Арун Кумар Рамчандран, генеральний директор QBurst – Серія інтерв’ю

Арун Кумар Рамчандран, генеральний директор QBurst, – ветеран технологій і послуг з понад 25-річним досвідом керівництва, який охоплює глобальну консультацію, великі угоди з продажу, володіння P&L та трансформацію підприємств. Він став генеральним директором у квітні 2025 року і відповідає за керівництво QBurst у сфері бізнесу, а також формує стратегію компанії як технологічної компанії, що надає послуги та цифрову інженерію, керовану штучним інтелектом. До приходу в QBurst він обіймав керівні посади в Hexaware Technologies (HEXT.BO ) (включаючи посаду президента та керівника консультування з Генеративного штучного інтелекту), Capgemini/Sogeti (керівництво клієнтами та продажами), а також Infosys і Virtusa, де він створював та розширював бізнес-підрозділи, очолював великі стратегічні програми та стимулював зростання вหลาย географічних регіонах та галузях.

QBurst – глобальний партнер з цифрової інженерії, який позиціонує себе навколо “Високої якості штучного інтелекту”, поєднуючи доставку, що підтримується штучним інтелектом, з підходами, заснованими на даних та застосуванні штучного інтелекту, щоб допомогти підприємствам модернізуватися, створювати та розширюватися. Компанія підкреслює інженерію цифрового досвіду, модернізацію та інженерію продукції – підтримуючи клієнтів у таких ініціативах, як композитні цифрові платформи, рішення для розмовного та клієнтського досвіду, а також готові до штучного інтелекту дані – спрямовані на отримання вимірюваних результатів, таких як покращення продуктивності, швидша доставка та сильніший клієнтський досвід у широкому міжнародному клієнтському базисі.

Ви прийняли на себе роль генерального директора в QBurst після довгої кар’єри керівництва в Hexaware, Capgemini, Infosys та інших глобальних організаціях. Що спонукало вас до QBurst на цьому етапі його зростання, і як ваш досвід формує напрямок, який ви хочете взяти компанію?

Рішення приєднатися до QBurst було поєднанням можливості та потенціалу. Що спонукало мене до QBurst, було поєднання його внутрішніх сильних сторін та унікальної ринку можливості. Підприємницька культура QBurst та успіх у роботі з передовими технологіями для вимогливих клієнтів як вразили, так і зацікавили мене.

Зі злиттям деструктивних змін та зміною середовищ у сфері технологій, галузей та правил, сфокусована та відрізняється компанія, як QBurst, має можливість одного покоління відірватися від загалу та створити нову технологічну та інженерну компанію та модель доставки для майбутнього, керованого штучним інтелектом.

З більш ніж 25-річним досвідом у сфері технологій та трансформації в декількох галузях, як ваш досвід вплинув на те, як ви думаєте про розширення платформи послуг, керованої штучним інтелектом, сьогодні?

Я спостерігав, що основні інновації та прийняття технологій відбуваються після того, як гіп-цикл охолоне, а справжні бізнес-проблеми починають вирішуватися на рівні підприємств. Є три конкретні моменти, які я хотів би зробити тут щодо розширення платформи послуг, керованої штучним інтелектом.

1. Перехід через стадію “PoC”.

Найбільшим викликом, який я бачу сьогодні, є перехід через стадію “PoC”. Розширення вимагає зміни розуміння: ми не просто будемо створювати штучний інтелект; ми надаємо виробничі рішення. В QBurst ми допомагаємо клієнтам рости за межі стадії “PoC”, зосереджуючись на гнучкості – приймаючи нові моделі з більш широкими вікнами контексту, а не застрягши в вчорашніх технологіях.

2. Ні штучного інтелекту без сильної основи

Урок, який я витягнув через кожен технологічний цикл – від раннього етапу мобільних технологій у 2009 році до революції хмарних технологій – полягає в тому, що не можна автоматизувати хаос. Штучний інтелект є таким же потужним, як дані, які його підтримують. QBurst стимулює зростання, забезпечуючи виконання “нудної, але необхідної” роботи, а саме цифрової модернізації та просунутої інженерії даних.

3. Візія “Високої якості штучного інтелекту”

Щоб очолити цю зміну, ми перепозиціонували себе як компанію “Високої якості штучного інтелекту”. Це відображає інтеграцію Генеративного штучного інтелекту та Агентського штучного інтелекту до всіх наших основних послуг, що спонукає трансформацію підприємств, рідну для штучного інтелекту. В QBurst штучний інтелект не є додатковою особливістю, а основною тканиною нашої стратегії та доставки. Він поєднує спеціалізовані моделі машинного навчання з інтелектуальною автоматизацією, щоб забезпечити те, що коли бізнес росте, його інтелект зростає з ним.

Ми були провідниками з початку епохи Android, і ми застосовуємо ту ж саму проактивну ДНК, щоб очолити епоху штучного інтелекту. В QBurst ми не просто технологічна компанія; ми – партнер, орієнтований на результати, чий рост відбувається завдяки задоволенню клієнтів.

Ви підкреслили “Високу якість штучного інтелекту” як визначальну основу для QBurst. Як керівники підприємств повинні інтерпретувати цю концепцію, і чому це важливий диференціатор у поточному ландшафті штучного інтелекту?

Поїздка QBurst до “Високої якості штучного інтелекту” – це свідоме рішення: рухатися швидко на операційному рівні з SDLC, керованим штучним інтелектом, та робити сміливі кроки на стратегічному рівні з Керованими агентами. Найважливіше, що воно закріплює весь підприєм у повільній, фундаментальній зміні культури, цінностей та людської здатності.

Хоча існують ризики та проблеми щодо штучного інтелекту, якщо його реалізувати безпечно, штучний інтелект може створити надлишок та інновації. Підприємства побачать вигоду не тільки у вигляді продуктивності, але також зростання та трансформації.

З точки зору доставки ми бачимо це щодня через нашу рамку SDLC, керовану штучним інтелектом. Це “як” трансформації, де ми впровадили штучний інтелект на кожному етапі розробки, від генерації історії користувача до самозцілювальних тестових сценаріїв. Результати говорять самі за себе:

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

Стратегічний рівень – це місце, де ми рухаємося за межі оптимізації частин до оптимізації всієї екосистеми. Це вимагало переосмислення наших підтримуючих рішень, що призвело до створення Керованих агентів, поєднання підприємства Агентського штучного інтелекту та керованих послуг. Для наших клієнтів це означає, що агенти штучного інтелекту обробляють завдання, робочі процеси та операції як спереду, так і ззаду, забезпечуючи як ефективність, так і безперервну інновацію. Ми не просто надаємо послуги; ми оркеструємо безперервну мережу цінності.

Багато підприємств накопичують те, що ви називаєте “боргом штучного інтелекту” – значними витратами на пілотні проекти Генеративного штучного інтелекту, які не розширюються чи не генерують цінності. Які є кореневі причини цієї проблеми, і як організації можуть вийти з цього шаблону?

Підприємства накопичують “борг штучного інтелекту”, коли інвестиції в Генеративний штучний інтелект зупиняються на пілотних проектах і не переходять у справжню бізнес-цінність. Кореневою причиною є те, що ми називаємо пасткою ретрофітінгу – спробою прикрутити можливості Генеративного штучного інтелекту до спадкових систем, які ніколи не були розроблені для підтримки робочих процесів, рідних для штучного інтелекту. У цих середовищах дані, архітектура та управління просто не готові, тому пілотні проекти застряють або ламаються під масштабуванням.

Це посилюється відсутністю фундаментальної готовності. Багато організацій поспішно переходять до експериментів, оминаючи необхідні інвестиції в стратегію даних, інженерію даних та управління. Без модернізованих даних та чітких контрольних рамок ініціативи Генеративного штучного інтелекту залишаються ізольованими доказами концепції, а не можливостями підприємства.

Вихід з цього шаблону вимагає зміни до дизайну, орієнтованого на штучний інтелект. Замість того, щоб питати, де можна додати штучний інтелект, організації повинні проектувати системи з урахуванням результатів штучного інтелекту з самого початку, вирівнюючи архітектуру, потоки даних та управління для підтримки інтелектуальної автоматизації у масштабі.

Практично це починається з інженерії даних. Будівництво міцних, добре керованих потоків даних та моделей заздалегідь створює умови для того, щоб Генеративний штучний інтелект міг розширюватися устойчиво. Коли основа правильна, штучний інтелект переходить від експерименту до впливу. Таким чином, “борг штучного інтелекту” віддає місце довгостроковому створенню цінності.

Традиційна модель контракту “Час і матеріали” все частіше вважається несумісною з реаліями ефективності, керованої штучним інтелектом. Чому ця модель стає застарілою, і як підходи, такі як “Керовані агенти” або “Послуга як програмне забезпечення”, можуть забезпечити більш сталий шлях вперед для підприємства ІТ?

Традиційна модель “Час і матеріали” була створена для епохи дефіциту ресурсів, коли вартість була безпосередньо пов’язана з людською працею. У епоху штучного інтелекту це припущення більше не діє. Інтелект та виконання стають надлишковими, а з ростом надлишку вартість переходить від зусиль до результатів. Штучний інтелект фундаментально ламає логіку годинної оплати.

Це пояснює, чому галузь переходить до моделей, заснованих на результатах. Метрики, такі як вирішені квитки без людського втручання або робочі процеси, завершені кінцевими агентами штучного інтелекту, забезпечують чітку, вимірювану вартість. Ці моделі розглядають здатність як програмне забезпечення, а не працю, що можна описати як “послуга як програмне забезпечення”.

Підходи, такі як Керовані агенти та Послуга як програмне забезпечення, пропонують більш сталий шлях вперед. Вони зсувають фокус від оплати за зусилля до оплати за інтелектуальні результати, забезпечуючи передбачувані витрати, безперервне покращення та спільний вигід від автоматизації. Керовані агенти дозволяють інженерам та агентам штучного інтелекту працювати разом до бізнес-цілей, тоді як Послуга як програмне забезпечення робить вартість вимірюваною через результати, а не годинами, витраченими.

У світі, керованому штучним інтелектом, найбільш узгоджені комерційні моделі – це ті, які винагороджують результати, а не зусилля, створюючи виграш для всіх учасників – як для підприємств, так і для постачальників послуг.

Ваш методологія “Високої якості штучного інтелекту” фокусується на Таланті, Застосуванні та Впливі як трьох критичних шарах для готовності штучного інтелекту. Як керівники ІТ можуть оцінити свою зрілість у цих шарах до розширення ініціатив Генеративного штучного інтелекту?

Перед розширенням Генеративного штучного інтелекту керівники ІТ повинні мати чітке розуміння зрілості через три шари “Високої якості штучного інтелекту” – талант, застосування та вплив, а не тільки технологічний стек.

На рівні талантів зрілість полягає у готовності людей. Керівники ІТ повинні оцінити навички штучного інтелекту, відкритість до змін та те, чи мають працівники безпечний, керований доступ до великих мовних моделей, який дозволяє безпечне експериментування.

На рівні застосування фокусується на даних та управлінні фундаментальними аспектами, такими як якість даних, безпека, архітектура та зрілість політики та охорони під час доступу до великих мовних моделей та практики розробки штучного інтелекту.

На рівні впливу керівники ІТ повинні оцінити випадки використання за зусиллями та бізнес-цінністю. Визначення низькозатратних, високоефективних можливостей дозволяє досягти ранніх перемог та підтримує ітеративний підхід до розширення Генеративного штучного інтелекту.

Для організацій, які все ще працюють на спадкових архітектурах, які фундаментальні кроки модернізації необхідні для підготовки до робочих процесів, керованих агентами, та моделей доставки, рідних для штучного інтелекту?

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

1. Приоритет модернізації даних: Для організацій, що працюють на спадкових архітектурах, першим кроком є модернізація даних для забезпечення метаданих, лінії та метрик якості даних для ізольованих даних. Це забезпечує агентам наявність контекстно-багатих, пояснюваних даних, яких вони потребують. Введення інструментів, заснованих на Генеративному штучному інтелекті, зробило цю модернізацію швидшою та простішою. Хоча використання Генеративного штучного інтелекту зі спадковими архітектурами є можливим, вимога токенів для отримання значимих результатів буде надзвичайно високою.

2. Створення шарів знань підприємства: Організації, які не модернізували свої системи, мають багато накопичених знань, які не задокументовані. Будівництво шарів знань для захоплення цих тимчасових знань у системі буде другим високопріоритетним завданням. Це відсутній шар у багатьох організацій на шляху до прийняття штучного інтелекту.

3. Визначення меж агентів та способів роботи: Третім кроком є забезпечення того, щоб агенти дотримувалися всіх найкращих практик та безпеки, яких дотримується організація. Рамки управління, політики безпеки та спостережувані рамки дозволяють агентам ефективно думати та діяти у межах та встановлених способів роботи організації.

Під час підготовки до “готовності штучного інтелекту”, що потрібно крім інструментів – у термінах даних, процесів, управління та можливостей команди?

Готовність штучного інтелекту виходить далеко за межі вибору правильних інструментів. На практиці прийняття штучного інтелекту вдається або зазнає поразки в залежності від здатності організації захопити племінні знання, такі як невписані процеси, логіка прийняття рішень та ключові відносини, які існують лише в головах працівників. Це знання повинно бути задокументовано в природній мові, яку системи штучного інтелекту можуть розуміти, а не просто обробляти дані в ізоляції.

Готовність даних також критична, але якість сама по собі недостатня. Що真正но визначає успіх, це метадані, які включають контекст, лінію та значення даних. Без цього навіть найсучасніші моделі дають мілкі або ненадійні результати.

Прийняття штучного інтелекту в підприємства лагодить за прийняттям у споживачів через причини: управління, безпека та відповідність вимогам – це непереговорні вимоги. Це не перешкоди, які потрібно обійти, а вимоги, для яких потрібно будувати. Організації повинні встановити рамки довіри, які включають огорожі, спостережуваність Генеративного штучного інтелекту, пояснюваність та робочі процеси людини в циклі, щоб забезпечити, що виходи штучного інтелекту безпечні, повторювані та точні.

Нарешті, команди повинні розвинути інтуїцію штучного інтелекту. Готовність означає підвищення кваліфікації працівників у сфері грамотності штучного інтелекту, щоб вони знали, як ефективно підказувати, валідувати результати та аудитувати виходи, а не сліпо довіряти “чорній скриньці”. Штучний інтелект працює найкраще, коли люди залишаються твердо в циклі.

Яка найсильніша диференціація QBurst, коли мова йде про конкуренцію за мандати трансформації підприємств?

QBurst відрізняється на переповненому ринку технологічних послуг, поєднуючи глибокий інженерний досвід з гнучкістю набагато меншої, інноваційно-орієнтованої компанії.

Наш конкурентний优势 визначається п’ятьма ключовими стовпцями:

1. Інженерна глибина з орієнтацією на дизайн-мислення – Ми не просто пишемо код. Ми вирішуємо бізнес-проблеми через цілісні, орієнтовані на користувача рішення.

2. Гнучкість та володіння – Ми достатньо великі, щоб розширюватися, але достатньо малі, щоб піклуватися – наша гнучкість та адаптація до швидких змін є тим, за що наші клієнти дали нам свідчення. Наші команди беруть справжнє володіння успіхом клієнтів. Ви побачите володіння доставкою аж до рівня старшого керівництва.

3. Культурна грамотність: Чи це LINE міні-додатки в Японії чи інтегровані системи ціноутворення для американських мереж супермаркетів, ми підлаштовуємо не тільки технології, а й досвід до кожного ринку.

4. Візія, орієнтована на штучний інтелект – Ми впроваджуємо штучний інтелект у нашу доставку, операції та рішення для клієнтів – не як модне слово, а як множник можливостей.

5. Культура інновацій та експериментів – Наші лідери технічно грамотні та люблять вирішувати проблеми клієнтів, використовуючи останні та появляються технології. Ми не боїмося невдачі та створили значний вплив для наших клієнтів, приймаючи підхід стартапу в багатьох випадках.

Ми також не боїмося самознищувати себе. Ми експериментуємо з моделями, заснованими на результатах, композитними рамками доставки та лабораторіями спільної інновації для клієнтів підприємств.

Оглядаючись вперед на три-п’ять років, як ви очікуєте, що операційні моделі ІТ підприємств будуть розвиватися з ростом робочих процесів, керованих агентами, та організаціями, рідними для штучного інтелекту, і на що повинні лідери готуватися зараз?

Наступна хвиля інновацій належить тим, хто зможе поєднати потужні можливості штучного інтелекту з вдумливими системами контролю, нагляду та довіри. Саме тому розмови про підприємницькі рамки стають так важливими – і так терміновими.

Деякі з ключових прозрень для мене:

• Будівництво центрів обробки даних прискорюється, а не сповільнюється; настрій у світі центрів обробки даних надзвичайно оптимістичний, з зростанням потужності, попитом та інвестиціями.
• Прийняття штучного інтелекту в підприємства буде повільнішим, ніж у споживачів (дані організації часто неорганізовані, фрагментовані та розподілені по багатьом системам, а не чисті та централізовані; сучасні моделі ще не достатньо точні для специфічних ситуацій та функцій компанії без адаптації до унікального контексту кожної організації; щоб розблокувати справжню вартість, моделі повинні бути навчені та налаштовані на власних даних підприємства, особливо в “останній милі” конкретних робочих процесів та випадків використання)
• Перед тим, як真正но автономні агенти зможуть процвітати в підприємствах, існує більший виклик: будівництво еквівалентних наглядових структур, затверджень та огорож, які існують для працівників, що дозволяє людській робочій силі виконувати надійно та розширюватися.

Лідери повинні готуватися, пам’ятаючи про наступне:

• Агентів слід розглядати як нових працівників, з чітко визначеними сферами, явним наглядом та механізмами для обмеження помилок, поки вони “учаться” написані та неписані правила організації.
• Є потреба в “агентському автобусі” або координаційному шарі, де агенти реєструються, отримують права запису та мають свої дії моніторені наглядовими агентами.
• Відтворення перевірок та балансів, які роблять людські організації міцними, буде критично важливим для досягнення безпечної, точної та надійної реалізації в світі підприємств, керованих агентами.
• Управління людським талантом та перепідготовка є ще одним важливим аспектом, оскільки інтерфейси людини-штучного інтелекту та співробітництва змінюються з агентськими системами та рамками.
• Найбільш цікавий рубіж – це появлення просунутих підприємницьких рамок агентів – за межами того, що існує сьогодні – які можуть перетворити цю візію на практичну, масштабовану реальність, коли поєднуються з сильним розумінням домену та рішень.

Дякуємо за велике інтерв’ю, читачам, які бажають дізнатися більше, слід відвідати QBurst.