Арун Кумар Рамчандран, CEO QBurst – Серія інтерв’ю

Арун Кумар Рамчандран, CEO QBurst, – ветеран технологій та послуг з понад 25-річним досвідом керівництва, який охоплює глобальну консультацію, великі угоди з продажу, володіння P&L та трансформацію підприємств. Він став CEO у квітні 2025 року та відповідає за керівництво QBurst у всіх напрямках бізнесу, одночасно формуючи стратегію компанії як фірми технологічних послуг та цифрової інженерії, орієнтованої на штучний інтелект. До QBurst він обіймав керівні посади в Hexaware Technologies (включно з президентом та керівництвом консалтингу GenAI), Capgemini/Sogeti (керівництво клієнтами та продажами), а також Infosys і Virtusa, де він створив та розширив бізнес-підрозділи, очолював великі стратегічні програми та стимулював зростання в декількох географічних регіонах та галузях.

QBurst – глобальний партнер з цифрової інженерії, який позиціонує себе навколо концепції “Високого AI-Q”, поєднуючи доставку, підтримувану штучним інтелектом, з прикладними підходами, заснованими на даних, щоб допомогти підприємствам модернізуватися, будувати та розширюватися. Компанія підкреслює важливість комплексної цифрової експертизи, модернізації та інженерії продукції – підтримуючи клієнтів у таких ініціативах, як композитні цифрові платформи, розмовні та рішення з досвіду клієнта, а також готові до штучного інтелекту дані – спрямовані на отримання вимірюваних результатів, таких як покращення продуктивності, прискорення доставки та посилення досвіду клієнта по всьому широкому міжнародному клієнтському базису.

Ви прийняли на себе роль CEO у 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 напрям, яким ви хочете рухатися компанією?

Рішення приєднатися до QBurst було результатом зустрічі можливостей та потенціалу. Того, що спонукало мене до QBurst, була комбінація його внутрішніх сильних сторін та унікальної ринкової можливості. Підприємницька культура QBurst та його успіх із використанням передових технологій для виконання вимог клієнтів якраз вразили та зацікавили мене.

Зі злиттям деструктивних змін та зміщення середовищ у сфері технологій, галузей та регуляцій, фокусована та відрізняється фірма, як QBurst, має можливість одного покоління відійти від стада та створити нову технологічну та інженерну службу та модель доставки для майбутнього, керованого штучним інтелектом.

З більш ніж 25-річним досвідом технологічних трансформацій у декількох галузях, як ваш досвід вплинув на ваше бачення масштабування платформи послуг, орієнтованої на штучний інтелект, сьогодні?

Я спостерігав, що основні інновації та прийняття технологій відбуваються після того, як цикл гіпотези охолонув, а реальні бізнес-проблеми починають вирішуватися на рівні підприємства. Є три конкретні моменти, які я хотів би підкреслити тут щодо масштабування платформи послуг, орієнтованої на штучний інтелект.

1. Перехід через стадію “PoC”.

Найбільшим викликом, який я бачу сьогодні, є перехід через стадію “PoC”. Масштабування вимагає зміни у мисленні: ми не просто будемо будувати штучний інтелект; ми надаємо рішення, готові до виробництва. У QBurst ми допомагаємо клієнтам зростати за межами стадії “PoC”, фокусуючись на гнучкості – приймаючи нові моделі з більшим контекстним вікном, а не бути заблокованими вчорашньою технологією.

2. Ні штучний інтелект без сильної основи.

Урок, який я виніс через кожен технологічний цикл – від ранніх днів мобільних технологій у 2009 році до революції хмарних технологій – полягає в тому, що ви не можете автоматизувати хаос. Штучний інтелект такий же потужний, як дані, які його підтримують. QBurst стимулює зростання, забезпечуючи виконання “нудної, але важливої” роботи, а саме цифрової модернізації та просунутої інженерії даних.

3. Візія “Високого AI-Q”.

Щоб очолити цю зміну, ми перепозиціонували себе як компанію з “Високим AI-Q”. Це відображає інтеграцію Генеративного штучного інтелекту та Агентського штучного інтелекту до всіх наших основних послуг, стимулюючи трансформацію підприємства, орієнтовану на штучний інтелект. У QBurst штучний інтелект не є доданою функцією, а основною тканиною нашої стратегії та доставки. Він поєднує спеціалізовані моделі машинного навчання з інтелектуальною автоматизацією, щоб забезпечити те, що при зростанні бізнесу його інтелект зростає разом з ним.

Ми були піонерами з початку епохи Android, і ми застосовуємо ту саму проактивну ДНК для лідерства в епоху штучного інтелекту. У QBurst ми не просто технічно-орієнтована компанія; ми – партнер, орієнтований на результати, зростання якого стимулюється задоволеністю клієнтів.

Ви підкреслили концепцію “Високого AI-Q” як визначальну основу для QBurst. Як керівники підприємств повинні інтерпретувати цю концепцію, і чому вона є важливим диференціатором у поточному ландшафті штучного інтелекту?

Путівка QBurst до “Високого AI-Q” – це свідоме рішення: рухатися швидко на операційному рівні з AI-керованим життєвим циклом розробки програмного забезпечення, і робити сміливі кроки на стратегічному рівні з Управляемими агентами. Найважливіше, що це закріплює все підприємство у повільній, фундаментальній зміні культури, цінностей та людської здатності.

Хоча існують ризики та побоювання 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 AI-керованого життєвого циклу розробки програмного забезпечення. Це “як” трансформації, де ми інтегрували штучний інтелект у кожну стадію розробки, від генерації історії користувача до самозахисних тестових сценаріїв. Результати говорять самі за себе:

• Час виходу на ринок: Значне зменшення циклів розробки та тестування.
• Якість: Видатне зменшення на 25-35% дефектів після випуску.
• Ефективність: Постійне покращення на 20-30% у всій доставці.

Стратегічний рівень – це місце, де ми рухаємося за межі оптимізації окремих частин до оптимізації всієї екосистеми. Це вимагало переосмислення наших підтримуючих стовпів, що призвело до створення Управляемих агентів, поєднання підприємства Агентського штучного інтелекту та Управляемих послуг. Для наших клієнтів це означає, що агенти штучного інтелекту обробляють завдання фронту та заднього плану, робочі процеси та операції, стимулюючи як ефективність, так і безперервну інновацію. Ми не просто доставляємо 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 масштабуються 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 у Генеративний штучний інтелект зупиняються на пілотних проектах і не дають реальної бізнес-цінності. Кореневою причиною є те, що ми називаємо пасткою ретрофітингу – спробу прикрутити можливості Генеративного штучного інтелекту до спадкових систем, які не були спроектовані для підтримки потоків роботи, орієнтованих на штучний інтелект. 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 експериментують, оминаючи необхідні інвестиції у стратегію даних, інженерію даних та управління. Без модернізованих даних та чітких контрольних рамок ініціативи Генеративного штучного інтелекту залишаються ізольованими доказами концепції, а не підприємницькими можливостями.

Вихід з цього шаблону вимагає зміни до проєкту, 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 надійних, добре керованих потоків даних та моделей заздалегідь створює умови для того, щоб Генеративний штучний інтелект міг масштабуватися устойчиво. Коли основа правильна, штучний інтелект переходить від експерименту до впливу. Таким чином, “борг штучного інтелекту” поступається місцем довгостроковому створенню цінності.

Традиційна модель контракту “Час та матеріали” все частіше розглядається як несумісна з реаліями ефективності, керованої штучним інтелектом. Чому ця модель стає застарілою, і як підходи, такі як “Управляемі агенти” або “Послуга-як-програмне забезпечення”, можуть забезпечити більш сталий шлях вперед для підприємницької інформаційної технології?

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

Це пояснює, чому галузь переходить до моделей, орієнтованих на результати. Метрики, такі як квитки, вирішені без людського втручання, або робочі процеси, завершені кінцевими до кінцевих штучним інтелектом, забезпечують чітку, вимірювану цінність. Ці моделі розглядають здатність як програмне забезпечення, а не працю, що можна описати як “послуга-як-програмне забезпечення”.

Підходи, такі як Управляемі 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 виграш від автоматизації. Управляемі агенти дозволяють інженерам та агентам штучного інтелекту працювати разом до бізнес-цілей, тоді як Послуга-як-програмне забезпечення робить цінність вимірюваною через результати, а не години, витрачені.

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

Ваш методологія “Високого AI-Q” фокусується на Таланті, Застосуванні та Впливі як трьох критичних шарах для готовності штучного інтелекту. Як керівники інформаційної технології можуть оцінити свою зрілість по цих шарах до масштабування ініціатив Генеративного штучного інтелекту?

До масштабування Генеративного штучного інтелекту керівники інформаційної технології потребують чіткого погляду на зрілість по трьом шарам “Високого AI-Q” – таланту, застосування та впливу, а не тільки технологічного стека.

На рівні таланту зрілість полягає у готовності людей. Керівники інформаційної технології повинні оцінити навички штучного інтелекту, відкритість до змін та наявність у працівників безпечного, керованого доступу до великих мовних моделей, який дозволяє безпечну експериментацію.

На рівні застосування фокусується на фундаментальних даних та управлінні, таких як якість даних, архітектура, безпека та зрілість політики та огорож у доступі до великих мовних моделей та практиках розробки штучного інтелекту.

На рівні впливу керівники інформаційної технології повинні оцінити випадки використання за зусиллям проти бізнес-цінності. Визначення можливостей з низькими зусиллями та високою бізнес-цінністю дозволяє досягти ранніх перемог та підтримує ітеративний підхід до масштабування Генеративного штучного інтелекту.

Для організацій, які все ще працюють на спадкових архітектурах, які фундаментальні кроки модернізації необхідні для підготовки до агентських робочих процесів та моделей доставки, орієнтованих на штучний інтелект?

Ось три кроки, які можуть підготувати організації під час руху до агентських робочих процесів.

1. Пріоритет модернізації даних: Для організацій, які працюють на спадкових архітектурах, першим кроком є модернізація даних, щоб забезпечити метадані, походження та метрики якості даних для ізольованих даних. Це забезпечує те, що агенти мають контекстно-багаті, пояснювані дані, які їм потрібні. 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. Установлення шарів знань підприємства: Організації, які не модернізували свої системи, мають багато накопичених знань, які не задокументовані. Будівництво шарів знань для захоплення цього транзитного накопиченого знання всередині системи буде другим пріоритетним завданням. Це відсутній шар у багатьох організацій на шляху прийняття штучного інтелекту.

3. Визначення меж агентів та способів роботи: Третім кроком є забезпечення того, щоб агенти дотримувалися всіх найкращих практик та безпекових вимог, які зараз дотримуються в організації. Рамки управління, політики безпеки та спостережуваність дозволяють агентам думати та діяти ефективно всередині меж та встановлених способів роботи організації.

Під час підготовки до “готовності штучного інтелекту”, що це вимагає 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 успішно чи ні залежить від здатності організації захопити племінне знання, таке як невписані процеси, логіка прийняття рішень та ключові відносини, які існують лише в головах працівників. Це знання повинно бути задокументовано у природній мові, яку системи штучного інтелекту можуть розуміти, а не просто обробляти дані в ізоляції.

Готовність даних також критично важлива, але якість сама по собі недостатня. Те, що справді визначає успіх, – це метадані, які включають контекст, походження та значення даних. Без цього навіть найпередовіші моделі дають мілкі або ненадійні результати.

Підприємницьке прийняття штучного інтелекту також відстає від споживчого штучного інтелекту з причини: управління, безпеки та відповідності вимогам – це непереговорні питання. Це не перешкоди, яких 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 у циклі, щоб забезпечити те, що виходи штучного інтелекту є безпечними, повторюваними та точними.

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

Сектор технологічних послуг переповнений спадковими гравцями. Що ви вважаєте найбільшими диференціаторами QBurst при конкуренції за мандати трансформації підприємств?

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

Наша конкурентна перевага визначається п’ятьма ключовими стовпами:

1. Глибина інженерії з мисленням дизайну – Ми не просто пишемо код. Ми вирішуємо бізнес-проблеми через цілісні, орієнтовані на користувача рішення.

2. Гнучкість та володіння – Ми достатньо великі, щоб масштабуватися, але достатньо стрункі, щоб піклуватися – наша гнучкість та адаптація до швидких змін є тим, за що наші клієнти дали свідчення. Наші команди беруть справжнє володіння успіхом клієнта. Ви побачите володіння доставкою, яке тягнеться до рівня старшого керівництва.

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

4. Візія, орієнтована на штучний інтелект – Ми інтегруємо штучний інтелект у нашу доставку, операції та рішення 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 емерджентні технології. Ми не боїмося невдачі та створили значний вплив для наших клієнтів, приймаючи підхід стартапу в багатьох випадках.

Ми також не боїмося самі себе порушувати. Ми експериментуємо з моделями, орієнтованими на результати, композитними рамками доставки та ко-інноваційними лабораторіями для клієнтів підприємств.

Оглядаючи вперед три-п’ять років, як ви очікуєте, що операційні моделі інформаційної технологіки підприємств будуть еволюціонувати з ростом агентських робочих процесів та організацій, орієнтованих на штучний інтелект, і на що керівники повинні готуватися зараз?

Наступна хвиля інновацій належатиме тим, хто зможе одружити потужні можливості штучного інтелекту з ретельними системами контролю, нагляду та довіри. Це пояснює, чому розмови про підприємницькі агентські рамки здаються так важливими – і так терміновими.

Деякі з ключових ідей для мене:

• Будівництво центрів даних штучного інтелекту прискорюється, а не сповільнюється; настрій у світі центрів даних дуже оптимістичний, із зростанням потужності, попитом та інвестиціями.
• Підприємницьке прийняття штучного інтелекту буде повільнішим, ніж споживче прийняття штучного інтелекту (дані організації часто брудні, фрагментовані та розподілені по багатьом системам, а не чисті та централізовані; сьогодні моделі ще не достатньо точні для високоспецифічних ситуацій компанії та функцій без адаптації до унікального контексту організації; щоб розблокувати справжню цінність, моделі потрібно буде тренувати та налаштовувати на пропрієтарних даних підприємства, особливо в “останній милі” конкретних робочих процесів та випадків використання)
• Перед тим, як真正ні автономні агенти зможуть процвітати в підприємствах, існує більший виклик: будівництво еквівалентних наглядових структур, схвалень та огорож, які існують для працівників, що дозволяє людській робочій силі виконувати надійно та масштабуватися.

Керівники повинні готуватися, пам’ятаючи про наступне:

• Агентів слід розглядати як нових працівників, з чітко визначеними сферами, явним наглядом та механізмами утримання помилок, поки вони “учаться” писані та неписані правила організації.
• Існує потреба в “агентському автобусі” або координаційному шарі, де агенти реєструються, отримують дозволи на запис та мають свої дії моніторені наглядовими агентами.
• Відтворення перевірок та балансів, які роблять людські організації надійними, буде критично важливим для досягнення безпечної, точної та надійної реалізації в агентському підприємницькому світі.
• Керування людським талантом та перепідготовка є ще одним важливим аспектом, оскільки інтерфейси людини та штучного інтелекту та співробітництво змінюються з агентськими системами та рамками.
• Найбільш цікавий фронт – це появу просунутих підприємницьких агентських рамок – за межами того, що існує сьогодні – які можуть перетворити цю візію на практичну, масштабовану реальність, коли поєднуються з сильним розумінням домену та рішеннями.

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