阿伦·库马尔·拉姆钱德兰，QBurst 首席执行官 – 采访系列

阿伦·库马尔·拉姆钱德兰，QBurst 首席执行官，是一位拥有 25 多年领导经验的资深技术和服务高管，曾在全球咨询、重大销售、利润和亏损所有权以及企业转型等领域担任过职务。他于 2025 年 4 月成为首席执行官，负责领导 QBurst 的业务，同时制定公司的战略，成为一家以人工智能为主导的技术服务和数字工程公司。在加入 QBurst 之前，他曾在 Hexaware Technologies (HEXT.BO ) （包括总裁和通用人工智能咨询领导）、Capgemini/Sogeti（客户和销售领导）以及 Infosys 和 Virtusa 担任高级职务，在那里他建立和扩大了业务单元，领导了重大战略计划，并在多个地理区域和行业领域推动了增长。

QBurst 是一家全球数字工程合作伙伴，围绕“高人工智能质量”（High AI-Q）进行定位，将人工智能启用的交付与应用人工智能和数据驱动的方法相结合，帮助企业现代化、构建和扩展。该公司强调端到端的数字体验工程、现代化和产品工程，支持客户的诸如可组合数字平台、对话式和客户体验解决方案以及人工智能就绪数据基础等计划，旨在产生可衡量的成果，如提高生产力、加快交付速度和加强客户体验，服务于广泛的国际客户群体。

您在QBurst担任首席执行官之前，拥有在Hexaware、Capgemini、Infosys等全球组织中长期的领导经验。是什么吸引您在公司成长的这一刻加入QBurst，您的背景如何塑造您希望公司发展的方向？

加入QBurst的决定是机会和潜力的汇聚。吸引我加入QBurst的是公司的内在优势和独特的市场机会。QBurst的企业家文化和在为苛刻的客户交付尖端技术方面的成功，既令我印象深刻，又令我着迷。

在技术、行业和法规发生颠覆性变化和环境转变的背景下，像QBurst这样的专注和差异化的公司，有着一次性的机会脱颖而出，打造一个新的技术和工程服务公司和交付模式，适应人工智能驱动的未来。

在多个行业拥有超过25年的技术驱动转型经验，您的经验如何影响您对扩展人工智能主导服务平台的思考方式？

我观察到，主要的创新和技术采用发生在炒作周期冷却下来之后，真正的企业问题开始在企业级别上得到解决。关于扩展人工智能主导服务平台，我想提三个具体点。

1. 跨越“概念验证”阶段。

我今天看到的最大挑战是跨越概念验证阶段。扩展需要思维方式的转变：我们不仅仅是构建人工智能；我们提供生产级解决方案。在QBurst，我们帮助客户通过专注于敏捷性而不是被昨天的技术束缚，来超越概念验证阶段，采用具有更大上下文窗口的新模型。

2. 没有强大基础的AI是不可能的

我在每个技术周期中都坚持的一个教训——从2009年的早期移动技术到云革命——是不能将混乱自动化。人工智能的强大程度取决于其输入的数据。QBurst通过确保“枯燥但基本”的工作完成，特别是数字现代化和高级数据工程，来推动增长。

3. “高AI质量”愿景

为了领导这一变化，我们将自己重新定位为一家“高AI质量”公司。这反映了在我们所有核心服务中整合生成人工智能和代理人工智能，推动人工智能本土企业转型。在QBurst，人工智能不是附加功能，而是我们战略和交付的核心。它将自定义机器学习模型与智能自动化相结合，以确保随着业务增长，其智能也会随之扩展。

我们是Android黎明时期的先驱，我们正在将同样的积极DNA应用于领导人工智能时代。在QBurst，我们不仅是一家以技术为先的公司；我们是一家以结果为先的合作伙伴，我们的增长由客户满意度驱动。

您强调了“高AI质量”作为QBurst的定义框架。企业领导者如何解读这个概念，它为什么是当前人工智能格局中的重要区别点？

QBurst的“高AI质量”之旅是一个有意识的决定：在操作层面上以人工智能驱动的软件开发生命周期（SDLC）快速运行，并在战略层面上以托管代理进行大胆行动。最重要的是，它将整个企业锚定在文化、价值观和人力能力的缓慢、基础性的变化中。

虽然人工智能存在风险和担忧，但如果安全实施，人工智能可以创造丰富和创新。企业不仅会在生产力方面看到价值，而且还会在增长和转型方面看到价值。

从交付角度来看，我们每天都看到这种转变的发生，通过我们的AI驱动的SDLC框架。这是转型的“如何”之处，我们将人工智能嵌入开发的每个阶段，从用户故事生成到自愈测试脚本。结果是自明的：

• 上市时间：开发和测试周期大幅减少。
• 质量：发布后缺陷减少25-35%。
• 效率：整体交付改进20-30%。

战略层面是我们超越优化部分，转向优化整个生态系统的地方。这需要我们重新思考解决方案支柱，导致托管代理的创建，即企业代理人工智能和托管服务的融合。对于我们的客户来说，这意味着人工智能代理处理前端和后端任务、工作流程和操作，推动效率和持续创新。我们不仅提供服务；我们编排一个无缝的价值网络。

许多企业正在积累您所说的“人工智能债务”——在通用人工智能试点项目上花费大量资金，但这些项目无法扩展或产生价值。这个问题的根源是什么，组织如何打破这种模式？

企业积累“人工智能债务”，当通用人工智能投资仅停留在试点阶段，无法转化为真正的业务价值。根源是我们所说的“改造陷阱”——试图将通用人工智能能力添加到从未设计为支持人工智能本地工作流程的遗留系统中。在这些环境中，数据、架构和治理根本不够，因此试点项目在扩展时会停滞或崩溃。

这还因缺乏基础准备而加剧。许多组织在绕过对数据策略、数据工程和治理的基本投资的情况下，急于进行实验。没有现代化的数据基础和明确的控制框架，通用人工智能计划将保持孤立的概念验证，而不是企业能力。

打破这一模式需要转向人工智能优先设计。组织不应问自己在哪里可以添加人工智能，而应从一开始就设计系统，以人工智能结果为目标，通过使架构、数据流和治理支持大规模智能自动化来实现这一目标。

从实践角度来看，这始于数据工程。先期建立强大的、有良好治理的数据管道和模型，为通用人工智能提供了可持续扩展的条件。当基础正确时，人工智能从实验转向影响。因此，人工智能债务让位于长期价值创造。

传统的时间和材料合同模式越来越被认为与人工智能驱动的效率现实不符。为什么这种模式变得过时，像“托管代理”或“服务即软件”这样的方法如何为企业IT提供更可持续的前进道路？

传统的时间和材料模式是为资源稀缺的时代而建立的，在那个时代，价值直接与人类努力挂钩。在人工智能时代，这个假设不再成立。智慧和执行正在变得丰富，随着丰富度的增加，价值从努力转移到结果。人工智能从根本上打破了小时工资的逻辑。

这就是为什么行业正在转向基于结果的模式。诸如无人干预解决的票数或由人工智能完成的工作流程等指标提供了明确的、可衡量的价值。这些模型将能力视为软件，而不是劳动力，可以描述为“服务即软件”。

像托管代理和服务即软件这样的方法提供了一条更可持续的前进道路。它们将焦点从为努力付费转移到为智能结果付费，使成本可预测，改进持续，并从自动化中实现共享收益。托管代理允许人类工程师和人工智能代理共同朝着业务目标努力，而服务即软件则通过结果而不是花费的小时数来衡量价值。

在人工智能驱动的世界中，最符合商业模式的是那些奖励结果而不是努力的模式——为企业和服务提供商创造双赢局面。

您的“高AI质量”方法关注人才、应用和影响作为人工智能就绪的三个关键层。首席信息官如何在这些层面上评估其成熟度，以便在扩展通用人工智能计划之前？

在扩展通用人工智能之前，首席信息官需要对人才、应用和影响的“高AI质量”三个层面的成熟度有一个清晰的了解，而不仅仅是技术栈。

在人才层面，成熟度是关于人员的准备度。首席信息官应该评估人工智能技能、对变化的开放性以及员工是否具有安全、受控的访问权限，以便于安全的实验。

在应用层，重点是数据和治理的基础知识，例如数据质量、架构、安全性以及人工智能开发实践和人工智能模型访问的政策和护栏的成熟度。

在影响层，首席信息官应该通过努力与业务价值来评估用例。找出低努力、高价值的机会可以实现早期成功，并支持扩展通用人工智能的迭代方法。

对于仍在使用传统架构的组织，为了准备代理工作流和人工智能本地交付模式，需要哪些基础的现代化步骤？

以下是可以让组织为代理工作流做好准备的三个步骤。

1. 优先考虑数据基础现代化：对于运行在传统架构上的组织，第一步是现代化数据基础，以实现元数据、数据线age和数据质量指标，用于为代理提供上下文丰富、可解释的数据。使用基于通用人工智能的工具可以更快、更直接地实现这一现代化。虽然使用通用人工智能与传统架构是可能的，但为了获得有意义的结果，所需的令牌数量将非常高。

2. 建立企业知识层：对于尚未现代化系统的组织，将会积累大量未记录的知识。构建知识层以在系统中捕获这种暂时积累的知识，是第二个高优先级任务。这是许多组织的人工智能采用的旅程中缺失的层。

3. 定义代理边界和工作方式：第三步是确保代理遵循组织当前遵循的所有最佳实践和安全合规性。治理框架、安全策略和可观察性框架使代理能够在组织的边界和工作方式内有效地思考和行动。

在准备“人工智能就绪”方面，除了工具以外，还需要什么——在数据、流程、治理和团队能力方面？

人工智能就绪远远超出了选择合适的工具。在实践中，人工智能采用在组织能够捕获部落知识（如未书面流程、决策逻辑和关键关系）方面取得成功或失败，这些知识仅存在于员工的脑海中。这种知识必须以人工智能系统可以推理的自然语言形式记录，而不仅仅是处理数据。

数据就绪同样至关重要，但质量本身还不够。真正决定成功的是元数据，包括数据的上下文、血统和含义。没有这些，即使是最先进的模型也会产生肤浅或不可靠的结果。

企业人工智能采用落后于消费者人工智能的原因是治理、安全和合规性。这些不是需要绕过的障碍，而是需要建立的要求。组织必须建立包括护栏、通用人工智能可观察性、可解释性和人工智能输出的安全、可复制和准确的人类在循环工作流程中的信任框架。

最后，团队需要开发人工智能直觉。就绪意味着让员工在人工智能识字方面进行提升，以便他们知道如何有效地提示、验证结果并审计输出，而不是盲目地相信“黑盒子”。人工智能的效果最好是在人类牢固地掌握控制权时。

技术服务领域竞争激烈，拥有众多传统玩家。您认为QBurst在争夺企业转型项目时的最强竞争优势是什么？

QBurst通过将深厚的工程专业知识与小型创新公司的敏捷性相结合，在拥挤的技术服务市场中脱颖而出。

我们的竞争优势由五个关键支柱定义：

1. 具有设计思维的工程深度 – 我们不仅仅是编写代码；我们通过整体、以用户为中心的解决方案来解决业务问题。

2. 敏捷性和所有权 – 我们足够大以扩展，但足够精简以关心 – 我们的灵活性和适应快速变化的能力是客户证明的。我们的团队真正拥有客户成功的所有权，您会看到交付所有权一直延伸到高级领导层。

3. 文化流利度 – 无论是日本的LINE迷你应用程序还是美国杂货连锁店的集成定价系统，我们都根据每个市场量身定制不仅仅是技术，还有体验。

4. 人工智能优先愿景 – 我们将人工智能嵌入我们的交付、运营和客户解决方案中 – 不仅仅是一个流行词汇，而是一种能力倍增器。

5. 创新和实验的文化 – 我们的领导者精通技术，喜欢使用最新的技术来解决客户问题。我们不怕失败，并通过在许多情况下采取初创公司的方法，为客户创造了有意义的影响。

我们也不会害怕自我颠覆。我们正在尝试基于结果的模型、可组合的交付框架和为企业客户提供的联合创新实验室。

展望未来三到五年，您预计企业IT运营模式将如何随着代理工作流和人工智能本地组织的兴起而演变，领导者现在应该为哪些方面做好准备？

下一波创新将属于那些能够将强大的人工智能能力与周密的控制、监督和信任体系相结合的人。因此，围绕企业代理框架的出现感觉如此重要和紧迫。

对我来说的一些关键见解是：

• 人工智能数据中心建设正在加速，而不是减慢；数据中心世界的情绪非常乐观，容量、需求和投资都在激增。
• 企业人工智能采用将比消费者人工智能慢（组织数据通常杂乱无章、分散在多个系统中，而不是干净和集中；今天的模型还不够准确，无法在没有适应每个组织独特情况和功能的情况下应用于特定公司情况和功能；为了解锁真正的价值，模型需要在专有企业数据上进行训练和微调，特别是在特定工作流程和用例的“最后一英里”中）
• 在企业中真正实现自治代理之前，存在一个更大的挑战：建立与员工相同的监督结构、批准和护栏，以使人类劳动力能够可靠地执行和扩展。

领导者应该通过以下几点做好准备：

• 代理应该像新员工一样被对待，具有明确的范围、明确的监督和控制错误的机制，同时他们“学习”组织的书面和未书写的规则。
• 需要一个“代理总线”或协调层，代理在其中注册、获得写入权限，并由监督代理监控其行为。
• 在人工智能驱动的企业世界中，重新创建使人类组织坚固的检查和平衡至关重要。
• 管理人类人才和重新培训也是随着人工智能-人类界面和协作随代理系统和框架的变化而变得重要的方面。
• 最令人兴奋的前沿领域是先进的企业代理框架的出现——超越今天的现状——当与强大的领域理解和解决方案相结合时，可以将这一愿景转化为实用、可扩展的现实。

感谢这次精彩的采访，希望了解更多的读者可以访问QBurst。