Vijay Vijayasankar, Global Agentic AI Officer på Genpact – Intervju-serie

Vijay Vijayasankar, Global Agentic AI Officer på Genpact, leder företagets globala produktisering av Agentic AI-lösningar, med fokus på att flytta företagets värdeskapande från traditionella arbetskraftsbaserade modeller till högmarginal-, resultatbaserade ramar. I sin roll hjälper han till att forma Genpacts tillvägagångssätt för att skala upp AI i hela företaget genom att bygga organisationsmodeller runt både AI-utvecklare, som designar avancerade orkestreringslager, och AI-praktiker, som för in domänexpertis i arbetsflöden som drivs av autonoma agenter. Innan han anslöt sig till Genpact hade Vijayasankar seniora ledningsroller på IBM, inklusive Managing Partner för Financial Services, CTO för IBM Services North America och General Manager för Cognitive, IoT, Analytics och Watson Health i GBS North America, samt tidigare chefsroller på MongoDB (MDB ) och SAP.

Genpact är ett företag som erbjuder avancerade tekniska lösningar och hjälper stora företag att modernisera sina verksamheter genom processintelligens, artificiell intelligens, data och digital transformation. Företaget arbetar inom områden som finansiell rapportering, kundtjänst, risk och regelefterlevnad, inköp och upphandling, leverantörskedja, teknik och tillit och säkerhet, medan deras Data- och AI-tjänster fokuserar på att hjälpa organisationer att använda avancerad analys, AI och autonoma agenter för att omvandla komplexa data till mätbara affärsresultat.

Du har tillbringat mer än två decennier på företag som IBM, MongoDB, SAP och nu Genpact, där du tjänstgör som Global Agentic AI Officer. När du ser tillbaka på utvecklingen från stora data och analys till dagens agenterbaserade AI-system, vilka lärdomar har formats din syn på hur företag bör närma sig AI-omvandling?

Jag har sett samma film tre gånger nu. Stora data var silverkulan för beslutsfattning. Molnet var den omedelbara omställningen för organisationsagilitet. Nu är agenterbaserad AI-lösningen för verksamheten. I varje cykel var det företagen som skapade värde som fokuserade på sina verksamhetsmodeller, processer och människor. De som kämpade, och många gör fortfarande, behandlade teknologin i sig som omvandlingen.

Genpacts nya rapport med HFS Research uppskattar att outlöst företagsskuld fångar nästan 18 biljoner dollar i potentiellt värde globalt. Vad överraskade dig mest om resultaten, och varför tror du att så många organisationer fortsätter att underskatta påverkan av process-, data-, teknik- och talangskuld?

Det som var ögonöppnande var omfattningen av det värde som fastnar bakom ineffektiva processer, fragmenterad data, åldrande teknik och utmaningar med arbetsstyrkeberedskap, som mäts i biljoner dollar.

Rapporten fann att 85% av cheferna tror att företagsskuld begränsar AI-värdesrealisering. Varför tror du att företag fortsätter att investera kraftigt i AI, samtidigt som de ofta försummar de grundläggande problemen som förhindrar att dessa investeringar ger avkastning?

För att AI är synligt och grunderna är osynliga. Varje styrelse vill se en AI-strategi. Varje VD behöver en berättelse att berätta. Att distribuera en ny modell är en rubrik. Att omforma en kärnprocess är en tacksam, osynlig möda tills den till slut fungerar.

Data-skuld framträdde som den största AI-hindern i undersökningen. Vilka praktiska steg bör företagen ta i dag för att gå från fragmenterade, lågkvalitativa data-miljöer till data-grunder som kan stödja agenterbaserad AI i stor skala?

Sluta försöka lansera ett stort, topp-ned-governance-program. Det är ett tekniskt svar på ett ansvarighetsproblem. I de flesta stora organisationer äger ingen ansvar för informationens noggrannhet som driver verksamheten.

Du har argumenterat för att det inte finns någon AI utan processintelligens. Varför tror du att process-omdesign ofta är viktigare än AI-modellen i sig när organisationer försöker automatisera komplexa affärsverksamheter?

För att modellen fungerar lika bra som processen den är inbäddad i, inte bättre. Organisationer är besatta av modellval eftersom det är där den synliga innovationen är, men processen är där värdet skapas eller förloras.

Många organisationer experimenterar med AI-agenter, men relativt få har lyckats distribuera dem över kärnverksamhetsfunktioner. Vad skiljer företag som flyttar bortom pilotprojekt från de som förblir fast i bevis-på-koncept-läge?

Pilotprojekt är utformade för att lyckas. Du väljer den bästa processen, den renaste datan och det mest motiverade teamet. Skalning innebär att man möter den riktiga miljön där ingen av dessa förhållanden gäller.

Rapporten betonar att endast 6% av företagen har lyckats lösa sina stora skulder. Vad gör dessa organisationer annorlunda, och vilka vanliga misstag ser du bland företag som kämpar för att göra meningsfulla framsteg?

De behandlar det som ett affärsproblem, inte ett IT-program. Det är knutet till verkställande sponsor och mätbar affärsprestation. De förstår att operativ hälsa inte är skild från tillväxtstrategi. Det är tillväxtstrategin.

Du har talat om distinktionen mellan “AI-utvecklare” och “AI-praktiker”. Hur ser du att företagens arbetskraft utvecklas under de närmaste fem åren, och vilka färdigheter kommer att bli mest värdefulla när människor alltmer arbetar bredvid autonoma agenter?

Den mest värdefulla färdigheten kommer att vara att veta hur man formulerar ett problem. När AI hanterar mer exekvering beror resultatets kvalitet på kvaliteten på frågan och bedömningen som tillämpas på utdata. Du behöver kunna känna igen när något ser rätt ut men är strukturmässigt fel.

Det pågår en debatt om huruvida AI kommer att eliminera jobb eller omvandla dem. Du har argumenterat för att mycket av oron kommer från missförstånd om vad AI faktiskt är bra på. Hur ser du förhållandet mellan mänsklig expertis och AI-agenter utvecklas när antagandet accelererar?

AI är spektakulär på uppgifter som är tydligt definierade, högvolym och mönsterbaserade, som att bearbeta fakturor, övervaka handelsanomalier och utarbeta rutinmeddelanden. Det gör dessa saker snabbare och i en skala som ingen mänsklig grupp kan nå. Men AI kan inte ta ansvar för verkliga världens resultat, och det kan inte hantera saker som nyhet, tvetydighet och mänskliga relationer, vilket är varför mänsklig expertis förblir avgörande.

När vi ser framåt, vad ser en verkligt agentbaserad verksamhet ut som i praktiken? Om vi återbesöker detta samtal om fem år, vilka förändringar i affärsverksamhet, organisationsdesign och AI-distribution förväntar du dig kommer att ha blivit standard över ledande företag?

Vi kommer att sluta prata om AI som en separat initiativ, precis som vi slutade prata om att gå digitalt. Det kommer att vara hur arbetet blir gjort.

Den strukturella förändringen är det som intresserar mig mest. Mycket av vår nuvarande hierarki existerar eftersom informationen var svår att flytta. Vi har godkännandekedjor och samordningsroller eftersom informationen måste resa från där den skapades till där besluten togs. Agenter kollapsar den distansen. När de gör det blir en betydande del av samordningsinfrastrukturen överflödig. Organisationer som känner till detta tidigt och omformar runt det kommer att ha en hastighetsfördel som ackumuleras.

Vi kommer också att se en förändring i hur AI köps och levereras. Programvaruföretag bygger produkter men tar inte ansvar för resultat. Tjänsteföretag tar ansvar men kämpar för att bygga skalbara produkter. Båda modellerna är otillräckliga. Det vi bygger på Genpact är produktiserad AI inom specifika domäner, levererad som ett resultat. Du köper resultatet och vi är ansvariga för det. Jag tror att det kommer att bli standard eftersom det stämmer överens incitamenten korrekt. Leverantören som bara säljer förmåga har inget intresse av om det fungerar i din miljö. De som är ansvariga för resultatet har alla intressen. Vinnarna i denna era kommer inte att definieras av att ha de mest avancerade AI-modellerna. De kommer att definieras av att behärska den strukturella omformningen mellan människor, processer och intelligenta system. Vi är bara på dag ett av den förändringen.

Tack för det underbara samtalet, läsare som vill lära sig mer kan besöka Genpact.