий.

Спасибо за отличное интервью. Читатели, желающие узнать больше, могут посетить ProHance.