Rajan Sethuraman, CEO của LatentView Analytics – Loạt Phỏng Vấn

Rajan Sethuraman, CEO của LatentView Analytics, là một nhà điều hành giàu kinh nghiệm với sự nghiệp bao gồm tư vấn, lãnh đạo nhân sự và chuyển đổi doanh nghiệp, với các vị trí lãnh đạo tại Accenture và KPMG trước khi gia nhập LatentView. Sự tiến bộ của ông từ Chief People Officer đến CEO phản ánh sự nhấn mạnh mạnh mẽ vào phát triển nhân sự, thiết kế tổ chức và mô hình hoạt động có thể mở rộng, điều này hiện đang định hình cách tiếp cận của ông đối với AI và phân tích. Với kinh nghiệm sâu sắc trong tuyển dụng, học tập và chiến lược kinh doanh, ông đã luôn tập trung vào việc kết hợp con người, văn hóa và công nghệ để đưa ra quyết định có thể đo lường được, kết quả là dẫn dắt LatentView thông qua IPO và mở rộng toàn cầu trong khi định vị AI như một khả năng kinh doanh chứ không phải là một chức năng độc lập.

LatentView Analytics là một công ty phân tích dữ liệu và chuyển đổi số toàn cầu giúp các doanh nghiệp tận dụng dữ liệu, trí tuệ nhân tạo và phân tích nâng cao để cải thiện việc ra quyết định và thúc đẩy tăng trưởng. Công ty cung cấp các dịch vụ như kỹ thuật dữ liệu, phân tích dự đoán và tư vấn dựa trên AI trên các ngành công nghiệp bao gồm dịch vụ tài chính, bán lẻ và công nghệ, làm việc với khách hàng Fortune 500 trên toàn thế giới. Giá trị cốt lõi của nó nằm ở việc chuyển đổi dữ liệu thô thành thông tin hành động có thể giúp các doanh nghiệp tối ưu hóa hoạt động, dự đoán xu hướng và tạo ra lợi thế cạnh tranh trong một nền kinh tế ngày càng tăng.

Bạn bắt đầu sự nghiệp của mình trong lĩnh vực tư vấn và lãnh đạo nhân sự tại Accenture và KPMG trước khi trở thành CEO của LatentView Analytics, nơi bạn đã dẫn dắt công ty thông qua IPO và vụ mua lại đầu tiên. Làm thế nào nền tảng của bạn trong phát triển nhân sự và chiến lược tổ chức đã định hình cách bạn mở rộng AI và phân tích ngày nay?

Sự nghiệp đầu tiên của tôi tập trung mạnh vào nhân sự, phát triển lãnh đạo và xây dựng các tổ chức có thể mở rộng. Kinh nghiệm đó vẫn tiếp tục định hình cách tôi nghĩ về AI ngày nay. Công nghệ alone không mở rộng một tổ chức. Điều quan trọng là các đội ngũ áp dụng nó, các nhà lãnh đạo sắp xếp xung quanh nó và làm thế nào rõ ràng vấn đề kinh doanh được định nghĩa. Tại LatentView, chúng tôi dành rất nhiều thời gian giúp các tổ chức xây dựng mô hình hoạt động, kỹ năng và văn hóa cần thiết để biến phân tích và AI thành quyết định hàng ngày.

Vì vậy, tôi có xu hướng nghĩ về AI thông qua ống kính sẵn sàng của tổ chức. Mở rộng AI đòi hỏi chuyên môn lĩnh vực mạnh mẽ, nền tảng dữ liệu và các đội ngũ có thể dịch thông tin thành hành động. Sự tập trung của tôi luôn là xây dựng những khả năng cùng nhau thay vì đối xử với AI như một khả năng riêng biệt.

Bạn đã nói về chủ nghĩa tối giản AI — ưu tiên sự rõ ràng, tò mò và văn hóa hơn là theo đuổi mọi xu hướng mới của GenAI. Chủ nghĩa tối giản AI trông như thế nào trong thực tế đối với các nhà lãnh đạo doanh nghiệp?

Chủ nghĩa tối giản AI bắt đầu với sự tập trung. Các nhà lãnh đạo doanh nghiệp không cần phải theo đuổi mọi mô hình hoặc khả năng mới xuất hiện. Họ cần một số vấn đề có ý nghĩa mà AI có thể cải thiện quyết định hoặc năng suất theo cách có thể đo lường được. Đó có thể là quyết định về giá, lập kế hoạch chuỗi cung ứng hoặc cách kiến thức di chuyển trên toàn tổ chức. Bắt đầu với một vấn đề được định nghĩa rõ ràng giúp các đội ngũ xây dựng sự tự tin và học cách mở rộng có trách nhiệm thực sự trông như thế nào.

Nó cũng có nghĩa là nhúng AI vào các quy trình làm việc thực tế thay vì đối xử với nó như một thí nghiệm cô lập. Khi các đội ngũ thấy công nghệ giúp họ giải quyết các vấn đề hàng ngày, việc áp dụng có xu hướng tăng trưởng tự nhiên. Sự tò mò và thí nghiệm vẫn quan trọng, nhưng chúng hoạt động tốt nhất khi chúng được neo đậu trong một ý nghĩa rõ ràng.

Nhiều tổ chức đang vội vàng vào AI tạo ra mà không củng cố nền tảng dữ liệu của họ trước. Những dấu hiệu cảnh báo nào cho thấy một công ty đang xây dựng trên nền tảng không ổn định?

Một điều tôi thường nhận thấy là khi cuộc trò chuyện về AI di chuyển nhanh hơn cuộc trò chuyện về dữ liệu. Nếu các nhà lãnh đạo đang nói về các phi công và mô hình tạo ra nhưng vẫn còn nhầm lẫn về nơi dữ liệu chính sống, ai sở hữu nó hoặc các chỉ số kinh doanh thực sự tin cậy, đó thường là một dấu hiệu cho thấy nền tảng không sẵn sàng yet. Các hệ thống AI phụ thuộc nặng vào dữ liệu đáng tin cậy và được quản lý tốt. Nếu không, nó trở nên khó khăn cho mọi người để tin tưởng vào đầu ra.

Một tín hiệu khác là khi các công ty có nhiều thí điểm đang chạy nhưng rất ít trong số đó ảnh hưởng đến quyết định thực sự. AI tạo ra có thể tạo ra các bản demo ấn tượng, nhưng thử nghiệm thực sự là liệu nó trở thành một phần của cách tổ chức hoạt động.

Kể từ khi bạn trở thành CEO, bạn đã tạo ra tác động có thể đo lường được cho các khách hàng toàn cầu. Những yếu tố nào phân biệt các công ty thành công trong việc triển khai AI từ những công ty còn bị kẹt trong chế độ thí điểm?

Các công ty thành công trong việc mở rộng AI đối xử với nó như một kỷ luật hoạt động, không phải là một dự án đổi mới bên cạnh. Họ giao quyền sở hữu điều hành, kết nối các trường hợp sử dụng với kết quả kinh doanh có thể đo lường được và thiết kế cho tích hợp từ đầu. Họ cũng đầu tư vào công việc ít lôi cuốn hơn, chẳng hạn như đường ống dữ liệu, quản trị, thiết kế quy trình lại và việc áp dụng của người dùng. Đó thường là sự khác biệt giữa một thí điểm nhận được sự chú ý và một khả năng thực sự thay đổi cách quyết định được đưa ra.

Tại LatentView, chúng tôi đã thấy rằng các công ty di chuyển nhanh hơn khi họ neo đậu AI vào một vấn đề kinh doanh mà doanh nghiệp đã quan tâm, chẳng hạn như cải thiện độ chính xác của kế hoạch, kết quả hàng tồn kho hoặc khả năng hiển thị của nhà cung cấp. AI gắn liền với các chỉ số mà doanh nghiệp đã quan tâm có cơ hội tốt hơn để được tài trợ, quản lý và áp dụng trên quy mô lớn.

Bạn tiếp cận việc mở rộng AI một cách có trách nhiệm trên toàn tổ chức lớn như thế nào trong khi vẫn duy trì quản trị, bảo mật và trách nhiệm?

Việc mở rộng có trách nhiệm bắt đầu với việc thừa nhận rằng các quyết định AI cuối cùng ảnh hưởng đến khách hàng thực, nhân viên và kết quả kinh doanh. Điều đó có nghĩa là quản trị không thể là một ý nghĩ sau. Các tổ chức cần có các chính sách rõ ràng xung quanh việc truy cập dữ liệu, giám sát mô hình và giám sát một lần hệ thống đang hoạt động.

Trong thực tế, các mô hình quản trị hiệu quả nhất là xuyên chức năng. Các nhà lãnh đạo kinh doanh, nhóm công nghệ và nhóm rủi ro hoặc tuân thủ đều cần được tham gia. Các hệ thống AI cũng được hưởng lợi từ sự minh bạch về cách đầu ra được tạo ra và nơi phán quyết của con người vẫn còn quan trọng. Với các rào cản được thiết lập sớm, các tổ chức có thể mở rộng việc áp dụng trong khi vẫn duy trì sự tin tưởng.

LatentView làm việc với các doanh nghiệp tại các cấp độ trưởng thành số khác nhau. Chiến lược AI của bạn khác nhau như thế nào khi tư vấn cho một tổ chức so với một tổ chức vẫn còn trong hành trình phân tích của mình?

Với một tổ chức, cuộc trò chuyện thường là về việc tăng tốc. Họ đã có tài sản dữ liệu có ý nghĩa, vì vậy chúng tôi tập trung vào việc ưu tiên các trường hợp sử dụng có giá trị cao, cải thiện khả năng tiếp cận và nhúng AI vào các quy trình làm việc mà doanh nghiệp có thể hành động nhanh chóng. Điều đó có thể có nghĩa là thu hồi kiến thức doanh nghiệp, lập kế hoạch kết nối trong chuỗi cung ứng hoặc các mô hình lĩnh vực cụ thể cải thiện tốc độ quyết định trên các chức năng.

Đối với các tổ chức sớm hơn trong hành trình, điểm bắt đầu khác nhau. Chúng tôi dành nhiều thời gian hơn cho sự sẵn sàng của dữ liệu, quản trị, hiện đại hóa BI và xây dựng khả năng để công ty có thể hỗ trợ AI một cách bền vững. Trong những tình huống như vậy, đánh giá trưởng thành và tuần tự quan trọng rất nhiều. Bạn không muốn hứa hẹn một tương lai đại lý cho một doanh nghiệp vẫn thiếu dữ liệu đáng tin cậy, KPI chung hoặc sự sắp xếp của giám đốc điều hành về vấn đề nó đang cố gắng giải quyết.

Được trang bị kinh nghiệm sâu sắc trong thu hút và học tập nhân sự, những kỹ năng nào mà các công ty nên ưu tiên phát triển nội bộ trong kỷ nguyên AI so với việc tuyển dụng từ bên ngoài?

Nội bộ, tôi nghĩ các công ty nên tập trung vào xây dựng khả năng hiểu biết AI và dữ liệu rộng rãi. Không mọi người đều cần trở thành nhà khoa học dữ liệu, nhưng mọi người trên toàn doanh nghiệp nên ưu tiên đưa ra quyết định dựa trên thông tin, đặt câu hỏi tốt hơn và sử dụng các công cụ AI trong quy trình làm việc hàng ngày. Khi thực hành này lan rộng trên các đội ngũ, nó trở nên dễ dàng hơn để xác định nơi AI có thể thực sự giúp đỡ và nơi nó có thể không nên được sử dụng.

Từ bên ngoài, các thuê bao có xu hướng chuyên môn hóa hơn. Các lĩnh vực như kỹ thuật dữ liệu, kiến trúc học máy và quản trị AI đòi hỏi chuyên môn sâu mà các tổ chức có thể không luôn có trong nhà. Các công ty làm việc này thường kết hợp những chuyên gia với các đội kinh doanh hiểu ngữ cảnh và quyết định cần cải thiện.

Kháng cự văn hóa thường làm chậm quá trình chuyển đổi. Những hành vi lãnh đạo nào bạn đã tìm thấy hiệu quả nhất trong việc xây dựng sự tin tưởng và động lực xung quanh việc áp dụng AI?

Truyền thông rõ ràng từ lãnh đạo tạo ra sự khác biệt lớn. Nhân viên muốn hiểu tại sao các công nghệ mới được giới thiệu và làm thế nào chúng kết nối với chiến lược của công ty. Giải thích mục đích đằng sau các sáng kiến AI và gắn chúng với mục tiêu kinh doanh thực tế giúp xây dựng sự tự tin trên toàn tổ chức.

Học tập cũng quan trọng như nhau. Tự động hóa và AI đã và đang thay đổi lại nhiều công việc, vì vậy các công ty cần tích cực hỗ trợ nhân viên trong việc phát triển các khả năng mới. Mọi người tham gia nhiều hơn với thay đổi khi họ thấy cơ hội thực sự để xây dựng các kỹ năng mới và phát triển cùng với công nghệ.

Khi AI trở thành một phần của các quy trình ra quyết định, các hội đồng quản trị và đội ngũ điều hành cấp cao nên suy nghĩ lại các chỉ số hiệu suất và trách nhiệm như thế nào?

AI thay đổi cách quyết định được đưa ra, vì vậy các đội ngũ lãnh đạo cần nhìn beyond các chỉ số dự án truyền thống. Câu hỏi thực sự trở thành liệu AI có cải thiện chất lượng và tốc độ của quyết định trong các lĩnh vực quan trọng với doanh nghiệp hay không. Điều đó có thể có nghĩa là dự báo tốt hơn, quyết định về giá chính xác hơn hoặc phản hồi nhanh hơn với thay đổi trên thị trường.

Nếu những kết quả đó được cải thiện, AI đang làm công việc của mình. Hiệu suất AI không thể ngồi trong một bảng điều khiển riêng biệt với hiệu suất kinh doanh trong thời gian dài.

Trách nhiệm cũng cần rõ ràng hơn. Ai đó vẫn sở hữu dữ liệu, ai đó chịu trách nhiệm giám sát các mô hình trong sản xuất và ai đó cuối cùng đưa ra quyết định. AI có thể hỗ trợ những quyết định đó, nhưng quản trị và giám sát vẫn còn thiết yếu.

Trong ba đến năm năm tới, những thay đổi nào trong việc áp dụng AI doanh nghiệp sẽ quan trọng nhất — và những gì mà các nhà lãnh đạo nên bắt đầu làm ngay bây giờ để ở phía trước?

Trong vài năm tới, AI sẽ bắt đầu xuất hiện nhiều hơn trong các quyết định kinh doanh hàng ngày. Nhiều công ty đã dành thời gian để thí nghiệm với các thí điểm và khái niệm chứng minh. Bước tiếp theo là đảm bảo rằng những khả năng đó thực sự hỗ trợ cách các đội ngũ lập kế hoạch, dự báo nhu cầu, quản lý chuỗi cung ứng hoặc đưa ra quyết định tiếp thị.

Công việc cũng sẽ thay đổi khi AI trở nên có khả năng hơn. Khi các nhiệm vụ thường xuyên trở nên tự động hóa hơn, công việc sẽ chuyển sang hướng dẫn, giải thích và làm việc cùng các hệ thống AI. Các tổ chức mà củng cố nền tảng dữ liệu của họ và giúp nhân viên xây dựng những khả năng đó sẽ thích nghi dễ dàng hơn khi AI trở thành một phần của hoạt động hàng ngày.

Cảm ơn bạn vì cuộc phỏng vấn tuyệt vời, độc giả muốn tìm hiểu thêm có thể truy cập LatentView Analytics.