LatentView Analytics CEO’su Rajan Sethuraman – Röportaj Serisi

Rajan Sethuraman, LatentView Analytics’in CEO’su, danışmanlık, yetenek liderliği ve kuruluş dönüşümü alanlarında kariyeri bulunan bir yöneticidir. Accenture ve KPMG’deki liderlik rollerinden sonra LatentView’e katılmıştır. İnsan kaynaklarından CEO’luk makamına kadar olan ilerleyişi, yetenek geliştirme, organizasyon tasarımı ve ölçeklenebilir işletme modellerine güçlü bir odaklanmayı yansıtmaktadır. Bunlar şimdi AI ve analitiklere yaklaşımını şekillendirmektedir. İK, öğrenme ve iş stratejisi alanlarında derin deneyime sahip olan Rajan Sethuraman, sürekli olarak insanların, kültürün ve teknolojinin kararları verme süreçlerine ölçülebilir sonuçlar elde etmek için odaklanmıştır. LatentView’i halka arz ve küresel genişleme yoluyla yönetirken, AI’ı bir iş yeteneği olarak konumlandırmıştır.

LatentView Analytics bir küresel veri analitiği ve dijital dönüşüm firmasıdır. Şirket, işletmelerin verileri, yapay zekayı ve ileri analitikleri kullanarak karar alma süreçlerini iyileştirmelerine ve büyümelerine yardımcı olur. Finansal hizmetler, perakende ve teknoloji gibi sektörlerde veri mühendisliği, öngörülü analitik ve AI odaklı danışmanlık hizmetleri sunar. Şirketin temel değeri, ham veriyi eyleme geçirilebilir içgörülere dönüştürmek ve işletmelerin operasyonlarını optimize etmelerine, trendleri öngörerek rekabet avantajı sağlamalarına yardımcı olmaktır.

Accenture ve KPMG’de danışmanlık ve yetenek liderliği alanlarında kariyerinize başladıktan sonra LatentView Analytics’in CEO’su oldunuz ve şirketin halka arz ve ilk satın alma işlemlerini yönettiniz. Yetenek geliştirme ve organizasyon stratejisi alanındaki geçmişiniz, bugün AI ve analitiği ölçeklendirme şeklinizi nasıl etkilemektedir?

Erken kariyerim, yetenek, liderlik geliştirme ve ölçeklenebilir organizasyonlar oluşturma üzerine odaklanmıştı. Bu deneyim, AI hakkında düşüncemi şekillendirmeye devam etmektedir. Teknoloji alone bir organizasyonu ölçeklenemez. Önemli olan, ekiplerin bunu nasıl benimsediği, liderlerin nasıl etrafında birleştikleri ve iş probleminin nasıl tanımladığıdır. LatentView’de, işletmelerin AI ve analitikleri günlük karar alma süreçlerine dönüştürebilmeleri için gerekli işletme modelini, becerileri ve kültürü oluşturmalarına yardımcı olmak için çok zaman harcamaktayız.

Bunun nedeni, AI’ı organizasyonel hazır olma açısından düşünmektir. AI’ı ölçeklemek, güçlü domaine uzmanlığı, veri temellerini ve eyleme geçirilebilir içgörüler üretebilecek ekipleri gerektirir. Dikkatim, AI’ı bir ayrı yetenek olarak değil, birlikte geliştirilen yetenekler olarak odaklanmaktadır.

AI minimalizminden bahsettiniz – netlik, meraktan ve kültürden yana, her yeni GenAI trendini takip etmekten yana değil. AI minimalizmi, işletme liderleri için nasıl görünmektedir?

AI minimalizmi, odaklanmaya başlar. İşletme liderleri, her yeni modeli veya yeteneği takip etmek zorunda değildir. Anlamlı sorunlara odaklanmalı ve AI’ın kararları veya verimliliği ölçülebilir bir şekilde iyileştirebileceği alanlara odaklanmalıdır. Bu, fiyatlandırma kararları, tedarik zinciri planlaması veya organizasyon genelinde bilgi akışı olabilir. İyi tanımlanmış bir problemle başlamak, ekiplerin güven kazanmasına ve sorumlu ölçeklemenin neye benzeyeceğini öğrenmesine yardımcı olur.

Bunun anlamı, AI’ı gerçek iş akışlarına entegre etmektir. Ekipler, teknolojinin günlük sorunlarını çözmesine yardımcı olduğunu gördüklerinde, benimseme doğal olarak artar. Merak ve deneysellik hala önemlidir, ancak bunlar, net bir amaç duygusuyla ancorlandığında daha iyi çalışır.

Çok sayıda organizasyon, veri temellerini güçlendirmeden önce generative AI’a yöneliyor. Bir şirketin dayanaksız bir zemin üzerinde inşa edildiğinin uyarı işaretleri nelerdir?

Şirketler, AI konuşmalarını veri konuşmalarından çok daha hızlı ilerlettiğinde bunu genellikle fark ediyorum. Liderler, copilotlar ve generatif modeller hakkında konuşuyorlar, ancak ana veri nerede yaşadığı, kime ait olduğu veya işin gerçekten hangi metriklere güvendiği konusunda hala karışıklık varsa, bu genellikle temelin henüz hazır olmadığına işaret eder. AI sistemleri, güvenilir ve iyi yönetilen verilere dayanıklı olarak çalışır. Bunlara sahip olmadan, insanların çıktılara güvenmesi zorlaşır.

Diğer bir sinyal, şirketlerin birçok pilot çalışması yapmasına rağmen, çok azının gerçek kararları etkilemesidir. Generatif AI, etkileyici gösteriler sunabilir, ancak gerçek test, organizasyonun nasıl çalıştığını etkileyip etkilemediğidir.

CEO olarak, küresel müşteriler için ölçülebilir bir etkiye ulaştınız. AI’ı başarılı bir şekilde operasyonel hale getiren şirketler ile pilot aşamasında kalan şirketler arasında ne gibi farklar vardır?

AI’ı başarılı bir şekilde ölçekleyen şirketler, bunu bir işletme disiplini olarak, bir yenilik projesi olarak değil, ele alır. Yürütme sahibi atar, kullanım örneklerini ölçülebilir iş sonuçlarına bağlar ve baştan itibaren entegrasyon için tasarlar. Ayrıca, veri boru hatları, yönetim, süreç tasarımı ve kullanıcı benimsemesi gibi menos glamorlu çalışmalara yatırım yaparlar. Bu, bir pilotun dikkat çekmesinden ziyade, gerçekten karar alma süreçlerini değiştiren bir yeteneğe sahip olmak arasındaki farktır.

LatentView’de, şirketlerin, AI’ı already önemli olan iş problemlerine bağladıklarında daha hızlı ilerlediklerini gördük. AI, already şirketin önem verdiği metriklere bağlı olduğunda, ölçeklendirme ve benimsenme için daha iyi bir şansa sahiptir.

AI’ı büyük bir organizasyon genelinde sorumlu bir şekilde ölçeklendirirken, yönetim, güvenlik ve hesap verebilirliği nasıl sağlarsınız?

Sorumlu ölçekleme, AI kararlarının gerçek müşterileri, çalışanları ve iş sonuçlarını etkileyeceğini kabul etmekle başlar. Bu nedenle, yönetim, sonradan düşünülmemelidir. Organizasyonlar, veri erişimi, model denetimi ve üretimdeki sistemlerin izlenmesi için net politikalar oluşturmalıdır.

Uygulamada, en etkili yönetim modelleri, işlevler arasıdır. İş liderleri, teknoloji ekipleri ve risk veya uyum grupları dahil herkesin katılımı gerekir. AI sistemleri, çıktıların nasıl üretildiği ve insan yargısının nerede hala gerekli olduğu konusunda şeffaflıktan yararlanırlar. Koruyucu önlemler erken kurulduğunda, organizasyonlar, benimsemeyi genişletirken güveni sürdürebilir.

LatentView, çok farklı dijital olgunluk seviyelerinde işletmelerle çalışmaktadır. Bir organizasyona danışmanlık yaparken AI stratejisi, analitik yolculuğunun başında olan bir organizasyondan nasıl farklılık gösterir?

Bir organizasyona danışmanlık yaparken, konuşma genellikle hızlanma üzerinedir. Zaten anlamlı veri varlıkları vardır, bu nedenle yüksek değerli kullanım örneklerini önceliklendirmeye, erişilebilirliği iyileştirmeye ve AI’ı işin hızlı bir şekilde eyleme geçebileceği iş akışlarına entegre etmeye odaklanıyoruz. Bu, kurumsal bilgi alımı, bağlantılı planlama veya fonksiyonlar arası karar hızını iyileştiren alan-specific modeller olabilir.

Analitik yolculuğunun başında olan organizasyonlar için, başlangıç noktası farklıdır. Daha çok veri hazırlığı, yönetim, BI modernizasyonu ve AI’ı sürdürülebilir bir şekilde destekleyebilecek yeteneklerin oluşturulmasına odaklanıyoruz. Bu durumlarda, olgunluk değerlendirmesi ve sıralama önemlidir. Güvenilir veri, ortak KPI’ler veya iş problemini çözme konusunda yürütme birliği olmayan bir iş için agentic bir geleceği vaat etmek istemezsiniz.

Yetenek edinimi ve öğrenme alanındaki derin deneyiminizle, şirketlerin AI çağındaki içselleştirilmesi gereken becerileri hangileri olmalıdır ve hangilerini dışarıdan işe almaları gerekir?

İçselleştirerek, şirketlerin, genel AI ve veri okuryazarlığına odaklanmasını düşünüyorum. Herkesin veri bilimcisi olması gerekmez, ancak iş boyunca kararları içgörülere dayandırmaya, daha iyi sorular sormaya ve günlük iş akışlarında AI araçlarını kullanmaya öncelik vermeleri gerekir. Bu uygulama, ekipler boyunca yayıldığında, gerçekten AI’ın nerede yardımcı olabileceğini ve nerede olmayacağını belirlemek çok daha kolay hale gelir.

Dışarıdan alınan uzmanlar, daha çok uzmanlık gerektiren alanlardır. Veri mühendisliği, makine öğrenimi mimarisi ve AI yönetimi gibi alanlar, şirketlerin her zaman içinde sahip olamayacağı derin uzmanlık gerektirir. Bu uzmanları, iş bağlamını anlayan iş ekipleriyle birleştiren şirketler, bunu iyi yaparlar.

Kültürel direnç, dönüşümü yavaşlatabilir. AI benimsemesi etrafında güven ve momentum oluşturmak için en etkili liderlik davranışları hangileridir?

Liderlikten net bir iletişim, büyük bir fark yaratır. Çalışanlar, yeni teknolojilerin neden tanıtıldığını ve şirket stratejisiyle nasıl bağlantılı olduğunu anlamak ister. AI girişimlerinin amacını ve gerçek iş hedeflerine bağlantısını açıklamak, organizasyon genelinde güveni oluşturur.

Öğrenme, aynı derecede önemlidir. Otomasyon ve AI, bereits işleri yeniden şekillendirmektedir, bu nedenle şirketlerin, çalışanlarını yeni yetenekler geliştirmeleri için aktif olarak desteklemeleri gerekir. İnsanlar, teknoloji ile birlikte büyüme ve yeni beceriler kazanma fırsatları gördüklerinde, değişime çok daha açık bir şekilde katılırlar.

AI, karar alma süreçlerine gömüldükçe, yönetim kurulları ve yürütme ekipleri performans metriklerini ve hesap verebilirliği nasıl yeniden düşünmelidir?

AI, karar alma süreçlerini değiştirir, bu nedenle liderlik ekipleri, geleneksel proje metriklerinin ötesine bakmalıdır. Asıl soru, AI’ın önemli alanlarda karar kalitesini ve hızını iyileştirmektedir. Bu, daha iyi talep tahmini, daha doğru fiyatlandırma kararları veya pazar değişikliklerine daha hızlı tepki verme olabilir.

Eğer bu sonuçlar iyileşiyorsa, AI işini yapmaktadır. AI performansı, iş performansı panosundan uzun süre ayrı tutulamaz.

Hesap verebilirlik de daha net olmalıdır. Verilere sahip olan, üretimdeki modelleri izleyen ve nihayetinde kararı veren biri vardır. AI, bu kararları destekleyebilir, ancak yönetim ve denetim vẫn esastır.

Gelecek üç ila beş yıl içinde, işletme AI benimsemesinde hangi değişiklikler en çok önem taşıyacak ve liderlerin şimdi ne yapması gerekir?

Gelecek birkaç yıl içinde, AI, günlük iş kararlarına daha fazla entegre olacaktır. Çok sayıda şirket, pilotlar ve kavram kanıtları ile zaman harcamıştır. Bir sonraki adım, bu yeteneklerin gerçekten iş ekiplerinin planlama, talep tahmini, tedarik zinciri yönetimi veya pazarlama kararları alma şeklini desteklediğinden emin olmaktır.

İş, AI daha yetenekli hale geldikçe evrimleşecektir. Rutin görevler daha çok otomatik hale geldikçe, işler, AI sistemleriyle birlikte çalışmaya, yorumlamaya ve çalışmaya doğru kayacaktır. Veri temellerini güçlendiren ve çalışanların bu yetenekleri geliştirmelerine yardımcı olan organizasyonlar, AI’ın günlük operasyonların bir parçası haline gelmesi konusunda daha kolay uyum sağlayacaktır.

Harika röportaj için teşekkür ederiz, daha fazla bilgi edinmek isteyen okuyucular LatentView Analytics ziyaret edebilir.