ราจัน เซธุรามัน ซีอีโอของ LatentView Analytics – สัมภาษณ์รายการ

ราจัน เซธุรามัน ซีอีโอของ LatentView Analytics เป็นนักบริหารที่มีประสบการณ์ยาวนาน โดยมีประสบการณ์ในการให้คำปรึกษาทางธุรกิจ การบริหารทีม และการเปลี่ยนแปลงองค์กร โดย曾ทำงานที่ Accenture และ KPMG ก่อนที่จะเข้าร่วม LatentView Analytics การเลื่อนตำแหน่งจาก Chief People Officer เป็น CEO สะท้อนถึงความสำคัญของการพัฒนาทีม องค์กร และการดำเนินงานที่มีประสิทธิภาพ ซึ่งปัจจุบันเขาใช้แนวทางนี้ในการจัดการ AI และการวิเคราะห์ข้อมูลด้วย

LatentView Analytics เป็นบริษัทระดับโลกที่ให้บริการด้านการวิเคราะห์ข้อมูลและการเปลี่ยนแปลงดิจิทัล โดยช่วยให้ธุรกิจสามารถใช้ข้อมูล AI และการวิเคราะห์ขั้นสูงเพื่อปรับปรุงการตัดสินใจและการเติบโต บริษัทให้บริการด้านวิศวกรรมข้อมูล การวิเคราะห์เชิงพยากรณ์ และการให้คำปรึกษาทาง AI ในหลายอุตสาหกรรม รวมถึงการให้บริการทางการเงิน การค้าปลีก และเทคโนโลยี โดยทำงานร่วมกับลูกค้า Fortune 500 ทั่วโลก คุณค่าหลักของบริษัทอยู่ที่การเปลี่ยนแปลงข้อมูลดิบให้เป็นข้อมูลเชิงลึกที่สามารถดำเนินการได้ ซึ่งช่วยให้ธุรกิจสามารถปรับปรุงการดำเนินงาน คาดการณ์แนวโน้ม และสร้างความได้เปรียบในการแข่งขันในเศรษฐกิจที่เปลี่ยนแปลงอย่างรวดเร็ว

คุณเริ่มอาชีพของคุณในด้านการให้คำปรึกษาทางธุรกิจและการบริหารทีมที่ Accenture และ KPMG ก่อนที่จะเข้าร่วม LatentView Analytics และนำบริษัทผ่านการเสนอขายหุ้นแก่ประชาชนทั่วไป (IPO) และการเข้าซื้อกิจการครั้งแรก คุณสามารถบอกเราได้หรือไม่ว่าประสบการณ์ของคุณในการพัฒนาทีมและการออกแบบองค์กรส่งผลต่อวิธีการที่คุณขยาย AI และการวิเคราะห์ข้อมูลในปัจจุบันอย่างไร

อาชีพแรกของฉันเน้นไปที่การพัฒนาทีม การสร้างความเป็นผู้นำ และการสร้างองค์กรที่สามารถขยายตัวได้ ประสบการณ์นั้นยังคงส่งผลต่อวิธีที่ฉันคิดเกี่ยวกับ AI ในปัจจุบัน เทคโนโลยีเพียงอย่างเดียวไม่สามารถขยายองค์กรได้ สิ่งที่สำคัญคือว่าทีมจะนำเทคโนโลยีไปใช้อย่างไร ผู้นำจะจัดตำแหน่งอย่างไร และปัญหาทางธุรกิจถูกกำหนดไว้อย่างชัดเจนอย่างไร ที่ LatentView Analytics เราใช้เวลาในการช่วยให้องค์กรสร้างแบบจำลองการดำเนินงาน ทักษะ และวัฒนธรรมที่จำเป็นในการเปลี่ยนการวิเคราะห์ข้อมูลและ AI ให้เป็นการตัดสินใจทุกวัน

เนื่องจากฉันมอง AI ผ่านเลนส์ของความพร้อมขององค์กร การขยาย AI ต้องมีความเชี่ยวชาญด้านโดเมน รากฐานข้อมูล และทีมที่สามารถแปลข้อมูลเชิงลึกให้เป็นการดำเนินการได้ จุดเน้นของฉันเสมอคือการสร้างความสามารถเหล่านี้ให้พร้อมกัน ไม่ใช่การรักษา AI ไว้เป็นความสามารถที่แยกออกมา

คุณได้พูดถึง AI ที่เรียบง่าย — จัดลำดับความสำคัญของความชัดเจน ความอยากรู้อยากเห็น และวัฒนธรรมมากกว่าการไล่ตามเทรนด์ AI ใหม่ทุกอย่าง AI ที่เรียบง่ายดูเหมือนอะไรในทางปฏิบัติสำหรับผู้นำองค์กร

AI ที่เรียบง่ายเริ่มต้นด้วยการมุ่งเน้น ผู้นำองค์กรมไม่จำเป็นต้องไล่ตามโมเดลหรือความสามารถใหม่ทุกอย่างที่ปรากฏ พวกเขาต้องการปัญหาเชิงความหมายที่ AI สามารถปรับปรุงการตัดสินใจหรือผลผลิตได้อย่างมีประสิทธิภาพ สิ่งนี้อาจเป็นการตัดสินใจเรื่องราคา การวางแผนห่วงโซ่อุปทาน หรือวิธีการเคลื่อนย้ายความรู้ภายในองค์กร การเริ่มต้นด้วยปัญหาเชิงความหมายที่ถูกกำหนดไว้ช่วยให้ทีมสร้างความมั่นใจและเรียนรู้ว่าการขยาย AI อย่างมีความรับผิดชอบดูเหมือนอย่างไร

นอกจากนี้ยังหมายถึงการฝัง AI ลงในกระบวนการทำงานจริง แทนที่จะรักษาไว้เป็นการทดลองที่แยกออกมา เมื่อทีมเห็นว่าเทคโนโลยีช่วยให้พวกเขาแก้ปัญหาในชีวิตประจำวัน การนำไปใช้งานมักจะเติบโตตามธรรมชาติ ความอยากรู้อยากเห็นและการทดลองยังคงมีความสำคัญ แต่พวกมันทำงานได้ดีที่สุดเมื่อพวกมันเชื่อมโยงกับจุดประสงค์ที่ชัดเจน

หลายองค์กรกำลังรีบเข้าสู่ AI ที่สร้างขึ้นโดยไม่เสริมรากฐานข้อมูลของตนให้แข็งแกร่งก่อน สัญญาณเตือนใดบ่งบอกว่าบริษัทกำลังสร้างบนพื้นฐานที่ไม่มั่นคง

สิ่งที่ฉันสังเกตเห็นบ่อยคือเมื่อการอภิปรายเกี่ยวกับ AI เคลื่อนไปเร็วกว่าการอภิปรายเกี่ยวกับข้อมูล หากผู้นำกำลังพูดถึงการบินร่วมและโมเดลที่สร้างขึ้น แต่ยังคงมีความสับสนเกี่ยวกับตำแหน่งของข้อมูลหลัก ใครเป็นเจ้าของ หรือเมตริกใดที่ธุรกิจเชื่อถือ สิ่งนี้มักเป็นสัญญาณที่พื้นฐานยังไม่พร้อม AI ขึ้นอยู่กับข้อมูลที่เชื่อถือได้และได้รับการจัดการอย่างดี หากไม่มีสิ่งนี้ จะยากสำหรับคนในการเชื่อถือผลลัพธ์

สัญญาณอื่นคือเมื่อบริษัทมีการทดลองหลายครั้ง แต่มีเพียงไม่กี่ครั้งที่มีอิทธิพลต่อการตัดสินใจจริง AI ที่สร้างขึ้นสามารถสร้างการแสดงผลที่น่าประทับใจ แต่การทดสอบที่แท้จริงคือเมื่อมันกลายเป็นส่วนหนึ่งของวิธีการดำเนินงานขององค์กร

ตั้งแต่เข้ารับตำแหน่งซีอีโอ คุณได้ผลักดันผลกระทบที่วัดได้สำหรับลูกค้าทั่วโลก สิ่งใดที่ทำให้บริษัทที่ใช้ AI ได้สำเร็จแตกต่างจากที่ยังคงอยู่ในโหมดการทดลอง

บริษัทที่ขยาย AI ได้สำเร็จมอง AI เป็นวินัยในการดำเนินงาน ไม่ใช่โครงการนวัตกรรมด้านข้าง พวกเขามอบหมายความเป็นเจ้าของผู้บริหาร เชื่อมโยงกรณีการใช้งานกับผลลัพธ์ทางธุรกิจที่วัดได้ และออกแบบเพื่อการบูรณาการตั้งแต่เริ่มต้น พวกเขายังลงทุนในงานที่ไม่น่าตื่นเต้น เช่น การจัดการข้อมูล การกำกับดูแล การออกแบบกระบวนการ และการยอมรับของผู้ใช้ สิ่งนี้มักเป็นความแตกต่างระหว่างการทดลองที่ได้รับความสนใจและการดำเนินการที่เปลี่ยนแปลงวิธีการตัดสินใจจริง

ที่ LatentView Analytics เราได้เห็นว่าบริษัทเคลื่อนไหวเร็วขึ้นเมื่อพวกเขาตั้ง锚 AI ในปัญหาทางธุรกิจที่มีความสำคัญต่อองค์กร เช่น การปรับปรุงความแม่นยำในการวางแผน ผลลัพธ์ของคลังสินค้า หรือการมองเห็นของซัพพลายเออร์ AI ที่เชื่อมโยงกับเมตริกที่ธุรกิจดูแลมีโอกาสที่จะได้รับการสนับสนุน การกำกับดูแล และการนำไปใช้ตามมาตราส่วน

คุณเข้าใกล้การขยาย AI อย่างมีความรับผิดชอบทั่วทั้งองค์กรขนาดใหญ่ โดยรักษาการกำกับดูแล ความปลอดภัย และความรับผิดชอบอย่างไร

การขยาย AI อย่างมีความรับผิดชอบเริ่มต้นด้วยการยอมรับว่าการตัดสินใจของ AI สุดท้ายจะส่งผลกระทบต่อลูกค้าจริง พนักงาน และผลลัพธ์ทางธุรกิจ ซึ่งหมายความว่าการกำกับดูแลไม่สามารถเป็นเรื่องรองได้ องค์กรต้องการนโยบายที่ชัดเจนเกี่ยวกับการเข้าถึงข้อมูล การกำกับดูแลแบบจำลอง และการตรวจสอบเมื่อระบบอยู่ในการผลิต

ในทางปฏิบัติ โมเดลการกำกับดูแลที่มีประสิทธิผลสุดคือแบบข้ามฟังก์ชัน ผู้นำทางธุรกิจ ทีมเทคโนโลยี และกลุ่มความเสี่ยงหรือการปฏิบัติตามกฎระเบียบต้องมีส่วนร่วม ระบบ AI ยังได้รับประโยชน์จากความโปร่งใสเกี่ยวกับวิธีการสร้างผลลัพธ์และจุดที่การตัดสินใจของมนุษย์ยังคงจำเป็น ด้วยการป้องกันที่กำหนดไว้ตั้งแต่เนิ่นๆ องค์กรสามารถขยายการนำไปใช้ได้ขณะรักษาความไว้วางใจ

LatentView ทำงานร่วมกับองค์กรที่มีความตื่นตัวดิจิทัลที่แตกต่างกันมาก ยุทธวิธี AI ของคุณแตกต่างกันอย่างไรเมื่อปรึกษากับองค์กรหนึ่งๆ เทียบกับองค์กรที่ยังคงอยู่ในช่วงแรกของการเดินทางด้านการวิเคราะห์

สำหรับองค์กรหนึ่งๆ การสนทนาจะเป็นเรื่องของการเร่งความเร็ว พวกเขามีทรัพย์สินข้อมูลที่มีความหมายแล้ว ดังนั้นเราจึงเน้นการจัดลำดับความสำคัญของกรณีการใช้งานที่มีคุณค่าสูง การปรับปรุงความสามารถในการเข้าถึง และการฝัง AI ลงในกระบวนการทำงานที่ธุรกิจสามารถดำเนินการได้อย่างรวดเร็ว สิ่งนี้อาจหมายถึงการดึงข้อมูลองค์ความรู้ขององค์กร การวางแผนเชื่อมโยงในการจัดการห่วงโซ่อุปทาน หรือแบบจำลองเฉพาะโดเมนที่ปรับปรุงความเร็วในการตัดสินใจข้ามฟังก์ชัน

สำหรับองค์กรที่ยังอยู่ในช่วงแรกของการเดินทาง การเริ่มต้นจะแตกต่างออกไป เราใช้เวลาในการเตรียมข้อมูล การกำกับดูแล การปรับปรุงการวิเคราะห์ธุรกิจแบบสมัยใหม่ และการสร้างความสามารถ เพื่อให้บริษัทสามารถรองรับ AI ได้อย่างยั่งยืน ในสถานการณ์เหล่านี้ การประเมินความตื่นตัวและลำดับขั้นมีความสำคัญมาก คุณไม่ต้องการสัญญาว่าอนาคตที่มีประสิทธิภาพสำหรับธุรกิจที่ยังคงไม่มีข้อมูลที่เชื่อถือได้ KPI ทั่วไป หรือการสนับสนุนผู้บริหารเกี่ยวกับปัญหาที่พยายามแก้ไข

ด้วยประสบการณ์ที่ลึกซึ้งของคุณในการจัดหาทีมและฝึกอบรม คุณสามารถบอกเราได้หรือไม่ว่าองค์กรควรให้ความสำคัญกับการพัฒนาทักษะภายในองค์กรในยุค AI เทียบกับการจ้างบุคคลภายนอก

ภายในองค์กร ฉันคิดว่าบริษัทควรเน้นการสร้างความรู้ด้าน AI และข้อมูลในวงกว้าง ไม่ใช่ทุกคนที่ต้องกลายเป็นนักวิทยาศาสตร์ข้อมูล แต่บุคคลทั่วทั้งธุรกิจควรให้ความสำคัญกับการตัดสินใจที่มีพื้นฐานมาจากข้อมูลเชิงลึก ขอคำถามที่ดีขึ้น และใช้เครื่องมือ AI ในกระบวนการทำงานทุกวัน เมื่อแนวปฏิบัตินี้แพร่กระจายไปทั่วทีม จะง่ายขึ้นมากที่จะระบุว่า AI สามารถช่วยได้จริงๆ ที่ไหน และที่ไหนที่ไม่ควรใช้

สำหรับการจ้างบุคคลภายนอก การจ้างงานมักจะเฉพาะเจาะจงมากขึ้น เช่น วิศวกรรมข้อมูล สถาปัตยกรรมการเรียนรู้ของเครื่อง และการกำกับดูแล AI ซึ่งต้องใช้ความเชี่ยวชาญลึกซึ้งที่องค์กรอาจไม่มีในองค์กร บริษัทที่ทำสิ่งนี้ได้ดีจะรวมผู้เชี่ยวชาญเหล่านี้เข้ากับทีมธุรกิจที่เข้าใจบริบทและตัดสินใจที่ต้องปรับปรุง

การต่อต้านวัฒนธรรมมักจะชะลอการเปลี่ยนแปลง พฤติกรรมของผู้นำใดที่คุณพบว่ามีประสิทธิผลมากที่สุดในการสร้างความไว้วางใจและความเร่งด่วนในการนำ AI ไปใช้

การสื่อสารที่ชัดเจนจากผู้นำมีผลกระทบอย่างมาก พนักงานต้องการทราบว่าทำไมจึงนำเทคโนโลยีใหม่ๆ มาใช้ และวิธีการเชื่อมโยงกับกลยุทธ์ของบริษัท อธิบายวัตถุประสงค์เบื้องหลังโครงการ AI และเชื่อมโยงกับเป้าหมายทางธุรกิจที่แท้จริงช่วยสร้างความมั่นใจทั่วทั้งองค์กร

การเรียนรู้มีความสำคัญไม่แพ้กัน อัตโนมัติและ AI กำลังเปลี่ยนแปลงหลายสาขาแล้ว ดังนั้นบริษัทต่างๆ จึงต้องสนับสนุนพนักงานในการพัฒนาความสามารถใหม่ๆ คนมีส่วนร่วมในการเปลี่ยนแปลงอย่างเปิดกว้างเมื่อพวกเขาเห็นโอกาสที่แท้จริงในการสร้างทักษะใหม่และเติบโตไปพร้อมกับเทคโนโลยี

เมื่อ AI ถูกฝังลงในกระบวนการตัดสินใจ องค์กรควรพิจารณาเมตริกการแสดงผลและความรับผิดชอบใหม่ๆ อย่างไร

AI เปลี่ยนแปลงวิธีการตัดสินใจ ดังนั้นผู้นำจึงต้องมองไปไกลกว่าเมตริกโครงการแบบดั้งเดิม คำถามที่แท้จริงคือ AI ปรับปรุงคุณภาพและความเร็วในการตัดสินใจในพื้นที่ที่สำคัญต่อธุรกิจหรือไม่ สิ่งนี้อาจหมายถึงการคาดการณ์อุปสงค์ที่ดีขึ้น การตัดสินใจเรื่องราคาอย่างแม่นยำ หรือการตอบสนองต่อการเปลี่ยนแปลงในตลาดอย่างรวดเร็ว หากผลลัพธ์เหล่านี้ดีขึ้น AI ก็ทำหน้าที่ของมัน

ความรับผิดชอบยังต้องชัดเจนขึ้น เช่นเดียวกับข้อมูล ใครบางคนยังคงรับผิดชอบในการตัดสินใจ AI สามารถสนับสนุนการตัดสินใจเหล่านี้ได้ แต่การกำกับดูแลและการกำกับดูแลยังคงจำเป็น

ในช่วงสามถึงห้าปีที่จะมาถึง การเปลี่ยนแปลงใดในด้านการนำ AI ไปใช้ในองค์กรมีความสำคัญที่สุด และผู้นำควรเริ่มทำอะไรตอนนี้เพื่ออยู่ในระดับแนวหน้า

ในช่วงไม่กี่ปีที่จะมาถึง AI จะเริ่มปรากฏมากขึ้นในกระบวนการตัดสินใจทางธุรกิจทุกวัน หลายบริษัทใช้เวลาในการทดลองและพิสูจน์แนวคิด AI ต่อไป คือการทำให้แน่ใจว่าความสามารถเหล่านี้สนับสนุนการวางแผน การคาดการณ์อุปสงค์ การจัดการห่วงโซ่อุปทาน หรือการตัดสินใจทางการตลาดได้อย่างไร

งานจะพัฒนาเมื่อ AI มีความสามารถมากขึ้น เมื่องานประจำวันถูกทำให้自动มากขึ้น อาชีพจะเปลี่ยนไปสู่การชี้นำ การตีความ และการทำงานร่วมกับระบบ AI องค์กรที่เสริมรากฐานข้อมูลและช่วยพนักงานสร้างความสามารถเหล่านี้จะปรับตัวเข้ากับการดำเนินงานประจำวันที่มี AI ได้ง่ายขึ้น

ขอขอบคุณสำหรับการสัมภาษณ์ที่ยอดเยี่ยม ผู้อ่านสามารถเยี่ยมชม LatentView Analytics เพื่อเรียนรู้เพิ่มเติม