Лакшмікант Гундаварапу, Головний офіцер з інновацій у Tredence – Серія інтерв’ю

Лакшмікант Гундаварапу є Головним офіцером з інновацій у Tredence. З більш ніж трьома десятилітнями досвіду у сфері ІТ, Лакшмікант є авторитетним експертом у сфері трансформації штучного інтелекту та цифрових інновацій.

Як колишній Глобальний керівник відділу даних та штучного інтелекту у Microsoft (MSFT ) India, лідерство Лакшміканта дозволило здійснити цифрову трансформацію для більш ніж 100 клієнтів у 40 країнах. У Microsoft Лакшмікант очолював інтеграцію відкритих баз даних на Azure та створив стратегічні альянси з постачальниками рішень SaaS.

З талантом до розробки клієнто-орієнтованих рішень штучного інтелекту, Лакшмікант excels у створенні стратегічних партнерств, які сприяють інноваціям. Лакшмікант приносить великий досвід, технічну експертизу та лідерські якості для каталізування трансформацій, заснованих на штучному інтелекті, демонструючи здатність перекладати нові технології у конкретні бізнес-рішення.

Tredence є компанією, яка займається даними та штучним інтелектом і допомагає підприємствам перетворити експерименти з аналітики у реальний вплив. Вони працюють у таких галузях, як роздрібна торгівля, виробництво споживчих товарів, технології, фінанси, охорона здоров’я та туризм, пропонуючи послуги у сфері інженерії даних, штучного інтелекту/машинного навчання, генеративного штучного інтелекту, ланцюжків постачання, досвіду клієнтів та цифрової модернізації. Їхнім фокусом є поєднання швидкості за допомогою прискорювачів, глибокої експертизи у галузі та сильних партнерств для доставки масштабованих, готових до використання рішень.

З вашим досвідом у Microsoft India, які досвіди сформували ваше бачення трансформації підприємства, заснованої на штучному інтелекті, яке тепер проявляється у стратегії Tredence?

Під час моєї роботи у Microsoft, я мав можливість працювати з підприємствами різних секторів, включаючи авіацію та нерухомість. Це очевидно, що штучний інтелект може створити реальний вплив, коли він має чітку мету, підтримується надійними даними та розроблений для інтеграції у процеси операційного прийняття рішень.

Наприклад:

• Одна з великих авіакомпаній реалізувала штучний інтелект для прогнозування виходу з ладу двигунів, що дозволило провести профілактичне обслуговування та покращити безпеку та ефективність.
• Одна з великих компаній з нерухомості використала штучний інтелект для прогнозного моніторингу основних систем будівель, що призвело до зменшення простою та оптимізації графіків обслуговування.

Ці досвіди навчили мене, що технології самі по собі не трансформують підприємства. Це вимагає вдумливого дизайну, сильних даних та механізмів, які перекладають знання у реальні дії. Це бачення тепер керує підходом Tredence: ми розробляємо рішення штучного інтелекту, які мають чітку мету, інформовані даними та здатні доставляти вимірювані результати по всьому підприємству.

Tredence часто описується як рішення “останньої милі” у штучному інтелекті. Чи можете ви поділитися прикладами, де ця прискорена трансформація для клієнтів? 

Розгляньте великого глобального рітейлера. Об’єднавши фрагментовані дані з транзакцій, програм лояльності, операцій ланцюжків постачання та цифрових точок контакту, ми змогли реалізувати застосування штучного інтелекту, яке сприяло зростанню доходів, збереженню клієнтів, персоналізації шляху та прогнозуванню попиту. Ми застосували ці знання операційно, перетворивши аналіз у реальні бізнес-результати.

Випадок дослідження рітейлера: Tredence створила уніфіковану систему персоналізації, яка згенерувала 58 мільйонів доларів доходів та закрила розрив KPI на 54%. Це пішло далі клієнтських знань та доставило персоналізацію, яка приносить доходи у масштабі.

У біофармацевтиці інтеграція даних досліджень та розробок, клінічних та комерційних даних дозволила штучному інтелекту оптимізувати набір клінічних досліджень, покращити дизайн дослідження та підвищити залученість лікарів, тим самим прискоривши час виходу на ринок та збільшивши доходи.

По всіх секторах, від виявлення шахрайства у банку до прогнозного обслуговування у виробництві, урок залишається тим самим: штучний інтелект доставляє цінність лише тоді, коли він сприяє прийняттю рішень, які мають значення для бізнесу.

Випадок дослідження банку: Tredence розгорнула GenAI AML (анти-відмивання коштів) копілоти, які не тільки генерували знання про підозрілу діяльність, але й інтегрувалися у щоденні операції для підвищення продуктивності на 120%, одночасно скорочуючи помилкові позитиви на 15%. Це показує переклад з виявлення штучного інтелекту у операційну ефективність.

Підприємства часто зустрічаються з труднощами при переході від пілотних проектів штучного інтелекту до масштабної реалізації. Які найбільші перешкоди, і як Tredence допомагає їх подолати?

Багато ініціатив штучного інтелекту застряють, оскільки вони не розроблені з чіткою бізнес-метою, навіть якщо вони є технічно сильними. Ключові виклики включають:

1. Пропуски у дизайні, орієнтованому на результат: знання можуть бути цікавими, але не розв’язують вимірювані бізнес-проблеми.
2. Обмеження даних: фрагментовані або низькоякісні дані перешкоджають надійній масштабованості.
3. Операційні виклики: без автоматичного розгортання, моніторингу, повторної навчання та управління, моделі залишаються експериментальними.

У Tredence ми подолаємо ці виклики за допомогою:

• Дизайну, орієнтованого на результат, який забезпечує, що кожна ініціатива штучного інтелекту безпосередньо пов’язана з вимірюваними бізнес-результатами.
• Надійних даних, які консолідують та збагачують набори даних для надійної роботи моделі.
• Готових до виробництва операційних рамок, включаючи автоматичне розгортання, моніторинг та повторне навчання для підтримання точності, стійкості та відповідності.

Цей підхід дозволяє підприємствам перейти від експериментів до повномасштабного штучного інтелекту, який постійно доставляє бізнес-вплив.

Ви недавно оголосили про Milky Way, сузір’я автономних агентів штучного інтелекту. Що надихнуло його дизайн, і як він відрізняється від традиційних помічників штучного інтелекту?

Milky Way народився з розуміння, що підприємства потребують більшого, ніж панелі або чат-боти. їм потрібна рамка розуміння, яка може споживати, інтерпретувати та з’єднувати багатовимірні дані для генерації дієвої інформації.

На відміну від традиційних помічників, агенти Milky Way:

• Розуміють по-різному джерела даних, з’єднуючи знання, а не просто відповідаючи на питання.
• Аналізують складні, багатовимірні проблеми, з’єднуючи інформацію по роботах.
• Доставляють дієвої інформації, перетворюючи знання у рішення або автоматичні дії.

Коротко кажучи, Milky Way перетворює штучний інтелект у мережу агентів розуміння, здатних справлятися з складністю та доставляти реальні бізнес-результати, а не просто заміняючи базові інструменти.

Ранні розгортання Milky Way доставили швидкі результати. Що забезпечило ці вигоди?

Три елементи зробили різницю:

1. Вбудовування знань там, де відбуваються рішення, роблячи рекомендації негайно дієвими.
2. Передбачувана інформація, перетворюючи знання у проактивні рішення, а не ретроспективний аналіз.
3. Безпеки та керованих платформ, дозволяючи підприємства масштабувати штучний інтелект, зберігаючи при цьому відповідність та контроль.

Це поєднання доставляє реальні бізнес-результати за тижні, а не місяці.

Milky Way пріоритезує пояснюваність, аудитованість та шляхи розуміння. Наскільки критично це для довіри підприємства?

Довіра є фундаментальною у підприємстві штучного інтелекту. Milky Way забезпечує:

• Прозорий раціонал для кожної рекомендації.
• Аудитні сліди, документуючи всі входи, виходи та дії.
• Постійне тестування на витривалість для забезпечення стійкості та надійності.

Ця прозорість та підзвітність відрізняють Milky Way від непрозорих, чорних скриньок систем, будуючи довіру підприємства до прийняття.

Як ця зміна від інструментів до помічників штучного інтелекту вплине на організації та прийняття рішень?

Помічники штучного інтелекту змінюють спосіб, у який організації працюють:

• Менеджери приймають на себе подвійні ролі, керуючи людьми та наглядаючи за агентами штучного інтелекту.
• Рішення стають спільними, з агентами, які займаються розумінням, та людьми, які забезпечують контекст та етичну нагляд.
• Операційні структури еволюціонують для інтеграції штучного інтелекту у щоденні рішення, покращуючи швидкість, послідовність та якість результатів.

До 2028 року одна третина бізнес-рішень може бути прийнята автономно. Що повинні організації змінити, щоб забезпечити безпеку?

 Для безпечного розгортання автономного штучного інтелекту організації повинні реалізувати практичні заходи по культурі, операціях та управлінні:

Культура – Будувати довіру до штучного інтелекту:

• Починайте з людьми у циклі прийняття рішень та поступово збільшуйте автономність.
• Навчайте команди розуміти, валідувати та втручатися у рекомендації штучного інтелекту.

Операції – Реалізуйте моніторинг та контроль ризиків:

• Постійно відстежуйте рішення штучного інтелекту щодо точності, упередженості та відповідності.
• Проводьте симуляції на витривалість для виявлення уразливостей.
• Зберігайте зворотні зв’язки для покращення моделей штучного інтелекту з людських коригувань.

Управління – Встановіть межі та шляхи ескалації:

• Визначте, які рішення можуть бути повністю автоматизовані, а які вимагають нагляду.
• Забезпечте аудитованість та слідування за всіма діями штучного інтелекту.
• Створіть процеси для втручання у випадку аномалій або ризиків.

Ці кроки дозволяють організаціям масштабувати автономне прийняття рішень безпечно, зберігаючи при цьому контроль, підзвітність та відповідність.

Який у Tredence шлях розвитку Milky Way?

Наш шлях розвитку включає:

1. Агентів для окремих галузей, таких як рітейл, охорона здоров’я, виробництво та фінансові послуги.
2. Глибшу інтеграцію з системами ERP, CRM та ланцюжками постачання для безперешкодної адаптації.
3. Постійне навчання та розуміння для можливості агентів покращувати свій інтелект та контекстне розуміння з часом.

Видіння – це екосистема співпрацюючих агентів, яку підприємства можуть складати, керувати та довіряти.

Як керівники рівня C повинні готуватися до того, що штучний інтелект буде займати стратегічні ролі прийняття рішень?

Прийняття штучного інтелекту – це шлях зрілості:

• Починайте з людьми у циклі прийняття рішень, переходьте до напівавтономних робочих процесів та згодом дозволяйте повну автономність у керованих доменах.
• Інвестуйте у грамотність штучного інтелекту, дозволяючи командам ефективно співпрацювати з системами штучного інтелекту.
• Переоцінюйте KPI, рамки управління та операційні структури для фокусу на якості рішень та бізнес-впливі, а не тільки на продуктивності моделі.

У кінцевому підсумку, прийняття штучного інтелекту – це не тільки технологічна ініціатива; це трансформація у лідерстві, культурі та операційному прийнятті рішень.

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