Archana Joshi, Chef – Strategi (BFS och EnterpriseAI), LTIMindtree – Intervjuer

Archana Joshi har över 24 års erfarenhet inom IT-tjänstebranschen, med expertis inom AI (inklusive generativ AI), agila och DevOps-metodiker samt gröna mjukvaruinitiativ. Hon leder för närvarande tillväxtstrategier och marknadspositionering för Enterprise AI-tjänsten och Banking och Financial Services Business Unit på LTIMindtree. Joshi har arbetat med Fortune 100-kunder över hela världen och är en regelbunden talare på branschforum och evenemang.

LTIMindtree är ett globalt teknikkonsult- och digitalt lösningsföretag som arbetar med företag över olika branscher för att stödja affärsmodellens utveckling, innovation och tillväxt genom digitala tekniker. Med över 700 kunder tillhandahåller LTIMindtree domän- och teknisk expertis som syftar till att förbättra konkurrenskraft, kundupplevelser och affärsresultat i en alltmer sammanlänkad värld.

Med tanke på din omfattande erfarenhet av att transformera IT-tjänster över olika organisationer, hur har din personliga ledarstil utvecklats på LTIMindtree, särskilt när det gäller att driva antagandet av Generativ AI?

Med över två decenniers erfarenhet av IT-tjänster har jag dedikerat min karriär till att driva omvandlande tekniska lösningar för kunder, antingen det gäller Agile/DevOps eller generativ AI (GenAI). På LTIMindtree fokuserar jag på att ge företag möjlighet att utnyttja GenAI för att strategisera och genomföra sina digitala transformationsresor. Jag prioriterar kundcentrerade strategier, arbetar nära med kunder för att förstå deras unika utmaningar och leverera skräddarsydda AI-lösningar som driver affärsverksamhet. Som chef för strategi måste jag samarbeta med team över olika avdelningar för att främja GenAI-antagande och hålla mig informerad om nya utvecklingar för att vägleda mina beslut. GenAI bearbetar stora mängder data för att ge handlingsbara insikter. Denna funktion är särskilt fördelaktig för en dataorienterad ledare som jag, som värdesätter evidensbaserade strategier.

Till exempel, varje morgon när jag börjar min dag med GenAI-baserade copiloter för att hjälpa mig förstå de viktigaste punkterna som behöver min uppmärksamhet eller ge insikter för att skapa rapporter som jag kan dela med mitt team om antagande. Faktum är att jag ofta säger inom teamet att GenAI-baserade copiloter i princip har blivit en integrerad del av vårt team, liknande betrodda vingmän. De stödjer oss genom att ge värdefulla insikter, automatisera uppgifter och hålla oss anpassade till våra strategiska mål.

Hur förändrar Generativ AI traditionella IT-tjänstemodeller, särskilt i branscher som har varit långsammare att anta digital transformation?

GenAI revolutionerar traditionella IT-tjänstemodeller över alla branscher genom att avsevärt förbättra IT-utvecklarens produktivitet. Från copiloter som genererar kod till syntetisk data för testning och automatisering av IT-åtgärder, varje aspekt av IT omvandlas. Följaktligen skiftar fokus för IT-tjänstemodeller från kostnadsdrivna till effektivitets- och påverkansdrivna tillvägagångssätt. Detta innebär att värdet av IT-tjänster nu mäts av deras förmåga att leverera mätbara resultat snarare än bara kostnadsbesparingar. Denna skiftning leder också till nya typer av arbete inom IT-tjänster, såsom utveckling av anpassade modeller, dataingenjörer för AI-behov och implementering av ansvarsfull AI.

Bara för 18 månader sedan var dessa tjänster inte normen. Även i starkt reglerade branscher som hälsovård och finansiella tjänster, där äldre system är vanliga, erkänns alltmer värdet av GenAI för att förbättra operativ effektivitet.

Vår egen forskning på LTIMindtree, med titeln “The State of Generative AI Adoption“, belyser tydligt dessa trender. Inom hälsovården ser vi att GenAI har en stor inverkan genom att automatisera saker som medicinsk diagnostik, dataanalys och administrativt arbete. Detta hjälper läkare och hälsovårdspersonal att fatta snabbare och mer precisa beslut – även om antagandet förblir försiktigt på grund av stränga efterlevnads- och regleringsramar. Inom finansiella tjänster förbättrar GenAI riskhantering, bedrägeridetektering och kundservice genom att automatisera manuella uppgifter. Antagandet i denna sektor drivs dock av oro kring risk, styrning och känsliga data.

Kan du dela specifika exempel på hur LTIMindtree har lyckats integrera GenAI i traditionella IT-arbetsflöden för att driva effektivitet och innovation?

På LTIMindtree har vi en tredelad strategi för AI. Filosofin “AI i allt, allt för AI, AI för alla” understryker vårt engagemang för att integrera AI i alla aspekter av vår verksamhet och tjänster. Detta tillvägagångssätt säkerställer att AI inte bara är ett tillägg utan en kärnkomponent i våra lösningar, som driver innovation och effektivitet.

Kunder tittar på AI för att förbättra effektiviteten över hela linjen. Från att minska antalet timmar som spenderas på upprepade, tidskrävande uppgifter till att skala upp verksamheten och förbättra tillförlitligheten i affärsprocesser, blir AI en central del av deras strategi. Våra ingenjörer fokuserar på att integrera AI-copiloter i sina arbetsflöden, som täcker allt från kodning, testning och distribution till programvaruunderhåll.

Till exempel, i en transformationsprocess för ett Fortune 200-företag, har vi använt GenAI-baserade copiloter för att konvertera stora lagrade procedurer till Java, vilket möjliggör deras moderniseringsresa. Vi arbetade nyligen med ett stort försäkringsbolag som ville automatisera sina dataextraktionsprocesser. De stod inför skalbarhets- och noggrannhetsproblem med sin manuella metod. Så vårt team utvecklade en kompanjonsbot, som nu hjälper till att bearbeta flera dokument, extrahera kritisk information som risk, behörighet, täckning och prisdetaljer. Detta har avsevärt minskat den tid det tar dem att erbjuda produkter och hantera olika täckningar.

Med den snabba antagandet av GenAI över olika sektorer, vad är några av de etiska övervägandena som företag bör vara medvetna om, och hur säkerställer LTIMindtree ansvarsfullt AI-användning?

Utvecklingen av AI är lovande men medför också många företagsutmaningar, särskilt kring etiska överväganden i hur vi implementerar det.

På LTIMindtree har vi ett AI-råd som består av tvärfunktionella experter från AI, säkerhet, juridik, dataskydd och olika branschvertikaler. Detta råd har etablerat AI-säkerhetsramverk och samarbetar med branschorganisationer om AI-regleringsriktlinjer. Dessutom arbetar det med team som implementerar AI för att validera deras etiska riskpositioner.

För att effektivt implementera GenAI har vi etablerat en uppsättning kärnetiska principer som är anpassade till företagets värderingar, som omfattar rättvisa, ansvar, transparens och integritet. Detta kräver verkställande sponsring och stöd från juridiska och säkerhetsteam. Nästa steg är tekniska ingrepp som införs i våra interna processer som fokuserar på högkvalitativ, opartisk data, med åtgärder för att säkerställa dataintegritet och rättvisa. Att främja en etisk AI-kultur innefattar kontinuerlig utbildning om AI-förmågor och potentiella fallgropar, såsom AI-hallucinationer. Slutligen genomförs regelbundna revisioner och uppdateringar av AI-system för att hantera sårbarheter och säkerställa noggrannheten i AI-utdata. Detta omfattande tillvägagångssätt säkerställer att GenAI implementeras på ett ansvarsfullt och effektivt sätt, som driver affärsverksamhet samtidigt som etiska standarder upprätthålls.

Hur adresserar LTIMindtrees AI-plattform problemen kring AI-etik, säkerhet och hållbarhet?

Medan vi fortsätter att lansera nya AI-verktyg och plattformar, måste vi säkerställa att de uppfyller våra standarder och regler kring teknologins användning. Utöver att upprätthålla datakvalitet för att ge precisa och opartiska utdata, är vi engagerade i att uppfylla höga standarder för säkerhet och hållbarhet.

Vår plattform är byggd kring principerna för ansvarsfull och medveten AI. I termer av hållbarhet är vi medvetna om den växande energibehovet som krävs för att stödja AI-modeller, från utbildning till dess kontinuerliga drift. Vi har antagit en strategi för att minska, återanvända och återvinna AI för att hantera koldioxidavtrycket och betydelsen av att skapa miljövänliga och hållbara AI-praxis. Genom denna process fokuserar vi på att minska parametrarna genom att fokusera på mindre, mer specifika stora språkmodeller (LLM) som kan effektivt hantera behoven hos företagsapplikationer samtidigt som de skapar ett mindre koldioxidavtryck. Dessutom återanvänder vi data för olika tillämpningar och användningsfall för att undvika redundanser och återanvända mekanismer och prompter som kan användas för liknande uppgifter för att främja effektivitet och hållbarhet. Vi undersöker också kvantiserade modeller för att minska minnesavtrycket, få snabbare inferens, minska kostnaden och bygga hållbara applikationer.

Som jag nämnde tidigare är säkerhet en viktig fråga när det gäller användningen av något AI-verktyg eller applikation. På LTIMindtree har vi inte bara prioriterat datasäkerhet och rättvis användning, utan vi har också gjort det till en hörnsten i vår AI-strategi. Vi har också införlivat 50+ bästa modererings-API:er och ramverk för ansvarsfull AI från tredjepartsleverantörer som Nvidia Nemo-väggar och IBM Watson Governance-modeller. Vår plattform hanterar data effektivt samtidigt som den beaktar integritet, säkerhet, etisk användning och hållbarhet genom att utnyttja sunda styrningsåtgärder och ett välbyggt ramverk.

Hur påverkar GenAI Agile-projektledning på LTIMindtree? Vilka fördelar medför det till Agile-team, och finns det några kompromisser?

Att integrera GenAI i Agile-praxis omvandlar hur team arbetar. Det ökar produktiviteten, rationaliserar processer och öppnar nya vägar för innovation. Medan mjukvaruutvecklingslandskapet utvecklas, utnyttjar vi GenAI för att automatisera de upprepade uppgifter som kan bromsa teamen. Denna skiftning låter dem fokusera mer på kreativt problemlösande och innovation – exakt där de ska vara.

När vi börjar integrera GenAI i Agile-ramverk, finns det några viktiga punkter som vi vill betona. Först är det viktigt att förstå karaktären hos AI-verktyg och deras potentiella inverkan på teamets samarbete. Till exempel måste Agile-team vara medvetna om begränsningarna hos dessa verktyg. De förlitar sig på förhandsbefintliga data snarare än att ge realtidsinsikter, så det är viktigt att validera och finslipa deras utdata.

Vår AI-nativa DevOps utnyttjar banbrytande teknologi som kunskapsgrafer, anpassade SLM (små språkmodeller) tillsammans med programvaruutvecklingslivscykel (SDLC)-agenter. Detta har potentialen att uppnå 35-50% effektivitet i produktivitet över hela Agile-DevOps-cykeln för ett företag. Det hjälper ett Agile-pod under skapandet av användarberättelser, sprintplanering, kodgegenerering till CI/CD-pipeliner och efterföljande incidenthantering.

Hur adresserar LTIMindtree behovet av ny talang och färdigheter, med tanke på att AI omvandlar IT-industrin? Vilka initiativ har du lett för att säkerställa att dina team är utrustade för den AI-drivna framtiden?

Uppkomsten av innovativa teknologier inom IT-industrin har belyst ett gap mellan de färdigheter som vår arbetskraft för närvarande har och vad som behövs för att trivas i en AI-driven värld. GenAI har potentialen att helt omvandla de dagliga rollerna för många anställda, så att förbereda sig för nya färdigheter och roller är avgörande.

På LTIMindtree tar vi ledningen i denna transformation genom att fokusera på att vidareutbilda våra anställda för att möta dessa nya krav. Vi har vår GARUDA-initiativ, specifikt utformad för att utbilda och ombordförande team i GenAI och företags-AI. Vi erkänner att effektiv utbildning och utbildningsresurser är avgörande, och vi är engagerade i att skapa en kultur av kontinuerligt lärande.

Våra utbildningsstrategier inkluderar data-drivna anpassningar, realtids online-lärande, avancerad förstärkt lärande, överföringslärande och återkopplingsloopar. På detta sätt säkerställer vi att våra team inte bara håller jämna steg med förändringen, utan också är genuint utrustade för att excellera i sina utvecklande roller. Det är en spännande tid, och vi är alla på denna resa tillsammans.

Utöver detta har vi samarbetat med sju akademiska institutioner för att utrusta framtida talang med AI-färdigheter. Här är vi involverade från och med utbildningsdesign till att administrera utbildningen, samt utrusta professorerna via train-the-trainer-ansatser.

Hur ser du på utvecklingen av mänsklig talang i en alltmer AI-driven arbetsplats, och vilka steg tar du för att förbereda din arbetskraft för denna skiftning?

I det förflutna fanns det distinkta roller för kreativa individer och tekniskt kunniga experter. Emellertid finns det en märkbar skiftning mot att anta, mainstreama och skala innovativa innehållsskapande tekniker, som suddar ut gränserna mellan kreativitet och teknologi. Denna integration påverkar olika branscher, där den traditionella separationen mellan kreativa roller och tekniska jobb gradvis minskar. Medan denna utveckling är lovande, kommer den med sina utmaningar, vilket indikerar en betydande skiftning av fokus på om-skolning som en avgörande för att kapitalisera på AI:s fördelar.

Den stora diskussionen just nu är hur man kan göra denna GenAI-förändring beständig och skala. Här är det viktigt med förändringshantering. Det kräver ett strukturerat tillvägagångssätt och ett dedikerat team för att övervaka AI-antagandeprocessen. Människor, inte bara teknologi, är i centrum för en framgångsrik GenAI-antagande. Det kan vara ett kraftfullt verktyg för empowerment, även bland de som initialt uppfattar det som ett hot. Forrester förutspår att år 2030 kommer endast 1,5% av jobben att förloras till GenAI, medan 6,9% kommer att påverkas av det. Därför måste ledare prioritera transparens och motivera sin arbetskraft om framtiden för AI på arbetsplatsen.

AI förändrar jobbroller över hela IT-sektorn, automatiserar vardagliga uppgifter och lägger fokus på strategiskt beslutsfattande och komplexa problem. På LTIMindtree tror vi att detta är en förändring av mindset och har därför etablerat en dedikerad central initiativ GARUDA – som fokuserar på denna antagande. GARUDA-initiativet handlar inte bara om rollbaserad utbildning och vidareutbildning, utan också om att skapa AI-ambassadörer som kan driva denna antagande över olika lager. Vi arbetar också med vår HR-funktion för att se till påverkan på olika roller inom organisationen, tillsammans med deras karriärspår och associerade belöningar och erkännanden. Idag på LTIMindtree har vi tre nivåer av vidareutbildningsvägar – grundläggande, praktiker och expert. Över 50 000 av våra medarbetare har redan slutfört de grundläggande utbildningsinitiativen som omfattar AI-koncept till användning av copiloter samt ansvarsfulla AI-överväganden.

Vilka är några av de mest innovativa GenAI-tillämpningarna du har sett nyligen, och vart ser du att teknologin är på väg under de kommande 3-5 åren?

Vi har bara skrapat på ytan av vad GenAI kan göra, och jag är spänd på dess potential över hela IT-industrin och bortom. Ju fler sektorer som hoppar ombord, desto mer spännande blir jag över dess tillämpningar för att omvandla människors liv.

På LTIMindtree har vi samarbetat med FN:s flyktingorgan för att förbättra deras krisresponsförmåga med hjälp av GenAI. Detta samarbete syftar till att påskynda krisresponsen på plats, ge snabb hjälp och stöd till flyktingar i nöd. Den innovativa användningen av teknologi bringar hopp och lindring till utsatta befolkningar under deras svåraste tider. För ett amerikanskt livförsäkringsbolag utvecklade vi en GenAI-lösning som översätter talade ord i realtid, vilket avsevärt förbättrar kundupplevelsen. Genom att överbrygga kommunikationsgapet främjar denna teknik en bättre förståelse och anslutning mellan människor, som bringar oss närmare varandra och säkerställer att språkbarriärer inte längre hindrar effektiva upplevelser.

Ser framåt, kommer Agentic AI att möjliggöra autonom uppgiftsprestation och beslutsfattande. År 2027 kommer branschspecifika modeller att dominera, användningen av syntetisk data kommer att öka och energieffektiva implementationer kommer att växa. Multimodala modeller som integrerar text, bild, ljud och videoinmatningar kommer att förbättra kapaciteten, driva betydande ekonomisk påverkan och innovation. GenAI är redo att lägga till upp till 4,4 biljoner dollar till den globala ekonomin varje år, omvandla branscher och driva effektivitet och hållbarhet, detaljhandel, hälsovård och life sciences.

Verkligheten är att varje arbetsplats kommer att påverkas av GenAI på något sätt, och bli en del av vår dagliga verksamhet. Medan vi fortsätter denna övergång, kan jag inte vänta med att se hur det utvecklas och vilka innovationer som kommer nästa.