访谈
阿杰·瓦萨尔,Genpact数据与AI全球负责人 — 访谈系列

要点流程重新设计是阻碍代理式AI应用的首要因素,而非模型性能。
查看更多
- 流程重新设计是阻碍代理式AI应用的首要因素,而非模型性能。
- 仍有企业使用不适合自主AI系统的生产力指标。
- 仅22%的组织信任AI系统具备领域级或广泛自主权。
阿杰·瓦萨尔是Genpact数据与AI全球负责人,也是经验丰富的技术与战略高管。他在人工智能、数据战略、数字化转型、并购及企业咨询等领域拥有二十多年的经验。目前,他领导多项计划,帮助企业扩大AI应用,从辅助型AI转向更自主、深度融入业务运营的系统。加入Genpact前,瓦萨尔在Accenture工作了近九年,历任多个高级管理职位,包括面向消费行业的数据与AI全球负责人,以及Centre for Data & Insights全球负责人。在职业生涯中,他一直致力于通过提高运营效率、推动收入增长和降低风险,帮助组织从数据中获得可衡量的商业价值,同时还领导了跨行业的战略投资、并购计划及AI驱动的转型项目。
Genpact是一家全球专业服务与数字化转型公司,专注于为大型企业提供数据、AI、分析、智能自动化及运营现代化服务。公司最初成立于General Electric (GE.TO )内部,之后独立发展,如今服务于金融服务、医疗、制造、零售和消费品等行业的组织。公司日益聚焦于AI驱动的企业转型,将分析、自动化与行业专长相结合,帮助企业更新工作流程、改善决策,并负责任地大规模部署AI系统。
在担任Genpact现职之前,您曾在Accenture多年参与跨行业的数据与AI战略制定。这些经历如何影响您对企业至今仍难以从AI投资中获得实际价值这一问题的看法?
跨行业工作带给我的一个重要教训是,大多数组织的失败并不是因为技术薄弱。实际上,问题在于它们试图将AI叠加到从未为自主执行任务而设计的运营模式上。我们近期研究的结果明确印证了这一点。企业正在积极推进AI应用,但许多企业仍难以重塑支持大规模自主执行所需的运营模式。这一差距表明,许多企业还在摸索治理、问责及组织准备方面的问题。
我们也看到,一些组织尚未建立适当的衡量框架就迅速推进。有71%的高管认为,智能体AI带来投资回报的速度将超过以往任何一轮技术浪潮,但67%仍依赖为早期自动化模式制定的生产力指标。我的经验表明,成功应用AI绝不只是部署模型,还需要重塑工作流程、使技术与业务重点保持一致,并帮助员工理解自己的角色如何随系统自主性的不断提高而演变。
您近期发布的报告《Autonomy Requires Trust in AI(自主性需要对AI的信任)》显示,多数高管认为智能体AI将从根本上改变业务运营,但多数系统仍在监督下运行。认同与落地之间最大的脱节在哪里?
脱节的核心完全在于信任。高管们明确相信,智能体AI将重塑工作方式,但相信技术并不自动意味着愿意放心交出决策权。我们的研究发现,只有22%的组织能放心允许AI系统在特定业务领域内自主运行,或拥有广泛的自主权。
大多数企业仍能放心使用AI作为提供建议、进行总结或支持工作流程的助手。当AI系统需要以影响运营、客户、合规或财务结果的方式自主行动时,犹豫就出现了。因此,许多企业即使在向更自主的运营模式迈进,也不得不让人类继续深度参与审批和监督流程。
许多企业大力投资AI,却无法证明获得了显著回报。组织在衡量AI带来的价值时,最常犯哪些错误?
一个重大错误是,许多组织仍在使用为早期自动化浪潮设计的生产力指标。数据显示,67%的企业仍依赖基于生产力的衡量方式,而这类指标无法充分体现能够适应变化、通过决策开展工作的系统所创造的价值。这使预期与实际衡量价值的方式之间出现了明显脱节。
另一个问题是,许多组织尚未定义符合AI自身特点的成功指标。只有少数企业在衡量自主完成工作流程、减少需要上报处理的情况,或自主处理异常等方面的表现。如果企业继续只关注降低成本或节省工时,就会忽略智能体AI本应带来的更广泛的运营影响。
报告指出,组织准备程度比技术本身更构成障碍。企业需要进行哪些具体的结构性调整,才能充分释放智能体AI的潜力?
组织需要重新思考整个企业的问责机制、工作流程责任归属及决策方式。研究最明确的发现之一是,组织准备程度正成为比技术本身更大的障碍。事实上,33%的企业将业务流程尚未准备好整合智能体AI,列为应用AI的首要障碍。
进展最大的企业正在从头到尾重塑工作流程,让自主系统能够在明确的边界和监督机制下运行。我们还发现,44%的企业预计,随着系统接手传统上由中层管理人员承担的协调任务,智能体AI将减少管理层级。员工需要更清楚地了解监督责任、何时应当干预,以及人类判断在自主性日益提高的环境中应发挥什么作用。
只有少数组织愿意放心授予AI智能体真正的自主权。企业需要具备哪些条件,才会信任AI系统并将决策权交给它们?
对智能体AI的信任,归根结底依赖于问责与控制。企业仍谨慎对待决策权的移交,因为领导者希望确信,自主系统能够在明确的约束和治理机制下运行。
领先的企业在设计系统时,会将问题上报路径、干预触发条件及治理控制直接融入运营模式。大多数组织依据业务情境和风险承受能力逐步授予自主权,而不是一下子跨入完全自主的状态。随着成功部署让企业更有信心,信任也随之增强,因为领导者能够清楚看到决策如何形成、由谁负责,以及如何维持人类监督。
企业预计将迅速扩大智能体AI的应用,但许多企业仍依赖过时的生产力指标。更有效、符合AI特点的绩效指标应该是什么样?
面向AI的指标需要衡量执行及成果,而不只是活动。传统的生产力指标关注员工是否工作得更快;智能体AI则改变了这一前提,因为系统本身开始承担一部分运营工作。这一点很重要:许多组织仍在用为早期自动化浪潮而非自主执行设计的生产力视角,来衡量智能体AI。
更有效的指标应关注自主完成工作流程、降低问题上报比例、更快落实决策,以及系统在有限的人类干预下处理异常的效率。这些指标能更清楚地表明,AI是否真正改善了大规模的任务执行。
您强调,流程重塑是应用AI的首要障碍。为什么在AI的下一阶段,工作流程转型比模型性能更加重要?
工作流程转型之所以重要,是因为即使最先进的AI系统,也无法在运转失灵或相互割裂的流程中有效扩大应用规模。我们的研究发现,33%的企业将流程准备程度列为应用智能体AI的首要障碍。
下一阶段的不同之处在于,智能体AI旨在贯穿工作流程执行任务,而不只是提供流程内部的辅助。组织必须围绕自主执行重塑流程,明确决策责任、消除不必要的交接,并将治理直接嵌入工作流程。从许多方面看,工作流程重塑如今才是大规模应用AI的真正基础。
报告指出,随着协调任务自动化,AI将减少组织层级。您认为领导者与中层管理人员的角色将如何随之变化?
随着智能体AI承担更多协调和运营监督任务,领导角色很可能从管理日常执行,转向指导战略、运用判断及开展治理。我们的研究发现,许多企业预计,自主系统承担更多运营监督责任后,智能体AI将减少组织中的协调层级。
中层管理人员历来在将决策传递给适当人员,以及维持团队间运营连续性方面发挥着重要作用。随着自主系统开始接手更多这类活动,领导者需要更加关注异常管理、问责,以及确保系统与业务目标一致。在情境理解、伦理与判断最为重要的领域,人类领导力将变得更加重要。
Genpact将自己定位为智能体AI与先进技术解决方案公司。与传统咨询或技术公司相比,Genpact推进智能体AI的方式有何不同?
Genpact的做法立足于执行和成果,以及解决我们常说的AI应用“最后一公里”问题。许多组织已经证明,AI模型能够产生有用的洞见或提高生产力,但真正的挑战是将这些能力融入实际运转、真正开展工作的业务流程。许多AI项目正是在这里停滞。我们重点帮助客户将智能体AI落实到执行的最后一环,使系统能够在财务、供应链、客户服务及其他核心企业职能中创造可衡量的成果。
我们的独特之处在于,将深厚的流程专长与数据、技术和AI能力结合起来。我们不只是部署模型或开展试点,还会重塑工作流程,将治理嵌入运营,帮助企业建立大规模自主执行所需的问责结构。由于我们也已将智能体AI融入自身运营,因此具备实践经验,了解从实验走向全企业影响需要哪些条件。
展望未来,您是否认为智能体AI将拉大领先企业与落后企业的差距?企业现在应当采取什么行动,避免掉队?
是的,我相信差距会拉大,因为智能体AI以不同于以往技术浪潮的方式累积价值。成功重塑工作流程、建立问责框架并增强对自主系统信任的组织,将形成竞争对手难以复制的运营优势。值得注意的是,这一转变的速度非常快。有29%的企业预计,智能体AI将在未来12个月内扩展到整个企业。
对于希望保持竞争力的公司,眼下应优先为自主执行准备好运营模式,包括重塑工作流程、确定责任归属结构、建立符合AI特点的衡量框架,并投资提升员工的准备程度。及早打好这些基础的组织,将比仍将AI视为独立技术项目的组织处于有利得多的位置。
感谢您接受这次精彩的采访。希望了解更多的读者可以访问Genpact。












