Арун Кумар Рамчандран, генеральний директор QBurst – серія інтерв'ю

Арун Кумар Рамчандран, генеральний директор QBurst, — досвідчений керівник у сфері технологій та послуг з понад 25-річним досвідом керівництва, що охоплює глобальний консалтинг, продажі великих угод, управління прибутками та збитками, а також трансформацію підприємств. Він став генеральним директором у квітні 2025 року та відповідає за керівництво QBurst усім бізнесом, одночасно формуючи її стратегію як фірми, що надає технологічні послуги та цифрову інженерію на основі штучного інтелекту. До QBurst він обіймав керівні посади в Hexaware Technologies (включаючи президента та керівництво консалтингом GenAI), Capgemini/Sogeti (керівництво по роботі з клієнтами та продажами), а також Infosys та Virtusa, де він створював та масштабував бізнес-підрозділи, керував великими стратегічними програмами та забезпечував зростання в різних географічних регіонах та галузевих вертикалях.

QBurst – це глобальний партнер у сфері цифрової інженерії, який позиціонує себе навколо концепції «High AI-Q» (Висока якість штучного інтелекту), поєднуючи розробку на основі штучного інтелекту з прикладними підходами, що базуються на даних, щоб допомогти підприємствам модернізуватися, будувати та масштабуватися. Компанія робить акцент на комплексній цифровій інженерії, модернізації та розробці продуктів, підтримуючи клієнтів за допомогою таких ініціатив, як компонуємі цифрові платформи, рішення для розмовного та клієнтського досвіду, а також готові до використання основи даних на основі штучного інтелекту, спрямовані на досягнення вимірюваних результатів, таких як підвищення продуктивності, швидша доставка та кращий клієнтський досвід у широкій міжнародній клієнтській базі.

Ви обійняли посаду генерального директора QBurst після довгої кар'єри на керівних посадах у Hexaware, Capgemini, Infosys та інших глобальних організаціях. Що привабило вас у QBurst на цьому етапі її зростання, і як ваш досвід формує напрямок, у якому ви хочете розвивати компанію?

Рішення приєднатися до QBurst було поєднанням можливостей та потенціалу. Мене привабило в QBurst поєднання його притаманних сильних сторін та унікальної ринкової можливості. Підприємницька культура Qburst та успіх у використанні передових технологій у наданні послуг вимогливим клієнтам вразили та заінтригували мене.

Зі збігом революційних змін та змін у середовищі технологій, галузей та нормативних актів, така цілеспрямована та диференційована фірма, як QBurst, має унікальну можливість виділитися з-поміж конкурентів та створити нову компанію з надання технологічних та інженерних послуг, а також модель надання послуг для майбутнього, керованого штучним інтелектом.

Маючи понад 25 років досвіду в технологічній трансформації в різних галузях, як ваш досвід вплинув на ваше сучасне бачення масштабування платформи послуг на основі штучного інтелекту?

Я помітив, що основні інновації та впровадження технологій відбуваються після того, як цикл ажіотажу вщухає, і реальні бізнес-проблеми починають вирішуватися на рівні підприємства. Є три конкретні моменти, які я хотів би тут зазначити з точки зору масштабування платформи послуг на основі штучного інтелекту.

1. Перехід через «етап PoC».

Найбільшим викликом, який я бачу сьогодні, є перехід до етапу PoC. Масштабування вимагає зміни мислення: ми не просто створюємо ШІ; ми надаємо рішення виробничого рівня. У QBurst ми допомагаємо клієнтам пройти етап PoC, зосереджуючись на гнучкості – впроваджуючи нові моделі з більшими вікнами контексту, а не зациклюючись на вчорашніх технологіях.

2. Немає штучного інтелекту без міцного фундаменту

Урок, який я засвоїла через кожен технологічний цикл – від перших днів мобільних технологій у 2009 році до хмарної революції – полягає в тому, що хаос неможливо автоматизувати. Штучний інтелект настільки потужний, наскільки потужні дані, які його живлять. QBurst стимулює зростання, забезпечуючи виконання «нудної, але важливої» роботи, а саме цифрової модернізації та передової інженерії даних.

3. Бачення «Високого рівня якості штучного інтелекту»

Щоб очолити ці зміни, ми перепозиціонували себе як компанію «High AI-Q». Це відображає інтеграцію генеративного та агентного штучного інтелекту в усі наші основні послуги, що сприяє трансформації підприємств на основі штучного інтелекту. У QBurst штучний інтелект — це не адитивна функція, а основна структура нашої стратегії та розробки. Він поєднує власні моделі машинного навчання з інтелектуальною автоматизацією, щоб забезпечити масштабування інтелекту разом із зростанням бізнесу.

Ми були лідерами з самого початку появи Android і застосовуємо ту саму проактивну ДНК, щоб очолити еру штучного інтелекту. У QBurst ми не просто компанія, яка орієнтована на технології; ми є партнером, що орієнтований на результат, чий розвиток зумовлений задоволенням клієнтів.

Ви наголосили на «Високій якості штучного інтелекту» як на визначальній основі для QBurst. Як керівникам підприємств слід інтерпретувати цю концепцію, і чому вона є важливою відмінністю в сучасному ландшафті штучного інтелекту?

Шлях QBurst до «високої якості штучного інтелекту» – це свідоме рішення: швидка робота на операційному рівні за допомогою SDLC, керованого штучним інтелектом, та сміливі кроки на стратегічному рівні за допомогою керованих агентів. Найголовніше, що це закріплює все підприємство в повільній, фундаментальній зміні культури, цінностей та людських можливостей.

Хоча існують ризики та занепокоєння щодо ШІ, за умови безпечного впровадження ШІ може створювати достаток та інновації. Підприємства побачать цінність не лише з точки зору продуктивності, але й зростання та трансформації.

З точки зору реалізації, ми щодня спостерігаємо, як це відбувається завдяки нашій системі SDLC, керованій штучним інтелектом. Це «як» трансформації, де ми впровадили штучний інтелект на кожному етапі розробки, від створення історій користувачів до самовідновлювальних тестових сценаріїв. Результати говорять самі за себе:

• Час виходу на ринок: Значне скорочення циклів розробки та тестування.
• Якість: Значне зниження кількості дефектів після випуску на 25-35%.
• Ефективність: Постійне покращення загального обсягу доставки на 20-30%.

Стратегічний рівень – це те, на якому ми переходимо від оптимізації окремих частин до оптимізації всієї екосистеми. Це вимагало переосмислення основних принципів наших рішень, що призвело до створення керованих агентів – поєднання корпоративного агентного штучного інтелекту та керованих послуг. Для наших клієнтів це означає, що агенти штучного інтелекту обробляють завдання, робочі процеси та операції як на фронтенді, так і на серверній частині, сприяючи як ефективності, так і постійним інноваціям. Ми не просто надаємо послуги; ми організовуємо безперебійну мережу створення цінності.

Багато підприємств накопичують те, що ви називаєте «боргом штучного інтелекту» — значні витрати на пілотні проекти GenAI, які не масштабуються та не створюють цінності. Які корінні причини цієї проблеми та як організації можуть вирватися з цієї моделі?     

Підприємства накопичують «борг від штучного інтелекту», коли інвестиції в GenAI зупиняються на пілотних проектах і не досягають реальної бізнес-цінності. Першопричиною є те, що ми називаємо пасткою модернізації – спроба інтегрувати можливості GenAI у застарілі системи, які ніколи не були розроблені для підтримки робочих процесів на основі штучного інтелекту. У цих середовищах дані, архітектура та управління просто не готові, тому пілотні проекти зупиняються або ламаються під час масштабування.

Це посилюється відсутністю базової готовності. Багато організацій поспішають з експериментами, ігноруючи необхідні інвестиції в стратегію обробки даних, інженерію даних та управління. Без модернізованих основ даних та чітких систем контролю ініціативи GenAI залишаються ізольованими доказами концепції, а не можливостями підприємства.

Щоб зруйнувати цю модель, потрібно перейти до проектування, орієнтованого на штучний інтелект. Замість того, щоб запитувати, куди можна додати штучний інтелект, організації повинні проектувати системи з урахуванням результатів використання штучного інтелекту з першого дня, узгоджуючи архітектуру, потоки даних та управління для підтримки інтелектуальної автоматизації в масштабах.

Практично це починається з інженерії даних. Побудова надійних, добре керованих конвеєрів даних та моделей заздалегідь створює умови для сталого масштабування GenAI. Коли основа закладена правильно, ШІ переходить від експериментів до впливу. Таким чином, борг ШІ поступається місцем довгостроковому створенню цінності.

Традиційна модель контрактів «Час і матеріали» все частіше розглядається як така, що не відповідає реаліям ефективності, що базується на штучному інтелекті. Чому ця модель застаріває, і як такі підходи, як «Керовані агенти» або «Послуга як програмне забезпечення», можуть забезпечити більш сталий шлях розвитку корпоративних ІТ?     

Традиційна модель «Час і матеріали» була створена для епохи дефіциту ресурсів, коли цінність була безпосередньо пов'язана з людськими зусиллями. В епоху штучного інтелекту це припущення більше не відповідає дійсності. Інтелект та виконання стають все більш поширеними, і зі збільшенням достатку цінність зміщується від зусиль до результатів. Штучний інтелект фундаментально порушує логіку погодинної оплати.

Ось чому галузь переходить до моделей, орієнтованих на результат. Такі показники, як квитки, вирішені без втручання людини, або робочі процеси, завершені штучним інтелектом, забезпечують чітку, вимірювану цінність. Ці моделі розглядають можливості як програмне забезпечення, а не працю, що можна описати як «послуга як програмне забезпечення».

Такі підходи, як керовані агенти та сервіс як програмне забезпечення, пропонують більш сталий шлях уперед. Вони зміщують акцент з оплати за зусилля на оплату за інтелектуальні результати, забезпечуючи передбачувані витрати, постійне вдосконалення та спільні переваги автоматизації. Керовані агенти дозволяють інженерам-людям та агентам зі штучним інтелектом працювати разом для досягнення бізнес-цілей, тоді як сервіс як програмне забезпечення дозволяє вимірювати цінність за результатами, а не за витраченими годинами.

У світі, керованому штучним інтелектом, найбільш узгодженими комерційними моделями є ті, що винагороджують результати, а не зусилля, створюючи взаємовигідні умови як для підприємств, так і для постачальників послуг.

Ваша методологія «High AI-Q» зосереджена на талантах, застосуванні та впливі як трьох критичних рівнях готовності до ШІ. Як ІТ-директори можуть оцінити свою зрілість на цих рівнях перед масштабуванням ініціатив GenAI?

Перш ніж масштабувати GenAI, ІТ-директорам необхідно чітко уявити рівень зрілості на трьох рівнях «високої якості ШІ»: талант, застосування та вплив, а не лише на технологічному стеку.

На рівні талантів зрілість стосується готовності людей до взаємодії. Директори з інформаційних технологій повинні оцінювати навички роботи зі штучним інтелектом, відкритість до змін та те, чи мають співробітники безпечний, регульований доступ до LLM, що дозволяє безпечно експериментувати.

На рівні додатків основна увага приділяється основам даних та управління, таким як якість даних, архітектура, безпека та зрілість політик і захисних бар'єрів у практиках доступу до LLM та розробки штучного інтелекту.

На рівні впливу ІТ-директори повинні оцінювати варіанти використання за показником зусиль у порівнянні з бізнес-цінністю. Виявлення можливостей, що вимагають мало зусиль, але мають високий вплив, забезпечує ранні перемоги та підтримує ітеративний підхід до масштабування GenAI.

Для організацій, які досі працюють на застарілих архітектурах, які базові кроки модернізації необхідні для підготовки до агентних робочих процесів та моделей доставки на основі штучного інтелекту?

Ось три кроки, які можуть підготувати організації до переходу до агентських робочих процесів.

1. Пріоритет модернізації основи даних: Для організацій, що працюють на застарілих архітектурах, першим кроком є ​​модернізація основи даних, щоб забезпечити доступ до метаданих, походження та показників якості даних для ізольованих даних. Це гарантує, що агенти матимуть необхідні їм контекстуально зрозумілі та пояснені дані. Впровадження інструментів на основі GenAI зробило цю модернізацію швидшою та простішою. ​​Хоча використання GenAI зі застарілою архітектурою можливе, вимога до токенів для отримання значущих результатів буде надзвичайно високою.

2. Створення рівнів знань підприємства: Організації, які не модернізували свої системи, матимуть багато накопичених знань, які не будуть документовані. Створення рівнів знань для фіксації цих тимчасово накопичених знань у системі буде другим пріоритетним завданням. Це відсутній рівень на шляху впровадження штучного інтелекту багатьма організаціями.

3. Визначення меж та способів роботи агентів: Третій крок полягає в тому, щоб забезпечити дотримання агентами всіх найкращих практик та вимог безпеки, що застосовуються в організації. Структури управління, політики безпеки та структури спостереження дозволяють агентам ефективно мислити та діяти в межах та встановлених способів роботи організації.

Що потрібно робити, окрім інструментарію, під час підготовки до «готовності до використання штучного інтелекту» — з точки зору даних, процесів, управління та можливостей команди?

Готовність до ШІ виходить далеко за рамки вибору правильних інструментів. На практиці успіх чи невдача впровадження ШІ залежить від здатності організації фіксувати племінні знання, такі як неписані процеси, логіка рішень та ключові взаємозв'язки, що існують лише в головах співробітників. Ці знання мають бути задокументовані природною мовою, щоб системи ШІ могли їх використовувати, а не просто обробляти дані окремо.

Готовність даних не менш важлива, але самої якості недостатньо. Успіх справді визначається метаданими, які включають контекст, походження та значення даних. Без цього навіть найдосконаліші моделі дають поверхневі або ненадійні результати.

Впровадження корпоративного штучного інтелекту також відстає від споживчого штучного інтелекту з певної причини: управління, безпека та відповідність вимогам не підлягають обговоренню. Це не перешкоди, які потрібно обійти, а вимоги, до яких потрібно будувати. Організації повинні створити системи довіри, що включають захисні бар'єри, спостережуваність GenAI, пояснювальність та робочі процеси з участю людини, щоб забезпечити безпеку, повторюваність та точність результатів роботи ШІ.

Зрештою, командам необхідно розвивати інтуїцію ШІ. Готовність означає підвищення кваліфікації співробітників у сфері ШІ, щоб вони знали, як ефективно підказувати, перевіряти результати та перевіряти вихідні дані, а не сліпо довіряти «чорній скриньці». ШІ працює найкраще, коли люди постійно тримають курс справ.

Сектор технологічних послуг переповнений традиційними гравцями. Які, на вашу думку, найсильніші відмінності QBurst у конкуренції за мандати на трансформацію підприємств?

QBurst вирізняється на переповненому ринку технологічних послуг, поєднуючи глибокий інженерний досвід зі гнучкістю набагато меншої, інноваційно орієнтованої фірми.

Наша конкурентна перевага визначається п'ятьма ключовими принципами:

1. Глибокий інженерний досвід з дизайнерським мисленням – ми не просто пишемо код. Ми вирішуємо бізнес-завдання за допомогою цілісних, орієнтованих на користувача рішень.

2. Гнучкість та відповідальність – Ми достатньо великі для масштабування, але достатньо гнучкі, щоб піклуватися про нас – нашу гнучкість та адаптацію до швидких змін підтверджують наші клієнти. Наші команди беруть на себе справжню відповідальність за успіх клієнтів. Ви побачите, як відповідальність за виконання досягає рівня вищого керівництва.

3. Культурна плавність: Чи то міні-додатки LINE в Японії, чи інтегровані системи ціноутворення для американських продуктових мереж, ми адаптуємо не лише технології, а й досвід до кожного ринку.

4. Бачення ШІ – Ми впроваджуємо ШІ в наші послуги, операції та рішення для клієнтів – не як модне слово, а як множник можливостей.

5. Культура інновацій та експериментів – Наші лідери добре знаються на технологіях та люблять вирішувати проблеми клієнтів, використовуючи найновіші та перспективні технології. Ми не боїмося невдач і в багатьох випадках досягли значного успіху для наших клієнтів, застосовуючи підхід стартапів.

Ми також не боїмося змінюватися. Ми експериментуємо з моделями, орієнтованими на результат, компонованими фреймворками доставки та лабораторіями спільних інновацій для корпоративних клієнтів.

Заглядаючи вперед на три-п'ять років, як, на вашу думку, розвиватимуться операційні моделі корпоративних ІТ-систем з розвитком агентних робочих процесів та організацій, що використовують штучний інтелект, і до чого керівникам слід готуватися зараз?

Наступна хвиля інновацій належатиме тим, хто зможе поєднати потужні можливості штучного інтелекту з продуманими системами контролю, нагляду та довіри. Саме тому розмова про агентні фреймворки підприємства здається такою важливою — і такою терміновою.

Деякі з ключових висновків для мене:

• Будівництво центрів обробки даних зі штучним інтелектом прискорюється, а не сповільнюється; настрої у світі центрів обробки даних дуже оптимістичні, потужності, попит та інвестиції стрімко зростають.
• Впровадження корпоративного штучного інтелекту буде повільнішим, ніж споживчого (організаційні дані часто є неохайними, фрагментованими та розподіленими по багатьох системах, а не чистими та централізованими; сучасні моделі ще недостатньо точні для вузькоспецифічних ситуацій та функцій компанії без адаптації до унікального контексту кожної організації; щоб розкрити реальну цінність, моделі потрібно буде навчати та налаштовувати на власних корпоративних даних, особливо на «останній милі» конкретних робочих процесів та випадків використання).
• Перш ніж справді автономні агенти зможуть процвітати в підприємстві, постане більший виклик: створення еквівалента структур контролю, схвалень та захисних огорож, які існують для співробітників, що дозволить людській робочій силі надійно працювати та масштабуватися.

Лідери повинні готуватися, пам’ятаючи про таке:

• До агентів слід ставитися як до нових співробітників, з чітко визначеними сферами діяльності, чітким наглядом та механізмами для запобігання помилкам, поки вони «вивчають» писані та неписані правила організації.
• Існує потреба в «шині агентів» або рівні координації, де агенти реєструються, отримують дозволи на запис, а їхні дії контролюються агентами-наглядачами.
• Відтворення системи стримувань і противаг, що робить людські організації стійкими, матиме вирішальне значення для досягнення безпечного, точного та надійного виконання завдань у світі агентного підприємства.
• Управління людськими талантами та їх перекваліфікацією є ще одним важливим аспектом, оскільки інтерфейси та співпраця між людиною та штучним інтелектом змінюються разом із агентними системами та фреймворками.
• Найбільш захопливим рубежем є поява передових агентних фреймворків для підприємств (Enterprise Agent Frameworks), що виходять за рамки того, що існує сьогодні, і які можуть перетворити це бачення на практичну, масштабовану реальність у поєднанні з глибоким розумінням предметної області та рішеннями.

Дякую за чудове інтерв’ю, читачі, які хочуть дізнатися більше, повинні відвідати QBurst.