ลักษมิกันต์ กุนดาวาราปู ประธานเจ้าหน้าที่นวัตกรรมของ Tredence – สัมภาษณ์系列

ลักษมิกันต์ กุนดาวาราปู เป็นประธานเจ้าหน้าที่นวัตกรรมของ Tredence โดยมีประสบการณ์มากกว่าสามทศวรรษในอุตสาหกรรม IT ลักษมิกันต์เป็นผู้เชี่ยวชาญที่มีชื่อเสียงในด้านการเปลี่ยนแปลง AI และนวัตกรรมดิจิทัล

ในฐานะหัวหน้าระดับโลกสำหรับข้อมูลและ AI ของ Microsoft (MSFT ) India ลักษมิกันต์เป็นผู้นำในการเปลี่ยนแปลงดิจิทัลสำหรับลูกค้ามากกว่า 100 รายใน 40 ประเทศทั่วโลกที่ Microsoft ลักษมิกันต์เป็นผู้นำในการรวมฐานข้อมูลโอเพ่นซอร์สบน Azure และสร้างพันธมิตรเชิงกลยุทธ์กับผู้ให้บริการโซลูชัน SaaS

ด้วยความสามารถในการสร้างโซลูชัน AI ที่มุ่งเน้นลูกค้า ลักษมิกันต์เป็นผู้เชี่ยวชาญในการสร้างพันธมิตรเชิงกลยุทธ์ที่ขับเคลื่อนนวัตกรรม ลักษมิกันต์นำประสบการณ์ ความเชี่ยวชาญทางเทคนิค และความสามารถในการเป็นผู้นำมาเพื่อขับเคลื่อนการเปลี่ยนแปลงที่ขับเคลื่อนด้วย AI โดยแสดงให้เห็นถึงความสามารถที่มีมาตรฐานในการแปลเทคโนโลยีที่เกิดขึ้นใหม่ให้เป็นโซลูชันทางธุรกิจที่เป็นรูปธรรม

Tredence เป็นบริษัทข้อมูลและ AI ที่ช่วยให้ธุรกิจเปลี่ยนแปลงการลองใช้การวิเคราะห์ให้เป็นผลกระทบในโลกแห่งความเป็นจริง พวกเขาทำงานในอุตสาหกรรมต่างๆ เช่น ค้าปลีก สินค้าอุปโภคบริโภค เทคโนโลยี การเงิน การดูแลสุขภาพ และการเดินทาง โดยให้บริการด้านวิศวกรรมข้อมูล AI/ML AI ที่สร้างขึ้นใหม่ การจัดการห่วงโซ่อุปทาน ประสบการณ์ของลูกค้า และการปรับปรุงรูปแบบดิจิทัล จุดเน้นของพวกเขาคือการรวมความเร็วผ่านตัวเร่งความเร็ว ความเชี่ยวชาญด้านโดเมนลึก และพันธมิตรที่แข็งแกร่งเพื่อนำเสนอโซลูชันที่มีมาตรฐานสำหรับองค์กร

ด้วยประสบการณ์ของคุณที่ Microsoft India สิ่งใดที่ชี้นำวิสัยทัศน์ของคุณสำหรับการเปลี่ยนแปลงขององค์กรที่ขับเคลื่อนด้วย AI ที่ปรากฏในกลยุทธ์ของ Tredence

ในช่วงเวลาที่ฉันอยู่ที่ Microsoft ฉันมีโอกาสทำงานกับองค์กรต่างๆ ในภาคส่วนต่างๆ รวมถึงการบินและอสังหาริมทรัพย์ มันชัดเจนว่า AI สามารถสร้างผลกระทบจริงเมื่อมีวัตถุประสงค์ที่ชัดเจน ได้รับการสนับสนุนจากข้อมูลที่เชื่อถือได้ และได้รับการออกแบบมาเพื่อทำงานร่วมกับการตัดสินใจเชิงปฏิบัติการ

ตัวอย่างเช่น:

• สายการบินที่สำคัญใช้ AI เพื่อคาดการณ์ความล้มเหลวของเครื่องยนต์ ทำให้สามารถบำรุงรักษาได้ล่วงหน้าและปรับปรุงความปลอดภัยและประสิทธิภาพ
• บริษัทอสังหาริมทรัพย์ที่ใหญ่ใช้ AI สำหรับการติดตามคาดการณ์ของระบบสำคัญ ทำให้สามารถลดเวลาที่ไม่ได้ใช้งานและปรับปรุงตารางการบำรุงรักษา

ประสบการณ์เหล่านี้สอนฉันว่าเทคโนโลยีเพียงอย่างเดียวไม่สามารถเปลี่ยนแปลงธุรกิจได้ มันต้องการการออกแบบที่รอบคอบ รากฐานข้อมูลที่แข็งแกร่ง และกลไกที่แปลความเข้าใจให้เป็นข้อปฏิบัติที่แท้จริง มุมมองนี้เป็นแนวทางในการเข้าถึงของ Tredence: เราพัฒนาวิธีแก้ปัญหา AI ที่มีวัตถุประสงค์ที่ชัดเจน ข้อมูลที่เชื่อถือได้ และสามารถส่งมอบผลลัพธ์ที่วัดได้ตลอดทั้งองค์กร

Tredence มักถูกอธิบายว่าเป็นการแก้ปัญหา “ไมล์สุดท้าย” ใน AI คุณสามารถแบ่งปันตัวอย่างที่การเปลี่ยนแปลงนี้เร็วขึ้นสำหรับลูกค้าได้หรือไม่ 

พิจารณาร้านค้าปลีกที่ใหญ่ทั่วโลก โดยการรวมข้อมูลที่กระจัดกระจายจากธุรกรรม โปรแกรมความภักดี การดำเนินงานห่วงโซ่อุปทาน และจุดสัมผัสดิจิทัล เราได้เปิดใช้งานแอปพลิเคชัน AI ที่ขับเคลื่อนการเติบโตของรายได้ การรักษาลูกค้า การจัดทำเส้นทางส่วนบุคคล และการคาดการณ์อุปสงค์ เราใช้ข้อมูลเชิงลึกเหล่านี้เชิงปฏิบัติการ โดยเปลี่ยนการวิเคราะห์ให้เป็นผลทางธุรกิจที่เป็นรูปธรรม

กรณีศึกษาปลีก: Tredence สร้างระบบส่วนบุคคลที่รวมกันซึ่งสร้างรายได้ 58 ล้านดอลลาร์และปิดช่องว่าง KPI 54% นี่ไม่เพียงแต่ข้อมูลลูกค้าเท่านั้น แต่ยังขับเคลื่อนการปรับให้เหมาะสมกับรายได้ที่มีมาตรฐาน

ในอุตสาหกรรมชีวเภสัชกรรม การรวมข้อมูล R&D การทดลอง และข้อมูลเชิงพาณิชย์ ทำให้ AI สามารถเพิ่มประสิทธิภาพการสรรหาบุคลากร การออกแบบการศึกษา และการมีส่วนร่วมของแพทย์ ทำให้สามารถเข้าสู่ตลาดได้เร็วขึ้นและเพิ่มรายได้

ทั่วทั้งภาคส่วน ตั้งแต่การตรวจจับการฉ้อโกงธนาคารไปจนถึงการบำรุงรักษาที่คาดการณ์ไว้ในอุตสาหกรรม การเรียนรู้ยังคงเหมือนเดิม: AI ส่งมอบคุณค่าเฉพาะเมื่อมันขับเคลื่อนการตัดสินใจที่สำคัญสำหรับธุรกิจ

กรณีศึกษาธนาคาร: Tredence ใช้ GenAI AML (ตัวช่วยต่อต้านการฟอกเงิน) ที่ไม่เพียงแต่สร้างข้อมูลเชิงลึกเกี่ยวกับกิจกรรมที่น่าสงสัยเท่านั้น แต่ยังรวมเข้ากับการดำเนินงานประจำวันเพื่อเพิ่มปริมาณกรณี 120% ในขณะที่ลดผลลัพธ์เท็จ 15% นี่แสดงให้เห็นถึงการแปลจากการติดตาม AI ไปสู่ประสิทธิภาพการดำเนินงาน

องค์กรมักต้องดิ้นรนในการย้ายจาก AI ทดลองไปสู่การผลิตในระดับใหญ่ อุปสรรคที่ใหญ่ที่สุดคืออะไร และ Tredence ช่วยให้พวกเขาเอาชนะอุปสรรคเหล่านั้นได้อย่างไร

หลายโครงการ AI ถูกขัดขวางเนื่องจากไม่ได้รับการออกแบบด้วยผลลัพธ์ทางธุรกิจที่ชัดเจน แม้ว่าจะมีความแข็งแกร่งทางเทคนิคก็ตาม อุปสรรคหลัก ได้แก่:

1. ช่องว่างการออกแบบที่มีวัตถุประสงค์เฉพาะ: ข้อมูลเชิงลึกอาจน่าสนใจ แต่ไม่ได้แก้ปัญหาทางธุรกิจที่วัดได้
2. ข้อจำกัดของข้อมูล: ข้อมูลที่กระจัดกระจายหรือคุณภาพไม่ดีจะขัดขวางการขยายขนาดที่เชื่อถือได้
3. ความท้าทายในการดำเนินงาน: ไม่มีการติดตั้งอัตโนมัติ การติดตาม การฝึกอบรมใหม่ และการกำกับดูแล ทำให้แบบจำลองยังคงอยู่ในขั้นทดลอง

ที่ Tredence เราตอบสนองต่อความท้าทายเหล่านี้ผ่าน:

• การออกแบบที่มุ่งเน้นผลลัพธ์ โดยรับประกันว่าโครงการ AI ทุกโครงการจะเชื่อมโยงโดยตรงกับผลลัพธ์ทางธุรกิจที่วัดได้
• รากฐานข้อมูลที่แข็งแกร่ง โดยการรวมและเพิ่มข้อมูลชุดให้สมบูรณ์สำหรับการแสดงผลแบบจำลองที่เชื่อถือได้
• โครงสร้างการดำเนินงานที่พร้อมสำหรับการผลิต รวมถึงการติดตั้งอัตโนมัติ การติดตาม และการฝึกอบรมใหม่เพื่อรักษาความแม่นยำ ความทนทาน และการปฏิบัติตามข้อกำหนด

แนวทางนี้ช่วยให้องค์กรสามารถเปลี่ยนจากการทดลองไปสู่ AI ที่ขยายขนาดเต็มรูปแบบซึ่งส่งมอบผลกระทบทางธุรกิจอย่างต่อเนื่อง

คุณเพิ่งประกาศ Milky Way ซึ่งเป็นกลุ่มของตัวแทน AI อิสระ อะไรที่สร้างแรงบันดาลใจในการออกแบบ และมันแตกต่างจากตัวช่วย AI ทั่วไปอย่างไร

Milky Way เกิดขึ้นจากความตระหนักว่าองค์กรต้องการมากกว่าแผงควบคุมหรือแชทบอท พวกเขาต้องการกรอบการให้เหตุผลที่สามารถบริโภค ตีความ และเชื่อมโยงข้อมูลหลายมิติเพื่อสร้างข้อมูลเชิงลึกที่สามารถดำเนินการได้

ไม่เหมือนกับตัวช่วยทั่วไป ตัวแทน Milky Way:

• ให้เหตุผลข้ามแหล่งข้อมูลข้อมูลที่หลากหลาย โดยเชื่อมโยงข้อมูลเชิงลึกแทนที่จะตอบคำถามเพียงอย่างเดียว
• วิเคราะห์ปัญหาเชิงซ้อนหลายมิติ โดยเชื่อมโยงข้อมูลเชิงลึกทั่วกระบวนการทำงาน
• ส่งมอบข้อมูลเชิงลึกที่สามารถดำเนินการได้ โดยเปลี่ยนข้อมูลเชิงลึกให้เป็นการตัดสินใจหรือการดำเนินการอัตโนมัติ

โดยสรุป ตัวแทน Milky Way เปลี่ยน AI ให้เป็นเครือข่ายของตัวแทนการให้เหตุผลที่สามารถจัดการความซับซ้อนและขับเคลื่อนผลลัพธ์ทางธุรกิจที่แท้จริง แทนที่จะแทนที่เครื่องมือพื้นฐาน

การนำ Milky Way ไปใช้ในช่วงแรกส่งมอบผลลัพธ์ที่รวดเร็ว สิ่งใดที่ทำให้เกิดการเพิ่มขึ้นนี้

สามองค์ประกอบที่แตกต่างกัน:

1. การฝังข้อมูลเชิงลึกที่จุดตัดสินใจ ทำให้คำแนะนำสามารถดำเนินการได้ทันที
2. ข้อมูลเชิงลึกที่มองไปข้างหน้า โดยเปลี่ยนข้อมูลเชิงลึกให้เป็นการตัดสินใจเชิงรุก แทนที่จะเป็นการวิเคราะห์แบบย้อนหลัง
3. แพลตฟอร์มที่มีการกำกับดูแลและปลอดภัย ทำให้องค์กรสามารถใช้ AI ในระดับองค์กรได้ ในขณะเดียวกันก็รักษาความปลอดภัยและควบคุม

การผสมผสานนี้ส่งมอบผลลัพธ์ทางธุรกิจที่แท้จริงภายในไม่กี่สัปดาห์แทนที่จะเป็นเดือน

Milky Way ให้ความสำคัญกับการอธิบายได้ การตรวจสอบ และเส้นทางการให้เหตุผล มันสำคัญเพียงใดสำหรับการสร้างความไว้วางใจในองค์กร

ความไว้วางใจเป็นรากฐานของ AI ในองค์กร Milky Way รับประกัน:

• เหตุผลที่ชัดเจนสำหรับการแนะนำทุกครั้ง
• บันทึกการตรวจสอบที่บันทึกข้อมูลเข้า ข้อมูลออก และการดำเนินการ
• การทดสอบที่เป็นปฏิปักษ์อย่างต่อเนื่องเพื่อให้แน่ใจถึงความแข็งแกร่งและความน่าเชื่อถือ

ความโปร่งใสและความรับผิดชอบนี้ทำให้ Milky Way แตกต่างจากระบบ “กล่องดำ” ที่ไม่โปร่งใส โดยสร้างความมั่นใจให้กับองค์กรในการนำ AI ไปใช้

การเปลี่ยนแปลงนี้จากเครื่องมือไปสู่เพื่อนร่วมงาน AI จะส่งผลกระทบต่อองค์กรและการตัดสินใจอย่างไร

เพื่อนร่วมงาน AI เปลี่ยนแปลงวิธีการดำเนินงานขององค์กร:

• ผู้จัดการรับบทบาทคู่ โดยควบคุมทั้งคนและตัวแทน AI
• การตัดสินใจกลายเป็นร่วม โดยตัวแทนจัดการการให้เหตุผล และมนุษย์ให้ข้อมูลเชิงบริบทและกำกับดูแลด้านจริยธรรม
• โครงสร้างการดำเนินงานพัฒนาเพื่อรวม AI เข้ากับการตัดสินใจเชิงปฏิบัติการประจำวัน โดยปรับปรุงความเร็ว ความสม่ำเสมอ และคุณภาพของผลลัพธ์

ภายในปี 2028 การตัดสินใจทางธุรกิจหนึ่งในสามอาจทำโดยอิสระ ควรเปลี่ยนแปลงอะไรเพื่อให้แน่ใจว่ามีความปลอดภัย

 เพื่อนำ AI อิสระไปใช้อย่างปลอดภัย องค์กรควรนำมาตรการปฏิบัติในช่วงวัฒนธรรม การดำเนินงาน และการกำกับดูแล:

วัฒนธรรม – สร้างความไว้วางใจกับ AI:

• เริ่มต้นด้วยการตัดสินใจแบบมีมนุษย์อยู่ในวงจร และเพิ่มความอิสระขึ้นเรื่อยๆ
• ฝึกอบรมทีมให้เข้าใจ ตรวจสอบ และแทรกแซงคำแนะนำของ AI

การดำเนินงาน – นำการตรวจสอบและควบคุมความเสี่ยงมาใช้:

• ติดตามการตัดสินใจของ AI อย่างต่อเนื่องสำหรับความแม่นยำ ความเอนเอียง และการปฏิบัติตามข้อกำหนด
• ดำเนินการจำลองสถานการณ์เชิงรุกเพื่อระบุความอ่อนแอ
• รักษาวงจรป้อนกลับเพื่อปรับปรุงแบบจำลอง AI จากการแก้ไขของมนุษย์

การกำกับดูแล – กำหนดขอบเขตและเส้นทางการยกเลิก:

• กำหนดการตัดสินใจที่สามารถทำอัตโนมัติได้และต้องการการกำกับดูแล
• รับประกันความสามารถในการตรวจสอบและติดตามการดำเนินการ AI ทั้งหมด
• สร้างกระบวนการด้านความสม่ำเสมอเพื่อแทรกแซงในการผิดปกติหรือความเสี่ยง

ขั้นตอนเหล่านี้ช่วยให้องค์กรสามารถปรับขนาดการตัดสินใจอัตโนมัติได้อย่างปลอดภัย ในขณะเดียวกันก็รักษาการควบคุม ความรับผิดชอบ และการปฏิบัติตามข้อกำหนด

แผนการของ Tredence สำหรับ Milky Way คืออะไร

แผนการของเรารวมถึง:

1. ตัวแทนเฉพาะอุตสาหกรรมสำหรับปลีก การดูแลสุขภาพ การผลิต และบริการทางการเงิน
2. การรวมที่ลึกขึ้นเข้ากับระบบ ERP CRM และห่วงโซ่อุปทานสำหรับการนำไปใช้อย่างราบรื่น
3. การเรียนรู้และการให้เหตุผลอย่างต่อเนื่องเพื่อให้ตัวแทนสามารถปรับปรุงความฉลาดและความเข้าใจเชิงบริบทของตนเองได้

วิสัยทัศน์คือระบบนิเวศของตัวแทนร่วมมือที่องค์กรสามารถรวบรวม กำกับดูแล และไว้วางใจ

ผู้นำระดับ C-Suite ควรเตรียมตัวสำหรับการนำ AI มาใช้ในบทบาทการตัดสินใจเชิงกลยุทธ์อย่างไร

การนำ AI มาใช้คือการเดินทางสู่ความเป็นเลิศ:

• เริ่มต้นด้วยการทำงานร่วมกันของมนุษย์และ AI และก้าวไปสู่การทำงานอิสระในโดเมนที่มีการกำกับดูแล
• ลงทุนในการศึกษาด้าน AI เพื่อให้ทีมสามารถทำงานร่วมกับระบบ AI ได้อย่างมีประสิทธิภาพ
• พิจารณา KPI โครงสร้างการกำกับดูแล และโครงสร้างการดำเนินงานใหม่เพื่อมุ่งเน้นไปที่คุณภาพการตัดสินใจและผลกระทบทางธุรกิจ ไม่ใช่แค่ประสิทธิภาพของแบบจำลอง

สุดท้าย การนำ AI มาใช้ไม่ใช่แค่การริเริ่มด้านเทคโนโลยีเท่านั้น แต่เป็นการเปลี่ยนแปลงในด้านความเป็นผู้นำ วัฒนธรรม และการตัดสินใจเชิงปฏิบัติการ

ขอขอบคุณสำหรับการสัมภาษณ์ที่ยอดเยี่ยม ผู้อ่านสามารถเรียนรู้เพิ่มเติมได้ที่ Tredence