Jitendra Putcha, COO компанії Tredence — Серія інтерв’ю

Jitendra Putcha, COO компанії Tredence, є досвідченим керівником у сфері технологій та операцій з майже тридцятилітнім досвідом, що охоплює штучний інтелект, аналітику даних, цифрову трансформацію, доставку та корпоративні технологічні послуги. Перш ніж приєднатися до Tredence у квітні 2026 року, він працював на посаді Chief Delivery Officer у Mastech Digital, де був членом виконавчої команди, що керувала стратегією, трансформацією, відповідальністю за P&L та наданням послуг. Раніше він провів кілька років у LTIMindtree та LTI, в кінцевому підсумку обійшов посаду Senior Vice President і Global Head of Data & AI, відповідаючи за впровадження корпоративного AI, генеративний AI, AI‑агенти, послуги з даних та аналітики, інженерію продуктів і розробку платформ. Раніше Putcha працював майже 18 років у Cognizant, піднімаючись по кар’єрних сходах до посад, включаючи Vice President of AI & Analytics та керівника Hyderabad Center, де його робота охоплювала глобальну доставку даних і аналітики, трансформацію на основі AI та масштабування аналітичних можливостей у різних галузях. У його ранній кар’єрі були ролі у Wipro та DSQ Software, що надали йому фундамент, який охоплює сховища даних, бізнес‑інтелект, аналітику та масштабну корпоративну доставку.

Tredence — це глобальна компанія, що надає рішення у галузі науки про дані та штучного інтелекту, орієнтована на вирішення так званої «проблеми останньої милі» в AI — розриву між отриманням інсайтів і їх перетворенням у вимірювані бізнес‑результати. Заснована у 2013 році, компанія поєднує галузеву експертизу з інженерією даних, наукою про дані, машинним навчанням, генеративним AI, AI‑агентами, хмарними технологіями та власними прискорювачами, щоб допомогти підприємствам масштабно впроваджувати AI. За словами Tredence, у компанії понад 4 200 співробітників, і вона співпрацює з компаніями у сферах роздрібної торгівлі, споживчих товарів, технологій, телекомунікацій, охорони здоров’я, подорожей, промисловості та інших галузей. Її підхід наголошує на вбудовуванні аналітики та AI у реальні бізнес‑процеси, а не лише на створенні моделей чи дашбордів, з можливостями, що охоплюють готовий до підприємств генеративний AI, мультимодальні та агентські системи, відповідальний AI, модернізацію даних та управління AI.

У вас понад 28 років досвіду у сфері корпоративних даних, аналітики, AI та масштабної глобальної доставки, включаючи керівні ролі в Cognizant, LTIMindtree та Mastech Digital перед тим, як у 2026 році приєднатися до Tredence на посаді Chief Operating Officer. Що вас привабило в Tredence на цьому етапі її розвитку, і яку, на вашу думку, найбільшу можливість ви бачите для переосмислення того, як компанія, орієнтована на послуги AI, працює та створює цінність, коли підприємства переходять від експериментів до масштабного впровадження AI?

Мене привабило в Tredence те, наскільки компанія практична. За свою кар’єру я бачив безліч технологічних змін, проте рідко трапляється організація, яка безпосередньо поєднує глибоку експертизу в AI з реальними бізнес‑результатами. Tredence не просто говорить про AI задля самого AI; вона створює рішення, які вирішують реальні проблеми підприємств.

Зараз індустрія знаходиться на дивовижному переломному етапі. Вона виходить за межі тестової фази і ставить складне питання: як вбудувати AI у наші щоденні операції? Це те, що ми називаємо «останньою милею» AI — подолання розриву між отриманням інсайтів і забезпеченням того, щоб ці інсайти дійшли до конкретної особи, процесу чи рішення, де вони можуть принести корисний результат.

Можливість тут полягає не лише у впровадженні кращих інструментів. Це вирішення проблеми виконання, допомога організаціям мислити по‑іншому та отримання вимірюваної цінності. Як COO, моя задача — зберегти цей конкурентний перевагу. Я хочу, щоб ми масштабували наші операції, не втрачаючи гнучкості чи орієнтації на клієнта, перетворюючи високорівневі амбіції AI у реальні прибутки.

Ми продовжуємо спостерігати, як підприємства запускають перспективні AI‑пілоти, які ніколи не перетворюються у значущі виробничі системи. Коли ви розглядаєте проєкти, що зупиняються, які найчастіші точки провалу і які з цих проблем керівники все ще недооцінюють?

Чесно кажучи, більшість AI‑пілотів не провалюються через технічні проблеми. Вони провалюються, бо ми ставимо AI на рівень потужного двигуна, не створюючи навколо нього саму машину. Уявіть це так: двигун світового класу зовсім безкорисний, якщо не надати йому чистого палива, керма та водія.

Ваш AI‑модель залишиться залишеною в гаражі, якщо ви недооцінюєте три фундаментальні аспекти. Надійні дані — це ваше чисте паливо. Якщо ваші дані безладні та неорганізовані, двигун забивається, і модель дає ненадійні відповіді. Сильне управління — це ваше кермо. Без чітких правил та безпекових обмежень команди просто бояться ризику і не ставлять машину на дорогу.

Нарешті, чітка бізнес‑власність — це ваш водій, і саме цей аспект керівники найчастіше недооцінюють. Якщо бізнес‑лідер не бере кермо в свої руки, не підтримує інструмент і не вбудовує його безпосередньо у щоденні робочі процеси своєї команди, проєкт буде мати труднощі з досягненням результатів. Нам потрібно уникнути «пастки демо». Успіх — це не запуск безлічі пілотів чи збірка тестових двигунів. Це забезпечення безпеки ваших даних, встановлення чітких обмежень, призначення реальної відповідальності та тихе впровадження AI у щоденну роботу вашого бізнесу.

Tredence давно описує “last mile” ШІ як з’єднання інсайтів з дією. Агентний ШІ потенційно йде ще далі, дозволяючи програмному забезпеченню виконувати рішення. Як змінюється проблема останнього кілометру, коли ШІ переходить від рекомендації дії до автономного її виконання?

Колись вирішення проблеми останнього кілометру ШІ було схоже на їзду з GPS. На екрані показувалося, куди треба повернути, але ви все одно мали фізично крутити кермо. Агентний ШІ повністю змінює це: тепер автомобіль фактично їде сам.

Це змінює всю розмову. Ми більше не намагаємося переконати менеджера довіряти графіку на панелі інструментів; ми створюємо системи, яким можна довіряти у прийнятті рішень від нашого імені. Справжня проблема вже не в тому, щоб змусити людей дивитися на дані, а в тому, щоб визначити, скільки контролю ми готові передати програмному забезпеченню.

Для рутинних, низькоризикових завдань, таких як оновлення журналів інвентарю або очищення файлів даних, запуск агента в режимі автопілоту — очевидний вибір, бо це усуває звичні корпоративні затримки. Але як тільки рішення стосується великої фінансової транзакції, чутливої скарги клієнта або юридичної межі, потрібна людина, готова втрутитися і натиснути на гальмо.

В кінцевому підсумку компанії, які переможуть завдяки агентному ШІ, не будуть лише тими, у кого найрозумніше технологічне рішення. Це будуть організації, які чітко окреслять, де програмне забезпечення може працювати самостійно, а де потрібне людське рішення.

Ви стверджували, що агентне підприємство потребує доменної контекстуальності, управління та інтелектуального виконання, які працюють разом. Чому недостатньо просто розмістити LLM або ШІ‑агента поверх існуючого стеку даних, і які архітектурні зміни потрібні?

Розміщення LLM поверх корпоративних даних — це як найняти розумного співробітника і одразу надати йому доступ до всіх документів компанії. Він розумний і здатний, але все ще не розуміє, як працюють ваші системи, процеси, внутрішні правила та нормативи.

Бізнеси стикаються з подібною проблемою, бо їхні середовища природно складні. Дані розподілені по багатьох системах, а бізнес‑правила тихо еволюціонували протягом багатьох років. До того ж вимоги щодо відповідності варіюються за галузями та географією. Щоб агенти працювали ефективно, їм потрібен контекст, а не лише інформація.

Тому ми розглядаємо корпоративний ШІ як трирівневу архітектуру. Перший рівень — це надійна фундаментальна база даних. Другий — доменна інтелектуальність, яка захоплює бізнес‑контекст, взаємозв’язки, визначення та робочі процеси. Третій — шар досвіду та замкнене виконання, де агенти можуть мислити і діяти в межах керованих обмежень.

Багато організацій інвестували значні ресурси у перший рівень, а деякі вже створили елементи другого. Однак справжня можливість полягає у поєднанні всіх трьох.

Без контексту та управління навіть найспроможніша модель може генерувати правдоподібні відповіді, які просто не відповідають реальності бізнесу. Корпоративному ШІ не потрібна додаткова інтелектуальність. Потрібен більше контексту.

Термін “AI agent” швидко став одним із найчастіше зловживаних у галузі. З технічної точки зору, що відрізняє справді корисного корпоративного агента від чат‑бота, підключеного до кількох інструментів і робочих процесів?

Справді корисний корпоративний агент визначається не стільки тим, наскільки плавно він спілкується, скільки тим, що він може відповідально виконати. На сьогодні багато того, що називають “агентами”, — це просто чат‑боти, підключені до кількох API. Вони можуть відповісти на базове запитання або запустити простий, жорсткий робочий процес. Це зручно, але не трансформативно.

Справжній корпоративний агент не просто слідує сценарію; він розуміє кінцеву мету, розмірковує над різними варіантами, працює через кілька застарілих систем, адаптується до змін і суворо дотримується корпоративних правил управління. Я бачу різницю між пошуковою системою та надійним менеджером операцій: одна надає інформацію, інша бере на себе відповідальність за виконання завдання.

Для цього агентам потрібен глибокий доменний контекст. Наприклад, агент інвентаризації роздрібної торгівлі не може просто глянути на електронну таблицю; він має розуміти цикли поповнення, патерни попиту, рівні обслуговування та вплив маржі одночасно. Те, що відрізняє справжнього агента від складного чат‑бота, — це не інтерфейс чату. Це розуміння домену, пам’ять, міркування, бек‑енд оркестрація та вбудована відповідальність. В кінцевому підсумку бізнесу не потрібен ще один інтерфейс для перегляду. Потрібні системи, які можуть надійно та масштабовано виконувати роботу.

Tredence надає значну увагу галузевому ШІ, особливо в сферах роздрібної торгівлі та споживчих товарів. У міру того, як фундаментальні моделі стають потужнішими, де досі доменна експертиза створює перевагу, і яку частину інтелекту в кінцевому підсумку потрібно отримати завдяки розумінню робочих процесів, термінології, обмежень та економіки конкретної галузі?

Моделі‑основи стали надзвичайно потужними, але галузева експертиза залишається різницею між чистим інтелектом і справжньою корисністю. Це схоже на те, коли один і той самий високотехнологічний медичний підручник передають хірургу, корпоративному юристу та менеджеру роздрібної торгівлі. Інформація в книзі ідентична, але вона цінна лише для тієї людини, яка дійсно розуміє пацієнта, операційну зону та ставки роботи.

Кожна галузь має свої невидимі правила, унікальну економіку, суворі нормативи та щоденні операційні обмеження. У роздрібній торгівлі, наприклад, рекомендація ШІ, яка технічно підвищує точність прогнозу, але випадково викликає масові відсутності товару на полицях, не є корисною — це ризик.

Коли ми застосовуємо глибоку галузеву інтелігенцію до універсальних моделей, бізнес‑результати стають величезними. Наприклад, у Tredence ми впровадили галузево‑специфічні рішення, які принесли неймовірні, підтверджені результати нашим клієнтам. Програма прогнозування для супермаркету створила майже 200 млн доларів вартості та підвищила рівень збігів поповнень вище 90 відсотків. Платформа управління ланцюгом постачання у виробництві забезпечила заощадження у розмірі 10 млн доларів у перший рік. Модернізація робочих процесів у роздрібі скоротила зусилля аналітиків на 70 відсотків, а інша програма досягла скорочення збитків на 100 млн доларів.

Коли моделі‑основи стають коммодитизованою утилітою, подібно до електроенергії, реальна конкурентна перевага повністю переходить до того, хто має найкращий власний контекст і розуміння робочих процесів, щоб перетворити загальний інтелект у точні бізнес‑результати.

Існує напруга між створенням багаторазових платформ ШІ та налаштуванням систем під конкретні дані та процеси кожного підприємства. Як визначити, що слід стандартизувати, а що кастомізувати, і чи може надмірна кастомізація зрештою стати бар’єром для масштабування ШІ?

Знайти правильний баланс між стандартною платформою та індивідуальними функціями завжди складно. Особисто я порівнюю це з міським плануванням. Очевидно, що потрібно стандартизувати дороги, електромережі та водопостачання, але це не означає, що кожен будинок у районі має бути точною копією.

Те ж саме правило стосується ШІ. Такі речі, як безпека даних, управління та моніторинг, мають бути повністю стандартизовані. Вони повинні фактично стати невидимою інфраструктурою підприємства. Щоб зробити це ефективним, я б рекомендував компаніям створити внутрішній маркетплейс багаторазових агентів, щоб команди не постійно винаходили колесо заново.

Ваші реальні бізнес‑процеси, проте, мають залишатися гнучкими, бо саме там живе ваша унікальна конкурентна перевага. Наразі найбільший ризик — не недостатня кастомізація, а надмірна. Коли кожне впровадження ШІ перетворюється на унікальний, ізольований інженерний проєкт, масштабування стає кошмаром, а витрати на підтримку зростають у небачених розмірах. Мета повинна полягати у створенні повторюваної можливості. Ви стандартизуєте міцну основу, а потім даєте командам блоки, необхідні для швидкого адаптування під їхні потреби. Здатність використовувати та повторно застосовувати можливості ШІ стає ключовим диференціатором, прискорюючи впровадження та забезпечуючи швидший час до цінності та сильніший ROI.

Коли агенти отримують можливість приймати рішення та виконувати завдання, як підприємства мають визначати, де доречна автономія, а де людське схвалення має залишатися обов’язковим? Чи є певні бізнес‑функції, у яких, на вашу думку, організації рухаються занадто швидко або надто обережно?

Щодо надання ШІ автономії, ризик завжди має визначати правила, а не лише те, що технологія здатна обробити. Той факт, що агент може виконати процес від початку до кінця, не означає, що слід повністю відрізати захисний шнур. Рутинні щоденні завдання, такі як реєстрація інвентарю чи синхронізація бек‑офісних файлів, ідеально підходять для повної автоматизації, оскільки вони усувають великі операційні вузькі місця. Але коли рішення стосується суворих нормативів, значних фінансових витрат або критичних питань клієнтів, обов’язково потрібна людина в ланці.

Зараз я бачу, що компанії надто обережно підходять до автоматизації в ланцюгах постачання та бек‑офісних процесах. Вони затягують автоматизацію рутинних закупівель та звірки рахунків, де агенти вже сьогодні могли б безпечно заощадити час. Навпаки, вони рухаються надто швидко в обслуговуванні клієнтів та юридичній відповідності, впроваджуючи автономних агентів у непередбачувані спори з клієнтами або автоматизовані огляди контрактів без реальних захисних механізмів. Мета тут — відповідальна автоматизація, а не максимальна.

У міру того, як передові моделі стають дешевшими та потужнішими, роль компаній, що надають послуги ШІ, ймовірно, зміниться. Чи зсувається цінність все більше від створення моделей до архітектури даних, інтеграції, оцінки, оркестрації, управління та переосмислення бізнес‑процесів навколо ШІ? Що відрізнятиме компанії‑постачальники послуг ШІ, які залишаться цінними?

Ми спостерігаємо природний зсув у тому, де створюється цінність. Кілька років тому обчислювальна інфраструктура була важливою конкурентною перевагою. Сьогодні це в основному утиліта, і моделі ШІ швидко йдуть у тому ж напрямку.

Підприємства більше не шукають більші моделі. Вони хочуть швидших рішень, вищої продуктивності та чітких бізнес‑результатів. Через це цінність повністю перемістилася в екосистему навколо моделі — такі речі, як чиста архітектура даних, строгий контроль, розумна оркестрація та повне переосмислення робочих процесів, щоб ШІ був дійсно практичним у масштабі. Переможцями не обов’язково будуть компанії з найскладнішою технологією, а ті, хто зможе перетворити технологію на відчутні бізнес‑результати.

Ми також спостерігаємо, як підприємства підходять до ШІ портфелем. Передові моделі, моделі з відкритою вагою та менші спеціалізовані моделі мають свою роль залежно від випадку використання, вартості, затримки та вимог до управління. У міру зрілості ШІ успіх буде визначатися не тим, хто створює движок, а тим, хто знає, як застосувати його в бізнесі. Те, що я називаю «ритмом виконання», зрештою розділить переможців і решту.

Дивлячись на кілька років уперед, якщо підприємства успішно подолають сьогоднішні проблеми з даними, управлінням та інтеграцією, яким виглядатиме справді AI‑нативна велика компанія? Ви очікуєте, що агенти залишаться інструментами, якими користуються співробітники, чи ми все частіше побачимо, як цілі робочі процеси та бізнес‑функції керуватимуться координованими мережами AI‑агентів?

AI‑нативне підприємство не просто традиційна компанія з кількома додатковими програмними інструментами. Це фундаментально переосмислене підприємство. Ми бачили подібні зрушення під час епох інтернету та цифрових технологій, коли технології змінювали не лише те, як працювали бізнеси, а й їхню структуру. Ці компанії функціонуватимуть зовсім інакше.

Сьогодні бізнеси організовані навколо людей, які виконують ручні завдання за підтримки програмного забезпечення. У майбутньому цілі робочі процеси можуть бути оркестровані координованими мережами AI‑агентів, а люди займатимуть все більш наглядову та стратегічну роль. Це схоже на те, як електрика трансформувала фабрики. Вона не ліквідувала фабрику; вона повністю змінила її дизайн та спосіб роботи.

У цих майбутніх компаніях агенти будуть постійно моніторити операції, виявляти можливості та виконувати рутинні завдання в різних підрозділах. Це не означає, що люди зникають; наші робочі місця просто стануть більш стратегічними, повністю переходячи до суджень, інновацій та побудови відносин.

Переможцями не будуть компанії, які розгорнуть найбільшу кількість агентів. Це будуть ті, хто створить найсильніший мікс довірених даних, галузевої інтелігенції та людського контролю. Майбутнє не про повністю автономні підприємства; воно про інтелектуально оркестровані підприємства, де люди та агенти працюють разом, щоб досягати цілей, які жоден з них не зможе досягти самостійно.

Дякуємо за чудове інтерв’ю, читачі, які хочуть дізнатися більше, повинні відвідати Tredence.