Sameet Gupte, VD och medgrundare av EvoluteIQ – Intervjuserie

Sameet Gupte, VD och medgrundare av EvoluteIQ, är en London-baserad chef med omfattande erfarenhet av att bygga och skala globala teknikföretag. Innan han grundade EvoluteIQ var han koncernchef för Servion, ett företag inom Ciscos portfölj, samt dess associerade företag Innoveo AG och Acqueon Inc., där han hjälpte till att driva företagsomvandling och tillväxt. Tidigare i sin karriär var han verkställande vicepresident och chef för globala finansiella tjänster och Europa på Virtusa, där han ledde betydande organisk expansion, utvecklade branschspecifika lösningar och spelade en nyckelroll i strategiska förvärv i Europa, inklusive i Tyskland och Sverige, samt förvärvet av Polaris. Han ledde också tidigare Genpacts kapitalmarknadsverksamhet i Europa, där han var ansvarig för att accelerera regional tillväxt och stärka dess position inom finansiella tjänster.

EvoluteIQ är ett företag som fokuserar på AI-nativ företagsautomatisering och som syftar till att förvandla hur företag opererar genom sin flaggskeppsplattform EIQ. Plattformen är utformad för att automatisera slut-till-slut-processer snarare än isolerade uppgifter och kombinerar artificiell intelligens, lågkodsverktyg och processorchestrering för att möjliggöra system som kan anpassa sig, fatta beslut och kontinuerligt förbättras över tid. Genom att integrera data, arbetsflöden och AI i en enhetlig arkitektur hjälper EvoluteIQ organisationer att effektivisera verksamheten, minska komplexiteten och bygga robusta, självoptimerande system inom branscher som finans, hälsovård och telekommunikation.

Innan du grundade EvoluteIQ 2019 hade du ledande befattningar på Servion, Virtusa och Genpact, där du arbetade omfattande med företagsomvandling och storskaliga teknikutveckling. Vilka erfarenheter under den tiden ledde dig till att dra slutsatsen att nästa generations automatiseringsplattformar behövde byggas som AI-nativa system snarare än som utvidgningar av traditionella arbetsflödes- eller RPA-verktyg?

Över hela branscherna kännetecknas framgångsrika organisationer av sin förmåga att konsekvent leverera världsklassresultat. En gemensam faktor bland dem är en robust process. När vi konceptualiserade EvoluteIQ syftade vi till att utveckla en teknik som ligger till grund för denna process. Vår fokus var att lösa problemet snarare än enskilda komponenter i det. Före 2019 löste de tillgängliga verktygen och teknologierna primärt specifika aspekter av processen, såsom dataextraktion, uppgiftshantering och arbetsflöde. Var och en av dessa teknologier löste ett visst problem inom processen, men saknade en omfattande lösning för den slut-till-slut-processen. Detta identifierade en betydande möjlighet att skapa en teknik som är autonom, kapabel till självlärande och anpassning för att optimera processen. Således föddes konceptet EIQ: en nativ AI-plattform utformad för att vara autonom, lösa problemet snarare än enskilda komponenter och maximera automatisering. Den skulle vara lågkod/saknad kod, utrustad med nödvändiga funktioner för alla processer, inklusive strömmande data, händelser och orchestrering med AI som kärnramverk.

Många automatiseringsplattformar idag lägger till generativa AI-funktioner på legacy-infrastruktur. EvoluteIQ var utformad från grunden med intelligens och autonomi i dess kärna. Vilka arkitekturval gjorde du tidigt som tillåter din plattform att stödja agentic automation på sätt som äldre system inte kan?

Plattformen var utformad från grunden för att möjliggöra automatisering av slut-till-slut-processer oavsett typen av automation som krävs (robotisk, arbetsflöde, data, händelser etc.). Detta gjordes med förväntningen att, över tid, nya automatiseringstekniker kommer att uppfinnas och befintliga kan bli föråldrade. Således möjliggjorde den underliggande mikrotjänstbaserade arkitekturen utveckling och inkludering av generativ AI och agentic automation. På samma sätt kommer denna arkitektur att möjliggöra inkludering av stora åtgärdsmodeller och kvantbeslut inom en snar framtid.

EvoluteIQ är byggt kring det du kallar Agentic Mesh Architecture, eller {aMa}, som möjliggör nätverk av intelligenta agenter att samarbeta över företagsprocesser. Hur skiljer sig detta tillvägagångssätt sig från traditionella automatiseringsramverk, och varför tror du att agent-till-agent-samarbete kommer att bli en grundläggande skikt i företagsprogramvara?

{aMa} är den proprietära arkitekturen som är en av de viktigaste differentieringsfaktorerna för EvoluteIQ-plattformen. Agent-till-agent-samarbete möjliggör att flera agenter (både EIQ och tredjepartsagenter) självorganiserar sig när de arbetar mot att slutföra ett specifikt affärsresultat. Detta kommer att tillåta kunder att omvärdera sin uppfattning och användning av automation. De kommer inte längre att behöva definiera stegen som krävs för att utföra en slut-till-slut-process; istället kommer de att behöva uttrycka det önskade affärsresultatet och låta agenterna bestämma hur detta ska uppnås. Denna självorganiserande och självstyrande kapacitet kommer att möjliggöra för kunder att skapa agila och robusta affärsdriftsmodeller som automatiskt anpassar sig till innovation och störningar utan behov av dyra och riskfyllda mänskliga ingrepp.

Din plattform fokuserar på automatisering av komplexa affärsprocesser snarare än att bara automatisera enskilda uppgifter. Hur förändrar en agentic modell sättet organisationer tänker om processorchestrering, beslutsfattande och operativ autonomi?

Vi täckte delvis detta ovan, men jag skulle tillägga att EIQ-plattformen möjliggör för kunder att skapa en abstraktionslager ovanpå deras befintliga infrastruktur. Följaktligen kan alla komponenter i infrastrukturen betraktas som komponenter i en EIQ-process. I samband med den Agentiska Mesh-arkitekturen {aMa} kan IT-team nu skapa “sammansatt IT” som möjliggör för företag att utveckla applikationer och processer på begäran från fördefinierade, testade och godkända komponenter. Detta introducerar en högre grad av operativ autonomi för affärsanvändare, vilket möjliggör för dem att skapa, använda och pensionera IT-tjänster som krävs, och tar bort den traditionella beroendet av IT.

EvoluteIQ använder en resultatbaserad prissättningsmodell snarare än att ta betalt per robot eller per användare. Vad motiverade detta beslut, och hur förändrar det sättet företagsledare utvärderar avkastningen på automationssatsningar?

Beslutet att strukturera resultatbaserad prissättning togs för att alignera med affärs- eller användningsfalls framgångskriterier, säkerställa kostnadspredictibilitet, transparens och dela risken för framgång eller misslyckande med kunden. Den mest betydande förändringen för företag i en resultatbaserad modell är att, till skillnad från den traditionella modellen där avkastning på investering (ROI) debatteras efteråt, i detta fall är det kontrakterat i förväg, mätbart kontinuerligt och betalat mot leverans.

En av de största utmaningarna inom företags-AI är att integrera strukturerad data, ostrukturerad information och realtidsoperativa signaler över flera system. Hur hanterar EvoluteIQ dessa integrationsutmaningar samtidigt som den upprätthåller styrning och tillförlitlighet?

EIQ-plattformen hanterar strukturerad data, ostrukturerad data och realtidsdata via separata motorer. Varje motor består av en uppsättning mikrotjänster som kan skalas vertikalt och horisontellt och replikeras för att tillhandahålla robusthet. Denna arkitektur möjliggör för plattformen att byggas och skalas för att möta prestanda-, kapacitets- och robusthetskraven för enskilda kunder.

När företag börjar distribuera autonoma AI-agenter som kan fatta beslut och utlösa åtgärder, blir problemen kring tillsyn och ansvarstagande viktigare. Vilka styrningsramverk eller skyddsåtgärder tror du är nödvändiga för agentiska system som opererar i stor skala?

Plattformen innehåller standardfunktioner som granskning av processsteg, registrering av processvariabelvärden och styrning av generativ AI och agenter. Dessa funktioner möjliggör realtidsstyrning av agentiska beteenden och historisk rapportering och analys av deras arbete och beslut. Utöver dessa funktioner tillhandahåller EIQ-plattformen en unik funktion som säkerställer att agenter beter sig som förväntat. Genom att ansluta till varje datakälla och system för registrering inom en kund förstår agenterna den affärskontext de opererar inom. Följaktligen skapas deras svar inom denna omfattande ram, vilket säkerställer tillförlitligheten och tillförlitligheten i deras åtgärder.

EvoluteIQ rapporteras ha uppnått lönsamhet inom sitt andra verksamhetsår, vilket är ovanligt för många AI-startups. Vilka strategiska beslut möjliggjorde att du balanserade innovation och snabb produktutveckling med finansiell hållbarhet?

EvoluteIQ har varit EBITDA-positivt sedan sitt andra verksamhetsår. Detta har uppnåtts genom att vara försiktig med kostnader utan att kompromissa med innovation. Företaget fokuserar på kundantagande och kundnöjdhet, vilket återspeglas i en konsekvent spårad 120% Net Retention Rate. Det undviker att överinvestera i marknadsföring och försäljning genom att bygga starka partnerskap med globala systemintegratörer, Tier 1 BPO-företag och ledande managementkonsultföretag för att driva Go-To-Market-rörelsen. Företaget demonstrerar värde för prospekt genom betalda Proof Of Value (POV) snarare än gratis Proof of Concepts (POC). Varje tillväxtbeslut har varit medvetet och fokuserat. Att möjliggöra starka partnerskap och göra kunder självförsörjande på EIQ-plattformen har också resulterat i en smal support- och implementationsorganisation, vilket säkerställer en hälsosam anställd-till-omsättning-förhållande i linje med bästa praxis-mått.

Företagsautomatiseringslandskapet utvecklas snabbt, med traditionella RPA-leverantörer, generativa AI-plattformar och agentiska automatiseringsföretag som alla konkurrerar om uppmärksamhet. Hur ser du att den konkurrensutsatta dynamiken på denna marknad utvecklas under de kommande åren?

Inom företagsautomatisering ser vi en grundläggande konvergens snarare än enbart ökad konkurrens. Traditionell RPA blir avskriven till ett exekveringslager, generativ AI blir snabbt allmänt accepterad och agentisk AI dyker upp som kontrollparadigmet. Men ingen av dessa utvecklingar i sig kommer att definiera marknaden. Det verkliga slagfältet flyttar sig mot AI-nativa orkestreringsplattformar som kan hantera slut-till-slut-processer och leverera mätbara affärsresultat. Under de kommande åren kommer vinnarna inte att vara de med de mest avancerade modellerna eller det största antalet robotar, utan de som kan kombinera agentarbetsflöden, data och beslut i ett enhetligt system som är styrt, granskningsbart och kontinuerligt förbättrat. Företagsköpare flyttar redan bort från verktyg och licenser mot resultat och ansvar. Därför kommer den avgörande frågan för varje plattform att vara om den kan ta ansvar för resultatet, inte bara en del av processen.

Om man ser framåt, vilka milstolpar kommer att signalera att företag flyttar från AI-assisterade arbetsflöden till verkligen autonoma operationer, och vad förväntar du att EvoluteIQ kommer att spela för roll i denna övergång?

Övergången från AI-assisterade arbetsflöden till verkligen autonoma operationer handlar inte om små effektivitetsvinster utan en grundläggande omdefiniering av hur arbete utförs. Den första milstolpen är mänsklig-över-loopen: AI-agenter fattar de flesta besluten med mänskligt ingripande reserverat för undantag. Därefter kommer slutna processer att möjliggöra realtidskänslighet, beslutsfattande, åtgärd och självkorrigering utan manuellt ingripande. Företag kommer sedan att anta resultatbaserade modeller där framgång mäts av affärsresultat snarare än aktivitet. Till sist kommer sann autonomi att uppnås när sammansatta agentiska arkitekturer orkestrerar över funktioner som finans, drift och kundservice utan att begränsas av äldre system.

EvoluteIQ är i framkanten av denna övergång. Byggt som en enhetlig AI-nativ plattform som omfattar arbetsflöde, data, händelser och beslutsfattande, inte bara assisterar det mänskliga utan också utför slut-till-slut-processer, övervakar varje åtgärd, mäter kontinuerligt resultat och självoptimerar. EvoluteIQ möjliggör AI inom processer och tillhandahåller infrastrukturen för företag att operera autonomt i stor skala med fullständig ansvarighet. Detta är hur organisationer flyttar från automation till autonomi och varför EvoluteIQ är unikt positionerat att leda denna resa.

Tack för den utmärkta intervjun. Läsare som vill lära sig mer bör besöka EvoluteIQ.