Ankur Dhingra, CEO của ProHance – Chuỗi Phỏng Vấn

Ankur Dhingra, CEO của ProHance, là một giám đốc công nghệ và vận hành có kinh nghiệm với hơn hai thập kỷ lãnh đạo trong lĩnh vực năng suất doanh nghiệp, dịch vụ tài chính và hoạt động kinh doanh toàn cầu. Ông đã dẫn dắt ProHance từ năm 2020, tập trung vào việc xây dựng một nền tảng thống nhất để quan sát, quản trị và cải thiện năng suất của nhân viên, nhà cung cấp và hệ thống AI. Trước khi trở thành CEO, Dhingra là Đối tác tại FutureIP, nơi ProHance được phát triển như một nền tảng quản lý vận hành và phân tích. Trước đó, ông đã làm việc hơn tám năm tại American Express, giữ chức Phó Chủ tịch và Giám đốc Điều hành Toàn cầu của Bộ phận Hậu cần và trước đó lãnh đạo các hoạt động tương tác khách hàng bao gồm điện thoại quy mô lớn, chat, tuân thủ quy định và chức năng bảo đảm kinh doanh. Sự nghiệp của ông còn bao gồm các vị trí lãnh đạo cao cấp tại Genpact, nơi ông quản lý một thực tiễn ngân hàng với 1.100 nhân viên và lợi nhuận 35 triệu USD, và tại GE Capital, nơi ông dẫn dắt hoạt động dịch vụ tài chính tại Ấn Độ.

ProHance là một công ty trí tuệ lực lượng lao động doanh nghiệp và phân tích năng suất, cung cấp cho các tổ chức khả năng quan sát thời gian thực về cách công việc được thực hiện qua nhân viên, nhà cung cấp bên ngoài, trợ lý AI và các tác nhân tự động. Nền tảng của họ, được định vị là “Phòng Điều khiển Năng suất,” kết hợp phân tích lực lượng lao động, lập kế hoạch năng lực, phân bổ công việc thông minh, đo lường năng suất và công cụ quản trị để giúp doanh nghiệp xác định các nút thắt hoạt động, tối ưu hóa việc sử dụng nguồn lực và hiểu tác động của AI đối với hiệu suất tổ chức. ProHance cho biết công nghệ của họ được hơn 450.000 người dùng trên 220 doanh nghiệp ở 55 quốc gia sử dụng, với các ứng dụng bao gồm ngân hàng và dịch vụ tài chính, gia công quy trình kinh doanh, trung tâm năng lực toàn cầu, chăm sóc sức khỏe và công nghệ thông tin.

Bạn đã dành hơn hai thập kỷ lãnh đạo các hoạt động quy mô lớn tại GE Capital, Genpact và American Express trước khi trở thành CEO của ProHance. Những trải nghiệm đó đã dạy bạn gì về những hạn chế của quản lý lực lượng lao động và năng suất truyền thống, và những bài học này đã định hình cách bạn xây dựng ProHance cho một doanh nghiệp ưu tiên AI như thế nào?

Kinh nghiệm của tôi tại GE Capital, Genpact và American Express đã dạy tôi rằng một trong những khoảng trống lớn nhất trong quản lý lực lượng lao động truyền thống không nhất thiết nằm ở phía trước, mà ở bộ phận hậu cần.

Tại American Express, tôi đã từng làm việc ở phía dịch vụ khách hàng, nơi trung tâm liên lạc có quyền truy cập vào công nghệ khá tinh vi để đo lường năng suất — thời gian nhân viên dành ra, mức độ sử dụng, khối lượng tương tác và cách các quy trình có thể được tối ưu hoá. Nhưng khi tôi chuyển sang lãnh đạo các hoạt động hậu cần, tôi đã thấy một thực tế rất khác.

Một lượng công việc khổng lồ trong các doanh nghiệp lớn diễn ra phía sau hậu trường — xử lý giao dịch, quản lý hồ sơ, nhập dữ liệu và các hoạt động dựa trên quy trình khác — tuy nhiên hầu như không có bất kỳ đo lường có ý nghĩa nào về cách công việc đó thực sự được thực hiện. Công nghệ và khả năng quan sát tồn tại cho bộ phận trước không hề được chuyển sang bộ phận hậu cần.

Tôi gần như ám ảnh một cách phi lý với vấn đề này. Tôi bắt đầu tìm kiếm các công nghệ hiện có và nói chuyện với các nhà cung cấp đã có uy tín, nhưng những gì tôi thấy đều quá cồng kềnh, quá đắt đỏ, hoặc đơn giản không được thiết kế cho thực tế của các hoạt động hậu cần. Tôi cứ nghĩ: đây là một ngành công nghiệp hơn 150 tỷ USD, và đây là một vấn đề đã tồn tại trong nhiều năm. Chắc chắn có ai đó đang giải quyết nó tốt hơn.

Cuộc tìm kiếm cuối cùng đã đưa tôi đến ProHance, nơi Rajesh Sharma và Kishore Reddy (đồng sáng lập của ProHance) đã xây dựng công nghệ đáp ứng nhiều thách thức mà tôi đã xác định với tư cách là người dùng nâng cao các hệ thống này. Tôi biết chính xác công nghệ cần làm gì — tự động ghi lại hoạt động, hoạt động trên các hệ điều hành khác nhau, đo thời gian cả khi đang và không ở trên hệ thống, và cung cấp một cái nhìn đáng tin cậy về cách công việc thực sự diễn ra.

Trải nghiệm đó đã định hình cách tôi nghĩ về ProHance ngày nay. Bài học là bạn không thể xây dựng một doanh nghiệp ưu tiên AI chỉ bằng cách thêm AI vào các công cụ quản lý lực lượng lao động hiện có. Trước tiên bạn cần một hiểu biết đáng tin cậy và chi tiết về công việc tự nó. AI sau đó có thể biến đổi cách công việc được phân tích, tối ưu hoá và cuối cùng được thiết kế lại.

Đối với tôi, ProHance là việc mang lại cùng mức độ quan sát và trí tuệ mà các doanh nghiệp từ trước đã có ở bộ phận trước cho toàn bộ tổ chức — và sử dụng AI để có một thước đo tốt hơn về năng suất, điều này sẽ cải thiện căn bản cách công việc được thực hiện.

Khi AI sinh tạo và các tác nhân AI chiếm ngày càng nhiều phần việc tri thức, các chỉ số năng suất truyền thống như số giờ làm việc hay mức độ sử dụng ứng dụng có thể trở nên kém ý nghĩa. Doanh nghiệp nên định nghĩa lại năng suất như thế nào khi một con người có thể hoàn thành trong 30 phút những gì trước đây mất nhiều giờ?

Năng suất phải chuyển từ đo lường hoạt động sang đo lường kết quả. Nếu AI cho phép ai đó hoàn thành trong 30 phút những gì trước đây mất ba giờ, chuẩn ba giờ không còn phù hợp. Tiêu điểm nên là những gì đã đạt được, chất lượng của kết quả và mức độ hiệu quả trong việc sử dụng thời gian và kỹ năng.

Điều này cũng đồng nghĩa với việc doanh nghiệp cần hiểu AI thực sự loại bỏ công việc lặp đi lặp lại ở đâu và nơi nào vẫn cần phán đoán của con người. Năng suất nên ngày càng phản ánh kết quả, năng lực, chất lượng và tác động kinh doanh, thay vì số giờ ngồi tại bàn hay mức độ sử dụng ứng dụng.

Bạn đã mô tả trí tuệ lực lượng lao động ngày càng quan trọng trong doanh nghiệp ưu tiên AI. “Trí tuệ lực lượng lao động” thực tế có nghĩa là gì, và nó khác gì so với các công cụ giám sát nhân viên và phân tích lực lượng lao động mà các công ty đã sử dụng trong quá khứ?

Trí tuệ lực lượng lao động về cơ bản là cung cấp cho một tổ chức cái nhìn rõ ràng hơn về cách công việc thực sự diễn ra. Nó tổng hợp các tín hiệu về khối lượng công việc, năng lực, mức độ sử dụng, quy trình và kết quả để giúp lãnh đạo xác định nơi các đội ngũ đang bị căng thẳng, nơi có năng lực và nơi công việc bị kẹt.

Điều này khác với việc giám sát nhân viên truyền thống, thường tập trung vào hoạt động cá nhân. Trí tuệ lực lượng lao động nên hoạt động ở mức độ rộng hơn nhiều. Mục tiêu không phải là hỏi “Nhân viên này đang làm gì mỗi phút?” mà là “Công việc đang chảy như thế nào trong toàn tổ chức, và chúng ta có thể làm gì để cải thiện nó?”

ProHance ngày càng kết hợp dữ liệu lực lượng lao động định tính với học máy để tạo ra những hiểu biết dự đoán, bao gồm việc xác định các rủi ro tiềm năng về mất gắn kết và duy trì nhân viên. Làm thế nào bạn đảm bảo các mô hình AI này phân biệt được các mẫu có ý nghĩa so với những biến thể bình thường trong hành vi nhân viên, và mức độ quan trọng của khả năng giải thích khi các nhà quản lý đưa ra quyết định về con người là như thế nào?

Tại ProHance, chúng tôi tin rằng chất lượng và ngữ cảnh của dữ liệu nền tảng là yếu tố then chốt. Hành vi của nhân viên tự nhiên thay đổi tùy thuộc vào dự án, khối lượng công việc, đội ngũ, mùa vụ và chu kỳ kinh doanh. Một sự thay đổi trong hoạt động không nhất thiết chỉ ra mất gắn kết hay rủi ro duy trì.

Cách tiếp cận là tìm kiếm các mẫu qua nhiều tín hiệu và theo thời gian, thay vì đưa ra kết luận dựa trên một hành vi duy nhất. AI có thể giúp xác định các mẫu cần chú ý, nhưng không nên được coi là người quyết định cuối cùng.

Khả năng giải thích cũng quan trọng không kém. Nếu một hệ thống đánh dấu một rủi ro tiềm năng, các nhà quản lý cần có khả năng hiểu các yếu tố đằng sau tín hiệu đó và áp dụng phán đoán của mình. Khi công nghệ được sử dụng để hỗ trợ quyết định về con người, tính minh bạch và giám sát của con người là điều thiết yếu.

Có sự lo ngại hợp lý từ nhân viên khi các tổ chức giới thiệu công nghệ có khả năng phân tích mô hình công việc, mức độ sử dụng ứng dụng, thời gian không hoạt động hoặc hiệu suất. Doanh nghiệp nên vẽ ra ranh giới ở đâu giữa việc đạt được khả năng quan sát vận hành hữu ích và tạo ra một nền văn hoá giám sát?

Ranh giới phần lớn được quyết định bởi mục đích, tính minh bạch và cách dữ liệu được sử dụng. Nhân viên một cách hợp lý sẽ cảm thấy không thoải mái khi công nghệ được đưa vào mà không có sự rõ ràng về những gì đang được đo lường và lý do tại sao.

Mục tiêu nên là hiểu công việc ở mức độ tổ chức và vận hành, thay vì liên tục giám sát cá nhân. Nếu dữ liệu lực lượng lao động giúp xác định khối lượng công việc quá tải, các nút thắt hoặc quy trình kém hiệu quả, nó thực tế có thể cải thiện trải nghiệm của nhân viên.

Doanh nghiệp cũng nên rõ ràng về những gì họ không muốn làm. Công nghệ nên giúp các nhà quản lý có những cuộc trò chuyện tốt hơn với đội ngũ của họ, chứ không thay thế các cuộc trò chuyện đó hoặc tạo ra một hệ thống giám sát liên tục.

Các trợ lý AI và các tác nhân tự động ngày càng trở thành một phần của lực lượng lao động. Bạn có nghĩ rằng các nền tảng trí tuệ lực lượng lao động cuối cùng sẽ cần đo lường năng suất của con người và các tác nhân AI cùng nhau, và một chỉ số năng suất con người‑đối‑AI có ý nghĩa sẽ như thế nào?

Có, tôi nghĩ điều này sẽ ngày càng quan trọng. Khi các tác nhân AI bắt đầu đảm nhận các phần của quy trình làm việc, việc chỉ đo lường hoạt động của con người sẽ cung cấp cho doanh nghiệp một bức tranh không đầy đủ về cách công việc được thực hiện.

Nhưng tôi không nghĩ chúng ta sẽ chỉ có một điểm số năng suất “con người so với AI” duy nhất. Một cách tiếp cận hữu ích hơn là hiểu sản lượng kết hợp của con người, công cụ AI và các tác nhân trong một quy trình làm việc.

Doanh nghiệp có thể xem xét AI giảm bao nhiêu thời gian khỏi các nhiệm vụ lặp đi lặp lại, tốc độ di chuyển của quy trình, chất lượng kết quả và nơi nào vẫn cần sự can thiệp của con người. Câu hỏi thực sự trở thành: con người và AI đang làm việc cùng nhau hiệu quả như thế nào?

ProHance nói về việc tiến xa hơn so với đo lường năng suất thô, hướng tới trí tuệ vận hành, bao gồm phân tích khối lượng công việc, dự báo, tối ưu hoá quy trình và phân bổ nguồn lực. Trong tương lai, phần nào của danh mục này sẽ liên quan đến việc AI chủ động đề xuất những gì các nhà quản lý nên thay đổi thay vì chỉ cung cấp cho họ các bảng điều khiển?

Tôi nghĩ đó là hướng mà ProHance nhìn thấy cho danh mục này. Các bảng điều khiển hữu ích, nhưng chúng vẫn để lại cho các nhà quản lý trách nhiệm giải thích thông tin và quyết định bước tiếp theo.

Giai đoạn tiếp theo là các nền tảng nhận diện một mẫu và giúp trả lời “chúng ta nên làm gì về vấn đề này?” Điều này có thể là làm nổi bật một đội ngũ quá tải, xác định một bộ kỹ năng chưa được sử dụng hết, dự báo khoảng trống năng lực hoặc đề xuất nơi một quy trình có thể được cải thiện.

Đối với ProHance, giá trị sẽ ngày càng đến từ việc chuyển từ quan sát sang hành động. AI nên giúp các nhà quản lý đưa ra quyết định tốt hơn trong khi vẫn để quyết định cuối cùng ở trong tay người hiểu rõ doanh nghiệp và bối cảnh.

Bạn đã so sánh trí tuệ năng suất với một báo cáo sức khỏe hàng năm cho một tổ chức. Những tín hiệu quan trọng nhất mà các nhà điều hành nên xem xét để xác định liệu lực lượng lao động của họ thực sự khỏe mạnh, năng suất và thích nghi thành công với AI là gì?

Tôi sẽ xem xét một sự kết hợp các tín hiệu thay vì chỉ một con số năng suất. Năng lực và khối lượng công việc là những điểm khởi đầu hiển nhiên, nhưng các nhà điều hành cũng nên hiểu liệu công việc có được phân phối hiệu quả không, nơi nào đang xuất hiện các nút thắt, các đội ngũ đang thích nghi với AI như thế nào và liệu con người có đang dành quá nhiều thời gian cho các hoạt động có giá trị thấp không.

Một tín hiệu quan trọng khác là tính bền vững. Một đội ngũ đạt kết quả xuất sắc vì nhân viên liên tục làm việc vượt quá năng lực hợp lý không nhất thiết là khỏe mạnh hoặc năng suất trong dài hạn.

Một lực lượng lao động khỏe mạnh là khi năng lực, khối lượng công việc và kết quả được cân bằng hợp lý, nhân viên có không gian để tập trung vào công việc có giá trị cao hơn, và tổ chức có thể thích nghi khi bản chất của công việc thay đổi.

“Năng suất” đã phát triển các liên tưởng tiêu cực đối với nhiều nhân viên vì nó có thể ngụ ý làm nhiều công việc hơn với ít người hơn. Các tổ chức có thể khôi phục lại khái niệm này và sử dụng trí tuệ năng suất dựa trên AI để cải thiện trải nghiệm nhân viên, giảm kiệt sức và loại bỏ công việc có giá trị thấp thay vì chỉ tăng sản lượng như thế nào?

Các tổ chức cần rời xa việc định nghĩa năng suất chỉ là “nhiều sản lượng hơn từ ít người hơn”. Định nghĩa đó quá hẹp, đặc biệt trong môi trường làm việc được hỗ trợ bởi AI.

AI lý tưởng nên trả lại cho con người thời gian hiện đang bị tiêu tốn vào công việc hành chính lặp đi lặp lại, quy trình thủ công và các nhiệm vụ có giá trị thấp. Cơ hội là sử dụng thời gian đó cho việc giải quyết vấn đề, tương tác với khách hàng, đổi mới và công việc đòi hỏi phán đoán của con người.

Nếu trí tuệ năng suất được sử dụng để xác định nơi nhân viên bị quá tải hoặc tiêu tốn thời gian không hiệu quả, nó thực tế có thể trở thành một công cụ cải thiện trải nghiệm nhân viên. Mục tiêu nên là làm cho công việc tốt hơn, không chỉ làm cho con người làm việc nhanh hơn.

Nhìn về phía trước, khi AI được nhúng vào hầu hết mọi quy trình doanh nghiệp, bạn tin rằng yếu tố nào sẽ phân biệt các tổ chức thành công trong việc tăng cường lực lượng lao động bằng AI so với những tổ chức triển khai công nghệ nhưng không chuyển đổi nó thành những cải thiện năng suất có ý nghĩa?

Các tổ chức hưởng lợi nhiều nhất từ AI sẽ là những tổ chức nhìn xa hơn việc triển khai công nghệ. Có quyền truy cập vào một công cụ AI không tự động tạo ra những cải thiện năng suất.

Các nhà lãnh đạo sẽ hiểu AI đang thay đổi quy trình công việc ở đâu, các vai trò đang tiến triển như thế nào và liệu tổ chức có thực sự đạt được kết quả tốt hơn từ công nghệ hay không. Họ cũng sẽ liên tục đo lường những gì đang hoạt động và điều chỉnh phù hợp.

Cuối cùng, các tổ chức thành công sẽ xem việc áp dụng AI như một sự thay đổi trong cách thực hiện công việc, chứ không chỉ là một triển khai công nghệ khác. Họ sẽ kết hợp AI với các quy trình, kỹ năng, khả năng quan sát lực lượng lao động và thực tiễn quản lý phù hợp. Đó là yếu tố quyết định AI có trở thành lợi thế năng suất thực sự hay chỉ là một lớp công nghệ bổ sung.

Cảm ơn bạn đã tham gia buổi phỏng vấn tuyệt vời. Độc giả muốn tìm hiểu thêm nên truy cập ProHance.