อารุณ กุมาร รามจันทรัน CEO ของ QBurst – ซีรีส์สัมภาษณ์

อารุณ กุมาร รามจันทรัน CEO ของ QBurst เป็นผู้บริหารเทคโนโลยีและบริการที่มีประสบการณ์มากกว่า 25 ปี โดยมีประสบการณ์การทำงานในด้านการให้คำปรึกษาทางธุรกิจ การขายสัญญาใหญ่ การดูแลผลกำไร และการเปลี่ยนแปลงองค์กร ในเดือนเมษายน 2025 เขาได้รับการแต่งตั้งเป็น CEO และรับผิดชอบในการนำ QBurst ไปข้างหน้าในด้านธุรกิจต่างๆ ในขณะเดียวกันก็ช่วยกำหนดกลยุทธ์ของบริษัทในฐานะบริษัทให้บริการเทคโนโลยีและวิศวกรรมดิจิทัลที่นำโดย AI ก่อนที่จะเข้าร่วม QBurst เขา曾ดำรงตำแหน่งผู้บริหารระดับสูงใน Hexaware Technologies (รวมถึงตำแหน่งประธานและผู้นำในการให้คำปรึกษาด้าน GenAI) Capgemini/Sogeti (ผู้นำด้านการขายและการบริการลูกค้า) และ Infosys และ Virtusa โดยที่เขาสร้างและขยายหน่วยธุรกิจ นำโปรแกรมเชิงกลยุทธ์ที่สำคัญ และขับเคลื่อนการเติบโตในหลายภูมิภาคและอุตสาหกรรม

QBurst เป็นพันธมิตรด้านวิศวกรรมดิจิทัลระดับโลกที่มีจุดมุ่งหมายในการสร้าง “High AI-Q” โดยการรวมการนำส่งที่ได้รับการเพิ่มประสิทธิภาพด้วย AI และแนวทางที่ขับเคลื่อนด้วยข้อมูลเพื่อช่วยให้ธุรกิจต่างๆ ที่จะทันสมัย สร้าง และขยาย โดยบริษัทเน้นไปที่การออกแบบประสบการณ์ดิจิทัลแบบ end-to-end การทันสมัย และวิศวกรรมผลิตภัณฑ์ – โดยสนับสนุนลูกค้าด้วยโครงการต่างๆ เช่น แพลตฟอร์มดิจิทัลที่สามารถประกอบได้ วิธีแก้ปัญหาประสบการณ์ลูกค้าและแบบสนทนา และรากฐานข้อมูลที่พร้อมสำหรับ AI – โดยมีเป้าหมายในการผลิตผลลัพธ์ที่วัดผลได้ เช่น ประสิทธิภาพที่ดีขึ้น การส่งมอบที่เร็วขึ้น และประสบการณ์ลูกค้าที่แข็งแกร่งขึ้นในฐานลูกค้าที่หลากหลายทั่วโลก

คุณได้รับตำแหน่ง CEO ที่ QBurst หลังจากมีประสบการณ์การเป็นผู้นำที่ยาวนานใน Hexaware, Capgemini, Infosys และองค์กรระดับโลกอื่นๆ สิ่งใดที่ดึงดูดคุณให้มาอยู่ที่ QBurst ในช่วงเวลานี้ของการเติบโต และประสบการณ์ของคุณจะกำหนดทิศทางที่คุณต้องการนำบริษัทไปในทิศทางใด

การตัดสินใจเข้าร่วม QBurst เป็นการรวมกันของโอกาสและศักยภาพ สิ่งที่ดึงดูดให้ฉันเข้าร่วม QBurst คือความเข้มแข็งและโอกาสที่ไม่เหมือนใคร วัฒนธรรมผู้ประกอบการและความสำเร็จของ QBurst ในการนำเทคโนโลยีล้ำสมัยมาใช้ในการจัดหาลูกค้าที่ต้องการสูง ทำให้ฉันประทับใจและสนใจ

ด้วยการเปลี่ยนแปลงที่รุนแรงและการเปลี่ยนแปลงสภาพแวดล้อมในด้านเทคโนโลยี อุตสาหกรรม และกฎระเบียบ บริษัทที่มีจุดมุ่งหมายและแตกต่างอย่าง QBurst มีโอกาสที่จะแยกออกจากกลุ่มและสร้างบริษัทให้บริการเทคโนโลยีและวิศวกรรมใหม่ๆ สำหรับอนาคตที่ขับเคลื่อนด้วย AI

ด้วยประสบการณ์มากกว่า 25 ปีในการเปลี่ยนแปลงธุรกิจที่ขับเคลื่อนด้วยเทคโนโลยีในหลายอุตสาหกรรม การเปลี่ยนแปลงนี้ส่งผลต่อวิธีคิดของคุณเกี่ยวกับการขยายแพลตฟอร์มบริการ AI อย่างไร

ฉันสังเกตเห็นว่าการสร้างนวัตกรรมและการนำเทคโนโลยีมาใช้หลักๆ เกิดขึ้นหลังจากที่รอบการสร้างความตื่นเต้นได้เย็นลง และเริ่มแก้ปัญหาที่แท้จริงในระดับองค์กร มีสามประเด็นที่ฉันอยากจะกล่าวถึงเกี่ยวกับการขยายแพลตฟอร์มบริการ AI

1. การข้ามขั้นตอนการสร้างแบบจำลอง (PoC)

ความท้าทายที่ใหญ่ที่สุดฉันเห็นคือการข้ามขั้นตอนการสร้างแบบจำลอง การขยายต้องมีการเปลี่ยนแปลงความคิด: เราไม่เพียงแต่สร้าง AI แต่ยังให้โซลูชันที่พร้อมสำหรับการผลิต ใน QBurst เราช่วยให้ลูกค้าเติบโตไปอย่างรวดเร็วโดยการมุ่งเน้นไปที่ความคล่องตัว – การนำแบบจำลองใหม่มาใช้พร้อมกับหน้าต่างบริบทที่ใหญ่กว่า แทนที่จะถูกจำกัดอยู่ในเทคโนโลยีของเมื่อวาน

2. ไม่มี AI ถ้าไม่มีพื้นฐานที่แข็งแกร่ง

บทเรียนที่ฉันพกติดตัวมาตลอดตั้งแต่ช่วงแรกของมือถือในปี 2009 จนถึงการปฏิวัติของคลาวด์คือว่าไม่สามารถทำให้ความสับสนวุ่นวายเป็นอัตโนมัติได้ AI มีพลังเท่ากับข้อมูลที่ใช้เลี้ยงมัน QBurst ขับเคลื่อนการเติบโตโดยการรับรองว่างาน “น่าเบื่อแต่จำเป็น” ได้รับการทำ เช่น การทันสมัยและการวิศวกรรมข้อมูลขั้นสูง

3. วิสัยทัศน์ ‘High AI-Q’

เพื่อนำการเปลี่ยนแปลงนี้ไปสู่ความสำเร็จ เราได้ปรับตำแหน่งตัวเองใหม่เป็นบริษัท ‘High AI-Q’ สิ่งนี้สะท้อนถึงการบูรณาการ AI ที่สร้างขึ้น (Generative AI) และ AI ที่มีเจตนา (Agentic AI) เข้ากับบริการหลักของเรา โดยขับเคลื่อนการเปลี่ยนแปลงองค์กรที่เป็นมิตรกับ AI ใน QBurst AI ไม่ใช่คุณลักษณะที่เพิ่มเข้ามา แต่เป็นเนื้อแท้ของกลยุทธ์และการนำส่งของเรา โดยผสมผสานโมเดลการเรียนรู้ของเครื่องกับระบบอัตโนมัติที่ชาญฉลาดเพื่อให้แน่ใจว่าเมื่อธุรกิจเติบโต ความฉลาดของมันก็จะเติบโตตาม

เรามีประสบการณ์ในการเป็นผู้บุกเบิกตั้งแต่ช่วงแรกของ Android และเรากำลังนำ DNA ที่มีความก้าวหน้านี้ไปสู่การนำ AI

ที่ QBurst เราไม่ใช่เพียงบริษัทที่ให้ความสำคัญกับเทคโนโลยีเท่านั้น แต่ยังเป็นพันธมิตรที่ให้ความสำคัญกับผลลัพธ์ การเติบโตของเราขับเคลื่อนโดยความพึงพอใจของลูกค้า

คุณเน้นย้ำถึง ‘High AI-Q’ เป็นกรอบการทำงานที่กำหนดให้กับ QBurst ผู้นำองค์กรควรตีความแนวคิดนี้อย่างไร และทำไมจึงเป็นตัวแยกแยะที่สำคัญในภูมิทัศน์ AI ปัจจุบัน

การเดินทางของ QBurst สู่ ‘High AI-Q’ เป็นตัวเลือกที่ตั้งใจ: การทำงานอย่างรวดเร็วในระดับการดำเนินงานด้วย AI-Driven SDLC และการเคลื่อนไหวอย่างกล้าในระดับเชิงกลยุทธ์ด้วย Managed Agents ที่สำคัญที่สุดคือการยึดองค์กรทั้งหมดไว้ในระดับการเปลี่ยนแปลงพื้นฐานของวัฒนธรรม ค่านิยม และความสามารถของมนุษย์

ในขณะที่มีความเสี่ยงและความกังวลเกี่ยวกับ AI หากนำไปใช้อย่างปลอดภัย AI สามารถสร้างความอุดมสมบูรณ์และนวัตกรรมได้ องค์กรจะเห็นคุณค่าไม่เพียงแต่ในด้านผลผลิต แต่ยังรวมถึงการเติบโตและการเปลี่ยนแปลงด้วย

จากมุมมองของการนำส่ง เราเห็นสิ่งนี้เกิดขึ้นทุกวันผ่านเฟรมเวิร์ก AI-Driven SDLC ของเรา นี่คือ “วิธี” ของการเปลี่ยนแปลง โดยที่เราได้ฝัง AI ลงในทุกขั้นตอนของการพัฒนา ตั้งแต่การสร้างเรื่องราวผู้ใช้ไปจนถึงสคริปต์ทดสอบที่สามารถซ่อมแซมตัวเองได้ ผลลัพธ์พูดถึงตัวเอง:

• เวลาในการเข้าสู่ตลาด: การลดลงอย่างมีนัยสำคัญในรอบการพัฒนาและการทดสอบ
• คุณภาพ: การลดลงอย่างน่าประทับใจ 25-35% ในข้อบกพร่องหลังการเปิดตัว
• ประสิทธิภาพ: การปรับปรุงอย่างต่อเนื่อง 20-30% ในการนำส่งโดยรวม

ระดับเชิงกลยุทธ์คือที่ที่เราขยายไปไกลกว่าการเพิ่มประสิทธิภาพส่วนต่างๆ เพื่อเพิ่มประสิทธิภาพทั้งระบบนิเวศน์ สิ่งนี้ต้องการการคิดใหม่เกี่ยวกับเสาแนวทางแก้ปัญหาของเรา ซึ่งนำไปสู่การสร้าง Managed Agents ซึ่งเป็นการผสมผสานระหว่าง Enterprise Agentic AI และ Managed Services สำหรับลูกค้าของเรา สิ่งนี้หมายความว่าเอเย่นต์ AI จัดการงานหน้าและหลัง ทasks, วิธีการทำงาน และการดำเนินงาน เพื่อขับเคลื่อนทั้งประสิทธิภาพและนวัตกรรมอย่างต่อเนื่อง เราไม่ได้เพียงแต่นำเสนอบริการเท่านั้น แต่ยังจัดระเบียบเครือข่ายคุณค่าที่ไร้รอยต่อ

หลายองค์กรมีการสะสม “หนี้ AI” – การใช้จ่ายที่มีนัยสำคัญในโครงการนำร่อง GenAI ที่ไม่ขยายตัวหรือสร้างมูลค่า สาเหตุของปัญหานี้คืออะไร และองค์กรสามารถหลุดพ้นจากรูปแบบนี้ได้อย่างไร

องค์กรมีการสะสม “หนี้ AI” เมื่อการลงทุน GenAI หยุดอยู่ที่โครงการนำร่องและล้มเหลวในการสร้างมูลค่าทางธุรกิจ สาเหตุหลักคือสิ่งที่เรียกว่า “การหลอกลวงการปรับเปลี่ยน” – การพยายามติด GenAI เข้ากับระบบเก่าที่ไม่ได้ออกแบบมาเพื่อสนับสนุนการทำงาน AI-เนทีฟ ในสภาพแวดล้อมเหล่านี้ ข้อมูล สถาปัตยกรรม และการกำกับดูแลไม่พร้อม ดังนั้นโครงการนำร่องจึงติดค้างหรือล้มเหลวเมื่อขยายขนาด

สิ่งนี้ยังถูกขยายโดยการขาดความพร้อมพื้นฐาน องค์กรหลายแห่งเร่งไปสู่การลองใช้โดยไม่ลงทุนในกลยุทธ์ข้อมูล วิศวกรรมข้อมูล และการกำกับดูแลที่จำเป็น โดยไม่มีพื้นฐานข้อมูลที่ทันสมัยและกรอบการควบคุมที่ชัดเจน โครงการ GenAI จะยังคงอยู่ในระดับการทดลองมากกว่าการเป็นความสามารถขององค์กร

การหลุดพ้นจากลักษณะนี้ต้องมีการเปลี่ยนแปลงไปสู่การออกแบบ AI-First แทนที่จะถามว่าสามารถเพิ่ม AI ได้ที่ไหน องค์กรต้องออกแบบระบบโดยมีผลลัพธ์ AI ในใจตั้งแต่วันแรก โดยจัดแนวสถาปัตยกรรม การไหลของข้อมูล และการกำกับดูแลเพื่อสนับสนุนการทำงานอัตโนมัติที่ฉลาดในระดับใหญ่

ในทางปฏิบัติ สิ่งนี้เริ่มต้นด้วยวิศวกรรมข้อมูล การสร้างท่อข้อมูลที่แข็งแกร่งและได้รับการกำกับดูแลล่วงหน้าจะสร้างเงื่อนไขสำหรับ GenAI ที่จะขยายตัวได้อย่างยั่งยืน เมื่อพื้นฐานถูกต้อง AI จะเปลี่ยนจากการทดลองไปสู่ผลกระทบ ดังนั้น “หนี้ AI” จึงเปลี่ยนเป็นการสร้างมูลค่าในระยะยาว

รูปแบบสัญญา Time & Materials ที่ดั้งเดิมมองว่าไม่สอดคล้องกับความเป็นจริงของประสิทธิภาพที่ขับเคลื่อนด้วย AI มากขึ้นเรื่อยๆ ทำไมรูปแบบนี้จึงล้าสมัย และวิธีการเช่น “Managed Agents” หรือ “Service-as-Software” อาจให้เส้นทางที่ยั่งยืนมากขึ้นสำหรับ IT ขององค์กร

รูปแบบ Time & Materials ที่ดั้งเดิมถูกสร้างขึ้นสำหรับยุคที่ทรัพยากรมีจำกัด โดยที่คุณค่าถูกผูกไว้กับการทำงานของมนุษย์ ในยุค AI ความสมมติฐานนี้ไม่คงอยู่ต่อไปอีกต่อไป ความฉลาดและความสามารถในการทำงานกำลังจะกลายเป็นสิ่งที่มีมากมาย และเมื่อความอุดมสมบูรณ์มากขึ้น คุณค่าก็เปลี่ยนจากความพยายามไปสู่ผลลัพธ์ AI เปลี่ยนแปลงตรรกะของการเรียกเก็บเงินรายชั่วโมงโดยพื้นฐาน

นี่คือเหตุผลที่อุตสาหกรรมกำลังเคลื่อนไปสู่โมเดลที่ขึ้นอยู่กับผลลัพธ์ เมตริก เช่น ตั๋วที่แก้ไขโดยไม่ต้องมีการแทรกแซงจากมนุษย์ หรือการทำงานที่เสร็จสมบูรณ์โดย AI โดยสมบูรณ์ ให้คุณค่าที่ชัดเจนและวัดผลได้ โมเดลเหล่านี้รักษาความสามารถเหมือนซอฟต์แวร์ ไม่ใช่แรงงาน ซึ่งสามารถอธิบายได้ว่าเป็น “บริการเป็นซอฟต์แวร์”

วิธีการเช่น Managed Agents และ Service-as-a-Software เสนอเส้นทางที่ยั่งยืนมากขึ้น พวกเขาย้ายโฟกัสจากการจ่ายสำหรับการพยายามไปสู่การจ่ายสำหรับผลลัพธ์ที่ฉลาด ทำให้มีค่าใช้จ่ายที่คาดการณ์ได้ การปรับปรุงอย่างต่อเนื่อง และผลประโยชน์ที่แบ่งปันจากการทำงานอัตโนมัติ ในโลกที่ขับเคลื่อนด้วย AI โมเดลการค้าที่สอดคล้องกันที่สุดคือโมเดลที่ให้รางวัลผลลัพธ์ ไม่ใช่ความพยายาม – สร้างการชนะสำหรับทั้งองค์กรและผู้ให้บริการ

เมื่อมองไปข้างหน้า 3-5 ปี คุณคาดหวังว่าโมเดลการดำเนินงาน IT ขององค์กรมีการพัฒนาไปอย่างไรพร้อมกับการเพิ่มขึ้นของการทำงานอัตโนมัติและองค์กรที่เป็นมิตรกับ AI และผู้นำควรเตรียมตัวสำหรับสิ่งใดในขณะนี้

คลื่นนวัตกรรมถัดไปจะเป็นของ nhữngคนที่สามารถผสมผสานความสามารถ AI ที่ทรงพลังเข้ากับระบบควบคุม การดูแล และความไว้วางใจที่รอบคอบ นั่นเป็นเหตุผลที่การอภิปรายเกี่ยวกับเฟรมเวิร์กการทำงานอัตโนมัติขององค์กรมีความสำคัญและเร่งด่วน

บางข้อสังเกตที่สำคัญสำหรับฉันคือ:

• การก่อสร้างศูนย์ข้อมูล AI กำลังเร่งตัวขึ้น ไม่ใช่ชะลอตัว ความคิดเห็นในโลกศูนย์ข้อมูลมีความ乐观สูง โดยมีการเพิ่มขึ้นของความจุ ความต้องการ และการลงทุน
• การนำ AI มาใช้ในองค์กรมีแนวโน้มจะช้ากว่าการนำ AI มาใช้ในภาคผู้บริโภค (ข้อมูลขององค์กรมักจะไม่เรียบร้อย ที่กระจัดกระจาย และกระจายไปทั่วหลายระบบ มากกว่าที่จะสะอาดและรวมศูนย์; โมเดลในปัจจุบันยังไม่แม่นยำพอที่จะใช้ได้ในสถานการณ์และฟังก์ชันเฉพาะของบริษัทโดยไม่ต้องปรับให้เหมาะสม; เพื่อปลดล็อกคุณค่าที่แท้จริง โมเดลจะต้องได้รับการฝึกอบรมและปรับให้เหมาะสมกับข้อมูลขององค์กรโดยเฉพาะ โดยเฉพาะใน “ไมล์สุดท้าย” ของกรณีการใช้งานและฟังก์ชันเฉพาะ)
• ก่อนที่เอเย่นต์อัตโนมัติจะสามารถเติบโตได้ในองค์กร มีความท้าทายที่ใหญ่กว่านั้น: การสร้างโครงสร้างกำกับดูแล การอนุมัติ และรั้วความปลอดภัยที่มีอยู่สำหรับพนักงาน ซึ่งช่วยให้แรงงานมนุษย์สามารถทำงานได้อย่างน่าเชื่อถือและขยายตัว

ผู้นำควรเตรียมตัวโดยพิจารณาจาก:

• เอเย่นต์ควรได้รับการปฏิบัติเหมือนพนักงานใหม่ โดยมีขอบเขตที่กำหนดไว้อย่างชัดเจน การดูแลอย่างชัดเจน และกลไกในการจำกัดข้อผิดพลาดในขณะที่พวกเขา “เรียนรู้” กฎเกณฑ์ที่เขียนและไม่เขียนขององค์กร
• มีความจำเป็นต้องมี “บัสเอเย่นต์” หรือชั้นการประสานงานที่เอเย่นต์ลงทะเบียน รับอนุญาตในการเขียน และมีการกระทำของตนได้รับการติดตามโดยเอเย่นต์กำกับดูแล
• การสร้างระบบตรวจสอบและสมดุลที่ทำให้องค์กรมนุษย์แข็งแกร่ง จะเป็นสิ่งสำคัญในการบรรลุการทำงานที่ปลอดภัย ถูกต้อง และน่าเชื่อถือในโลกขององค์กรอัตโนมัติ
• การจัดการทีมและทักษะของมนุษย์เป็นอีกด้านที่สำคัญเมื่อการทำงานร่วมกันระหว่างมนุษย์และ AI เปลี่ยนแปลงไปพร้อมกับระบบและเฟรมเวิร์กอัตโนมัติ
• แนวหน้าที่น่าตื่นเต้นที่สุดคือการเกิดขึ้นของ Enterprise Agentic Frameworks ที่ซับซ้อน – นอกเหนือจากสิ่งที่มีอยู่ในปัจจุบัน – ซึ่งสามารถเปลี่ยนความฝันนี้ให้เป็นความเป็นจริงที่ใช้ได้จริง เมื่อรวมกับความเข้าใจในด้านและโซลูชัน