Archana Joshi, Chef för Strategi (BFS och EnterpriseAI), LTIMindtree – Intervjuer

Archana Joshi har över 24 års erfarenhet inom IT-branschen, med expertis inom AI (inklusive generativ AI), agila och DevOps-metodiker samt gröna mjukvaruinitiativ. Hon leder för närvarande tillväxtstrategier och marknadspositionering för Enterprise AI-tjänsten och Banking and Financial Services Business Unit på LTIMindtree. Joshi har arbetat med Fortune 100-kunder i olika geografiska områden och är en regelbunden talare på branschforum och evenemang.

LTIMindtree är ett globalt teknikkonsult- och digitalt lösningsföretag som arbetar med företag inom olika branscher för att stödja affärsmodellsevolution, innovation och tillväxt genom digitala tekniker. Med över 700 kunder tillhandahåller LTIMindtree domän- och teknisk expertis för att förbättra konkurrenskraft, kundupplevelser och affärsresultat i en alltmer sammanlänkad värld.

Med tanke på din omfattande erfarenhet av att transformera IT-tjänster i olika organisationer, hur har din personliga ledarstil utvecklats på LTIMindtree, särskilt när det gäller att driva antagandet av Generative AI?

Med över två decenniers erfarenhet av IT-tjänster har jag ägnat min karriär åt att driva transformerande tekniska lösningar för kunder, antingen det gäller Agile/DevOps eller generativ AI (GenAI). På LTIMindtree fokuserar jag på att ge organisationer möjlighet att utnyttja GenAI för att strategisera och genomföra sina digitala transformationsresor. Jag prioriterar kundcentrerade strategier, arbetar nära kunder för att förstå deras unika utmaningar och levererar skräddarsydda AI-lösningar som driver affärsverksamhet. Som chef för strategi måste jag samarbeta med team över olika avdelningar för att främja GenAI-antagande och hålla mig informerad om nya utvecklingar för att vägleda mina beslut. GenAI-bearbetar stora mängder data för att ge handlingsbara insikter. Denna funktion är särskilt fördelaktig för en dataorienterad ledare som jag, som värdesätter evidensbaserade strategier.

Till exempel, varje morgon när jag börjar min dag med GenAI-baserade copiloter för att hjälpa mig förstå de viktigaste punkterna som kräver min uppmärksamhet eller ge insikter för att skapa rapporter som jag kan dela med mitt team om antagande. Faktum är att jag ofta säger inom teamet att GenAI-baserade copiloter i princip har blivit en integrerad del av vårt team, liknande betrodda vingmän. De stödjer oss genom att ge värdefulla insikter, automatisera uppgifter och hålla oss anpassade till våra strategiska mål.

Hur förändrar Generative AI traditionella IT-service-modeller, särskilt i branscher som har varit långsammare att anta digital transformation?

GenAI revolutionerar traditionella IT-service-modeller över alla branscher genom att betydligt förbättra IT-utvecklarens produktivitet. Från copiloter som genererar kod till syntetisk data för testning och automatisering av IT-åtgärder, förvandlas varje aspekt av IT. Följaktligen skiftar fokus för IT-service-modeller från kostnadsdrivna till effektivitets- och påverkansdrivna tillvägagångssätt. Detta innebär att värdet av IT-tjänster nu mäts av deras förmåga att leverera mätbara resultat snarare än bara kostnadsbesparingar. Denna förändring leder också till nya typer av arbete inom IT-tjänster, såsom utveckling av anpassade modeller, dataingenjörer för AI-behov och implementering av ansvarsfull AI.

För bara 18 månader sedan var dessa tjänster inte normen. Även i starkt reglerade branscher som hälsovård och finansiella tjänster, där äldre system är vanliga, erkänns alltmer värdet av GenAI för att förbättra operativ effektivitet.

Vår egen forskning på LTIMindtree, med titeln “The State of Generative AI Adoption“, belyser tydligt dessa trender. Inom hälsovården ser vi att GenAI har en stor inverkan genom att automatisera saker som medicinsk diagnostik, dataanalys och administrativt arbete. Detta hjälper läkare och hälsovårdspersonal att fatta snabbare och mer exakta beslut – även om antagandet förblir försiktigt på grund av strikta efterlevnads- och regleringsramar. Inom finansiella tjänster förbättrar GenAI riskhantering, bedrägeridetektering och kundservice genom att automatisera manuella uppgifter. Antagandet i denna sektor drivs dock av oro kring risk, styrning och känslig data.

Kan du dela specifika exempel på hur LTIMindtree har lyckats integrera GenAI i traditionella IT-arbetsflöden för att driva effektivitet och innovation?

På LTIMindtree har vi en trefaldig strategi för AI. Filosofin “AI i allt, allt för AI, AI för alla” understryker vårt engagemang för att integrera AI i alla aspekter av våra verksamheter och tjänster. Detta tillvägagångssätt säkerställer att AI inte bara är ett tillägg utan en kärnkomponent i våra lösningar, som driver innovation och effektivitet.

Kunderna ser på AI för att förbättra effektiviteten över hela linjen. Från att minska timmar som spenderas på upprepade, tidskrävande uppgifter till att skala upp verksamheten och förbättra tillförlitligheten i affärsprocesser, blir AI en central del av deras strategi. Våra ingenjörer fokuserar på att integrera AI-copiloter i sina arbetsflöden, som täcker allt från kodning, testning och distribution till programvaruunderhåll.

Till exempel, i en transformationsdriven rörelse för ett Fortune 200-företag, har vi använt GenAI-baserade copiloter för att konvertera stora lagrade procedurer till Java, vilket möjliggör deras moderniseringsresa. Vi arbetade nyligen med ett stort försäkringsbolag som ville automatisera sina dataextraktionsprocesser. De stod inför skalbarhets- och noggrannhetsproblem med sin manuella metod. Vårt team utvecklade en kompanjonsbot, som nu hjälper till att bearbeta flera dokument, extrahera kritisk information som risk, behörighet, täckning och prisdetaljer. Detta har betydligt minskat den tid det tar dem att erbjuda produkter och hantera olika täckningar.

Hur ser du på de etiska övervägandena som företag bör vara medvetna om med den snabba antagandet av GenAI över olika sektorer, och hur säkerställer LTIMindtree ansvarsfullt AI-användning?

Utvecklingen av AI är lovande men medför också många företagsutmaningar, särskilt kring etiska överväganden vid implementeringen.

På LTIMindtree har vi en AI-råd bestående av experter från AI, säkerhet, juridik, dataskydd och olika branschvertikaler. Detta råd har etablerat AI-säkerhetsramverk och samarbetar med branschorganisationer om AI-regleringsriktlinjer. Dessutom arbetar det med team som implementerar AI för att validera deras etiska riskpositioner.

För att effektivt implementera GenAI har vi etablerat en uppsättning kärnetiska principer i linje med företagets värderingar, som omfattar rättvisa, ansvar, transparens och integritet. Detta kräver verkställande sponsring och stöd från juridiska och säkerhetsteam. Nästa steg är tekniska ingrepp i våra interna processer som fokuserar på högkvalitativ, opartisk data, med åtgärder för att säkerställa dataintegritet och rättvisa. Att främja en etisk AI-kultur innefattar kontinuerlig utbildning om AI-kapacitet och potentiella fallgropar, såsom AI-hallucinationer. Slutligen genomförs regelbundna revisioner och uppdateringar av AI-system för att hantera sårbarheter och säkerställa noggrannheten i AI-utdata. Detta omfattande tillvägagångssätt säkerställer att GenAI implementeras på ett ansvarsfullt och effektivt sätt, som driver affärsverksamhet samtidigt som det upprätthåller etiska standarder.

Hur hanterar LTIMindtrees AI-plattform problem kring AI-etik, säkerhet och hållbarhet?

När vi fortsätter att lansera nya AI-verktyg och plattformar måste vi säkerställa att de uppfyller våra standarder och regler kring teknologins användning. Utöver att upprätthålla datakvalitet för att ge exakta och opartiska utdata, är vi engagerade i att uppfylla höga standarder för säkerhet och hållbarhet.

Vår plattform byggs kring principerna för ansvarsfull och medveten AI. När det gäller hållbarhet är vi medvetna om den ökande energibehovet som krävs för att stödja AI-modeller, från utbildning till kontinuerlig drift. Vi har antagit en strategi för att minska, återanvända och återvinna AI för att hantera koldioxidavtrycket och betonar vikten av att skapa miljövänliga och hållbara AI-praxis. Genom denna process fokuserar vi på att minska parametrarna genom att fokusera på mindre, mer specifika stora språkmodeller (LLM) som kan effektivt tillgodose behoven hos företagsapplikationer samtidigt som de skapar ett mindre koldioxidavtryck. Dessutom återanvänder vi data för olika tillämpningar och användningsfall för att undvika redundanser och återanvända mekanismer och prompter som kan användas för liknande uppgifter för att främja effektivitet och hållbarhet. Vi undersöker också kvantiserade modeller för att minska minnesavtrycket, få snabbare inferens, minska kostnader och bygga hållbara applikationer.

Som jag nämnde tidigare är säkerhet en viktig fråga när det gäller användningen av något AI-verktyg eller applikation. På LTIMindtree har vi inte bara prioriterat datasäkerhet och rättvis användning, utan har också gjort det till en hörnsten i vår AI-strategi. Vi har också integrerat 50+ bästa modererings-API:er och ansvarsfulla AI-ramverk från tredjepartsleverantörer som Nvidia Nemo-väggar och IBM Watson Governance-modeller. Vår plattform hanterar data effektivt samtidigt som den beaktar sekretess, säkerhet, etisk användning och hållbarhet genom att utnyttja sunda styrningsåtgärder och ett välbetat ramverk.

Hur påverkar GenAI Agile-projektledning på LTIMindtree? Vilka fördelar medför det till Agile-team, och finns det några kompromisser?

Att integrera GenAI i Agile-praxis förvandlar hur team arbetar. Det ökar produktiviteten, rationaliserar processer och öppnar nya vägar för innovation. När mjukvaruutvecklingslandskapet utvecklas, använder vi GenAI för att automatisera de upprepade uppgifter som kan bromsa teamen. Denna förändring låter dem fokusera mer på kreativt problemlösande och innovation – exakt där de ska vara.

När vi börjar integrera GenAI i Agile-ramverk finns det några viktiga punkter som vi vill betona. Först är det viktigt att förstå karaktären hos AI-verktyg och deras potentiella påverkan på teamarbete. Agile-team måste vara medvetna om begränsningarna hos dessa verktyg. De förlitar sig på förhandsdefinierad data snarare än att ge realtidsinsikter, så det är avgörande att validera och finslipa deras utdata.

Vår AI-nativa DevOps utnyttjar banbrytande teknik som kunskapsgrafer, anpassade SLM (små språkmodeller) tillsammans med programvaruutvecklingslivscykel (SDLC)-agenter. Detta har potentialen att uppnå 35-50% effektivitet i produktivitet över hela Agile-DevOps-cykeln för ett företag. Det hjälper ett Agile-pod under skapandet av användarberättelser, sprintplanering, kodgeenerering till CI/CD-pipelines och efterföljande incidenthantering.

Hur hanterar LTIMindtree behovet av ny talang och färdigheter med tanke på AI:s transformation av IT-branschen? Vilka initiativ har du lett för att säkerställa att dina team är utrustade för den AI-drivna framtiden?

Uppkomsten av innovativa tekniker inom IT-branschen har belyst en kompetensgap mellan de färdigheter vår arbetskraft för närvarande har och vad som behövs för att trivas i en AI-driven värld. GenAI har potentialen att helt omvandla de dagliga rollerna för många anställda, så att förbereda sig för nya färdigheter och roller är avgörande.

På LTIMindtree tar vi ledningen i denna transformation genom att fokusera på att vidareutbilda våra anställda för att möta dessa nya krav. Vi har vår GARUDA-initiativ, som specifikt är utformat för att utbilda och påbörja team i GenAI och företags-AI. Vi erkänner att effektiv utbildning och utbildningsresurser är avgörande, och vi är engagerade i att skapa en kultur av kontinuerligt lärande.

Våra utbildningsstrategier inkluderar datastyrda anpassningar, realtids online-lärande, avancerat förstärkt lärande, överföringslärande och återkopplingsloopar. På detta sätt säkerställer vi att våra team inte bara håller jämna steg med förändringen, utan också är genuint utrustade för att excellera i sina utvecklande roller. Det är en spännande tid, och vi är alla på denna resa tillsammans.

Utöver detta har vi samarbetat med sju akademiska institutioner för att utrusta framtida talang med AI-färdigheter. Här är vi involverade från läroplansdesign till att administrera läroplanen, samt utrusta professorerna via train-the-trainer-ansatser.

Hur ser du på utvecklingen av mänsklig talang i en alltmer AI-driven arbetsplats, och vilka steg tar du för att förbereda din arbetskraft för denna förändring?

I det förflutna fanns det distinkta roller för kreativa individer och tekniska experter. Men det finns en märkbar förändring mot att anta, mainstreama och skala innovativa innehållsskapande tekniker, som suddar ut gränserna mellan kreativitet och teknik. Denna integration påverkar olika branscher, där den traditionella separationen mellan kreativa roller och tekniska jobb gradvis minskar. Medan detta är lovande, kommer denna utveckling med utmaningar som indikerar en betydande förändring av fokus på omutbildning som en essentiell för att kapitalisera på AI:s fördelar.

Den stora konversationen nu är hur man gör denna GenAI-förändring beständig och skalbar. Här är var förändringshantering blir avgörande. Det kräver en strukturerad ansats och ett dedikerat team för att övervaka AI-antagandeprocessen. Människor, inte bara teknologi, är i centrum för en lyckad GenAI-antagande. Det kan vara ett kraftfullt verktyg för empowerment, även för dem som initialt uppfattar det som ett hot. Forrester förutspår att år 2030 kommer endast 1,5% av jobben att förloras till GenAI, medan 6,9% kommer att påverkas av det. Därför måste ledare prioritera transparens och motivera sin arbetskraft om AI:s framtid på arbetsplatsen.

AI förändrar jobbroller över hela IT-sektorn, automatiserar vardagliga uppgifter och lägger tonvikt på strategiskt beslutsfattande och komplex problemlösning. På LTIMindtree tror vi att detta är en förändring av mindset och har därför etablerat ett dedikerat centralt initiativ GARUDA – som fokuserar på denna förändringsantagande. GARUDA-initiativet handlar inte bara om rollbaserad utbildning och omutbildning, utan också om att skapa AI-ambassadörer som kan driva denna antagande över olika lager. Vi arbetar också med vår HR-funktion för att se till påverkan på olika roller inom organisationen, tillsammans med deras karriärvägar och associerade belöningar och erkännanden. Idag på LTIMindtree har vi tre nivåer av omutbildningsvägar – grundläggande, praktiker och expert. Över 50 000 av våra medarbetare har redan slutfört de grundläggande utbildningsinitiativen som inkluderar AI-koncept till användning av copiloter samt ansvarsfull AI-överväganden.

Vilka är några av de mest innovativa GenAI-tillämpningarna du har sett nyligen, och vart ser du att tekniken är på väg under de kommande 3-5 åren?

Vi har bara börjat skrapa på ytan av vad GenAI kan göra, och jag är spänd på dess potential över hela IT-branschen och bortom. När fler sektorer hoppar på tåget, finner jag mig särskilt upphetsad över dess tillämpningar för att förvandla människors liv.

På LTIMindtree har vi samarbetat med FN:s flyktingorgan för att förbättra dess krisresponsförmåga med hjälp av GenAI. Detta samarbete syftar till att påskynda krisresponsen på plats, ge tidsenlig hjälp och stöd till flyktingar i nöd. Den innovativa användningen av teknologi bringar hopp och lindring till utsatta befolkningar under deras största tider av behov. För ett amerikanskt livförsäkringsbolag utvecklade vi en GenAI-lösning som översätter talade ord i realtid, vilket betydligt förbättrar kundupplevelsen. Genom att överbrygga kommunikationsgapet främjar denna teknik bättre förståelse och anslutning mellan människor, bringar oss närmare varandra och säkerställer att språkbarriärer inte längre hindrar effektiva upplevelser.

Att blicka framåt, kommer Agentic AI att möjliggöra autonom uppgiftsprestation och beslutsfattande. År 2027 kommer branschspecifika modeller att dominera, användningen av syntetisk data kommer att öka och energieffektiva implementationer kommer att växa. Multimodala modeller som integrerar text-, bild-, ljud- och videoinmatningar kommer att förbättra kapaciteten, driva betydande ekonomisk påverkan och innovation. GenAI är redo att lägga till upp till 4,4 biljoner dollar till den globala ekonomin varje år, revolutionera branscher och driva effektivitet och hållbarhet, detaljhandel, hälsovård och livsvetenskap.

Verkligheten är att varje arbetsplats kommer att påverkas av GenAI på något sätt, och bli en del av vår vardagliga verksamhet. När vi fortsätter denna övergång, kan jag knappt vänta med att se hur det utvecklas och vilka innovationer som kommer att komma härnäst.