Intervjuer

Ajay Vasal, global chef för data och AI på Genpact – Intervjuserien

Antoine Tardif
Lägg till Unite.AI bland dina föredragna källor på Google
Viktiga punkterProcessomdesign är det främsta hindret för införande av agentisk AI, inte…
Visa mer
  • Processomdesign är det främsta hindret för införande av agentisk AI, inte modellprestanda.
  • % av företagen använder fortfarande produktivitetsmått som är olämpliga för autonoma AI-system.
  • Endast 22 % av organisationerna litar på AI-system med domänspecifik eller bred autonomi.

Ajay Vasal, global chef för data och AI på Genpact, är en erfaren teknik- och strategiledare med mer än två decenniers erfarenhet av artificiell intelligens, datastrategi, digital transformation, fusioner och förvärv samt företagsrådgivning. I sin nuvarande roll leder han initiativ som hjälper företag att bredda användningen av AI och gå från assisterande AI till mer självständiga system som är integrerade i verksamheten. Innan han började på Genpact arbetade Vasal nästan nio år på Accenture, där han hade flera ledande befattningar, bland annat global chef för data och AI inom konsumentbranscherna och global chef för Centre for Data & Insights. Under sin karriär har han hjälpt organisationer att skapa mätbart affärsvärde med data genom effektivare verksamhet, ökade intäkter och minskade risker. Han har också lett strategiska investeringar, fusioner och förvärv samt AI-drivna förändringsprogram inom olika branscher.

Genpact är ett globalt tjänsteföretag inom professionell rådgivning och digital transformation, med inriktning på data, AI, analys, intelligent automatisering och modernisering av stora företags verksamhet. Företaget grundades inom General Electric (GE.TO ) och blev senare självständigt. I dag betjänar Genpact organisationer inom bland annat finansiella tjänster, hälso- och sjukvård, tillverkning, detaljhandel och konsumentvaror. Företaget har alltmer inriktat sig på AI-driven företagsutveckling och kombinerar analys, automatisering och branschkunskap för att hjälpa företag att modernisera arbetsflöden, förbättra beslutsfattandet och införa storskaliga AI-system på ett ansvarsfullt sätt.

Du arbetade i flera år på Accenture med att utforma data- och AI-strategier inom olika branscher innan du tillträdde din nuvarande roll på Genpact. Hur har den erfarenheten påverkat din syn på varför företag fortfarande har svårt att få verkligt värde ur sina AI-investeringar?

En av de viktigaste lärdomarna från att arbeta inom olika branscher är att de flesta organisationer inte misslyckas för att tekniken är svag. Problemen uppstår i stället när de försöker lägga AI ovanpå verksamhetsmodeller som aldrig har utformats för självständigt genomförande. Resultaten från vår senaste undersökning bekräftar det tydligt. Företag satsar offensivt på AI, men många har fortfarande svårt att omforma de verksamhetsmodeller som krävs för att stödja självständigt genomförande i stor skala. Det gapet visar hur många företag fortfarande brottas med frågor om styrning, ansvar och organisatorisk beredskap.

Vi ser också organisationer som går snabbt fram innan de har lämpliga ramverk för mätning på plats. Av cheferna tror 71 procent att agentbaserad AI kommer att ge avkastning på investeringen snabbare än någon tidigare teknikvåg, men 67 procent förlitar sig fortfarande på produktivitetsmått som utformats för äldre automatiseringsmodeller. Min erfarenhet är att framgångsrik AI-användning aldrig bara handlar om att införa modeller. Det handlar om att omforma arbetsflöden, anpassa tekniken till verksamhetens prioriteringar och hjälpa människor att förstå hur deras roller utvecklas tillsammans med alltmer självständiga system.

Er senaste rapport, Autonomy Requires Trust in AI, visar att de flesta chefer tror att agentbaserad AI kommer att förändra företagens verksamhet i grunden, men att de flesta system fortfarande står under tillsyn. Vilket är det största gapet mellan övertygelse och genomförande?

Gapet handlar helt om tillit. Cheferna är tydligt övertygade om att agentbaserad AI kommer att förändra hur arbetet utförs, men en tro på tekniken innebär inte automatiskt att man känner sig trygg med att överlåta beslutsmandat till den. Vår undersökning visar att bara 22 procent av organisationerna känner sig trygga med att låta AI-system arbeta självständigt inom ett visst verksamhetsområde eller med bred självständighet.

De flesta företag är fortfarande bekväma med att använda AI som en assistent som kan rekommendera, sammanfatta eller stödja arbetsflöden. Tveksamheten uppstår när AI-system förväntas agera självständigt på sätt som påverkar verksamheten, kunderna, regelefterlevnaden eller de ekonomiska resultaten. Det gör att många företag håller människor nära involverade i godkännande och tillsyn, samtidigt som de strävar mot mer självständiga verksamhetsmodeller.

Många företag investerar stora belopp i AI men kan inte visa någon betydande avkastning. Vilka är de vanligaste misstagen när organisationer försöker mäta det värde som AI skapar?

Ett stort misstag är att många organisationer fortfarande använder produktivitetsmått som utformats för tidigare automatiseringsvågor. Uppgifterna visar att 67 procent av företagen fortfarande är beroende av produktivitetsbaserade mått som inte fullt ut fångar värdet hos anpassningsbara system som arbetar genom att fatta beslut. Det skapar ett tydligt gap mellan förväntningarna och hur värdet faktiskt mäts.

Ett annat problem är att många organisationer ännu inte har definierat framgångsmått som är anpassade till AI:s förutsättningar. Bara en liten andel företag mäter sådant som att arbetsflöden slutförs självständigt, färre ärenden behöver eskaleras eller avvikelser hanteras självständigt. Om företagen fortsätter att enbart fokusera på kostnadsminskningar eller sparade arbetstimmar missar de den bredare verksamhetseffekt som agentbaserad AI är avsedd att skapa.

Rapporten tyder på att organisatorisk beredskap är ett större hinder än själva tekniken. Vilka konkreta strukturella förändringar behöver företagen göra för att utnyttja hela potentialen hos agentbaserad AI?

Organisationer behöver tänka om kring hur ansvar, ägarskap för arbetsflöden och beslutsfattande fungerar i hela verksamheten. En av undersökningens tydligaste slutsatser är att organisatorisk beredskap håller på att bli ett större hinder än tekniken i sig. Hela 33 procent av företagen angav att affärsprocesserna inte var redo för integrering av agentbaserad AI som det främsta hindret för införandet.

De företag som gör störst framsteg omformar arbetsflödena från början till slut, så att självständiga system kan arbeta inom tydligt definierade gränser och strukturer för tillsyn. Vi fann också att 44 procent av företagen förväntar sig att agentbaserad AI ska minska antalet ledningsnivåer när systemen tar över samordningsuppgifter som traditionellt har skötts av mellanchefer. Medarbetarna behöver mycket tydligare besked om tillsynsansvar, när de ska ingripa och vilken roll mänskligt omdöme har i en alltmer självständig miljö.

Bara en liten andel organisationer känner sig trygga med att ge AI-agenter verklig självständighet. Vad krävs för att företagen ska lita på AI-system tillräckligt för att ge dem beslutsmandat?

Tillit till agentbaserad AI handlar i slutändan om ansvar och kontroll. Företag är fortfarande försiktiga med att överlåta beslutsmandat eftersom ledningen vill vara säker på att självständiga system kan arbeta inom tydliga skyddsramar och styrningsstrukturer.

Företagen som går framåt utformar system där eskaleringsvägar, villkor för ingripanden och styrningskontroller är direkt inbyggda i verksamhetsmodellen. De flesta organisationer ger systemen självständighet stegvis utifrån verksamhetens förutsättningar och risktolerans, snarare än att plötsligt gå över till full självständighet. När lyckade införanden ökar organisationernas tillförsikt växer också tilliten, eftersom ledningen tydligt kan se hur beslut fattas, var ansvaret ligger och hur mänsklig tillsyn upprätthålls.

Företag förväntar sig att snabbt skala upp agentbaserad AI, men många förlitar sig fortfarande på föråldrade produktivitetsmått. Hur bör effektivare resultatmått som är anpassade till AI se ut?

Mått som är anpassade till AI behöver mäta genomförande och resultat snarare än aktivitet. Traditionella produktivitetsmått fokuserar på om människor arbetar snabbare. Agentbaserad AI ändrar förutsättningarna, eftersom systemet självt börjar ta över en del av verksamhetens arbetsbörda. Det är viktigt, eftersom många organisationer fortfarande mäter agentbaserad AI ur ett produktivitetsperspektiv som utformats för tidigare automatiseringsvågor och inte för självständigt genomförande.

Effektivare mått bör fokusera på att arbetsflöden slutförs självständigt, lägre eskaleringsfrekvens, snabbare verkställande av beslut och hur effektivt systemen hanterar avvikelser med begränsade mänskliga ingripanden. Dessa mått ger en mycket tydligare bild av om AI verkligen förbättrar genomförandet i stor skala.

Du framhåller att omformning av processerna är det främsta hindret för införandet. Varför är förändrade arbetsflöden viktigare än modellernas prestanda i nästa fas av AI?

Förändrade arbetsflöden är viktiga eftersom inte ens de mest avancerade AI-systemen kan skalas upp effektivt inom bristfälliga eller splittrade processer. Vår undersökning visar att 33 procent av företagen angav processernas beredskap som det främsta hindret för att införa agentbaserad AI.

Det som skiljer nästa fas från tidigare är att agentbaserad AI är utformad för att utföra arbete genom hela arbetsflöden, snarare än att bara bistå inom dem. Organisationer måste omforma processerna för självständigt genomförande genom att tydliggöra beslutsansvaret, ta bort onödiga överlämningar och bygga in styrningen direkt i arbetsflödena. På många sätt är omformade arbetsflöden nu själva grunden för storskalig AI-användning.

Rapporten tyder på att AI kommer att minska antalet organisationsnivåer när samordningsuppgifter automatiseras. Hur ser du att ledningens och mellanchefernas roller utvecklas till följd av detta?

När agentbaserad AI tar över fler uppgifter inom samordning och verksamhetstillsyn kommer ledarskapets roller sannolikt att förskjutas från att leda rutinmässigt genomförande till att vägleda strategi, omdöme och styrning. Vår undersökning visar att många företag förväntar sig att agentbaserad AI ska minska antalet samordningsnivåer i organisationen när självständiga system tar ett större ansvar för verksamhetstillsynen.

Mellanchefer har historiskt haft en viktig roll i att föra beslut till rätt instans och upprätthålla kontinuiteten i arbetet mellan team. När självständiga system börjar hantera fler av dessa uppgifter behöver ledare fokusera mer på avvikelsehantering, ansvar och att säkerställa att systemen stöder affärsmålen. Mänskligt ledarskap blir ännu viktigare inom områden där sammanhang, etik och omdöme fortfarande betyder mest.

Genpact beskriver sig som ett företag som erbjuder lösningar inom agentbaserad AI och avancerad teknik. Hur skiljer sig företagets sätt att arbeta med agentbaserad AI från traditionella konsult- eller teknikföretags?

Genpacts arbetssätt bygger på genomförande och resultat, och på att lösa det vi ofta beskriver som problemet med det ”sista steget” i AI-införandet. Många organisationer har redan visat att AI-modeller kan skapa insikter eller förbättra produktiviteten. Den verkliga utmaningen är att integrera dessa förmågor i verksamhetens faktiska arbetsflöden, där arbetet utförs. Det är där många AI-initiativ stannar av. Vi fokuserar på att hjälpa kunderna att få agentbaserad AI i drift hela vägen fram till genomförandet, så att systemen kan skapa mätbara resultat inom ekonomi, försörjningskedja, kundservice och andra centrala företagsfunktioner.

Det som utmärker vårt arbetssätt är kombinationen av djup processkunskap och förmågor inom data, teknik och AI. Vi inför inte bara modeller eller bygger pilotprojekt. Vi omformar arbetsflöden, integrerar styrningen i verksamheten och hjälper företag att skapa de ansvarsstrukturer som krävs för självständigt genomförande i stor skala. Eftersom vi också har integrerat agentbaserad AI i vår egen verksamhet har vi praktisk erfarenhet av vad som krävs för att gå från experiment till effekter i hela företaget.

Om vi blickar framåt, tror du att agentbaserad AI kommer att öka gapet mellan ledande företag och dem som släpar efter? Vad bör företagen göra nu för att undvika att hamna efter?

Ja, jag tror att gapet kommer att öka, eftersom agentbaserad AI bygger upp värde på ett annat sätt än tidigare teknikvågor. De organisationer som lyckas omforma arbetsflöden, skapa ansvarsramverk och bygga tillit till självständiga system kommer att få verksamhetsfördelar som konkurrenterna får svårt att efterlikna. Det slående är hur snabbt förändringen sker. Av företagen förväntar sig 29 procent att agentbaserad AI ska spridas till hela verksamheten inom de närmaste 12 månaderna.

För företag som vill behålla sin konkurrenskraft bör prioriteten nu vara att förbereda verksamhetsmodellen för självständigt genomförande. Det innebär att omforma arbetsflöden, tydliggöra ansvarsstrukturer, bygga mätramverk som är anpassade till AI och investera i personalens beredskap. De organisationer som tidigt lägger dessa grunder kommer att ha ett mycket bättre utgångsläge än de som fortfarande ser AI som ett fristående teknikinitiativ.

Tack för en givande intervju. Läsare som vill veta mer kan besöka Genpact. 

Antoine är en visionär ledare och medgrundare av Unite.AI, driven av en orubblig passion för att forma och främja framtiden för AI och robotik. Som serieentreprenör tror han att AI kommer att förändra samhället lika genomgripande som elektriciteten, och han talar ofta entusiastiskt om potentialen i banbrytande teknik och artificiell generell intelligens (AGI).

Som futurist ägnar han sig åt att utforska hur dessa innovationer kommer att forma vår värld. Han är även grundare av Securities.io, en plattform med fokus på investeringar i spetsteknik som omdefinierar framtiden och omformar hela branscher.