Аджай Васал, Глобальний лідер з даних та штучного інтелекту, Genpact – Серія інтерв’ю

Аджай Васал, Глобальний лідер з даних та штучного інтелекту, Genpact, – ветеран технологій і стратегії з більш ніж двома десятиліттями досвіду в галузі штучного інтелекту, стратегії даних, цифрової трансформації, злиття та поглинання, а також корпоративного консультування. На своїй поточній посаді в Genpact він очолює ініціативи, спрямовані на допомогу підприємствам у впровадженні штучного інтелекту та переході від асистуючого штучного інтелекту до більш автономних, вбудованих систем. До того, як приєднатися до Genpact, Васал провів майже дев’ять років в Accenture, де обіймав кілька керівних посад, включаючи Глобального лідера з даних та штучного інтелекту для споживчих галузей та Глобального керівника Центру даних та інсайтів. На протяженні своєї кар’єри він зосереджувався на допомозі організаціям у вивільненні вимірюваних бізнес-оцінок з даних за допомогою операційної ефективності, зростання доходів та мінімізації ризиків, а також очолював стратегічні інвестиції, ініціативи злиття та поглинання, а також програми трансформації, керованої штучним інтелектом, в різних галузях.

Genpact – глобальна компанія професійних послуг та цифрової трансформації, що спеціалізується на даних, штучному інтелекті, аналітиці, інтелектуальній автоматизації та операційній модернізації для великих підприємств. Заснована спочатку в рамках General Electric, а згодом ставши незалежною компанією, Genpact тепер обслуговує організації в різних галузях, включаючи фінансові послуги, охорону здоров’я, виробництво, рітейл та споживчі товари. Компанія все більше позиціонує себе навколо трансформації підприємств, керованої штучним інтелектом, поєднуючи аналітику, автоматизацію та галузеву експертизу для допомоги підприємствам у модернізації робочих процесів, покращенні прийняття рішень та розгортанні великомасштабних систем штучного інтелекту.

Ви провели роки в Accenture, формуючи стратегію даних та штучного інтелекту в різних галузях, перш ніж перейти на свою поточну посаду в Genpact. Як цей досвід вплинув на вашу точку зору щодо того, чому підприємства все ще борються з вивільненням справжньої цінності з інвестицій у штучний інтелект сьогодні?

Одним із найбільших уроків, отриманих під час роботи в різних галузях, є те, що більшість організацій не провалюються через слабкість технологій. Реальність полягає в тому, що вони борються, оскільки намагаються накласти штучний інтелект на операційні моделі, які ніколи не були призначені для автономної реалізації. Результати нашого недавнього дослідження підкріплюють цю думку. Хоча підприємства агресивно рухаються до впровадження штучного інтелекту, багато з них все ще борються з переробкою операційних моделей, необхідних для підтримки автономної реалізації у великому масштабі. Ця прогалина підкреслює, як багато підприємств все ще працюють над питаннями щодо управління, відповідальності та організаційної готовності.

Ми також бачимо, як організації рухаються швидко, перш ніж у них будуть правильні вимірювальні рамки. 71% виконавців вважають, що агентний штучний інтелект доставить ROI швидше, ніж будь-яка попередня хвиля технологій, проте 67% все ще покладаються на метрики продуктивності, які були побудовані для попередніх моделей автоматизації. Мій досвід показав, що успішне впровадження штучного інтелекту ніколи не полягає лише у розгортанні моделей. Це полягає у переробці робочих процесів, вирівнюванні технологій з бізнес-приоритетами та допомозі людям зрозуміти, як їхні ролі еволюціонують поряд з усе більш автономними системами.

Ваш недавній звіт, Автономія вимагає довіри до штучного інтелекту, показує, що більшість виконавців вважають, що агентний штучний інтелект фундаментально змінить бізнес-операції, проте більшість систем залишаються наглядовими. Яка найбільша роз’єднаність між вірою та виконанням?

Роз’єднаність повністю центрована навколо довіри. Виконавці явно вважають, що агентний штучний інтелект змінить, як робота виконується, проте віра у технологію не автоматично перекладується у комфорт з передачею повноважень щодо прийняття рішень. Наше дослідження виявило, що лише 22% організацій комфортно дозволяють системам штучного інтелекту працювати з автономією на рівні домену або широкої автономії.

Більшість підприємств все ще комфортно використовують штучний інтелект як помічника, який може рекомендувати, підсумовувати або підтримувати робочі процеси. Застереження починається, коли системи штучного інтелекту очікується діяти автономно способами, які впливають на операції, клієнтів, дотримання вимог або фінансові результати. Це застереження змушує багато підприємств тримати людей тісно залученими до процесів затвердження та нагляду, навіть коли вони рухаються до більш автономних операційних моделей.

Багато підприємств вкладають значні кошти у штучний інтелект, проте не демонструють суттєвих повернень. Які найбільш поширені помилки, які організації роблять при спробі виміряти вартість, керовану штучним інтелектом?

Одна з основних помилок полягає в тому, що багато організацій все ще використовують метрики продуктивності, призначені для попередніх хвиль автоматизації. Дані показують, що 67% підприємств все ще залежать від продуктивних заходів, які не можуть повністю захопити вартість адаптивних, керованих рішенням систем. Це створює справжню роз’єднаність між очікуваннями та тим, як вартість фактично вимірюється.

Інша проблема полягає в тому, що багато організацій ще не визначили метрики успіху, рідні для штучного інтелекту. Лише малий відсоток підприємств вимірюють речі, такі як автономне виконання робочих процесів, зменшення рівня ескалації або автономне оброблення винятків. Якщо компанії продовжують зосереджуватися лише на скороченні витрат або збереженні годин, вони пропустять ширший операційний вплив, який агентний штучний інтелект призначений створити.

Звіт підкреслює, що організаційна готовність є більшим бар’єром, ніж сама технологія. Які конкретні структурні зміни повинні зробити компанії, щоб розблокувати повний потенціал агентного штучного інтелекту?

Організації повинні переосмислити, як відповідальність, володіння робочими процесами та прийняття рішень функціонують по всьому бізнесу. Одним із найясніших висновків з дослідження є те, що організаційна готовність стає більшим бар’єром, ніж сама технологія. Насправді 33% підприємств ідентифікували бізнес-процеси, які не готові до інтеграції агентного штучного інтелекту, як найбільшу перешкоду для впровадження.

Компанії, які роблять найбільший прогрес, переробляють робочі процеси з кінця в кінець, щоб автономні системи могли працювати в межах чітко визначених меж та структур нагляду. Ми також виявили, що 44% підприємств очікують, що агентний штучний інтелект сплескає структури управління, оскільки системи поглинають завдання координації, традиційно виконувані середнім управлінням. Працівники потребують значно більшої ясності щодо відповідальності за нагляд, точок втручання та того, де людський суд перебуває в усе більш автономному середовищі.

Лише малий відсоток організацій комфортно дозволяють агентним системам справжню автономію. Що потрібно підприємствам, щоб довіряти системам штучного інтелекту повноваження щодо прийняття рішень?

Довіра до агентного штучного інтелекту в кінцевому підсумку полягає в відповідальності та контролі. Підприємства все ще обережні щодо передачі повноважень щодо прийняття рішень, оскільки лідери хочуть впевнитися, що автономні системи можуть працювати в межах чітких обмежень та структур управління.

Компанії, які рухаються вперед, проектують системи, де шляхи ескалації, точки втручання та структури управління будуються безпосередньо в операційну модель. Більшість підприємств надають автономію інкрементально на основі бізнес-контексту та толерантності до ризику, а не роблять раптовий стрибок до повної автономії. Коли підприємства здобувають впевненість через успішні розгортання, довіра зростає, оскільки лідери можуть чітко бачити, як приймаються рішення, де перебуває відповідальність та як підтримується людський нагляд.

Підприємства очікують швидко масштабувати агентний штучний інтелект, проте багато з них все ще покладаються на застарілі метрики продуктивності. Як повинні виглядати більш ефективні, рідні для штучного інтелекту показники продуктивності?

Метрики, рідні для штучного інтелекту, повинні вимірювати виконання та результати, а не діяльність. Традиційні показники продуктивності зосереджуються на тому, чи працюють люди швидше, проте агентний штучний інтелект змінює рівняння, оскільки сама система починає нести частину операційного навантаження. Це важливо, оскільки багато організацій все ще вимірюють агентний штучний інтелект через призму продуктивності, призначену для попередніх хвиль автоматизації, а не автономної реалізації.

Більш ефективні заходи повинні зосереджуватися на автономному виконанні робочих процесів, зменшенні рівня ескалації, швидшому виконанні рішень та тому, як ефективно системи керують винятками з обмеженим людським втручанням. Ці метрики забезпечують значно чіткіше зображення того, чи штучний інтелект дійсно покращує виконання у великому масштабі.

Ви підкреслюєте, що переробка процесів є основним бар’єром для впровадження. Чому трансформація робочих процесів важливіша, ніж продуктивність моделі в цьому наступному етапі штучного інтелекту?

Трансформація робочих процесів важлива, оскільки навіть найпередовіші системи штучного інтелекту не можуть масштабуватися ефективно в межах пошкоджених або фрагментованих процесів. Наше дослідження виявило, що 33% підприємств ідентифікували готовність процесів як основний бар’єр для впровадження агентного штучного інтелекту.

То, що робить цей наступний етап різним, полягає в тому, що агентний штучний інтелект призначений для виконання по всьому робочому процесу, а не просто для надання допомоги в межах нього. Організації повинні переробити процеси навколо автономної реалізації, уточнивши володіння рішенням, видаливши зайві передачі та вбудувавши управління безпосередньо в робочі процеси. У багатьох аспектах переробка робочих процесів зараз є справжньою основою для масштабованого впровадження штучного інтелекту.

Звіт підкреслює, що штучний інтелект сплескає організаційні структури, оскільки завдання координації будуть автоматизовані. Як ви бачите еволюцію лідерських ролей та середнього управління в результаті?

Когда агентний штучний інтелект приймає на себе більше завдань координації та операційного нагляду, лідерські ролі, ймовірно, зміщаться від управління рутинним виконанням до керівництва стратегією, судом та управлінням. Наше дослідження виявило, що багато підприємств очікують, що агентний штучний інтелект скоротить рівні координації по всьому підприємству, оскільки автономні системи прийматимуть на себе більше операційних завдань нагляду.

Середнє управління історично грав велику роль у маршрутизації рішень та підтримці операційної безперервності по всьому командам. Коли автономні системи починають обробляти більше цих діяльностей, лідери повинні зосередитися більше на управлінні винятками, відповідальності та забезпеченні того, щоб системи відповідали бізнес-цілям. Людське лідерство стане ще більш важливим у галузях, де контекст, етика та суд все ще мають найбільше значення.

Genpact позиціонує себе як агентну та передову технологічну компанію рішень. Як компанія підходить до агентного штучного інтелекту по-іншому, ніж традиційні консалтингові або технологічні компанії?

Підхід Genpact ґрунтується на виконанні та результатах, що ми часто описуємо як вирішення “останньої милі” проблеми впровадження штучного інтелекту. Багато організацій вже довели, що моделі штучного інтелекту можуть генерувати інсайти або покращувати продуктивність, проте справжня проблема полягає в тому, щоб вбудувати ці можливості в живі бізнес-процеси, де робота фактично виконується. Це місце, де багато ініціатив штучного інтелекту застряють. Наш фокус полягає в тому, щоб допомогти клієнтам оперціоналізувати агентний штучний інтелект по всьому останній милі виконання, щоб системи могли забезпечувати вимірювані результати всередині фінансів, ланцюгів постачання, обслуговування клієнтів та інших основних функцій підприємства.

То, що відрізняє наш підхід, полягає в поєднанні глибокої експертизи процесів з даними, технологіями та можливостями штучного інтелекту. Ми не просто розгортаємо моделі чи будемо пілотні проекти. Ми переробляємо робочі процеси, вбудовуємо управління в операції та допомагаємо підприємствам створювати структури відповідальності, необхідні для автономної реалізації у великому масштабі. Оскільки ми також вбудували агентний штучний інтелект у свої власні операції, ми приносимо практичний досвід щодо того, що потрібно для переходу від експериментів до підприємства широкого впливу.

Оглядаючи вперед, ви вважаєте, що агентний штучний інтелект розширить розрив між лідируючими та відсталими підприємствами, і що повинні робити компанії зараз, щоб уникнути відставання?

Так, я вважаю, що розрив розшириться, оскільки агентний штучний інтелект накопичує вартість по-іншому, ніж попередні хвилі технологій. Організації, які успішно переробляють робочі процеси, встановлюють рамки відповідальності та будують довіру до автономних систем, створять операційні переваги, які стануть важкими для конкурентів для реплікації. Що вражає, так це те, як швидко відбувається цей зсув. 29% підприємств очікують, що агентний штучний інтелект розгорнеться по всьому бізнесу протягом наступних 12 місяців.

Для компаній, які хочуть залишитися конкурентоспроможними, пріоритетом зараз повинна бути підготовка операційної моделі для автономної реалізації. Це включає переробку робочих процесів, визначення структур володіння, побудову метрик, рідних для штучного інтелекту, та інвестиції у готовність робочої сили. Організації, які рухаються вперед на цих засадах, будуть значно краще позиціоновані, ніж ті, які все ще підходять до штучного інтелекту як до самостійного технологічного ініціативи.

Дякую за велике інтерв’ю, читачам, які бажають дізнатися більше, слід відвідати Genpact.