Vijay Vijayasankar, Genpact’in Küresel Agentic AI Sorumlusu – Röportaj Serisi

Vijay Vijayasankar, Genpact’in Küresel Agentic AI Sorumlusu, şirketin Agentic AI çözümlerinin küresel ürünleştirme çalışmalarını yürütüyor ve geleneksel işgücü tabanlı modellerden daha yüksek marjlı, sonuç odaklı çerçevelere doğru değer yaratımını hızlandırıyor. Rolünde, Genpact’in şirket çapında AI’i ölçeklendirme yaklaşımını şekillendirmeye yardımcı oluyor ve hem AI Builder’ları (gelişmiş orkestrasyon katmanları tasarlayanlar) hem de AI Practitioner’ları (otonom ajanlarla çalışan iş akışlarına domaine uzmanlığını getirenler) için organizasyonel modeller oluşturuyor. Genpact’e katılmeden önce, Vijayasankar IBM’de üst düzey liderlik rollerini üstlendi, bunlar arasında Financial Services için Managing Partner, IBM Services Kuzey Amerika için CTO ve GBS Kuzey Amerika’da Cognitive, IoT, Analytics ve Watson Health için Genel Müdür yer alıyor. Ayrıca MongoDB (MDB ) ve SAP’de önceki yönetici rollerini de üstlendi.

Genpact bir agentic ve gelişmiş teknoloji çözümleri şirketi olarak büyük şirketlerin operasyonlarını modernleştirmelerine yardımcı oluyor. Şirket, finans ve muhasebe, müşteri hizmetleri, risk ve uyum, kaynak ve satın alma, tedarik zinciri, teknoloji ve güven ve güvenlik gibi alanlarda çalışıyor. Veri ve AI hizmetleri, organizasyonların gelişmiş analitik, AI ve otonom ajanları kullanarak karmaşık verileri ölçülebilir iş sonuçlarına dönüştürmelerine odaklanıyor.

Yaklaşık iki thập yılını IBM, MongoDB, SAP ve şimdi Genpact’te geçirdiniz ve burada Küresel Agentic AI Sorumlusu olarak görev yapıyorsunuz. Büyük veri ve analitikten bugünkü agentic AI sistemlerine evrimi göz önünde bulundurunca, şirketlerin AI dönüşümüne nasıl yaklaşmaları gerektiğini düşündüğünüzde, size en çok hangi dersler kaldı?

Ben bu filmi üç kez izledim. Büyük veri karar verme için gümüş mermiydi. Bulut, kurumsal çeviklik için anlık geçişti. Şimdi, agentic AI operasyonlar için çare. Her döngüde, değer yaratan şirketler, işletme modellerine, süreçlerine ve insanlarına odaklandı. Çabalayanlar ve hala çabalayanlar, teknolojiyi kendisi olarak dönüşüm olarak ele aldı.

Agentic AI’nin temelde farklı olan yanı, konumu. Uygulama katmanında, değil insight katmanında oturuyor. Eski araçlar grafikler ve öneriler üretiyordu. Ajanlar eylemde bulunuyorlar. Kötü bir analitik panosu kötü bir grafik üretir, ancak bir insan analisti bunu CEO’nun masasına gelmeden önce yakalar. Kötü bir ajan, kötü bir işlemi büyük ölçekte gerçekleştirir ve kimse bunun gerçekleştiğini anlamadan önce olur. Bu, risk profilini tamamen değiştirir ve çoğu şirketin önce ihtiyaç duymadığı bir operasyonel disiplin düzeyini dayatır. Kendi heyecanından şüpheli olmaya öğrendim. Agentic AI büyüleyici, ancak bu, yavaşlamak ve temelleri denetlemek zorunda olduğum zaman.

Genpact’in HFS Research ile yaptığı yeni rapora göre, çözülmemiş işletme borçları, potansiyel değerlerin yaklaşık 18 trilyon dolarını küresel olarak hapsediyor. Raporun sonuçlarından en çok hangi yönü şaşırttı ve neden birçok organizasyonun süreç, veri, teknoloji ve yetenek borçlarını AI’nin etkisini küçümsediklerine inanıyoruz?

Şaşırtıcı olan, verimsiz süreçlerin, parçalı verilerin, eski teknolojinin ve işgücü hazırlık zorluklarının ölçülmesi ve trilyonlarca dolar olarak ifade edilmesi.

Toplam rakamdan daha önemli olan, sorunun nasıl yapılandırıldığı. Liderlerin çoğu bu sorunları ayrı silolar olarak görüyor. Bir veri problemi, bir süreç problemi, bir teknoloji problemi, bir beceri problemi, her biri bağımsız olarak ele alınıyor. Ayrı değiller. Kötü veriler, insanların manuel çözümler bulmasını zorunlu kılar. Bu çözümler, süreç karmaşıklığını yaratır. Bu karmaşıklık, en iyi personelinizi yakar ve operasyonlarınızı kırılgan hale getirir. AI girişimi geldiğinde, aynı anda tüm bunlarla karşılaşıyor. AI, on yıl önce işin içine gömülmüş bir başarısızlık için suçlanıyor. İşletme borçlarını bir maliyet yükü olarak değil, bir büyüme kısıtlaması olarak görüyoruz. Bu ayrım önemli, çünkü sorunu kimin sahip olduğu ve çözümünün ne kadar değerli olduğu konusunda fark yaratıyor.

Rapor, yöneticilerin %85’inin işletme borçlarının AI değer realizasyonunu sınırladığını buldu. Neden şirketlerin AI’ye ağır yatırım yaparken, bu yatırımların getirisini engelleyen temel sorunları thường olarak göz ardı ettiklerine inanıyorsunuz?

Çünkü AI görünür ve temeller görünmez. Her yönetim kurulunun bir AI stratejisi görmek istediği bir hikaye anlatması gerekiyor. Yeni bir modeli dağıtmak bir başlıktır. Bir core tedarik zinciri sürecini yeniden tasarlamak, teşekkür edilmeyen, görünmez bir uğraştan başka bir şey değildir, ancak sonunda işe yarar.

Altı ay model seçimi yapıyorlar ve altı gün süreci inceleyerek geçiriyorlar. Bu oran tersine çevrilidir ve zor yoluyla öğreniyorlar. Tıkanma noktası neredeyse nunca AI değil, tutarlı olmayan süreçler, bağlantısız sistemler ve yıllardır kimsenin sorumlu olmadığı veriler. AI bu sorunları çözmez, sadece onları daha hızlı ortaya çıkarır. İncitici yapılar, temelleri düzeltmeyi ödüllendirmiyor. Veri yönetimini temizlemek için bir demo yok. Yöneticiler bunu sessizce yapanlar, operasyonel sağlığın zaman içinde birikeceğine dair bir bahse giriyorlar, ancak çoğu yönetim kurulu bunu ölçmüyor.

Veri borçları, AI’nin en büyük engeli olarak ortaya çıktı. Şirketlerin bugün, parçalı, düşük kaliteli veri ortamlarından agentic AI’yi destekleyebilecek veri temellerine geçmek için hangi pratik adımları atmaları gerekiyor?

Büyük, üst düzey bir yönetim programı başlatmaya çalışmayı bırakın. Bu, bir sorumluluk sorununa teknolojik bir cevaptır. Çoğu büyük organizasyonda, işin yürütülmesini sağlayan bilginin doğruluğundan kimse sorumlu değil.

Pratik başlangıç noktası, birkaç yüksek değerli süreci seçmek ve geriye doğru çalışmak. Hangi kararlar verilmeli? Bu kararlar hangi verileri gerektirir? Bu verileri kim sahip alıyor? Bu veriler ne sıklıkla yanlış? Bu egzersiz, sorumluluk boşluklarını hemen ortaya çıkarır. Ve bunu doğru yapmamız gerekiyor, çünkü ajanlar sessizce başarısız olurlar. Bir insan analisti, iki sistemin anlaşmazlığını görür ve bir yargı kararı verir. Bir ajan, çatışan verilerin arasında arabuluculuk yapar ve tam bir güvenle hareket eder. Eğer farklı organizasyon parçaları bir müşteriyi veya bir işlemi farklı şekilde tanımlıyorsa, ajan kötü girdilerden emin kararlar veriyor ve organizasyonunda kimse bunu yakalayamıyor. Bu, çoğu organizasyonun henüz tam olarak fiyatlandırmadığı yeni bir operasyonel risk kategorisidir.

Ajanlar, insanların yaptığı gibi belirsizliği ele almazlar. Bu da, agentic bir çözümün başarısının, modellerin zekasına göre daha çok konulan güvencelerin kalitesine bağlı olacağı anlamına gelir.

Sık sık “AI olmadan süreç zekası olmaz” diyoruz. Şirketlerin karmaşık iş operasyonlarını otomatikleştirmeye çalışırken, neden AI modelinden daha önemli olduğunu düşünüyorsunuz?

Çünkü model, içinde bulunduğu sürecin performansını gösterir, daha iyisini değil. Organizasyonlar, model seçimi üzerinde takıntılılar, çünkü orada görünür inovasyon var, ancak değer yaratılan yer süreçtedir.

Eğer bir iş akışı gereksiz onaylar, tekrar eden işler veya belirsiz sahiplik içeriyorsa, AI bunları düzeltmez. Onları hızlandırır. Bozuk bir sonucu daha hızlı ve daha büyük ölçekte elde edersiniz. İnsanlar souvent, kapsamlı bir süreç yeniden tasarımının onları yavaşlatacağını düşünürler, ancak gerçek tam tersi. On sekiz ay boyunca kötü bir dağıtımın çözülmesini bekleyeceğiniz zamanı kurtarabilirsiniz. Bir araba gibi düşünün: En iyi motoru, tekerlekleri hizalamayan bir araba içine koyabilirsiniz, ve yine de sola doğru gidecektir.

Çok sayıda organizasyon AI ajanları deniyor, ancak çok azı bunları core işlevlerine başarıyla dağıtmış durumda. Hangi faktörler, pilot aşamasından beyondu geçen şirketleri, hala proof-of-concept aşamasında kalanlardan ayırıyor?

Pilotlar başarılı olmak için tasarlanır. En iyi süreci, en temiz veriyi ve en motive ekibi seçersiniz. Ölçeklendirme, gerçek ortamda bu koşulların hiçbirinin geçerli olmadığı anlamına gelir.

Ölçeklenebilen organizasyonlar, suni koşullar yaratmayı bırakır. Gerçek bir operasyonel sorunu seçer, iş sonucundan sorumlu bir sahibi atar, teknoloji değil, ve tasarım aşamasından itibaren yönetimi entegre eder. Üretim aşamasında hesap ödemesi ve işlem izleme için ajanları çalıştıran müşterilerimiz var. Verimlilik rakamları orada, ancak gerçek değişiklik yapısal. Son durum, insanların stratejik işleri için zaman bulabildiği temelde farklı bir iş akışı. Ajanların ölçeklenmesi, bir liderlik zorluğu, bir yazılım zorluğu değil.

Rapor, yalnızca %6’nın büyük borç sorunlarını başarıyla çözdüğünü vurguluyor. Bu organizasyonlar ne yapıyor da farklı, ve şirketlerin anlamlı ilerleme kaydetmekte zorlandıklarını gördüğünüz ortak hatalar neler?

Onlar bunu bir iş problemi olarak ele alıyor, bir IT programı olarak değil. Bu, yönetici sponsorluğu ve ölçülebilir iş performansı ile bağlantılı. Operasyonel sağlığın, büyüme stratejisinin ayrılmaz bir parçası olduğunu anlıyorlar.

Diğer %94’ü semptomları kovalıyor. Bir araç kullanarak bir süreç problemine çözüm getiriyor veya kötü veriyi telafi etmek için bir AI girişimi başlatıyorlar. Bu, kısa vadeli bir artış üretiyor, ancak temel sorun kalıyor ve borç devam ediyor. Döngüyü kıran liderler, çoğu yöneticinin söylemeyeceği şeyi söylüyorlar: Bu süreç on beş yıldır bozuk, başarısızlıklar etrafında işletme modelleri inşa ettik ve bunları temelinden yeniden inşa edeceğiz. Bu kabul, rahatsız edici. Önceki yıllarda neden düzeltilmediği sorusunu davet ediyor. Gerçek ilerleme yapanlar, bu kararı verenler.

Sık sık “AI Builder”lar ve “AI Practitioner”lar arasındaki ayrımı vurguluyorsunuz. Beş yıl içinde, işletme işgücü nasıl evrilecek, ve insanların otonom ajanlarla birlikte çalıştığı bir ortamda hangi beceriler en değerli hale gelecek?

En değerli beceri, bir sorunu nasıl çerçeveleyeceğinizi bilmektir. AI daha fazla yürütme ele alındıkça, sonuç kalitesi, soru kalitesi ve çıktıya uygulanan yargıya bağlı olacaktır. Bir şeyin doğru görünmesine rağmen yapısal olarak yanlış olduğunu tanımlayabilmeniz gerekir.

Bunun ötesinde, üç şeyi vurgulayacağım. Birincisi, domaine derinlik. Genel AI yetenekleri hızla ticarileştiriliyor, bu nedenle genelciler etkilerini kaybediyorlar. Premium, gerçek fonksiyonel uzmanlığa sahip ve AI’yi bu bağlamda uygulayabilen derin domaine uzmanlarına gidecek. İkincisi, istisna işleme. Ajanın bir engel ile karşılaştığında veya mali riskler otomasyon için çok yüksek olduğunda ne yapacağınızı bilen insanlara ihtiyacınız var, bu kurumsal bilgelik gerektirir, eğitim verisi değil. Üçüncüsü, iş akışı tasarımı, yani insanların ve zeki sistemlerin her birinin en uygun olduğu işleri yapmasını sağlayarak ve bu bölünmenin değişmesi gerektiğinde bunu tanıma yeteneği. Endüstri henüz bu beceriye bir isim vermedi, ancak bu beceri gerçek ve şu anda düşük değerli.

AI’nin işleri ortadan kaldıracağına veya dönüştüreceğine ilişkin devam eden bir tartışma var. Siz, AI’nin neye iyi olduğunu anlamaktaki yanlış anlaşılmaların çoğu endişeyi yarattığı görüşündesiniz. AI ajanlarının benimsenmesi hızlandıkça, insan uzmanlığı ile AI ajanları arasındaki ilişki nasıl gelişecek?

AI, açık tanımlanmış, yüksek hacimli ve desen bağlı görevlerde harika. Faturaları işleme, ticaret anomalilerini izleme ve rutin iletişimleri taslaklama gibi işleri, hiçbir insan ekibinin dokunamayacağı bir hız ve ölçekte gerçekleştirir. Ancak AI, gerçek dünya sonuçlarından sorumlu olamaz, nor dapat nouveauté, belirsizlik ve karmaşık insan ilişkileri gibi konularla başa çıkamaz, bu nedenle insan uzmanlığı esaslıdır.

Çoğu iş, tek bir faaliyetten oluşmaz, görevler koleksiyonudur ve AI, zamanla yürütme katmanını emecektir. Bu, insanların gereksiz olduğu anlamına gelmez, sadece değer yaratma noktalarını değiştirir. Rutin işler otomatikleştikçe, uzmanlık, istisnaları çözme, süreçleri yeniden tasarlama ve organizasyonların teknoloji ve iş ihtiyaçları değiştikçe adapte olmalarına yardımcı olmaya doğru kayar. Bazı roller önemli ölçüde değişecek ve liderler, yeni işin, eski işin ortadan kalkmasına uğrayan insanların erişebileceği bir iş olup olmadığını ele almakla yükümlüdür. Cevap, organizasyonların eğitim ve geçiş hakkında verdikleri karara neredeyse tamamen bağlıdır. Bu, bir liderlik kararı, bir teknoloji sonucu değil.

İleriye bakıldığında,真正 bir agentic işletme nasıl görünür? Beş yıl sonra bu konuşmayı tekrar ettiğimizde, işletme operasyonlarında, organizasyon tasarımında ve AI dağıtımında hangi değişikliklerin lider işletmelerde standart haline geldiğini bekliyorsunuz?

AI’yi ayrı bir girişim olarak konuşmayı bırakacağız, tıpkı dijitalleşmeye gitmeyi bırakmamız gibi. Sadece işlerin nasıl yapıldığının bir parçası haline gelecek.

En çok ilgilendiğim şey, yapısal değişim. Mevcut hiyerarşimizin çoğu, bilginin zor taşınmasından kaynaklanıyor. Bilgi, yaratıldığı yerden kararların alındığı yere gitmek zorunda. Ajanlar bu mesafeyi kısaltıyor. Bunu yaptıklarında, koordinasyon altyapısının önemli bir kısmı gereksiz hale geliyor. Bunu erken tanıyan ve buna göre yeniden tasarlayan organizasyonlar, bir hız avantajına sahip olacaklar ve bu avantaj zaman içinde birikecek.

Ayrıca, AI’nin satın alınma ve teslimat şeklinin değişeceğini göreceğiz. Yazılım şirketleri ürünler inşa ediyor, ancak sonuçlardan sorumlu değil. Hizmet şirketleri sonuçlardan sorumlu, ancak ölçeklenebilir ürünler inşa etmekte zorlanıyor. Her iki model de yetersiz. Genpact’te inşa ettiğimiz, belirli alanlarda ürünleştirilmiş AI, sonuç olarak teslim ediliyor ve biz sonuçtan sorumluyuz. Bunun, doğru şekilde hizalanmış teşviklerle standart haline geleceğini düşünüyorum. Sadece yetenek satan bir satıcı, ortamınızda çalışıp çalışmadığı konusunda hiçbir paya sahip değil. Sonuçtan sorumlu olanlar, her türlü paya sahipler. Bu dönemin kazananları, en gelişmiş AI modellerine sahip olmakla tanımlanmayacak. İnsanlar, süreçler ve zeki sistemler arasındaki yapısal yeniden tasarımı ustaca kullanmakla tanımlanacaklar. Bu değişimin sadece ilk günündeyiz.

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