Par Chadha, grundare, VD och CIO för HandsOn Global Management – Intervjuserie

Par Chadha, grundare, VD och CIO för HandsOn Global Management, är en entreprenör, investerare och teknikchef med årtionden av erfarenhet av att bygga och skala teknikdrivna företag. Sedan han grundade HandsOn Global Management 2001 har han fokuserat på investeringar i arbetsflödesautomatisering, big data, robotisk processautomatisering (RPA), kognitiva teknologier och artificiell intelligens inom finansiella tjänster, sjukvård, försäkring och juridiska marknader. Han är också medgrundare av Rule14 och har tidigare varit ordförande och verkställande ordförande för Exela Technologies samt ordförande för SourceHOV.

HandsOn Global Management (HGM) Limited är ett teknikdrivet företag som verkar i skärningspunkten mellan strategiska investeringar och affärstjänster, och kombinerar kapitalutplacering med operativ expertis för att bygga och skala teknikdrivna företag. Företaget fokuserar i allt högre grad på AI‑drivna sjukvårdstjänster, inklusive intäktscykelhantering, medicinsk kodning, ambient lyssning och sjukvårdsanalys, samtidigt som det tillämpar AI‑baserad automatisering och processoptimering över företagsarbetsflöden. HGM beskriver sin modell som en hybrid mellan ett investeringsbolag och en diversifierad tjänsteleverantör, och använder förvärv, teknikintegration och operativ genomförande för att driva långsiktig tillväxt på marknader som Nordamerika, Asien‑Stilla havet och Mellanöstern.

Du grundade HandsOn Global Management 2001, långt innan artificiell intelligens blev ett mainstream‑investeringsområde. Vad inspirerade dig ursprungligen att starta företaget, och hur har dess investeringsfilosofi utvecklats i takt med framsteg inom arbetsflödesautomatisering, dataintelligens och agentisk AI?

Namnet HandsOn beskriver hur jag ser på organisationen. Om du inte kan vara hands‑on – om du är hands‑off – passar du inte i vår organisation. Jag förväntar mig att de som leder verksamheter, inklusive mig själv, praktiserar det jag kallar tjänande ledarskap. Vårt jobb är att tjäna de människor som arbetar för oss och hjälpa dem att bli mer framgångsrika.

Tekniken har förändrats enormt, men den grundläggande frågan har inte förändrats särskilt mycket: vad gör tekniken det möjligt för verksamheten att göra bättre?

Med automatisering har jag alltid tittat på vad jag kallar flexibel kapacitet. Om en anställd kan hantera 100 transaktioner och automatisering gör det möjligt för den personen att hantera 250, har du skapat kapacitet för tillväxt utan att lägga till motsvarande kostnad. Det gör verksamheten mer lönsam och skalbar.

Nu tar AI detta betydligt längre. Vi går mot AI‑baserade arbetsflöden där många olika uppgifter orkestreras, med människor i slingan och agentisk AI i slingan. Jag tror att den typen av företag kommer att vara mycket efterfrågade och blir några av de mest disruptiva företagen.

Så tekniken har utvecklats, men vår filosofi förblir hands‑on: förstå driftsproblemet, identifiera var produktivitet kan skapas och omvandla tekniken till en affär.

Som både VD och chef för investeringar, vilka egenskaper skiljer ett AI‑företag med potential att bli en hållbar verksamhet från ett som främst drar nytta av kortsiktig hype kring tekniken?

För mig är skillnaden huruvida du kan omvandla investeringen till en affär. Annars är investeringen bara en kostnad.

Det kan finnas mycket entusiasm kring immateriella rättigheter eller ny teknik, men någon måste ändå använda den. Den måste lösa ett problem, ha ett värdeerbjudande och i slutändan generera intäkter.

Ta automatisering som exempel. Du måste också förstå den funktion du automatiserar. Marknadsföring, försäljning, inköp, HR, ekonomi, administration, skatterapportering och säkerhet är mycket olika funktioner. Automatiseringen måste utformas kring vad just den verksamheten faktiskt gör. En bensinstation har mycket specifika behov. En restaurang har mycket specialiserade behov.

De företag som överlever kommer att vara de där kunderna kan se skillnaden – högre lönsamhet, större skalbarhet, mer kapacitet eller möjligheten att göra något som tidigare inte var ekonomiskt genomförbart. Tekniken är viktig, men i slutändan måste den bli en affär.

HandsOn Global Management tar en aktiv operativ roll i att bygga, förvärva och omvandla företag. Hur förändrar detta hands‑on‑tillvägagångssätt hur du utvärderar AI‑investeringar jämfört med en traditionell riskkapital‑ eller private‑equity‑modell?

Jag tror inte på att sitta på toppen och bara säga åt folk vad de ska göra. Mitt tillvägagångssätt har alltid varit att de människor som arbetar för dig har brister, och ditt jobb är att hjälpa till att fylla dessa brister och göra dem framgångsrika.

Det betyder att när vi tittar på en investering tänker vi operativt. Vem kommer att driva den? Hur kommer den att positioneras? Vilka är kunderna och partnerna? Vad är värdeerbjudandet? Kan den bli skalbar?

Jag arbetar hand i hand med ledningsteam, men jag vill också att den operativa personen ska leda. Jag gör introduktionen, låter den personen ta över, håller mig i kopia och är tillgänglig. För oss är att äga en investering och driva ett företag inte två helt separata aktiviteter.

Många företag experimenterar med AI, men färre har lyckats implementera den i kritiska verksamheter. Vad skiljer organisationer som går från isolerade pilotprojekt till produktionsskala?

En stor del av det är huruvida organisationen själv är beredd att förändras.

Tekniken kan gå snabbare än människorna. Vi har personer som nyutexaminerade med kunskap om AI, om agenter, och som kan bli produktiva mycket snabbt. Samtidigt kan personer med fem, tio eller tjugo års yrkeserfarenhet ha svårt att gå från sin bekvämlighetszon till den nya zonen. Vi ser samma beteende i USA, Indien, Filippinerna och Europa.

Det blir ett organisationsproblem, inte bara ett teknikproblem.

De företag som genomför övergången kommer att vara villiga att förändra själva arbetsflödet. När du väl orkestrerar olika uppgifter med människor och agentisk AI som arbetar inom processen förändrar du hur arbetet utförs.

Om företag inte gör den förändringen kommer någon annan att göra det. Jag tror att det blir en fråga om att göra eller dö. Företag som disruptar kommer att gå framåt, och de som inte gör det blir själva disruptade.

HGM:s sjukvårdsinitiativ inkluderar autonom medicinsk kodning, röst‑ och konversationsintelligens, prediktiv analys och AI‑agenter som arbetar över administrativa och kliniska arbetsflöden. Var tror du AI kan avlägsna den största friktionen inom sjukvården utan att kompromissa med noggrannhet, integritet eller patientförtroende?

Ett av de största problemen inom sjukvården är att vi digitaliserade enskilda funktioner, men vi kopplade inte nödvändigtvis ihop hela verksamheten. Anspråk, inskrivning, vårdhantering, apotek, leverantörstjänster, analys och intäktscykel kan fortfarande fungera som separata system. Det skapar dubbelarbete, ineffektivitet, högre kostnader och en dålig upplevelse.

Jag tror inte att svaret bara är en ny applikation. Intelligens måste vara inbäddad i arbetsflödet. Möjligheten är att föra samman data, processer och människor så att AI kan hjälpa till att förstå vad som händer, förutsäga vad som kommer härnäst, rekommendera en åtgärd och automatisera det arbete som kan automatiseras på ett lämpligt sätt.

Administrativt arbete är en uppenbar startpunkt. Leverantörer hanterar fortfarande manuella processer, förhandsgodkännanden och administrativ börda. Om tekniken kan förenkla dessa arbetsflöden skapar du mer kapacitet för yrkesutövaren och i slutändan mer tid för vård.

Men förtroende är enormt viktigt inom sjukvården. Säkerhet, efterlevnad och styrning måste vara en del av arkitekturen. Tekniken bör förenkla komplexiteten, inte lägga till den. Målet är inte AI för AI:s skull. Det handlar om bättre vård, lägre kostnader, bättre operativ prestanda och en bättre upplevelse för både medlem och leverantör.

I reglerade branscher som sjukvård, finansiella tjänster, försäkring och offentlig sektor, hur bör företag avgöra vilka beslut som kan delegeras till autonoma AI‑agenter och vilka som fortsatt måste granskas av människor?

Jag tror att ansvar blir den avgörande gränsen.

I reglerade verksamheter har någon i slutändan ansvaret för vad som presenteras. Inom cybersäkerhet kan regulatorer till exempel kräva att ledning och styrelser snabbt lämnar information, och högsta ledning kan behöva underteckna offentliga uttalanden. Problemet är att ingen vet allt, särskilt så snabbt.

AI kan samla verktyg, etablera en grundnivå, organisera information och göra en process mycket mer produktiv. Men det gör inte ansvar försvinnande.

Sjukvård är ett bra exempel. AI kan förutsäga, upptäcka, rekommendera och automatisera, men dessa funktioner har inte samma risknivå. Arkitekturen måste känna igen var automatisering är lämplig och var människor måste vara kvar i slingan. Ju mer avgörande beslutet är, desto viktigare blir styrning, förklarbarhet och ansvar.

Jag ser det inte som ett val mellan helt autonom AI och helt manuellt arbete. Frågan är var AI kan utföra arbetet effektivt och var en person fortfarande måste utöva omdöme eller stå bakom resultatet.

Du var medgrundare av Rule14, en plattform som är avsedd att hitta, övervaka, analysera och sammanfatta information i realtid. Hur har stora språkmodeller och generativ AI förändrat vad som är möjligt inom datamining, och vilka grundläggande datautmaningar återstår att lösa?

Stora språkmodeller skapar en möjlighet att göra informationsbaserat arbete mycket mer skalbart.

Vi har verksamheter där hundratals advokater och andra yrkespersoner arbetar med innehåll och information, och historiskt har de använt fler äldre verktyg än stora språkmodeller. Det som intresserar mig är hur du kan ta plattformar som byggts för ett ändamål, paketera dem korrekt och använda dem för ett mycket annat ändamål i stor skala.

Det handlar inte bara om att en modell kan sammanfatta något. Du kan förändra ekonomin i hur stora mängder information bearbetas, paketeras och levereras.

Men jag skulle inte anta att bara för att du har en stor språkmodell så vet du plötsligt allt. Den underliggande informationen är fortfarande viktig, och i verkligheten kan information vara ofullständig eller otillgänglig när du behöver den. Modellerna gör oss mycket mer produktiva; de eliminerar inte behovet av att förstå vilken information du faktiskt har.

HGM:s strategiska ekosystem inkluderar företag som arbetar med autonom medicinsk kodning, ambient klinisk dokumentation, intelligenta arbetsflöden, betalningar, databehandling och AI‑utvecklingsplattformar. Hur skapar du meningsfull teknisk och kommersiell samverkan över en portfölj utan att tvinga företag in i ett artificiellt ekosystem?

Du använder varje företag för det de gör bäst.

Jag beskrev detta inom cybersäkerhet som att skapa en liten klubb. Vi är leverantören av tjänsten, och de andra företagen är experter inom sina områden. Vi använder varje företag för dess bästa förmåga. Genom att kombinera med oss får de expansion till våra kunder, och vi får fördelarna av det de är mycket bra på.

Det är annorlunda än att säga att varje företag måste använda varje annat företag bara för att de befinner sig i samma portfölj. Poängen är att samla förmågor så att kunden faktiskt kan använda dem.

Internt tar jag ett liknande förhållningssätt. Jag kopplar ihop rätt personer och låter den operativa personen leda. De arbetar fram vad de kan göra tillsammans, vilka budgetar som finns och om det hör till produktplanen.

Samarbetet måste skapa värde. Annars finns det ingen anledning att tvinga fram det.

Du har lett investeringar, förvärv och operativa transformationer i flera regioner och branscher. Vad har du lärt dig om att anpassa AI‑produkter till olika regulatoriska miljöer, affärskulturer, språk och digitala mognadsnivåer?

Kultur är viktigt, och personliga relationer är viktiga.

När människor bara känner varandra genom en telefonkatalog, telefonnummer eller e‑post kallar jag det för ett mycket opersonligt förhållande. Det kan fungera när allt är normalt. Men när du bygger, expanderar, reparerar något eller hanterar problem blir det mycket viktigare att känna personen på andra sidan.

Resor lär dig att marknader inte är alla lika. Du lär dig vad folk äter, vilka sporter de följer, hur deras skolsystem fungerar, vad som är kulturellt känsligt och vad som skapar onödiga barriärer. Ju mer du vet om landet, människorna och hur de lever, desto mer minskar du gapet i relationen.

Teknik är liknande. Olika marknader befinner sig på olika nivåer. Vissa länder ligger längre fram än USA inom vissa professionella tjänster, medan vi kan ligga längre fram inom andra former av automatisering.

Du kan inte anta att du kan ta en modell, placera den överallt och förvänta dig samma resultat. Du måste förstå hur den marknaden faktiskt fungerar och bygga relationer med de personer som ska använda den.

När agentisk AI, kognitiv automatisering och fysisk AI fortsätter att konvergera, vilka möjligheter tror du är underskattade, och vilket råd skulle du ge grundare som bygger företag för denna nästa automatiseringsfas?

Jag tror att AI‑baserade arbetsflöden kommer att vara mycket, mycket efterfrågade – orkestreringen av en mängd olika uppgifter med människor i slingan och agentisk AI i slingan. Jag tror att de kommer att bli några av de mest disruptiva företagen.

Disruptionen kommer också att vara bredare än vad folk förväntar sig. Många tror att automatisering påverkar de lägre nivåerna i arbetskraften. Enligt mig är det ofta mellanskiktet. Seniora personer kan göra mer, så de behöver mindre mellanklass. Kodning, testning, datainmatning och dataanalys automatiseras, medan arbetsflöden och instrumentpaneler minskar behovet av att hantera vissa av dessa funktioner.

Sedan har du den fysiska sidan. Restauranger blir automatiserade. Arbete som tidigare krävde människor under skördes- och planteringstider ersätts nu av autonoma maskiner, robotar och drönare. Det landskapet förändras mycket snabbt.

Det kommer att bli smärta i den övergången. Produktiva motorer behöver färre av oss. Men om vi inte förbättrar produktiviteten kommer vi inte kunna konkurrera med mycket mer befolkade länder med helt andra kostnadsstrukturer. Om vi får det rätt tror jag att detta kan bli början på ett nytt amerikanskt århundrade.

För grundare skulle jag fokusera på arbetsflödet och den produktivitet ni skapar. Bygg något som blir en del av hur arbetet faktiskt utförs, förstå var människor fortfarande har en roll i slingan, och inse att de organisationer som adopterar er teknik också genomgår en stor arbetskraftsövergång.

Tack för den fantastiska intervjun, läsare som vill veta mer bör besöka HandsOn Global Management.