วิไจย์ วิไจย์ศังกร, Global Agentic AI Officer ของ Genpact – สัมภาษณ์ซีรีส์

วิไจย์ วิไจย์ศังกร, Global Agentic AI Officer ของ Genpact, นำทีมพัฒนาโซลูชัน Agentic AI ของบริษัท โดยมุ่งเน้นการเปลี่ยนแปลงการสร้างมูลค่าขององค์กรจากแบบจำลองที่อาศัยแรงงานแบบดั้งเดิมไปสู่แบบจำลองที่มีอัตรากำไรสูงกว่า ในบทบาทของเขา เขาได้ช่วยกำหนดแนวทางของ Genpact ในการขยาย AI ทั่วทั้งองค์กรโดยการสร้างแบบจำลององค์กรรอบๆ AI Builders ซึ่งออกแบบชั้นการกำกับดูแลขั้นสูง และ AI Practitioners ซึ่งนำความเชี่ยวชาญด้านโดเมนเข้ามาในกระบวนการทำงานที่ขับเคลื่อนด้วยตัวแทนอิสระ ก่อนที่จะเข้าร่วม Genpact วิไจย์ศังกร曾ดำรงตำแหน่งผู้นำระดับสูงใน IBM รวมถึง Managing Partner สำหรับ Financial Services, CTO ของ IBM Services North America และ General Manager สำหรับ Cognitive, IoT, Analytics และ Watson Health ใน GBS North America พร้อมด้วยบทบาทผู้บริหารก่อนหน้านี้ใน MongoDB (MDB ) และ SAP

Genpact เป็นบริษัทที่ให้บริการโซลูชันเทคโนโลยีขั้นสูงและ Agentic ซึ่งช่วยให้ธุรกิจขนาดใหญ่สามารถทันสมัย化การดำเนินงานผ่านการออกแบบกระบวนการอัจฉริยะ AI ข้อมูล และการเปลี่ยนแปลงดิจิทัล บริษัทให้บริการในหลายๆ ด้าน เช่น การเงินและการบัญชี การดูแลลูกค้า การจัดการความเสี่ยงและการปฏิบัติตามกฎระเบียบ การจัดซื้อจัดจ้าง การจัดการห่วงโซ่อุปทาน เทคโนโลยี และความไว้วางใจและความปลอดภัย ในขณะที่บริการ Data และ AI ของพวกเขามุ่งเน้นช่วยให้องค์กรใช้การวิเคราะห์ขั้นสูง AI และตัวแทนอิสระเพื่อเปลี่ยนข้อมูลที่ซับซ้อนให้เป็นผลลัพธ์ทางธุรกิจที่วัดผลได้

คุณได้ใช้เวลามากกว่าสองทศวรรษในบริษัทต่างๆ รวมถึง IBM, MongoDB, SAP และตอนนี้คือ Genpact ในตำแหน่ง Global Agentic AI Officer เมื่อมองย้อนกลับไปที่วิวัฒนาการจาก Big Data และการวิเคราะห์ไปสู่ระบบ AI Agentic ในปัจจุบัน สิ่งใดที่สอนคุณมากที่สุดเกี่ยวกับวิธีที่องค์กรควรเข้าใกล้การเปลี่ยนแปลง AI?

ฉันเคยดูหนังเรื่องนี้สามครั้งแล้ว Big Data เป็นกระสุนเงินสำหรับการตัดสินใจ Cloud เป็นสวิตช์ทันทีสำหรับความคล่องตัวขององค์กร และตอนนี้ AI Agentic เป็นยารักษากระบวนการทำงาน ในทุกๆ รอบ องค์กรที่สร้างมูลค่าได้เน้นไปที่โมเดลการดำเนินงาน กระบวนการ และคนของตนเอง ส่วนองค์กรที่ต้องดิ้นรน และหลายองค์กรยังคงดิ้นรนอยู่ พวกเขารักษาเทคโนโลยีเองเป็นการเปลี่ยนแปลง

สิ่งที่แตกต่างอย่าง фундаментัลเกี่ยวกับ AI Agentic คือที่ตั้งของมัน มันอยู่ที่ชั้นการดำเนินการ ไม่ใช่ชั้นการให้ข้อมูล เครื่องมือเก่าๆ สร้างกราฟและข้อแนะนำ ตัวแทนจะดำเนินการ ชาร์ตที่ไม่ดีจะสร้างกราฟที่ไม่ดี ซึ่งวิเคราะห์โดยมนุษย์ก่อนที่จะถึงโต๊ะของ CEO การทำธุรกรรมที่ไม่ดีจะดำเนินการธุรกรรมที่ไม่ดีที่ขนาดใหญ่มาก่อนที่ใครจะรู้ตัว วิธีนี้เปลี่ยนโปรไฟล์ความเสี่ยงอย่างสมบูรณ์ และบังคับให้องค์กรต้องมีวินัยการดำเนินการที่ส่วนใหญ่ไม่เคยต้องการมาก่อน ฉันเรียนรู้ที่จะสงสัยความตื่นเต้นของตัวเอง AI Agentic น่าสนใจ แต่นั่นคือเวลาที่คุณต้องชะลอและตรวจสอบรากฐาน

รายงานใหม่ของ Genpact กับ HFS Research ประมาณการว่าหนี้องค์กรที่ไม่ได้รับการแก้ไขกักขังมูลค่าประมาณ 18 ล้านล้านดอลลาร์ในสหรัฐฯ ทั่วโลก สิ่งใดที่ทำให้คุณประหลาดใจมากที่สุดเกี่ยวกับผลการวิจัย และทำไมคุณเชื่อว่าหลายองค์กรยังคงประเมินค่าน้อยเกินไปถึงผลกระทบของหนี้กระบวนการ ข้อมูล เทคโนโลยี และทักษะ?

สิ่งที่เปิดเผยให้เห็นคือขนาดของมูลค่าที่ถูกกักข้างหลังกระบวนการที่ไม่มีประสิทธิภาพ ข้อมูลที่กระจัดกระจาย เทคโนโลยีที่เก่าแก่ และความท้าทายด้านความพร้อมของพนักงานที่วัดเป็นล้านล้านดอลลาร์

สิ่งที่สำคัญมากกว่าตัวเลขทั้งหมดคือวิธีการจัดโครงสร้างปัญหา ผู้นำส่วนใหญ่มองปัญหาเหล่านี้ว่าเป็นซิลโอที่แยกจากกัน ปัญหาหนึ่งเป็นปัญหาเกี่ยวกับข้อมูล ปัญหาหนึ่งเป็นปัญหาเกี่ยวกับกระบวนการ ปัญหาหนึ่งเป็นปัญหาเกี่ยวกับเทคโนโลยี ปัญหาหนึ่งเป็นปัญหาเกี่ยวกับทักษะ แต่ละปัญหาได้รับการปฏิบัติแยกจากกัน มันไม่ใช่ปัญหาแยกจากกัน ข้อมูลที่ไม่ดีทำให้ผู้คนต้องคิดค้นวิธีแก้ปัญหาโดยใช้มือ ปัญหาเหล่านั้นสร้างความซับซ้อนของกระบวนการ ซึ่งเผาผลาญคนดีที่สุดของคุณและทำให้การดำเนินงานของคุณเปราะบาง เมื่อโครงการ AI มาถึง มันจะพบกับทั้งหมดนั้นในเวลาเดียวกัน AI ถูกกล่าวหาว่าเป็นเหตุผลของความล้มเหลวที่ถูกสร้างขึ้นในธุรกิจเมื่อสิบปีที่แล้ว เราพูดถึงหนี้องค์กรในฐานะภาระต้นทุน แต่จริงๆ แล้วมันเป็นข้อจำกัดในการเติบโต การแบ่งแยกนี้มีความสำคัญเพราะมันเปลี่ยนผู้ที่เป็นเจ้าของปัญหาและอะไรที่ต้องแก้ไข

รายงานพบว่า 85% ของผู้บริหารเชื่อว่าหนี้องค์กรจำกัดความสำเร็จของ AI คุณคิดว่าทำไมองค์กรจึงยังคงลงทุนอย่างหนักใน AI ในขณะที่มักจะละเลยประเด็นรากฐานที่ป้องกันการลงทุนเหล่านั้นจากการให้ผลตอบแทน?

เพราะว่า AI มองเห็นได้ และรากฐานไม่มองเห็นได้ ทุกๆ บอร์ดต้องการเห็นกลยุทธ์ AI ทุกๆ CEO ต้องการเรื่องราวที่จะเล่า การติดตั้งโมเดลใหม่ที่สวยงามคือหัวข้อข่าว การออกแบบกระบวนการหลักใหม่คือการบดขยี้ที่ไม่มีใครรู้จักจนกว่ามันจะทำงานได้

ฉันเห็นองค์กรใช้เวลาหกเดือนในการเลือกโมเดลและหกวันในการตรวจสอบกระบวนการที่โมเดลนั้นต้องปรับปรุง อัตราส่วนนั้นผิดปกติ และพวกเขาพบว่ามันผิดทางที่ยาก AI ไม่ใช่จุดอุดตัน จุดอุดตันคือกระบวนการที่ไม่สอดคล้องกัน ระบบที่ไม่เชื่อมต่อ และข้อมูลที่ไม่มีใครรับผิดชอบมานานหลายปี AI ไม่ได้แก้ปัญหาเหล่านั้น มันทำให้พวกมันปรากฏออกมาเร็วขึ้น โครงสร้างแรงจูงใจไม่ส่งผลให้การแก้ไขรากฐาน มีไม่มีการแสดงให้เห็นในการทำความสะอาดการกำกับดูแลข้อมูล ผู้บริหารที่ทำเช่นนั้นอย่างเงียบๆ กำลังเดิมพันว่าสุขภาพการดำเนินงานจะสะสมอย่างต่อเนื่อง แต่ส่วนใหญ่ของบอร์ดไม่ได้วัดสิ่งนั้น

หนี้ข้อมูลปรากฏขึ้นเป็นตัวขัดขวาง AI ที่ใหญ่ที่สุดในรายงาน คุณแนะนำให้องค์กรทำอะไรในวันนี้เพื่อเปลี่ยนจากสภาพแวดล้อมข้อมูลที่กระจัดกระจายและคุณภาพต่ำไปสู่รากฐานข้อมูลที่สามารถรองรับ AI Agentic ที่ขนาดใหญ่?

หยุดพยายามเปิดตัวโปรแกรมการกำกับดูแลขนาดใหญ่จากบนลงล่าง นั่นคือคำตอบทางเทคโนโลยีสำหรับปัญหาการรับผิดชอบ ในองค์กรขนาดใหญ่ส่วนใหญ่ ไม่มีใครเป็นเจ้าของความถูกต้องของข้อมูลที่ขับเคลื่อนธุรกิจ

จุดเริ่มต้นที่เป็นไปได้คือเลือกกระบวนการที่มีคุณค่าสูงไม่กี่อย่างและทำงานย้อนกลับ สิ่งใดที่ต้องตัดสินใจ? ข้อมูลใดที่การตัดสินใจเหล่านั้นต้องการ? ใครเป็นเจ้าของข้อมูลนั้น? มันผิดบ่อยแค่ไหน? การออกกำลังกายนั้นจะทำให้ช่องว่างความรับผิดชอบปรากฏทันที และเราต้องทำสิ่งนี้ให้ถูกต้องเพราะตัวแทนล้มเหลวอย่างเงียบๆ ตัววิเคราะห์ของมนุษย์เห็นระบบสองระบบไม่เห็นด้วยและตัดสินใจโดยใช้ความตัดสินใจ ตัวแทนจะไกล่เกลี่ยระหว่างข้อมูลที่ขัดแย้งกันและดำเนินการด้วยความมั่นใจสูงสุด หากส่วนต่างๆ ขององค์กรของคุณกำหนดลูกค้าหรือธุรกรรมต่างๆ อย่างแตกต่างกัน ตัวแทนจะดำเนินการด้วยความมั่นใจสูงสุดจากข้อมูลเข้าไป แต่ไม่มีสิ่งใดในองค์กรของคุณที่จับได้ นั่นคือความเสี่ยงการดำเนินการที่องค์กรส่วนใหญ่ยังไม่ได้คำนวณอย่างเต็มที่

ตัวแทนไม่จัดการกับความไม่แน่นอนเหมือนมนุษย์ นี่คือเหตุผลที่ความสำเร็จของโซลูชัน Agentic นั้นไม่เกี่ยวกับอัจฉริยะของโมเดล แต่เกี่ยวกับคุณภาพของการป้องกันที่วางไว้

คุณได้กล่าวถึงความแตกต่างระหว่าง “AI Builders” และ “AI Practitioners” คุณเห็นว่าแรงงานขององค์กรจะพัฒนาไปอย่างไรในอีกห้าปี และทักษะใดจะกลายเป็นที่มีค่ามากที่สุดเมื่อมนุษย์ทำงานร่วมกับตัวแทนอิสระมากขึ้น?

ทักษะที่มีค่าที่สุดคือการทราบวิธีการวางกรอบปัญหา เมื่อ AI จัดการการดำเนินการมากขึ้น คุณภาพของผลลัพธ์ขึ้นอยู่กับคุณภาพของคำถามและความตัดสินใจที่ใช้กับเอาต์พุต คุณต้องสามารถรู้จักเมื่ออะไรดูถูกต้องแต่ผิดโครงสร้าง

นอกเหนือจากนั้น ฉันจะเน้นสามสิ่งโดยเฉพาะ อันดับแรกคือความลึกของโดเมน ความสามารถ AI ทั่วไปกำลังกลายเป็นสินค้าโภคภัณฑ์อย่างรวดเร็ว ดังนั้นผู้เชี่ยวชาญทั่วไปจึงสูญเสียอำนาจส่วนตัว ค่าพรีเมียมจะไปสู่ผู้เชี่ยวชาญโดเมนที่แท้จริงซึ่งรวมความเชี่ยวชาญด้านฟังก์ชันเข้ากับความสามารถในการใช้ AI ภายในบริบทนั้น สิ่งที่สองคือการรับมือที่ไม่คาดคิด คุณต้องการคนที่รู้ว่าจะทำอะไรเมื่อตัวแทนถูกขวางหรือมีผลกระทบทางการเงินที่สูงเกินกว่าจะทำให้การทำงานอัตโนมัติได้ ซึ่งต้องการความฉลาดของสถาบันมากกว่าข้อมูลฝึกอบรม สิ่งที่สามคือการออกแบบกระบวนการทำงาน ซึ่งหมายถึงความสามารถในการสร้างโครงสร้างการทำงานเพื่อให้คนและระบบอัจฉริยะทำสิ่งที่เหมาะสมที่สุด และตระหนักเมื่อการแบ่งส่วนนั้นต้องเปลี่ยน มันไม่ใช่คำที่อุตสาหกรรมได้ตกลงกัน แต่ทักษะนั้นเป็นจริงและปัจจุบันถูกมองข้าม

มีการถกเถียงอย่างต่อเนื่องเกี่ยวกับว่า AI จะกำจัดงานหรือเปลี่ยนแปลงงาน คุณได้โต้แย้งว่าความกังวลส่วนใหญ่มาจากความเข้าใจผิดเกี่ยวกับสิ่งที่ AI ทำได้ดี คุณเห็นความสัมพันธ์ระหว่างความเชี่ยวชาญของมนุษย์และตัวแทน AI วิวัฒนาการไปอย่างไรเมื่อการนำไปใช้เพิ่มขึ้น?

AI น่าประทับใจในงานที่กำหนดได้ชัดเจน มีปริมาณมาก และขึ้นอยู่กับรูปแบบ เช่น การประมวลผลใบแจ้งหนี้ การติดตามความผิดปกติทางการค้า และการสร้างข้อความตามปกติ มันทำสิ่งเหล่านั้นได้เร็วกว่าและในขนาดที่ทีมมนุษย์ไม่สามารถเทียบได้ อย่างไรก็ตาม AI ไม่สามารถรับผิดชอบต่อผลลัพธ์จริงได้ และไม่สามารถจัดการกับสิ่งใหม่ ความคลุมเครือ และความสัมพันธ์ของมนุษย์ที่ซับซ้อน ซึ่งเป็นสิ่งที่ความเชี่ยวชาญของมนุษย์ยังคงจำเป็น

งานส่วนใหญ่เป็นชุดของงาน ไม่ใช่การดำเนินงานเดียว และ AI จะดูดซับชั้นการดำเนินการเมื่อเวลาผ่านไป สิ่งนี้ไม่ได้กำจัดความจำเป็นในการมีคน มันแค่เปลี่ยนไปที่ไหนที่คนสร้างมูลค่า เมื่องานประจำถูกทำให้อัตโนมัติ ความเชี่ยวชาญจะเปลี่ยนไปสู่การแก้ปัญหาที่ไม่คาดคิด การออกแบบกระบวนการใหม่ และช่วยให้องค์กรปรับตัวตามความต้องการทางธุรกิจและเทคโนโลยีที่เปลี่ยนแปลงไป บางบทบาทจะเปลี่ยนแปลงอย่างมาก และผู้นำมีความรับผิดชอบในการแก้ไขว่าบทบาทใหม่ที่สร้างขึ้นนั้นสามารถเข้าถึงได้สำหรับคนซึ่งงานเก่าหายไปหรือไม่ คำตอบขึ้นอยู่เกือบทั้งหมดกับการตัดสินใจขององค์กรเกี่ยวกับการฝึกอบรมและการเปลี่ยนแปลง นั่นคือการตัดสินใจของผู้นำ ไม่ใช่ผลลัพธ์ทางเทคโนโลยี บริษัทที่ฉันเคารพมากที่สุดกำลังซื่อสัตย์กับทีมของพวกเขาว่าบทบาทใดที่เปลี่ยนแปลงไป บทบาทใดที่เปลี่ยนแปลงไปในระยะเวลาใด และที่ไหนที่ความเชี่ยวชาญของมนุษย์ยังคงมีคุณค่าอย่างมาก ส่วนใหญ่ยังไม่ได้มีการสนทนานั้น

เมื่อมองไปข้างหน้า องค์กร Agentic ที่แท้จริงจะดูอย่างไรในทางปฏิบัติ? หากเรากลับมาคุยกันอีกครั้งห้าปีต่อจากนี้ สิ่งเปลี่ยนแปลงใดในธุรกิจการดำเนินงาน การออกแบบองค์กร และการนำ AI ไปใช้ที่คุณคาดว่าจะกลายเป็นมาตรฐานในองค์กรชั้นนำ?

เราจะหยุดพูดถึง AI เป็นความคิดริเริ่มที่แยกออกมา เช่นเดียวกับที่เราเคยหยุดพูดถึงการไปดิจิทัล มันจะกลายเป็นวิธีการทำงาน

การเปลี่ยนแปลงโครงสร้างคือสิ่งที่น่าสนใจที่สุด มากของลำดับชั้นปัจจุบันของเรามีอยู่เพราะข้อมูลยากที่จะเคลื่อนย้าย เรามีลำดับการอนุมัติและบทบาทการประสานงานเพราะข้อมูลต้องเดินทางจากที่สร้างขึ้นไปที่ที่การตัดสินใจเกิดขึ้น ตัวแทนจะยุบระยะทางนั้น เมื่อพวกมันทำเช่นนั้น โครงสร้างพื้นฐานในการประสานงานจำนวนมากจะกลายเป็นเรื่องเกินความจำเป็น องค์กรที่รับรู้สิ่งนี้เร็วและออกแบบใหม่จะมีความได้เปรียบเรื่องความเร็วที่สะสม

เรายังจะเห็นการเปลี่ยนแปลงใน cáchที่ AI ถูกซื้อและจัดส่ง บริษัทซอฟต์แวร์สร้างผลิตภัณฑ์ แต่ไม่รับผิดชอบต่อผลลัพธ์ บริษัทบริการรับผิดชอบต่อผลลัพธ์ แต่ต้องดิ้นรนในการสร้างผลิตภัณฑ์ที่มีมาตราส่วน ทั้งสองแบบจำลองไม่เพียงพอ สิ่งที่เรากำลังสร้างที่ Genpact คือ AI ที่เป็นผลิตภัณฑ์ในโดเมนเฉพาะ ซึ่งจัดส่งเป็นผลลัพธ์ คุณซื้อผลลัพธ์และเราคือผู้ที่รับผิดชอบต่อผลลัพธ์นั้น ฉันคิดว่ามันจะกลายเป็นมาตรฐานเพราะมันจัดแนวแรงจูงใจอย่างถูกต้อง ผู้ขายที่ขายความสามารถเท่านั้นไม่มีส่วนได้ส่วนเสียในการทำงานหรือไม่ ผู้ที่รับผิดชอบต่อผลลัพธ์มีส่วนได้ส่วนเสียทั้งหมด ผู้ชนะของยุคนี้จะไม่ได้รับการกำหนดโดยการมีโมเดล AI ที่ซับซ้อนที่สุด พวกเขาจะถูกกำหนดโดยการเป็นเจ้าของการออกแบบโครงสร้างใหม่ระหว่างมนุษย์ กระบวนการ และระบบอัจฉริยะ เรายังอยู่ในวันแรกของการเปลี่ยนแปลงนั้น

ขอขอบคุณสำหรับการสัมภาษณ์ที่ยอดเยี่ยม ผู้อ่านที่ต้องการเรียนรู้เพิ่มเติมสามารถเยี่ยมชม Genpact ได้