拉克希米坎特·贡达瓦拉普，特雷登斯首席创新官 – 采访系列

拉克希米坎特·贡达瓦拉普 是特雷登斯的首席创新官。在 IT 行业拥有超过三十年的经验，拉克希米坎特是人工智能转型和数字创新领域的著名专家。

作为微软印度的前全球数据和人工智能负责人，拉克希米坎特的领导使得 100 多个客户在 40 个国家实现了数字转型。在微软，拉克希米坎特推动了在 Azure 上集成开源数据库，并与 SaaS 解决方案提供商建立了战略合作伙伴关系。

拉克希米坎特擅长为客户设计人工智能解决方案，能够与客户建立战略合作伙伴关系，推动创新。拉克希米坎特带来了丰富的经验、技术专长和领导才能，能够催化人工智能驱动的转型，证明了将新兴技术转化为具体商业解决方案的能力。

特雷登斯 是一家数据和人工智能公司，帮助企业将分析实验转化为现实世界的影响。他们在零售、消费品、科技、金融、医疗保健和旅行等行业工作，提供数据工程、人工智能/机器学习、生成式人工智能、供应链、客户体验和数字现代化等服务。他们的重点是通过加速器、深度领域专业知识和强大的合作伙伴关系来实现可扩展、企业级的解决方案。

在微软印度的工作经历中，哪些经验塑造了您对人工智能驱动的企业转型的愿景，现在这些愿景体现在特雷登斯的战略中？

在微软期间，我有机会与各个行业的企业合作，包括航空和房地产行业。很明显，人工智能可以在有明确目的、可靠的数据支持和能够集成到运营决策中时产生真正的影响。

例如：

• 一家大型航空公司实施了人工智能来预测发动机故障，实现了主动维护和提高了安全性和效率。
• 一家大型房地产公司使用人工智能进行预测性监测基本建筑系统，减少了停机时间和优化了维护计划。

这些经验教会了我，技术本身并不能转型企业。它需要周密的设计、强大的数据基础和能够将洞察转化为实际行动的机制。这种观点现在驱动特雷登斯的方法：我们开发的人工智能解决方案是目的驱动、数据驱动和能够提供可衡量的结果的。

特雷登斯经常被描述为解决人工智能的“最后一英里”问题。您能分享一些加速客户转型的例子吗？

考虑一个大型全球零售商。通过统一来自交易、忠诚度计划、供应链运营和数字触点的分散数据，我们使人工智能应用能够驱动收入增长、客户留存、旅程个性化和需求预测。我们在运营中应用这些洞察， 将分析转化为有形的商业成果。

零售案例研究：特雷登斯创建了一个统一的个性化系统，产生了 5800 万美元的收入，并关闭了 54% 的 KPI 差距。这不仅仅是客户洞察，还在规模上实现了收入驱动的个性化。

在生物制药领域，集成研发、临床和商业数据使人工智能能够优化试验招募、增强研究设计和改善医生参与，从而加速上市时间并提高收入。

在各个行业中，从银行反洗钱检测到制造业预测性维护，教训仍然相同：人工智能只有在驱动重要的商业决策时才会产生价值。

银行案例研究：特雷登斯部署了 GenAI AML（反洗钱）联合飞行员，不仅生成了关于可疑活动的洞察，还将其集成到日常运营中，提高了案件处理量 120% 并降低了错误阳性 15%。这表明了从人工智能检测到运营效率的转变。

企业通常难以从人工智能试点转移到大规模生产。哪些是最大的障碍，特雷登斯如何帮助克服它们？

许多人工智能计划停滞不前，因为它们没有被设计为具有明确的商业成果，即使在技术上很强大。关键挑战包括：

1. 目的驱动设计缺陷：洞察可能很有趣，但不能解决可衡量的商业问题。
2. 数据限制：分散或质量差的数据阻止了可靠的扩展。
3. 运营挑战：没有自动化部署、监控、重新训练和治理，模型仍然是实验性的。

在特雷登斯，我们通过以下方式解决这些挑战：

• 结果驱动设计，确保每个人工智能计划都直接与可衡量的商业结果相关联。
• 强大的数据基础，整合和丰富数据集以实现可靠的模型性能。
• 生产就绪的运营框架，包括自动化部署、监控和重新训练，以保持准确性、恢复力和合规性。

这种方法使企业能够从实验转向大规模的人工智能，持续提供商业影响。

您最近宣布了银河系，一种自治人工智能代理。是什么启发了它的设计，它与传统的人工智能助手有何不同？

银河系诞生于这样一个认识：企业需要的不仅仅是仪表盘或聊天机器人。他们需要一个推理框架，可以消耗、解释和连接多变量数据以生成可执行的智能。

与传统的助手不同，银河系代理：

• 跨多个数据源进行推理，连接洞察而不仅仅是回答问题。
• 分析复杂、多维的问题，跨工作流连接信息。
• 提供可执行的智能，转化洞察为决策或自动化操作。

简而言之，银河系将人工智能转化为一个推理代理网络，能够处理复杂性并驱动真正的商业成果，而不是取代基本工具。

银河系的早期部署实现了快速成果。是什么促成了这些收益？

三个要素有所不同：

1. 在决策发生的地方嵌入洞察，使推荐立即可执行。
2. 前瞻性智能，转化洞察为主动决策，而不是回顾性分析。
3. 安全、受治理的平台，实现企业级人工智能，同时保持合规性和控制。

这种组合在几周内而不是几个月内实现了有形的商业成果。

银河系优先考虑可解释性、可审计性和推理路径。对于企业信任来说，这有多重要？

信任是企业人工智能的基础。银河系确保：

• 每个推荐都有透明的理由。
• 审计跟踪记录所有输入、输出和操作。
• 持续进行对抗性测试，以确保强壮性和可靠性。

这种透明度和问责制使银河系与不透明的黑盒系统区别开来，建立了企业在采用方面的信心。

从工具到人工智能伙伴的转变将如何影响组织和决策？

人工智能伙伴改变了组织的运作方式：

• 经理同时扮演两个角色，指导人类和监督人工智能代理。
• 决策变得协作，代理处理推理，人类提供背景和道德监督。
• 运营结构演变以将人工智能集成到日常决策中，提高速度、一致性和结果的质量。

到 2028 年，三分之一的商业决策可能会自主做出。组织需要做出什么改变才能确保安全？

为了安全地部署自主人工智能，组织应该在文化、运营和治理方面实施实际措施：

文化 – 建立对人工智能的信任：

• 从人机协同决策开始，逐渐增加自主性。
• 培训团队了解、验证和干预人工智能推荐。

运营 – 实施监控和风险控制：

• 持续跟踪人工智能决策的准确性、偏差和合规性。
• 进行对抗性模拟以识别漏洞。
• 保持反馈循环以从人类纠正中改进人工智能模型。

治理 – 设置界限和升级路径：

• 定义哪些决策可以完全自动化，哪些需要监督。
• 确保所有人工智能驱动的行动都是可审计和可追溯的。
• 创建应急流程以干预异常或风险的情况。

这些步骤使组织能够在保持控制、问责和合规性的同时安全地扩大自主决策。

特雷登斯的银河系路线图是什么？

我们的路线图包括：

1. 针对零售、医疗保健、制造和金融服务的行业特定代理。
2. 与 ERP、CRM 和供应链系统更深入的集成，以实现无缝采用。
3. 持续学习和推理，以使代理能够随时间提高其智能和语境理解能力。

我们的愿景是能够让企业信任和治理的代理生态系统。

C 级高管如何为人工智能承担战略决策角色做准备？

人工智能采用是一个成熟度之旅：

• 从人机协同开始，进展到半自主工作流程，最后在受治理的领域实现完全自主。
• 投资人工智能素养，使团队能够与人工智能系统有效合作。
• 重新思考 KPI、治理框架和运营结构，以专注于决策质量和商业影响，而不仅仅是模型性能。

最终，人工智能采用不仅仅是一项技术计划；它是领导力、文化和运营决策的转型。

感谢这次精彩的采访，希望了解更多的读者可以访问 特雷登斯。