Vijay Rayapati, CEO และผู้ร่วมก่อตั้ง Atomicwork – ชุดสัมภาษณ์

Vijay Rayapati เป็นผู้ร่วมก่อตั้งและซีอีโอของ Atomicwork ก่อนก่อตั้งบริษัท เขาเคยดำรงตำแหน่งรองประธานอาวุโสและผู้จัดการทั่วไปของธุรกิจ Cloud Networking and Security ที่ Nutanix หลังจากที่ Nutanix ได้เข้าซื้อกิจการ Minjar ซึ่งเป็นบริษัทแพลตฟอร์มการจัดการคลาวด์ที่เขาก่อตั้งและขยายในฐานะซีอีโอ ในช่วงต้นอาชีพของเขา เขาเคยดำรงตำแหน่งผู้นำด้านวิศวกรรมและผลิตภัณฑ์ที่ Kuliza และ Trilogy ทำให้เขามีประสบการณ์ลึกซึ้งในการสร้างโครงสร้างพื้นฐานระดับองค์กรและแอปพลิเคชันซอฟต์แวร์ พื้นฐานของเขาครอบคลุมโครงสร้างพื้นฐานคลาวด์ ซอฟต์แวร์ระดับองค์กร และเทคโนโลยีแรงงาน AI ทำให้เขาเป็นผู้ก่อตั้งที่เป็นที่รู้จักในวงการ IT ระดับองค์กร

Atomicwork เป็นบริษัท AI ระดับองค์กรที่สร้างแพลตฟอร์มการจัดการบริการ IT แบบเอเยนต์ ซึ่งช่วยพนักงานแก้ไขปัญหาเทคโนโลยี อัตโนมัติงานสนับสนุนประจำ และเข้าถึงความรู้ระดับองค์กรผ่าน AI แพลตฟอร์มของบริษัทผสานเอเยนต์ AI กับความสามารถ ITSM สมัยใหม่เพื่อจัดการคำขอบริการ แก้ไขปัญหา ประสานเวิร์กโฟลว์ข้ามระบบองค์กร และลดภาระงานของทีม IT ลูกค้าใช้ Atomicwork เพื่อให้การสนับสนุนพนักงานเร็วขึ้นพร้อมปรับปรุงประสิทธิภาพการดำเนินงานทั่วทั้ง IT และธุรกิจ

คุณเคยร่วมก่อตั้ง Minjar, สร้างธุรกิจการจัดการคลาวด์ระดับองค์กรของมัน, แล้วต่อมานำการดำเนินงานที่ Nutanix หลังการเข้าซื้อกิจการ สิ่งที่ได้เรียนรู้จากการสร้าง, ขาย, และรวมบริษัทซอฟต์แวร์ระดับองค์กร ทำให้คุณตัดสินใจก่อตั้ง Atomicwork ในปี 2022 และสร้างระบบการจัดการบริการ IT ตั้งแต่ต้นสำหรับยุค AI คืออะไร?

ที่ Minjar เราได้สร้างซอฟต์แวร์ที่สามารถลดค่าใช้จ่ายคลาวด์ของบริษัทได้หนึ่งในสามผ่านการอัตโนมัติ ลูกค้าชื่นชอบคำแนะนำเหล่านั้น แล้วพวกเขาก็เก็บไว้เป็นเวลาสองไตรมาส ฉันต้องใช้เวลาค่อนข้างนานจึงจะเข้าใจเหตุผล และคำตอบไม่ได้เกี่ยวกับเทคนิค เมื่อการอัตโนมัติทำการเรียกและเกิดข้อผิดพลาด ไม่มีใครรับผิดชอบ บริษัทไม่ได้แค่ซื้อซอฟต์แวร์หรือผลลัพธ์ พวกเขาซื้อคนที่รับผิดชอบให้ ซอฟต์แวร์ที่ไม่มีตำแหน่งในแผนผังองค์กรจะไม่ได้รับอำนาจ ไม่ว่าแม้จะดีแค่ไหนก็ตาม

การเข้าซื้อกิจการสอนบทเรียนที่แคบลง ผลิตภัณฑ์จุดเดียวจะถูกซื้อ ระบบบันทึกข้อมูลจะถูกสร้างขึ้น คุณอาจเป็นผลิตภัณฑ์ที่ดีกว่าแต่ก็ยังต้องใช้ชีวิตวนไปรอบ ๆ ผู้ที่เป็นเจ้าของเวิร์กโฟลว์อยู่เสมอ

ช่วงเวลาที่ Nutanix ทำให้สองสิ่งนั้นมาบรรจบกัน ฉันได้เห็น IT ซื้อการจัดการบริการเพื่อควบคุมและพนักงานประสบกับมันในรูปแบบของแบบฟอร์มและคิว ฉันยังตระหนักว่าตั๋วไม่ได้เป็นผลิตภัณฑ์เลย แต่เป็นร่องรอยการตรวจสอบ นั่นคือเหตุผลที่ ITSM รอดชีวิตมาสี่สิบปีแม้ผู้คนจะเกลียดมัน และก็เป็นเหตุผลที่ไม่มีใครสามารถลบมันออกได้

ดังนั้นคำถามในปี 2022 ไม่ได้ว่า AI ทำงานได้หรือไม่ แต่คือว่าเราจะให้ AI มีตำแหน่งในแผนผังองค์กรได้หรือไม่ แพลตฟอร์ม ITSM แบบเดิมไม่สามารถทำได้ เพราะมีคนเป็นผู้รับมอบหมายอยู่ที่ศูนย์กลางของโมเดลข้อมูลและทุก SLA, การอนุมัติและรายงานล้วนอิงตามสมมติฐานนั้น เปิด AI แล้วคุณจะได้แบบฟอร์มที่เร็วขึ้น

เราสร้างเพื่อตอบคำถามอีกด้านหนึ่ง คือ AI ส่งมอบแรงงานแบบไฮบริดไม่ใช่แค่ซอฟต์แวร์ AI Coworker ทำงานจริงและ IT ควบคุมพวกมันเช่นเดียวกับ HR ควบคุมคน คุณไม่ได้กำหนดค่า AI Coworker คุณจ้างมันเข้าสู่บทบาท ตรวจสอบผลงานของมัน และยกเลิกหากมันทำงานไม่ดี นั่นคือความแตกต่างระหว่าง AI เป็นฟีเจอร์กับ AI เป็นแรงงาน

Atomicwork อธิบาย AI Coworker ของตนว่าเป็นระบบที่ครอบครองบทบาทงานที่กำหนดและทำงานตั้งแต่ต้นจนจบ ไม่ใช่แค่ตอบคำถามหรือดำเนินการงานแยกส่วนเท่านั้น ความสามารถทางเทคนิคใดที่ทำให้ AI Coworker แท้แตกต่างจากแชทบอท, copilot หรือเครื่องมืออัตโนมัติแบบดั้งเดิม และขอบเขตอิสระของมันควรหยุดที่ไหน?

แชทบอทตอบคำถามและ copilot ช่วยคนทำงานบางอย่าง แต่ทั้งสองไม่มีความรับผิดชอบต่อการทำงานจนเสร็จสิ้น AI Coworker แตกต่างเพราะได้รับมอบหมายบทบาทที่กำหนดและคาดหวังให้ส่งมอบผลลัพธ์ ไม่ว่าจะเป็นการคัดกรองเหตุการณ์, การจัดหาเข้าถึง หรือการรับพนักงานใหม่ มันทำงานต่อเนื่องในทุกขั้นตอนจนบรรลุเป้าหมาย แทนที่จะหยุดหลังจากการตอบครั้งแรก

นี่ต้องการมากกว่ารุ่นโมเดลที่มีประสิทธิภาพ AI Coworker ต้องมีอัตลักษณ์ สิทธิ์การเข้าถึง เครื่องมือที่ได้รับการอนุมัติ บริบทองค์กร งบประมาณ และขอบเขตการทำงานที่ชัดเจน มันต้องทำงานข้ามระบบธุรกิจ เข้าใจว่าเมื่อไหร่ (และใคร) ควรขออนุมัติ และทิ้งร่องรอยการตรวจสอบไว้หลังทุกการกระทำ นั่นคือเหตุผลที่เรามุ่งเน้นแพลตฟอร์มรอบโมเดลอย่างหนัก AI ที่เชื่อถือได้ต้องอาศัยการประสานงาน การกำกับดูแลและการดำเนินการเท่ากับความฉลาด

อิสระไม่ควรไม่มีขอบเขต AI Coworker ควรทำงานภายในความรับผิดชอบของบทบาทงานของมัน ในขณะที่คนยังคงมีส่วนร่วมเมื่อการทำงานกระทบระบบที่สำคัญหรือมีผลทางกฎหมาย การเงิน หรือการจ้างงาน

แพลตฟอร์มของคุณอนุญาตให้ AI Coworker เชี่ยวชาญทำงานร่วมกันในด้านการจัดการเหตุการณ์, การจัดหาเข้าถึง, การรับพนักงานใหม่, และการดำเนินงาน IT วิธีที่ AI Coworker เหล่านี้แบ่งหน้าที่ แบ่งบริบท และฟื้นตัวเมื่อ AI Coworker หนึ่งทำการตัดสินใจผิดที่อาจส่งผลต่อเวิร์กโฟลว์ส่วนอื่นเป็นอย่างไร?

เราไม่คิดว่า AI Coworker หนึ่งคนควรทำทุกงาน ทีม IT แบ่งหน้าที่กันอยู่แล้วตามทีมต่าง ๆ เพราะแต่ละบทบาทมีเป้าหมาย สิทธิ์และความเชี่ยวชาญที่แตกต่าง เรานำแนวคิดเดียวกันมาสู่ AI Coworker จึงเปิดตัวด้วย AI Coworker ที่ได้รับการรับรองและเชี่ยวชาญในแต่ละพื้นที่การดำเนินงาน IT

แต่ละ Coworker ครอบครองฟังก์ชันเฉพาะในขณะที่ใช้บริบทองค์กรเดียวกัน เมื่อพนักงานสร้างตั๋วใน Atomicwork ระบบกำหนดเส้นทางอัจฉริยะจะส่งต่อไปยัง AI Coworker ที่เหมาะสมเพื่อทำงานตามคำขอ (และตามคำขอ) อาจส่งต่อให้ AI Coworker อื่น สร้างตั๋วย่อยให้ AI Coworker แก้ไขปัญหาแบบขนาน (เช่น ตั๋วรับพนักงานใหม่อาจแบ่งเป็นกิจกรรมที่ทำพร้อมกัน) หรือส่งต่อให้มนุษย์ ขณะที่งานเคลื่อนจาก Coworker หนึ่งไปยังอีกคน ข้อมูลที่เกี่ยวข้องก็จะเคลื่อนตามผ่านตั๋ว (ระบบบันทึก) พร้อมกับการเข้าถึงระบบที่เกี่ยวข้อง เช่น เซอร์วิสเดสก์ แพลตฟอร์มอัตลักษณ์ ระบบ HR และเครื่องมือทำงานร่วมกัน บริบทที่แชร์นี้ทำให้แต่ละ Coworker สามารถตัดสินใจโดยอิงจากสิ่งที่เกิดขึ้นแล้ว ไม่ต้องเริ่มจากศูนย์

Atomicwork รองรับกรอบงานเอเยนต์และโมเดลจากผู้ให้บริการเช่น OpenAI, Anthropic, และ Google วิธีที่คุณกำหนดว่าโมเดลใดควรรับผิดชอบการดึงข้อมูล, การให้เหตุผล, การวางแผน, และการดำเนินการอย่างไร และองค์กรจะรักษาพฤติกรรมที่สอดคล้องกันได้อย่างไรเมื่อโมเดลพื้นฐานเปลี่ยนแปลงต่อเนื่อง?

โมเดลต่าง ๆ มีความเชี่ยวชาญในงานประเภทต่าง ๆ เรามุ่งเน้นการสร้างแพลตฟอร์มที่ใช้ประโยชน์จากความก้าวหน้าโดยไม่บังคับให้ลูกค้าต้องออกแบบเวิร์กโฟลว์ใหม่ทุกครั้งที่โมเดลเปลี่ยน บริบทองค์กร, การประสานงาน, อัตลักษณ์, การบังคับใช้นโยบาย, telemetry และการประเมินผลให้ความสอดคล้องที่องค์กรต้องการในสภาพการผลิต ไม่ว่ารุ่นแนวหน้าใดจะอยู่ด้านล่าง

เราได้พูดถึงการสนับสนุนผู้ให้บริการหลายรายพร้อมกรอบการประเมินและการกำกับดูแล แต่เราไม่ได้เปิดเผยตรรกะการกำหนดเส้นทางที่ตัดสินว่าโมเดลใดรับผิดชอบการดึงข้อมูล, การให้เหตุผล, การวางแผน หรือการดำเนินการ เราก็ยังไม่ได้เปิดเผยกระบวนการตรวจสอบที่เราใช้เมื่อผู้ให้บริการปล่อยโมเดลและอัปเดตใหม่

เอเจนต์ AI ระดับองค์กรอาจเจอเอกสารขัดแย้ง, บันทึกการกำหนดค่าที่ไม่สมบูรณ์, ความรู้ล้าสมัย, และสิทธิ์ที่แตกต่างกันในระบบต่าง ๆ ชั้น Universal Context ของ Atomicwork จะกำหนดว่าข้อมูลใดเป็นที่เชื่อถือได้และเป็นปัจจุบันก่อนให้เอเจนต์ตัดสินใจหรือทำการอย่างไร?

ความรู้ระดับองค์กรมักไม่อยู่ในที่เดียว บางส่วนอยู่ในเอกสาร บางส่วนอยู่ในระบบบันทึกข้อมูล และบางส่วนอยู่ในกิจกรรมประจำวันของธุรกิจ AI ต้องใช้บริบททั้งหมดนี้เพื่อทำการตัดสินใจที่เชื่อถือได้

Universal Context รวมแหล่งข้อมูลเหล่านั้นโดยผสานความรู้ระดับองค์กรกับข้อมูลคน, เครือข่าย, โครงสร้างพื้นฐานและอุปกรณ์จากระบบปฏิบัติการแบบเรียลไทม์ AI Coworker สามารถอ้างอิงข้อมูลจากแพลตฟอร์มอย่าง Confluence หรือ SharePoint, MDM อย่าง Intune และ JAMF พร้อมเข้าใจสิ่งที่เกิดขึ้นในระบบเช่น Jira, Workday, Salesforce หรือผู้ให้บริการอัตลักษณ์ อีกทั้งยังเคารพสิทธิ์ที่มีอยู่ ทำให้คนและ AI Coworker เข้าถึงข้อมูลที่ได้รับอนุญาตเท่านั้น

เราอธิบายว่าการเชื่อมต่อ Universal Context กับระบบระดับองค์กรและรักษาขอบเขตความปลอดภัยไว้ได้ แต่ไม่ได้อธิบายวิธีที่มันแก้ไขข้อมูลขัดแย้งเมื่อแหล่งข้อมูลที่เชื่อถือได้ไม่ตรงกัน หรือวิธีที่มันกำหนดว่าแหล่งใดควรมีลำดับความสำคัญ รายละเอียดการดำเนินการเหล่านี้ไม่ได้อยู่ในเอกสารสาธารณะของเรา

AI Coworker สากลสามารถสนับสนุนพนักงานผ่าน Microsoft Teams, Slack, อีเมล, เบราว์เซอร์, พอร์ทัล และผ่านแชท, เสียง, และโหมดภาพได้ ความสามารถใหม่ในการแก้ปัญหาอะไรบ้างที่เป็นไปได้เมื่อเอเจนต์สามารถมองเห็นและได้ยินสิ่งที่พนักงานกำลังประสบ และคุณจะป้องกันไม่ให้เนื้อหาหน้าจอหรือการสนทนาที่สำคัญถูกเปิดเผยอย่างไร?

การสนับสนุน IT แบบดั้งเดิมพึ่งพาการที่พนักงานอธิบายปัญหาเทคนิคอย่างแม่นยำ ซึ่งมักเป็นส่วนที่ยากที่สุดของการโต้ตอบ บริบทเสียงและภาพทำให้ AI เห็นข้อความแสดงข้อผิดพลาด, แอปพลิเคชัน หรือหน้าจอการกำหนดค่าที่พนักงานกำลังมองอยู่ ทำให้เข้าใจปัญหาได้ง่ายขึ้นและแนะนำขั้นตอนต่อไปโดยไม่ต้องสนทนายาว ๆ

ความสามารถเหล่านี้ทำงานได้ก็ต่อเมื่อพนักงานไว้ใจ เราเชื่อว่าการเข้าถึงภาพควรต้องได้รับความยินยอมอย่างชัดเจนและผู้ใช้ควรรู้เสมอเมื่อฟีเจอร์นี้ทำงานอยู่ ข้อมูลที่สำคัญจะได้รับการปกป้องด้วยการปิดบังข้อมูลส่วนบุคคล (PII), การควบคุมโดยผู้ดูแลระบบ และนโยบายการเก็บรักษาที่เหมาะสม

เรายังชัดเจนว่าข้อมูลของลูกค้าไม่ถูกใช้เพื่อฝึกโมเดลของเรา หรือโมเดลพื้นฐานของบุคคลที่สาม ซึ่งทำให้องค์กรสามารถนำ AI แบบหลายโหมดไปใช้ได้โดยไม่ต้องเสียการควบคุมข้อมูลของตน

Atomicwork สามารถติดตั้งควบคู่กับสภาพแวดล้อม ServiceNow หรือ Jira Service Management ที่มีอยู่แล้วโดยไม่ต้องย้ายข้อมูลทันที คุณมองว่านี่เป็นกลยุทธ์การเปลี่ยนผ่านเป็นหลักหรือว่าองค์กรหลายแห่งจะดำเนินการใช้ AI Workforce ควบคู่กับระบบบันทึกข้อมูลเดิมอย่างถาวร?

องค์กรขนาดใหญ่ส่วนใหญ่ใช้เวลาหลายปีในการสร้างกระบวนการ, การเชื่อมต่อและการกำกับดูแลรอบแพลตฟอร์มอย่าง ServiceNow และ Jira Service Management การบังคับให้พวกเขาต้องเปลี่ยนระบบเหล่านั้นก่อนที่จะรับ AI จะสร้างอุปสรรคที่ไม่จำเป็น

เราจึงสร้างการเชื่อมต่อ Atomicwork กับ ServiceNow และ Jira Service Management เพื่อให้ลูกค้าสามารถปรับปรุงประสบการณ์พนักงานและเสริมทีมบริการด้วย AI Coworker ตั้งแต่วันแรกโดยไม่รบกวนระบบที่พวกเขาใช้อยู่ ตัวเชื่อมต่อดึงข้อมูลบริบท IT ระดับองค์กรที่เกี่ยวข้องให้ AI Coworker ใช้ได้ พร้อมรักษาการซิงค์สองทางสำหรับเอเยนต์บริการในระบบเดิม เราไม่คิดว่าองค์กรต้องเลือกเส้นทางใดเส้นทางหนึ่งตั้งแต่วันแรก ความสำคัญคือการช่วยให้พวกเขานำ AI ไปใช้ตามกำหนดเวลาของตนเอง

การให้ AI Coworker เข้าถึงระบบอัตลักษณ์, ข้อมูลพนักงาน, โครงสร้างพื้นฐาน, และแอปพลิเคชันธุรกิจทำให้เกิดความเสี่ยง เช่น การฉีดคำสั่ง, แหล่งความรู้ที่เสียหาย, สิทธิ์เกินจำเป็น, และข้อผิดพลาดของเอเจนต์ที่แพร่กระจาย สิ่งป้องกัน, ขอบเขตการอนุมัติ, และกลไกการตรวจสอบใดที่จำเป็นก่อนที่องค์กรจะปล่อยให้เอเจนต์ทำงานอิสระอย่างปลอดภัย?

AI Coworker ถูกกำกับดูแลเช่นเดียวกับพนักงานที่มีสิทธิ์พิเศษ แต่ละ Coworker มีบทบาทที่กำหนด, สิทธิ์ที่จำกัด, เครื่องมือที่ได้รับการอนุมัติ, ขีดจำกัดการใช้จ่าย, และขอบเขตที่ชัดเจนว่ามันสามารถทำอะไรได้ด้วยตนเอง การกระทำที่สำคัญ—โดยเฉพาะอย่างยิ่งที่เกี่ยวกับอัตลักษณ์, โครงสร้างพื้นฐาน, การเงิน, กฎหมาย หรือการจ้างงาน—ต้องได้รับการอนุมัติจากมนุษย์

ทักษะและคำสั่งจะถูกตรวจสอบก่อนเผยแพร่เพื่อป้องกันความเสี่ยงเช่นการฉีดคำสั่ง, คำสั่งที่ซ่อนอยู่, การเข้าถึงข้อมูลรับรอง, การรั่วไหลของข้อมูล, และการกระทำที่ไม่ปลอดภัย หากเครื่องมือมีการเปลี่ยนแปลงที่เพิ่มความเสี่ยง จะถูกปิดใช้งานโดยอัตโนมัติจนกว่าจะได้รับการตรวจสอบ การป้องกันเพิ่มเติมรวมถึงการจำกัดการกระทำ, การป้องกันการทำซ้ำ, การควบคุมการหยุดฉุกเฉิน, และการเข้ามาแทนที่โดยมนุษย์ เพื่อจำกัดข้อผิดพลาดก่อนที่มันจะกระจาย

ทุกการกระทำสามารถตรวจสอบได้: องค์กรสามารถเห็นว่าอะไรเป็นเหตุให้ Coworker ทำงาน, ใช้ข้อมูลและเครื่องมืออะไร, ได้รับการอนุมัติใดบ้าง, และผลลัพธ์เป็นอย่างไร การประเมินผลต่อเนื่อง, การเฝ้าติดตาม, และการทดสอบโดยทีม Red‑Team ช่วยให้แน่ใจว่ามาตรการป้องกันเหล่านี้ยังคงมีประสิทธิภาพเมื่อโมเดล, เครื่องมือ, และสภาพแวดล้อมระดับองค์กรเปลี่ยนแปลง

เราได้ลงทุนอย่างหนักในด้านการประเมิน, การบังคับใช้นโยบาย, การเฝ้าติดตามและการทดสอบ Red‑Team เพราะการนำ AI ไปใช้เป็นเพียงจุดเริ่มต้น องค์กรต้องมั่นใจว่า Coworker ยังคงทำงานตามที่คาดหวังเมื่อโมเดลและสภาพแวดล้อมระดับองค์กรพัฒนาไป

Atomicwork’s State of AI in IT 2026 report พบว่ามากสองในสามของผู้เชี่ยวชาญ IT รายงานผลตอบแทนเชิงบวกจากการลงทุน AI ในขณะที่เพียงหนึ่งในห้าขององค์กรได้ฝัง AI อย่างเต็มที่ในทีมการจัดการบริการของตน สิ่งที่ทำให้การใช้งานที่สร้างมูลค่าทางธุรกิจแตกต่างจากการทดลองที่ยังคงอยู่ในขั้นตอนทดลองคืออะไร?

องค์กรส่วนใหญ่ได้แสดงให้เห็นแล้วว่า AI สามารถปรับปรุงงานเดี่ยว ๆ ได้ บริษัทที่เห็นมูลค่าทางธุรกิจที่วัดผลได้คือบริษัทที่เชื่อม AI เข้ากับเวิร์กโฟลว์การดำเนินงานทั้งหมด ไม่ใช่ใช้เป็นผู้ช่วยแบบแยกส่วน

การเริ่มต้นมักมาจากการแก้ปัญหาทางธุรกิจเฉพาะโดยคิดในแง่บทบาท ให้ AI Coworker เข้าถึงระบบที่ต้องการและวัดผลลัพธ์ที่สำคัญ—ไม่ว่าจะเป็นเวลาการแก้ปัญหาที่เร็วขึ้น, ลดค่าใช้จ่ายสนับสนุน หรือประสบการณ์พนักงานที่ดีขึ้น เมื่อทีมเชื่อมั่นในผลลัพธ์เหล่านั้น การขยาย AI ไปยังเวิร์กโฟลว์เพิ่มเติมก็ทำได้ง่ายขึ้น

การวิจัยของเรายังพบว่าการใช้ AI อย่างรับผิดชอบยังคงเป็นหนึ่งในความสำคัญสูงสุดของผู้นำ IT ซึ่งสมเหตุผล เพราะองค์กรจะไม่มอบความรับผิดชอบเพิ่มให้ AI หากพวกเขาไม่เข้าใจว่าการตัดสินใจมาจากไหน, สามารถตรวจสอบการตัดสินใจเหล่านั้นได้, และมั่นใจว่ามีแนวทางควบคุมที่เหมาะสม

เมื่อ AI Coworker เริ่มแก้ไขคำขอสนับสนุน, จัดการการเข้าถึง, วินิจฉัยเหตุการณ์, และประสานเวิร์กโฟลว์ ความรับผิดชอบของผู้เชี่ยวชาญศูนย์บริการ, ทีมปฏิบัติการ IT, และ Chief Information Officer จะเปลี่ยนแปลงอย่างไร? มองไกลออกไป IT จะกลายเป็นแผนกที่รับผิดชอบการจ้าง, การกำกับดูแล, และการวัดผลแรงงานดิจิทัลทั้งหมดขององค์กรหรือไม่?

AI จะรับช่วงงานดำเนินการซ้ำ ๆ ที่กินเวลามากของศูนย์บริการในปัจจุบัน ทำให้คนมีเวลามากขึ้นในการจัดการข้อยกเว้น, ปรับปรุงกระบวนการ, และปรับแต่งความรู้ที่ AI พึ่งพา

ทีมปฏิบัติการ IT จะมุ่งเน้นมากขึ้นไปที่การกำกับดูแล AI Coworker แทนการดำเนินการทุกขั้นตอนด้วยตนเอง พวกเขาจะกำหนดสิทธิ์, เชื่อมต่อระบบ, เฝ้าติดตามประสิทธิภาพ, และตรวจสอบให้ AI ทำงานภายในนโยบายที่ตั้งไว้

ผมคาดว่าบทบาทของ CIO จะขยายออกไป การจัดการศูนย์ AI จำนวนหลายร้อยคนเริ่มคล้ายกับการจัดการโครงสร้างพื้นฐานระดับองค์กรอื่น ๆ ใครสักคนต้องกำหนดว่า Coworker สามารถเข้าถึงอะไรได้บ้าง, วัดผลอย่างไร, อัปเดตเมื่อไหร่, และตรวจสอบว่ามันสร้างคุณค่าให้หรือไม่ ทีมธุรกิจจะยังคงกำหนดงานต่อไป ในขณะที่ IT จะกลายเป็น HR สำหรับ AI หรือกล่าวคือรับผิดชอบแพลตฟอร์ม, การกำกับดูแลและการควบคุมการดำเนินงานที่ทำให้แรงงาน AI ระดับองค์กรทำงานอย่างปลอดภัย

ขอขอบคุณสำหรับการสัมภาษณ์ที่ยอดเยี่ยม, ผู้อ่านที่ต้องการเรียนรู้เพิ่มเติมควรเยี่ยมชม Atomicwork.