Tredence’in Baş İnovasyon Sorumlusu Lakshmikant Gundavarapu ile Röportaj Serisi

Lakshmikant Gundavarapu Tredence’in Baş İnovasyon Sorumlusudur. IT sektöründe üç десятиyıldan fazla deneyim sahibi olan Lakshmikant, AI dönüşümü ve dijital inovasyon konusunda saygın bir otoritedir.

Eski Microsoft Hindistan Global Veri ve AI Başkanı olarak, Lakshmikant’ın liderliği 40 ülkede 100’den fazla müşteriye dijital dönüşüm sağlamıştır. Microsoft’ta Lakshmikant, Azure’da açık kaynaklı veritabanlarının entegrasyonunu teşvik etmiş ve SaaS çözüm sağlayıcıları ile stratejik ittifaklar kurmuştur.

Müşteri odaklı AI çözümleri geliştirmede uzmanlaşmış olan Lakshmikant, inovasyonu teşvik eden stratejik ortaklıklar kurma konusunda exceller. Lakshmikant, AI dönüşümlerini katalize etmek için deneyim, teknik uzmanlık ve liderlik yeteneği getirir ve ortaya çıkan teknolojileri somut iş çözümlerine dönüştürme yeteneği gösterir.

Tredence bir veri ve AI şirketidir ve işletmelerin analitik deneylerini gerçek dünya etkisine dönüştürmesine yardımcı olur. Perakende, tüketim malları, teknoloji, finans, sağlık ve seyahat gibi sektörlerde faaliyet gösterir ve veri mühendisliği, AI/ML, üretken AI, tedarik zinciri, müşteri deneyimi ve dijital modernizasyon alanlarında hizmet sunar. Hız, derin domaine uzmanlık ve güçlü ortaklıkları birleştirerek ölçeklenebilir, kurumsal hazır çözümler sunmayı hedefler.

Microsoft Hindistan’daki yıllarınız boyunca, Tredence’in AI odaklı entreprise dönüşüm vizyonunu şekillendiren deneyimler nelerdi?

Microsoft’taki görevim sırasında, havacılık ve gayrimenkul gibi çeşitli sektörlerdeki işletmelerle çalışma fırsatım oldu. AI’nin gerçek etki yaratması için明确 bir amaç, güvenilir veri ve operasyonel karar almaya entegre edilmesi gerektiği açıkça görülüyor.

Örneğin:

• Bir büyük havayolu, AI’yi motor arızalarını öngörerek proaktif bakım yapmasını ve hem güvenliği hem de verimliliği artırmasını sağladı.
• Bir büyük gayrimenkul şirketi, AI’yi kritik bina sistemlerinin öngörücü izleme için kullandı ve bu da downtimesı azalttı ve bakım planlarını optimize etti.

Bu deneyimler, teknoloji alone işletmeleri dönüştürmediğini öğretti. Dikkatli tasarım, güçlü veri temelleri ve içgörülerden gerçek eyleme geçiren mekanizmalar gerektirir. Bu bakış açısı şimdi Tredence’in yaklaşımını yönlendiriyor: Amaca yönelik, veri bilgilendirilmiş ve ölçülebilir sonuçlar sağlayan AI çözümleri geliştiriyoruz.

Tredence sık sık AI’deki “son mil” sorununu çözme olarak tanımlanır. Müşteriler için bu dönüşümü hızlandıran örnekler paylaşıp paylaşılamaz? 

Örneğin, büyük bir küresel perakendeci düşünün. İşlemler, sadakat programları, tedarik zinciri operasyonları ve dijital temas noktalarından parçalı verileri birleştirmek, gelir artışı, müşteri tutma, yolculuk kişiselleştirme ve talep tahmini için AI uygulamalarını mümkün kıldı. Bu içgörüler operasyonel olarak uygulandı ve analitikleri somut iş sonuçlarına dönüştürdü.

Perakende vaka çalışması: Tredence, 58 milyon dolar gelir üreten ve %54’lük KPI açığını kapatan birleşik bir kişiselleştirme sistemi oluşturdu. Bu, sadece müşteri içgörülerinin ötesine geçti ve ölçekte gelir getirici kişiselleştirme sağladı.

Biopharma’da, Ar-Ge, klinik ve ticari veri setlerinin entegrasyonu, AI’nin klinik deneme işe alımı, çalışma tasarımı ve doktor katılımını optimize etmesine ve böylece zamanında pazara sürümünü hızlandırmasına ve geliri artırmalarına olanak tanıdı.

Bankacılık dolandırıcılık tespitinden imalatın öngörücü bakımına kadar çeşitli sektörlerde, ders aynı kaldı: AI, işletme için önemli olan kararları yönlendirdiğinde değer sağlar.

Bankacılık vaka çalışması: Tredence, günlük operasyonlara entegre olan ve şüpheli faaliyetler hakkında içgörüler üreten ve aynı zamanda vaka işleyişini %120 artırırken yanlış pozitifleri %15 azaltan GenAI AML kopyalarını dağıttı. Bu, AI tespitinden operasyonel verimliliğe geçişi gösteriyor.

İşletmeler genellikle AI pilotlarından ölçeklenebilir üretime geçişte zorlanırlar. En büyük engeller nelerdir ve Tredence bunları nasıl aşmaktadır?

Çok sayıda AI girişimi, teknik olarak güçlü olsalar da net bir iş sonucu olmadan durur. Ana zorluklar şunları içerir:

1. Amaca yönelik tasarım açıkları: İçgörüler ilginç olabilir, ancak ölçülebilir iş sorunlarını çözmez.
2. Veri sınırlamaları: Parçalı veya düşük kaliteli veriler güvenilir ölçeklenebilirliği engeller.
3. Operasyonel zorluklar: Otomatik dağıtım, izleme, yeniden eğitim ve yönetim olmadan modeller deneysel kalır.

Tredence’de bu zorlukları şöyle ele alıyoruz:

• Sonuç odaklı tasarım, her AI girişiminin doğrudan ölçülebilir iş sonuçlarına bağlanmasını sağlar.
• Guçlü veri temelleri, güvenilir model performansı için veri kümelerini birleştirmek ve zenginleştirmek.
• Üretim için hazır operasyonel çerçeveler, otomatik dağıtım, izleme, yeniden eğitim ve yönetim dahil olmak üzere doğruluk, esneklik ve uyumluluğu korumak için.

Bu yaklaşım, işletmelerin deneyselden ölçeklenebilir AI’ye geçişini sağlar ve sürekli iş etkileri sağlar.

Son olarak Milky Way adlı otonom AI ajanları takımını duyurdunuz. Tasarımını ne ilham verdi ve geleneksel AI asistanlarından nasıl farklı?

Milky Way, işletmelerin sadece paneller veya sohbet botlarına değil, çok değişkenli verileri tüketebilecek, yorumlayabilecek ve eyleme dönüştürebilecek bir akıl yürütme çerçevesine ihtiyaç duyduğu anlaşılmasıyla doğdu.

Geleneksel asistanlardan farklı olarak Milky Way ajanları:

• Çeşitli veri kaynakları arasında akıl yürütür, sadece sorulara cevap vermek yerine içgörüler bağlar.
• Karmaşık, çok boyutlu sorunları analiz eder, iş akışları arasında köprüler kurar.
• Eyleme dönüştürülebilecek içgörüler sağlar, sadece içgörüler değil, kararlar veya otomatik eylemler sunar.

Kısaca, Milky Way AI’yi akıl yürütme ağırlıklı ajanlar olarak dönüştürür, karmaşıklıkla başa çıkabilir ve gerçek iş sonuçları sağlayabilir, temel araçları değiştirmektense.

Erken Milky Way dağıtımları hızlı sonuçlar sağladı. Bu kazanımları ne sağladı?

Üç unsur fark yaratmıştır:

1. Karar noktalarında içgörüler sunmak, önerileri hemen eyleme dönüştürülebilir hale getirmek.
2. İleriye dönük zeka, geriye dönük analiz yerine proaktif kararlar almak.
3. Güvenli, yönetilen platformlar, işletme ölçekli AI’yi sağlarken uyumluluğu ve denetimi korumak.

Bu kombinasyon, haftalar içinde somut iş sonuçları sağlar.

Milky Way açıklanabilirlik, denetlenebilirlik ve akıl yürütme yollarına öncelik veriyor. Bu, işletme güveni için ne kadar kritik?

Güven, işletme AI’sinin temelidir. Milky Way:

• Her öneri için şeffaf bir neden sunar.
• Tüm girişler, çıkışlar ve eylemler için denetim izleri sağlar.
• Sürekli karşıt testler, dayanıklılık ve güvenilirliği sağlamak için.

Bu şeffaflık ve hesap verebilirlik, Milky Way’i opak, siyah kutu sistemlerinden ayırır ve işletme benimsemesi için güven oluşturur.

AI’nin stratejik karar alma rollerini üstlenmesi işletmelerde ve karar alma süreçlerinde nasıl bir değişim yaratacak?

AI iş arkadaşları işletmelerin çalışma şeklini değiştirir:

• Yöneticiler, insanları yönlendirmenin yanı sıra AI ajanlarını da denetler.
• Kararlar, ajanların akıl yürütme işini yaparken, insanların bağlam ve etik denetimini sağladığı ortak bir süreç haline gelir.
• Operasyonel yapılar, AI’yi günlük karar alma süreçlerine entegre etmek için evrilir, hız, tutarlılık ve sonuçların kalitesini artırır.

2028 yılına kadar, iş kararlarının üçte biri otomatik olarak verilebilir. Güvenli bir şekilde dağıtmak için işletmelerin neyi değiştirmesi gerekir?

 Otomatik AI’yi güvenli bir şekilde dağıtmak için işletmeler, kültür, operasyonlar ve yönetim boyunca pratik önlemler uygulamalıdır:

Kültür – AI ile güven oluşturun:

• İnsan merkezli karar alma ile başlayın ve yavaş yavaş özerkliği artırın.
• Takımları AI önerilerini anlamak, doğrulamak ve müdahale etmek için eğitin.

Operasyonlar – İzleme ve risk kontrollerini uygulayın:

• AI kararlarını doğruluk, yanlılık ve uyumluluk için sürekli izleyin.
• Zayıflıkları tanımlamak için karşıt simülasyonlar yapın.
• AI modellerini insan düzeltmelerinden öğrenmek için geri bildirim döngüleri oluşturun.

Yönetim – Sınırlar ve yükseltme yolları belirleyin:

• Tamamen otomatikleştirilebilecek ve insan denetimi gerektiren kararları tanımlayın.
• Tüm AI tarafından yönlendirilen eylemler için denetlenebilirlik ve izlenebilirlik sağlayın.
• Anomaliler veya riskler durumunda müdahale için prosedürler oluşturun.

Bu adımlar, işletmelerin otomatik karar alma süreçlerini güvenli bir şekilde ölçeklendirerek kontrolü, hesap verebilirliği ve uyumu korumasını sağlar.

Tredence’in Milky Way için yol haritası nedir?

Yol haritamız şunları içerir:

1. Perakende, sağlık, imalat ve finansal hizmetler için sektöre özgü ajanlar.
2. ERP, CRM ve tedarik zinciri sistemleriyle daha derin entegrasyonlar için sorunsuz benimseme.
3. AI ajanlarının zaman içinde zekalarını ve bağlamsal anlama yeteneklerini geliştirmelerini sağlayan sürekli öğrenme ve akıl yürütme.

Vizyon, işletmelerin bir araya getirebileceği, yönetebileceği ve güvendiği işbirliği yapan ajanlardan oluşan bir ekosistemdir.

C-suite liderleri AI’nin stratejik karar alma rollerini üstlenmeye nasıl hazırlanmalıdır?

AI benimsemesi, olgunluk yolculuğudur:

• İnsan merkezli kopyalarla başlayın, yarı özerk iş akışlarına ilerleyin ve sonunda yönetilen alanlarda tam özerklik sağlayın.
• Takımların AI sistemleriyle etkili bir şekilde işbirliği yapmasını sağlamak için AI okuryazarlığı yatırımı yapın.
• Karar kalitesi ve iş etkisine odaklanmak için KPI’ları, yönetim çerçevelerini ve operasyonel yapıları yeniden düşünün, sadece model performansı değil.

Sonuç olarak, AI benimsemesi sadece bir teknolojik girişim değil, liderlik, kültür ve operasyonel karar alma dönüşümüdür.

Harika röportaj için teşekkür ederiz, daha fazla bilgi edinmek isteyen okuyucular Tredence sitesini ziyaret edebilir.