Sameet Gupte, VD och medgrundare av EvoluteIQ – Intervjuer

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 Cisco-portföljbolag, samt dess associerade bolag Innoveo AG och Acqueon Inc., där han hjälpte till att driva företagsomvandling och tillväxt. Tidigare i sin karriär var han vice VD och chef för Global Financial Services och Europa på Virtusa, där han ledde betydande organisk expansion, utvecklade branschfokuserade lösningar och spelade en nyckelroll i strategiska förvärv i Europa, inklusive i Tyskland och Sverige, samt i Polaris-förvärvet. Han har också tidigare lett Genpacts kapitalmarknadsverksamhet i Europa, där han var ansvarig för att accelerera regional tillväxt och stärka dess position inom finansiella tjänster.

EvoluteIQ är ett AI-nativt företagsautomatiseringsföretag som fokuserar på att omvandla hur företag opererar genom sin flaggskeppsplattform EIQ. Utformad för att automatisera slut-till-slut-processer snarare än isolerade uppgifter, kombinerar plattformen artificiell intelligens, lågkodverktyg och processorchestration 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 rationalisera verksamheten, minska komplexiteten och bygga robusta, självoptimerande system över 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 stora tekniska distributioner. 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 branscherna är framgångsrika organisationer kännetecknade av sin förmåga att konsekvent leverera världsklassresultat. En gemensam faktor bland dem är en robust process. Medan vi konceptualiserade EvoluteIQ syftade vi till att utveckla en teknik som understödjer denna process. Vårt fokus var på att lösa problemet snarare än enskilda komponenter i det. Före 2019 löste de tillgängliga verktygen och teknologierna främst 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 automatiseringen. Den skulle vara lågkod/no-kod, utrustad med de nödvändiga funktionerna för valfri process, inklusive strömmande data, händelser och orkestrering med AI som kärnramverk.

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

Plattformen var designad från grunden för att möjliggöra slut-till-slut-automatisering av processer oavsett typen av automatisering 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 tillåter den underliggande mikrotjänstbaserade arkitekturen utveckling och inkludering av generativ AI och agensbaserad automatisering. På samma sätt kommer denna arkitektur att tillåta inkludering av stora aktionsmodeller och kvantbeslutshantering snart.

EvoluteIQ är byggd kring vad du kallar Agentic Mesh Architecture, eller {aMa}, som möjliggör nätverk av intelligenta agenter att samarbeta över företagsprocesser. Hur skiljer sig detta tillvägagångssätt 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 differentiatorerna 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 automatisering. De kommer inte längre att behöva definiera stegen som krävs för att utföra en slut-till-slut-process; istället kommer de att behöva ange 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 affärsmodeller som automatiskt anpassar sig till innovation och störningar utan behov av dyra och riskfyllda mänskliga ingrepp.

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

Vi täckte delvis detta ovan, men jag skulle lägga till att EIQ-plattformen möjliggör för kunder att skapa en abstraktionslager ovanför deras befintliga infrastruktur. Följaktligen kan alla element i infrastrukturen betraktas som komponenter i en EIQ-process. I kombination med Agentic Mesh Architecture {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 nivå av operativ autonomi för affärsanvändare, vilket möjliggör för dem att skapa, använda och pensionera IT-tjänster som behövs, och ta bort den traditionella beroendet av IT.

EvoluteIQ använder en resultatbaserad prismodell snarare än att ta betalt per bot 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 företagets eller användningsfallets 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 investeringen (ROI) diskuteras efteråt, i detta fall är det kontrakterat i förväg, mätas kontinuerligt och betalas 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 man upprätthåller styrning och tillförlitlighet?

EIQ-plattformen hanterar strukturerad data, ostrukturerad data och realtidsdata genom 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 frågor om tillsyn och ansvarstagande viktigare. Vilka styrningsramverk eller skyddsåtgärder tror du är nödvändiga för agensbaserade 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 agensbeteende och historisk rapportering och analys av deras arbete och beslut. Utöver dessa funktioner tillhandahåller EIQ-plattformen en unik kapacitet som säkerställer att agenter beter sig som förväntat. Genom att ansluta till varje datakälla och system för registrering inom en kund, förstår agenter den affärskontext de opererar i. Följaktligen skapas deras svar inom detta omfattande ramverk, vilket säkerställer noggrannhet och tillförlitlighet i deras åtgärder.

EvoluteIQ rapporteras ha uppnått lönsamhet inom sitt andra verksamhetsår, vilket är ovanligt för många AI-startups. Vilka strategiska beslut möjliggjorde för er att balansera 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 innovationen. 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 systemintegrerare, 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 ett hälsosamt förhållande mellan anställda och intäkter i linje med bästa praxis-mått.

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

I företagsautomatisering ser vi en grundläggande konvergens snarare än bara ökad konkurrens. Traditionell RPA blir mer och mer ett utförandelager, generativ AI blir alltmer allmänt förekommande och agensbaserad AI växer fram 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 botar, 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 vi blickar framåt, vilka milstolpar kommer att signalera att företag flyttar från AI-assisterade arbetsflöden till verkligen autonoma operationer, och vad förväntar du dig att EvoluteIQ kommer att spela för denna övergång?

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

EvoluteIQ är i framkanten av denna övergång. Byggd som en enhetlig AI-nativ plattform som omfattar arbetsflöde, data, händelser och beslutsfattande, inte bara assisterar den människor, utan utför också 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 automatisering till autonomi och varför EvoluteIQ är unikt positionerat för att leda denna resa.

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