Mark Clayman, VD för Netrio – Intervjuserie

Mark Clayman, VD för Netrio, är en erfaren teknisk chef med mer än två decenniers ledningserfarenhet inom molntjänster, hanterade IT-tjänster, cybersäkerhet och företagsinfrastruktur. Innan han anslöt sig till Netrio 2024 var han VD för Navisite genom dess förvärv av Accenture, och tidigare ledde han RDX och TriCore Solutions under perioder av betydande tillväxt och framgångsrika förvärv. Tidigare i sin karriär hade Clayman seniora ledningsroller på Navisite och var CIO på Surebridge, och byggde upp ett rykte för att skala tekniska organisationer, integrera förvärvade företag och modernisera hanterade tjänsteoperationer för företags- och mellanmarknadskunder.

Netrio är en nordamerikansk leverantör av hanterade IT-tjänster som fokuserar på att hjälpa små och mellanstora organisationer modernisera och säkra sina tekniska miljöer. Företaget specialiserar sig på hanterade IT-tjänster, molntjänster, cybersäkerhet, infrastrukturförvaltning och digitala transformationslösningar, med expertis inom branscher som hälsovård, finansiella tjänster och detaljhandel. Efter sammanslagningen med SUCCESS Computer Consulting har Netrio utökat sin räckvidd och kapacitet, och positionerat sig som en större MSP som kan erbjuda företagsklassad teknisk support, operativ effektivitet och cybersäkerhetsskydd till växande företag som navigerar i allt mer komplexa IT-miljöer.

Du har lett flera hanterade tjänste- och molnföretag genom stora förvärv, inklusive roller på RDX, Navisite, TriCore Solutions och nu Netrio. Hur har din syn på företags-IT-transformation utvecklats över dessa olika epoker, och vad övertygade dig om att AI skulle bli nästa grundläggande skift för hanterade tjänsteleverantörer?

Under åren har jag funnit att företags-IT-transformation inte bara handlar om en ny teknisk kategori. Det kan börja så med hanterad hosting, moln, säkerhet, automatisering och nu AI, men den verkliga transformationen sker när den tekniken förändrar hur företag opererar och konkurrerar. Tidigare i min karriär fokuserade vi på infrastruktur: var arbetsbelastningar bodde, hur system hanterades, hur man förbättrade tillgänglighet och hur man minskade kostnader. Över tiden flyttade samtalet till hur tekniken kunde skapa värde för organisationen. Kunder började fråga inte bara “Kan du köra den här miljön?” utan “Kan du hjälpa mig bli mer effektiv, mer säker, mer resilient och mer konkurrenskraftig?” AI är en grundläggande skiftning eftersom den berör alla dessa frågor på samma gång. För MSP:er är AI inte bara ett nytt verktyg som vi lägger till i portföljen… Det är en paradigmskiftning som förändrar hur tjänster levereras, hur ingenjörer arbetar, hur kunder konsumerar support och hur vi skapar affärsvärde.

Du har beskrivit AI som den nya leveransryggraden för MSP:er. Vad ser en AI-nativ MSP ut som om fem år jämfört med den traditionella MSP-modellen som företag är vana vid idag?

Den traditionella MSP-modellen har byggts kring människor, processer och verktyg som svarar på problem: övervakning av en miljö, öppnande av en biljett, tilldelning av en ingenjör, lösa problemet och rapportera tillbaka till kunden. En AI-driven MSP kommer att se mycket annorlunda ut. AI kommer att sitta över hela leveransmodellen, från övervakning och ITSM till säkerhet, slutpunktsförvaltning, kundkommunikation, analyser och affärsflödesoptimering. Inom de närmaste 2-3 åren kommer MSP-chefer inte bara att använda AI för att svara på frågor snabbare; de kommer att använda det för att upptäcka mönster, prioritera risk, avhjälpa kända problem, sammanfatta och uppdatera biljetter, analysera sentiment och guida ingenjörer mot nästa bästa åtgärd. Dessutom, och viktigast, kommer kundupplevelsen att bli mycket mer självservicelösning och AI-plattformsdriven.

Netrio driver en “AI-först, människa-andra” supportfilosofi. Vad har förändrats i användarbetende som gör att kunder alltmer är bekväma med att interagera med AI innan de talar med en mänsklig tekniker?

Den största förändringen är att människors förväntningar har återställts av den teknologi de använder varje dag. I sina personliga liv är användare vana vid att få omedelbara svar, söka efter hjälp på egen hand, interagera med chatbots och intelligenta assistenter och lösa grundläggande problem utan att behöva vänta på att någon ringer tillbaka. Det beteendet visas nu upp på arbetsplatsen. Om ett AI-system kan hjälpa någon att låsa upp ett konto, diagnostisera ett anslutningsproblem, svara på en “hur-gör-jag” fråga eller dirigera en begäran korrekt på några sekunder, föredrar många användare det framför den gamla modellen med att skicka in en biljett och vänta på att någon ska ringa tillbaka. Det är dock viktigt att notera att AI-först inte kan betyda människa-aldrig. Det betyder att vi ska använda AI där det skapar hastighet, konsekvens och bekvämlighet, och sedan ta in människor när problemet är komplext, känsligt eller kräver omdöme.

Många företag pratar om AI-kopiloter, men du betonar agens-ai och autonom åtgärd. Hur nära är vi att AI-system oberoende löser de flesta rutinmässiga IT-incidenter utan mänsklig inblandning?

Vi är på väg att komma närmare, men jag tycker att det är viktigt att vara praktiskt om vad autonomt verkligen betyder. Det finns redan många rutinmässiga incidenter där AI kan diagnostisera problemet, rekommendera åtgärden, vidta åtgärden och uppdatera biljetten på ett sätt som ser mycket likt ut som vad en mänsklig ingenjör skulle göra. Det är mycket annorlunda än en enkel chatbot eller kopilot som bara föreslår ett svar.

Det finns en stor möjlighet att utnyttja agens-ai som kan operera inom definierade ramar: den känner till miljön, förstår policyn, har rätt åtkomst och kan avhjälpa kända problem på ett säkert sätt. På Netrio, på grund av komplexiteten i våra miljöer, tänker vi noga på var vi ska använda partner-nativ AI och var vi behöver bygga vår egen kapacitet. Vi stöder många kunder över olika miljöer, och en AI-agent måste förstå den multi-tenant-komplexiteten. I vissa områden, som infrastrukturvarningar eller säkerhetsvarningskonsolidering, kan mogen leverantörs-AI vara rätt svaret. I andra områden, särskilt där arbetsflödet omfattar kundmiljöer, slutpunktsåtkomst, autentiseringsuppgifter och fjärrsupport, blir MSP-specifik intelligens mycket viktig.

En av de mer intressanta idéerna du tog upp var AI-driven sentimentanalys på varje supportbiljett. Hur viktigt kommer emotionell intelligens och kundsentiment att bli i nästa generation av företags-IT-drift?

Jag tycker att det kommer att bli en stor del av hur tjänstekvalitet mäts. I hanterade tjänster räcker det inte att veta om en biljett stängdes eller om en SLA uppfylldes. Du måste också veta hur kunden kände under den interaktionen. Var de frustrerade? Var de förvirrade? Kände de sig hörda? Fortsatte problemet att återkomma? Historiskt sett kunde MSP:er lära sig om dessa mönster i en månatlig eller kvartalsvis affärsöversikt eller från en kundtillfredsställelseundersökning, vilket är användbart men ofta för sent. AI-driven sentimentanalys ger oss möjligheten att förstå kundupplevelsen i nästan realtid. Det betyder att vi kan identifiera var en kund blir frustrerad, var kommunikationen inte är tydlig eller var ett återkommande problem skadar förtroendet, och vi kan ingripa snabbt. Det är den punkt där AI förstärker den mänskliga sidan av tjänsten, snarare än att ersätta den.

Du har nämnt att många organisationer kämpar med “skugg-AI” inom sina företag. Vilka är de största styrningsmisstagen företag gör just nu när anställda snabbt antar AI-verktyg på egen hand?

Det största misstaget är att låta AI-antagande ske på ett helt fragmenterat sätt. Anställda kommer att experimentera, och i många fall är det en bra sak, men organisationen måste förstå vilka verktyg som används, vilken data som matas in och vilka risker som skapas. Just nu har många företag individer som använder AI i fickor över hela verksamheten, men det finns ingen gemensam policy, inget mätverktyg, ingen utbildningsmodell och ingen tydlig vägkarta för att anpassa sig till organisatoriska mål.

Det skapar säkerhetsrisker, regelefterlevnadsrisker och slösad möda. Den idealiska metoden är inte att stänga av experiment, utan snarare formalisera och organisera det. Företag behöver styrningsramar, åtkomstkontroller, anställd utbildning, godkända användningsfall och ett sätt att mäta värde. Detta är särskilt sant i mellanmarknaden, där företag ofta har samma tryck från styrelser och ledning att utnyttja AI, men de kanske inte har den interna AI-expertisen, säkerheten och regelefterlevnadsgruppen för att vägleda insatsen.

Om AI automatiserar fler grundläggande MSP-uppgifter, ser du att den traditionella ekonomin för hanterade tjänster förändras fundamentalt under de närmaste åren?

Ja, jag tror att ekonomin kommer att förändras ganska mycket. Den traditionella hanterade tjänstemodellen har ofta byggts kring arbete, verktyg och marginal. Om AI och automatisering minskar mängden mänskligt arbete som krävs för grundläggande support, övervakning och avhjälpande, då är prispress på dessa kommersialiserade tjänster oundviklig. Men jag ser inte det som negativt. Jag ser det som en tvingande faktor för MSP:er att flytta uppåt i värdekedjan. Värdet kommer alltmer att komma från att hjälpa kunder att tillämpa teknologi för affärsresultat: förbättra operationer, automatisera arbetsflöden, stärka säkerhet och fatta bättre beslut.

Det är därför strategiska samtal med kunder är så viktiga. MSP:er måste förstå hur en kund driver sitt företag – deras leverantörskedja, kundservicemodell, interna processer, tillväxtplaner och riskprofil. Sedan kan vi använda AI och automatisering för att lösa högvärdesproblem. Sedan skiftar ekonomin från hur många människor det tar att stödja en miljö till vad mätbart värde MSP:en skapar för ett företag.

Många AI-samtal fokuserar på stora företag, men mellanmarknadsföretag saknar ofta intern expertis för att distribuera AI på ett ansvarsfullt sätt. Vilka unika utmaningar möter mellanmarknadsorganisationer som förbises av den bredare branschen?

Mellanmarknadsföretag är i en mycket intressant position. De har verklig affärspress för att anta AI, och i många fall har de samma brådska som större företag. Deras ledningsgrupper och styrelser frågar vad deras AI-strategi är, var effektiviteterna är och hur företaget ska stanna konkurrenskraftigt. Men som nämnts tidigare har de inte samma interna resurser som ett Fortune 500-företag. De har inte en dedikerad AI-styrningsgrupp, en stor säkerhetsorganisation, en mogen data science-funktion eller de förändringshanteringsresurser som behövs för att flytta från AI-piloter till produktion. Så de kan fastna mellan experiment och genomförande. De vet att AI är viktigt, men de behöver hjälp med att identifiera rätt användningsfall, sätta styrningsramar, säkra miljön, utbilda anställda och integrera AI i verkliga arbetsflöden. Det är därför vår strategi på Netrio fokuserar på praktisk antagande: beredskap, styrning, strategi, plattformsdistribution, aktivering och kontinuerlig utveckling och support.

Netrio verkar inom branscher som hälsovård, finansiella tjänster och detaljhandel. Tror du att de framtida vinnarna i AI-aktiverade hanterade tjänster kommer att vara företagen med den djupaste branschexpertisen snarare än den bredaste tekniska stacken?

Ja, jag tror det. En bred teknisk stack är viktig, men den räcker inte i sig själv. Det verkliga värdet kommer när du förstår kundens affär tillräckligt djupt för att veta var AI verkligen kan göra en skillnad. Hälsovård, finansiella tjänster, detaljhandel, tillverkning, hotell och restaurang – var och en av dessa branscher har olika arbetsflöden, regelefterlevnadspress, kundförväntningar, riskprofiler och operativa verkligheter. En generisk AI-distribution kan skapa någon effektivitet, men en branschspecifik lösning kan lösa ett mycket mer meningsfullt problem. Till exempel är sättet att tänka på AI i en reglerad finansiell tjänstemiljö annorlunda än hur man tänker på AI i detaljhandels- eller hotellverksamheter. De MSP:er som vinner kommer att vara de som kombinerar AI, automatisering, säkerhet och branschexpertis.

Om vi ser framåt, vilka delar av företags-IT-hantering tror du kommer att förbli grundläggande mänskliga, oavsett hur avancerade AI-system blir?

De mänskliga delarna kommer att vara områden som kräver förtroende, omdöme, empati och strategisk kontext. AI kommer att fortsätta ta på sig mer av det repetitiva operativa arbetet, och det är en bra sak. Det kommer att hjälpa ingenjörer att flytta snabbare, förbättra svarstider, identifiera mönster och automatisera kända problem. Men kunder behöver fortfarande människor som förstår deras affär, kan hjälpa dem att göra avvägningar och kan stå bakom de rekommendationer som görs. Säkerhet är ett bra exempel. AI kan upptäcka hot, prioritera varningar, automatisera svar, men att bygga en säkerhetskultur beror fortfarande tungt på människor, utbildning, ledarskap och omdöme. Samma sak gäller för AI-antagande i sig. Du kan distribuera kraftfulla verktyg, men någon måste fortfarande bestämma vilka användningsfall som är viktiga, vilka risker som är acceptabla, hur anställda ska utbildas och hur framgång ska mätas.

Tack för den utmärkta intervjun, läsare som vill lära sig mer bör besöka Netrio.