Sarah Edwards, Chief Product och Strategi Officer, Kantata – Intervju-serie

Sarah Edwards, Chief Product och Strategi Officer, Kantata, har mer än 27 års erfarenhet av professionella tjänster, konsultverksamhet, produktstrategi och affärsledning. Under sin karriär har hon arbetat i både Nordamerika och Europa, byggt och skalat upp tjänsteorganisationer samtidigt som hon utvecklat djup kunskap om projektleverans, resursallokering och operativ excellens. Innan hon gick med i Kantata hade Edwards ledande roller på Hitachi Consulting, där hon ledde globala team, och tidigare hjälpte till att växa konsultföretag, inklusive Fulcrum Solutions och Edenbrook. På Kantata ansvarar hon för att leda produkt- och strategiinitiativ över hela företagets portfölj, vilket hjälper professionella tjänsteorganisationer att förbättra synligheten, prognostiseringen, resursallokeringen och den övergripande affärsprestationen genom specialbyggda tekniska lösningar.

Kantata är en ledande leverantör av programvara för automatisering av professionella tjänster (PSA), som fokuserar enbart på behoven hos konsultföretag, byråer, IT-tjänsteleverantörer och andra projektbaserade organisationer. Genom sammanslagningen av Mavenlink och Kimble erbjuder företaget en AI-driven plattform som kopplar samman projektplanning, resursledning, finansiella operationer, prognostisering, samarbete och affärsintelligens inom en enhetlig miljö. Dess teknik är utformad för att hjälpa organisationer att förbättra projektlönsamheten, optimera arbetskraftsutnyttjandet, öka prognosprecisionen och få realtidsöversikt över hela tjänsteleveranslivscykeln. Genom att kombinera operativa data med AI-drivna insikter hjälper Kantata professionella tjänsteorganisationer att fatta mer informerade beslut, förbättra leveransresultaten och skala effektivt i allt mer komplexa affärsmiljöer.

Du började din karriär som Oracle (ORCL ) -konsult innan du ledde Oracle-praxis på Edenbrook och Hitachi Consulting och senare hjälpte till att forma Kantatas produktstrategi under mer än ett decennium. Hur har den resan påverkat din syn på var AI kan skapa mest värde för professionella tjänsteorganisationer, och vilka lärdomar från tidigare konsultmiljöer är fortfarande relevanta idag?

När jag ser tillbaka på min karriär, förändrades inte den professionella tjänstebranschen i grunden under 30 år. Regelboken var att växa företaget genom att växa antalet anställda; ju fler anställda, desto fler projekt kunde tas på. Men nu skrivs den här regelboken om tack vare AI och ny teknik. Jag hör mycket mer osäkerhet i branschen just nu än tidigare. Vad ser vår talang ut som? Vad behöver jag när det gäller människor och agenter? Hur fakturerar jag AI-agenter? Ingen vet ännu de riktiga svaren på dessa frågor.

Vad vi vet är att om företag håller fast vid den gamla driftsmodellen, där de försöker växa intäkterna genom att växa antalet anställda, kommer det bara att bli en kapplöpning mot botten. Utifrån min erfarenhet av premierkonsultmiljöer vet jag att konsultverksamhet fortfarande handlar om mänskliga relationer, men i AI-eran är professionella tjänsteorganisationer under större press från kunder att göra mer med mindre och producera lysande resultat. De måste ständigt bevisa sitt värde. Här kan AI hjälpa till genom att utnyttja data och integrerad expertis för att bygga återanvändbara och konsekventa intelligenser.

Du har hävdat att många organisationer mäter AI-succes fel genom att fokusera på produktivitet och effektivitet. Varför tror du att “expertis ackumulering” är en mer meningsfull måttstock för utvärdering av AI-avkastning?

Att fokusera enbart på produktivitets- och effektivitetsvinster är inte tillräckligt för att mäta långsiktig AI-succes. AI-aktivering handlar om mer än att bara automatisera status quo; det handlar om att grundläggande förändra sättet vi opererar. För mig är en organisations expertis ackumuleringshastighet – dess förmåga att fånga, syntetisera, skala och kontinuerligt bygga på institutionell och stamkunskap – mycket mer meningsfull, eftersom det tillåter företag att utöva expertis i stor skala. Expertis är den primära valutan i konsultvärlden, men om dessa specifika färdigheter och specialiserade kunskaper förblir isolerade eller i en persons hjärna, är det inte ett effektivt system.

Historiskt sett har den professionella tjänstebranschen drivits av hjältar – utmärkta anställda som har medfödda färdigheter eller kunskap som kunder kan utnyttja. I dagens värld kommer företag inte att överleva om de opererar på det sättet. Expertis måste delas bredvid, korrekt och snabbt, vilket AI redan gör till viss del. Ta till exempel AI-verktyg som automatiskt tar anteckningar under möten och sprider dem efteråt. Utmaningen för professionella tjänsteorganisationer är att denna utdata inte är direkt kopplad till att tillhandahålla tjänster till kunder. Därför finns det ett behov av ett AI-verktyg som tar nästa steg och aktiverar denna intelligens inom ramen för den specifika organisationen. Om AI kan lära sig från och ackumulera den expertis som företaget levererar över projekt, då blir det verkligen en omvandlande teknik.

Vilka är de största missuppfattningarna chefer har när de försöker beräkna avkastningen på AI-initiativ?

Chefer pratar främst om AI-avkastning i termer av kostnadsbesparingar och effektivitet, men det är en missuppfattning att tro att detta är den enda platsen där AI kan driva värde. De bör också bestämma hur AI driver intäktsökning genom att utveckla nya intäktskanaler, hjälpa till att behålla fler kunder eller tillåta företaget att ta på sig fler projekt.

Hur kan organisationer börja fånga och skala institutionell kunskap som för närvarande bara existerar i anställdas samtal, projekterfarenheter och stamkunskap?

Många professionella tjänsteorganisationer förlitar sig fortfarande på kalkylblad, isolerade data och stamkunskap för att driva sin verksamhet. Att lägga till en engångs AI-agent med generisk utbildning ovanpå ett projekt eller en dataström kommer inte att ha stor inverkan. En integrerad plattform med AI och prediktiva insikter inbäddade som kan agera över projekt och arbetsflöden kommer att ha det. Men inte alla plattformar är skapade lika. För att ha en inverkan måste de byggas på en enhetlig kunskapsgraf som fångar institutionell kunskap i stor skala, sätter den i sammanhang och ger AI-agenter autonomi att agera baserat på insikterna, med människor i slingan.

Många företag distribuerar AI-assistenter och agenter över hela företaget. Vad skiljer organisationer som skapar varaktiga konkurrensfördelar från de som bara automatiserar befintliga arbetsflöden?

I början av AI-boomen skyndade sig många organisationer att implementera AI-verktyg för att inte bli lämnade efter, men denna oavsiktliga distribution ledde till att många företag kände sig överväldigade av agenter (dvs. när agenter blir långsamma, dyra att köra eller oprecisa på grund av misskötsel och en överbelastning av verktyg eller information). Dessutom arbetar alla agenter i silos och det finns ingen långsiktig strategi för hur man ska operationalisera alla agenter tillsammans.

Organisationerna som lägger grunden för en verklig, långsiktig konkurrensfördel är inte de som distribuerar agenter som bara tittar på en specifik sak; de distribuerar agenter som har synlighet över hela linjen. Personal, resurser, leverans, etc. är alla rörliga delar i den professionella tjänstemaskinen som måste fungera tillsammans för att hålla saker och ting igång. Och de ger den här agenten sammanhanget, kunskapen och förståelsen som behövs för att ha en verklig inverkan.

Hur ser du att AI kommer att förändra den operativa modellen för professionella tjänsteorganisationer under de närmaste fem åren, särskilt när det gäller konsultverksamhet, implementering och rådgivning?

AI förändrar talangmodellen. Färdigheter utvecklas snabbare än någonsin, och det finns ett stort frågetecken bredvid var nästa nivå av talang kommer från. Vissa är också oroliga för att AI kommer att tömma mänskliga arbetare på deras kreativitet och kognitiva tänkande; därför förutser jag att det kommer att finnas en förändring i hur företag engagerar sina anställda för att säkerställa att de utövar dessa muskler och inte förlitar sig för mycket på AI-utdata. I slutändan är AI en möjliggörande kraft som frigör anställda från taktiska, tråkiga uppgifter så att de kan fokusera på strategiskt arbete som gör skillnad.

När AI blir mer kapabel, förväntar du dig att företag kommer att skifta bort från att fakturera baserat på timmar och utnyttjande mot mer resultatbaserade prismodeller? Vilka utmaningar står i vägen för den övergången?

När professionella tjänsteorganisationer får en förfrågan om förslag, har det blivit standard för prospekt att fråga om hur företaget minskar kostnader med hjälp av AI och hur dessa kostnadsbesparingar ger värde till kunden. Vad som ofta saknas är ett sätt att mäta den här kostnadsminskningen, och en berättelse för att förmedla till prospekt hur AI höjer företagets befintliga expertis och det värde de levererar.

Kantata har varit tydlig med att omvandla organisatorisk kunskap till en strategisk tillgång genom sin Expertise Engine. Vad utlöste den här fokuseringen, och vilka luckor såg du i traditionella kunskapsledningssystem?

Foretagens AI idag är i stor utsträckning fokuserad på generiska AI-verktyg som är utformade för att sammanfatta möten, besvara uppmaningar eller automatisera isolerade uppgifter. Och när det gäller professionella tjänster fungerar det inte. Den verkliga utmaningen som professionella tjänsteorganisationer står inför är inte uppgiftsautomatisering. Det är operativ komplexitet.

Professionella tjänsteorganisationer kör på en konstant föränderlig väv av personalbeslut, leveransavvägningar, projektrisk, utnyttjandemål, prognosmodeller och finansiella beroenden. Generiska AI-verktyg förstår inte det här sammanhanget, vilket innebär att de inte kan resonera över företaget på ett meningsfullt sätt.

Kantata tar en annan approach till AI. Istället för att lägga till en generisk agent eller chattbot på befintlig programvara, bygger vi AI som är anpassad till de operativa realiteterna för professionella tjänster. Vår Expertise Engine kopplar samman uppskattning, personal, leverans, prognostisering och finansiell ledning till en enda operativ modell, vilket ger AI-agenter fullständigt affärssammanhang för att agera intelligently över arbetsflöden.

Detta är inte gårdagens copilot-AI. Det är operativt AI.

Vilken roll kommer AI-agenter att spela i professionella tjänsteorganisationer, och var tror du att mänsklig expertis kommer att förbli oumbärlig?

När AI-agenter fortsätter att ta en del av arbetsbördan från mänskliga arbetare, kommer det att öppna dem upp för att göra de mer roliga och kreativa delarna av sina jobb. Automatisering handlar inte bara om effektivitet och tid/kostnadsbesparingar, det handlar om lättnad och empowerment för anställda. Detta kommer att höja deras kreativa sida och bygga en ny generation av tänkare, som kommer att bli byggare av AI-verktyg istället för bara användare. Denna förändring kommer att vara avgörande när AI blir allmänt, eftersom varje företag kommer att kunna producera utdata snabbt och billigt, men bara de som fortsätter att investera i sin mänskliga expertis kommer att producera starkt, meningsfullt arbete.

Om du ser framåt, vad bör affärsledare göra idag för att säkerställa att deras organisationer inte bara antar AI, utan bygger en hållbar expertisfördel som ackumuleras över tid?

Istället för att lägga till en generisk agent eller chattbot på befintlig programvara, bör professionella tjänsteorganisationer söka efter AI-superagenter som har förmågan att förstå sammanhang över allt som ingår i att driva en professionell tjänsteorganisation – från personal till prognostisering till finansiell ledning och projektleverans – och skapa specialbyggda agenter som kan agera autonomt.

Tack för den underbara intervjun, läsare som vill lära sig mer bör besöka Kantata.