阿伦·海勒玛斯（Arun Hiremath），EvoluteIQ 首席商务官和联合创始人 – 采访系列

阿伦·海勒玛斯（Arun Hiremath），EvoluteIQ 首席商务官和联合创始人，是一位拥有近三十年经验的技术高管和企业家，曾在企业自动化、产品战略、商业发展和电信领域工作。 在 EvoluteIQ，他负责推动收入增长和加强客户关系，特别是通过公司的 eiq360 业务。 在加入 EvoluteIQ 之前，Hiremath 共同创立并领导了低代码平台提供商 AmperAXP，该公司于 2021 年被 EvoluteIQ 收购。 他之前的职业生涯包括在高通（Qualcomm）(QCOM )、Ikanos Communications、Conexant Systems 和 Globespan 担任高级产品管理职位，以及在塔塔埃尔克西（Tata Elxsi）(TATAELXSI.BO ) 担任亚太地区业务发展负责人。

EvoluteIQ 是一家企业软件公司，开发了一款用于自动化和编排复杂的端到端业务流程的 AI 本地平台。 其 EIQ 平台将代理 AI、生成 AI、流程和决策自动化、机器人流程自动化、智能数据和事件处理、企业集成、分析和应用开发整合到一个低代码/无代码环境中。 该平台旨在用统一的架构取代分散的自动化工具，帮助组织构建适应性工作流，以连接传统和现代系统，同时保持企业级的治理、安全性和可扩展性。 EvoluteIQ 为包括银行、保险、医疗保健、电信、制造、能源和零售在内的各个行业的组织提供服务。

在我们之前与 EvoluteIQ 首席执行官萨米特·古普特（Sameet Gupte）的采访中，我们讨论了 EvoluteIQ 对企业 AI 本地自动化的更广泛愿景。 从您与客户密切合作的角度来看，企业在思考代理 AI 时有什么变化最明显？

最大的变化是，企业不再问“AI 能否做到这一点”，而是开始问“是否可以信任 AI 来做到这一点？”

一年前，大多数对话都集中在哪种模型具有哪些功能。现在，客户更加务实。他们想知道 AI 是否能够协调人员、应用程序、政策、批准、合规性和其他代理来实现可衡量的业务结果。

理赔处理是一个很好的例子。AI 本身并不是最困难的部分。挑战在于设计如何让自治代理与人员、IT 治理和多个系统、团队和异常一起工作。

许多公司仍然将 AI 视为添加到现有工作流程上的另一层软件。这种方法为什么受到限制，企业如何从一开始就重新设计流程以实现自治执行？

将 AI 放在一个破碎的流程上只会让你更快地达到错误的结果。

许多企业工作流程都是 20 年前围绕手动决策设计的。将 AI 作为另一个步骤添加到流程中可能会优化流程，但不会改变它。更好的问题是，哪些决策真正需要人工干预，哪些可以安全地委托给自治代理。

例如，在费用管理中，AI 可以评估政策、支出模式、员工历史和支持文档。常规的理赔可以在几分钟内获得批准，而不寻常的案例可以升级到经理那里。

您曾经认为许多客户没有供应商问题，而是有运营模式问题。阻止企业 AI 扩展到试点项目之外的最常见的组织问题是什么？

大多数企业没有 AI 短缺；它们有所有权短缺。

IT 拥有基础设施。业务拥有流程。安全性拥有治理。数据团队拥有模型。运营团队拥有执行。但是，没有人一定拥有如何将所有这些部分组合起来以实现自治业务流程的方法。缺少的是一种统一的方法来将技术付诸实践。

这就是为什么试点项目经常成为孤立的成功。能够成功扩展自动化的组织正在改变他们的运营模式，而不是仅仅购买更多的技术。他们正在创建跨职能团队，共同拥有业务结果，而不是拥有单个系统。最重要的问题是：谁拥有结果，谁负责交付它？

您如何区分有用的自动化、智能自动化和真正的代理自动化？

我认为它们是成熟度的三个阶段。自动化遵循指令。智能自动化理解所提供的信息。代理自动化理解业务目标，并朝着结果努力。

在发票处理中，传统的自动化在系统之间复制信息。智能自动化读取发票、提取数据并标记不一致之处。然后，代理自动化可以识别缺失的信息、与供应商通信、应用业务政策、处理异常、获得批准并完成流程。

区别不仅在于 AI 更聪明。区别在于它拥有结果，而不是一个任务。

企业领导者面临着快速展示 AI 投资回报率的压力，但复杂的流程转型需要时间。企业如何平衡速度、治理和长期运营模式的变化？

没有治理的速度会带来风险。没有速度的治理会带来沮丧。企业必须平衡两者。

公司应该从一个重要的业务流程开始——某些东西可以展示可衡量的价值——但要建立在支持治理、安全性、可观察性和合规性的基础上。初始解决方案不应该成为另一个孤立的系统。

错误在于认为治理会减慢创新。事实上，良好的治理可以加速采用，因为它建立了信任。只要正确的控制措施到位，组织就可以更快地行动并更自信地扩展。

EvoluteIQ 强调了端到端流程自动化，而不是自动化孤立的任务。这种区别在从 AI 实验到生产部署时为什么如此重要？

企业不以单个任务为单位来体验工作，而是以结果为单位来体验。没有人因为文档提取速度提高了 60% 而庆祝。他们庆祝的是因为客户入职现在只需要几个小时，而不是两周。优化单个任务通常只会将瓶颈转移到其他地方。

当引入、验证、批准、决策、系统集成和客户沟通被编排为一个 AI 本地工作流时，组织开始看到有意义的业务结果。优化任务可以提高效率，但优化流程可以改变整个业务绩效，并可能影响利润表。

云市场越来越成为企业 AI 的分销渠道。您如何看待像 Google Cloud 这样的平台改变大型组织发现、评估、采购和部署 AI 本地自动化的方式？

云市场正在为企业软件做与应用商店为消费者做的事情，但带有企业级治理。

它们消除了采购、安全审查和商业协议中的摩擦。组织还可以利用现有的云承诺，使团队能够专注于业务结果，而不是软件的购买方式。

客户不应该等待六个月的采购周期才能评估 AI 本地平台。市场允许他们更快地开始解决业务问题，同时仍然遵循既定的企业治理。

EvoluteIQ最近强调了eiq360，它是一款基于Google Cloud和Gemini的平台，使用自然语言可以将业务意图转化为企业级工作流，同时保持治理和控制。对于非技术业务用户来说，这种转变意味着什么？

我们正在从一个世界转变到另一个世界，在那里，业务用户描述结果，而不是要求工程团队等待结果。

使用 eiq360，用户现在可以使用自然语言描述他们要改进的流程。然后，平台可以帮助生成企业级工作流，同时自动应用治理、安全性、合规性和运营控制。

这并没有消除 IT；它提升了 IT。技术团队现在可以专注于定义企业护栏、可重用服务和治理标准，而不是手动构建每个工作流。这是 AI 带给企业软件的最重要变化之一。

“企业 AI 应该感觉枯燥”这一短语与当前的热潮相反。使用 AI 进行任务关键业务执行时，什么应该感觉枯燥、可预测或可重复？

没有人希望工资单很令人兴奋。没有人希望保险理赔很令人惊讶。没有人希望银行交易很有创意。

企业 AI绝对应该在实验期间具有创新性。一旦进入生产，它应该变得可预测。它应该产生一致的结果，解释其决策，在信心低时请求人工干预，并在必要时进行调整。最好的企业 AI 不是每个人都想谈论的 AI；它是没有人注意到的 AI，因为业务运作得更好。

展望未来，什么将使成功运营代理 AI 的企业与仍然停留在试点模式的企业区分开来？

赢家不一定拥有最先进的 AI 模型。他们将拥有最好的 AI 运营模式。他们将重新设计流程，而不是数字化低效率，建立治理，然后扩展，并创建可重用的企业能力，而不是孤立的概念验证。最重要的是，他们将停止将 AI 视为另一个应用程序，开始将其视为一种新的与人员、系统和业务政策协作的劳动力。未来十年将是关于优化人员、AI 代理和企业系统如何协同工作。