Par Chadha，HandsOn Global Management 创始人、首席执行官兼首席投资官 – 访谈系列

Par Chadha，HandsOn Global Management 的创始人、首席执行官兼首席投资官，是一位拥有数十年构建和扩展技术驱动业务经验的企业家、投资者和技术高管。自 2001 年创立 HandsOn Global Management 以来，他专注于在金融服务、医疗保健、保险和法律市场的工作流自动化、大数据、机器人流程自动化（RPA）、认知技术和人工智能方面的投资。他也是 Rule14 的联合创始人，曾担任 Exela Technologies 的董事长兼执行董事长，以及 SourceHOV 的董事长。

HandsOn Global Management (HGM) Limited 是一家技术驱动的公司，位于战略投资与商业服务的交叉点，结合资本投放与运营专长，打造并扩展技术赋能的业务。公司日益聚焦于 AI 驱动的医疗保健服务，包括收入周期管理、医学编码、环境聆听以及医疗分析，同时在企业工作流中应用 AI 自动化和流程优化。HGM 将其模式描述为投资公司与多元化服务提供商的混合体，通过收购、技术整合和运营执行，在北美、亚太和中东等市场追求长期增长。

您在 2001 年创立 HandsOn Global Management，远早于人工智能成为主流投资主题。最初是什么激发您创办公司？随着工作流自动化、数据智能和代理 AI 的进步，其投资理念又是如何演变的？

HandsOn 这个名字体现了我对组织的思考方式。如果你不能亲力亲为——如果你是袖手旁观——就不适合加入我们的组织。我期望管理业务的人，包括我自己，践行我所称的仆人式领导。我们的工作是服务为我们工作的人，帮助他们取得更大成功。

技术已经发生了巨大的变化，但根本问题并未改变太多：技术能让业务做得更好的是哪些方面？

在自动化方面，我一直关注我所谓的弹性产能。如果一名员工能处理 100 笔交易，而自动化使其能够处理 250 笔，那么你就在不增加相同成本的情况下创造了增长容量。这使得业务更具盈利性和可扩展性。

现在 AI 将这一点进一步提升。我们正进入基于 AI 的工作流时代，涉及众多任务的编排，人员在环且代理 AI 也在环。我认为这类公司将会需求极高，并且会成为最具颠覆性的公司之一。

因此技术在演进，但我们的理念仍然是 HandsOn：了解运营问题，找出可以提升生产力的空间，并将技术转化为业务。

作为首席执行官兼首席投资官，哪些特征能区分出具有持久商业潜力的 AI 公司与仅凭技术热度短期受益的公司？

对我而言，关键在于能否将投资转化为业务。否则，投资只是一种成本。

知识产权或新技术可能会引起大量关注，但仍然需要有人使用它。它必须解决实际问题，具备价值主张，最终能够产生收入。

以自动化为例。你还必须了解你正在自动化的职能。营销、销售、采购、人力资源、财务、行政、税务报告和安全都是截然不同的职能。自动化必须围绕该业务的实际业务进行设计。加油站有其特定需求，餐厅也有其专门需求。

能够持久的公司是那些客户能够看到差异的——更高的盈利性、更强的可扩展性、更大的产能，或能够实现之前经济上不可行的事情。技术固然重要，但最终必须转化为业务。

HandsOn Global Management 在构建、收购和转型公司方面扮演积极的运营角色。与传统的风险投资或私募股权模式相比，这种 Hands‑On 方法如何改变您评估 AI 投资的方式？

我不相信坐在高层只告诉别人该怎么做。我的做法一直是，员工会有缺口，而你的工作是帮助填补这些缺口，使他们成功。

这意味着在审视一项投资时，我们会从运营角度思考。谁来运营？它将如何定位？客户和合作伙伴是谁？价值主张是什么？能否实现可扩展？

我与管理团队并肩工作，但我也希望运营负责人主导。我会进行引介，让那个人接手，保持抄送，并随时提供支持。对我们而言，拥有投资和运营业务并不是完全分离的两件事。

许多企业正在尝试 AI，但真正能够在关键业务中部署的却寥寥无几。是什么让组织能够从孤立的试点走向生产规模的采用？

关键在于组织本身是否准备好变革。

技术的演进速度往往快于人的适应速度。我们看到刚毕业的新人熟悉 AI、熟悉代理，能够迅速产生生产力；而拥有五年、十年或二十年经验的老员工则可能难以从舒适区转向新领域。这种现象在美国、印度、菲律宾和欧洲都存在。

这成为了组织层面的问题，而不仅仅是技术层面的问题。

能够完成转型的公司愿意改变工作流本身。一旦你在流程中编排了不同任务，让人员和代理 AI 共同工作，你就在改变工作完成的方式。

如果公司不做出这种转变，别的公司会抢先。我认为这是一种生死抉择。能够颠覆的公司会前进，不能颠覆的公司则会被颠覆。

HGM 的医疗保健计划包括自主医学编码、语音与对话智能、预测分析以及在行政和临床工作流中运行的 AI 代理。您认为 AI 能在不牺牲准确性、隐私或患者信任的前提下，最大程度消除医疗保健中的哪些摩擦？

医疗保健最大的难题之一是我们已经数字化了各个单独的功能，却未必将整个企业连接起来。理赔、注册、护理管理、药房、提供者服务、分析和收入周期仍可能作为孤立系统运行。这导致工作重复、效率低下、成本上升以及糟糕的体验。

我认为答案并非再推出一个应用程序。智能必须嵌入工作流。机会在于将数据、流程和人员结合，使 AI 能够帮助理解正在发生的事情、预测下一步、给出建议并自动化那些可以自动化的工作。

行政工作是显而易见的切入点。提供者仍然要处理手工流程、事前授权以及行政负担。如果技术能够简化这些工作流，就为专业人员创造了更多产能，最终为患者争取更多护理时间。

但信任在医疗保健中极其重要。安全、合规和治理必须成为架构的一部分。技术应当简化复杂性，而不是增加复杂性。目标不是为了 AI 本身而使用 AI，而是实现更好的护理、更低的成本、更佳的运营表现以及更好的会员和提供者体验。

在受监管的行业（如医疗保健、金融服务、保险和政府），公司应如何决定哪些决策可以交由自主 AI 代理处理，哪些仍需人工审查？

我认为责任是划分的界限。

在受监管的业务中，最终必须有人对所呈现的内容负责。例如在网络安全领域，监管机构可能要求管理层和董事会迅速披露信息，高层管理者甚至需要签署公开声明。问题在于没有人能在如此短的时间内了解所有细节。

AI 可以整合工具、建立基准、组织信息，使流程更高效。但这并不意味着责任消失。

医疗保健是一个很好的例子。AI 可以预测、检测、建议并自动化，但这些功能并不具备相同的风险等级。架构必须识别哪些自动化是合适的，哪些环节仍需人为介入。决策越关键，治理、可解释性和责任就越重要。

我不把它看作是完全自主 AI 与完全手工之间的二选一。关键是 AI 能在哪些工作中高效完成，哪些环节仍需要人为判断或对结果负责。

您共同创立了 Rule14——一个用于实时发现、监控、分析和汇总信息的平台。大型语言模型和生成式 AI 如何改变了数据挖掘的可能性？还有哪些基础数据挑战仍待解决？

大型语言模型为信息型工作提供了更大的可扩展性。

我们有数百名律师和其他专业人士处理内容和信息的业务，历史上他们使用的更多是传统工具而非大型语言模型。我感兴趣的是，如何将为一种用途构建的平台，正确包装后在大规模上用于完全不同的目的。

这并不仅仅是模型能够进行摘要。它可以改变大量信息的处理、包装和交付的经济性。

但我不会因为拥有大型语言模型就认为你瞬间了解了一切。底层信息仍然重要，现实世界中信息可能不完整或在需要时不可得。模型让我们更高效，却不能取代对实际拥有信息的理解。

HGM 的战略生态系统涵盖自主医学编码、环境临床文档、智能工作流、支付、数据处理以及 AI 开发平台等公司。您如何在不强迫公司进入人为构建的生态系统的前提下，实现技术和商业层面的有意义协作？

你要让每家公司发挥其最擅长的能力。

我在网络安全领域将其比作一个小俱乐部。我们是服务提供方，其他公司是各自领域的专家。我们利用每一家公司的最佳能力。通过与我们合作，他们可以进入我们的客户群，而我们则受益于他们的专长。

这不同于要求每家公司都必须使用其他公司，因为它们恰好在同一投资组合中。关键是将能力组合成客户真正能使用的东西。

在内部，我也采取类似的做法。我把合适的人联系起来，让运营负责人主导。他们一起确定可以合作的内容、预算以及是否应列入产品路线图。

协作必须创造价值，否则没有理由强行推动。

您在多个地区和行业主导了投资、收购和运营转型。您从中学到了哪些关于将 AI 产品适配不同监管环境、商业文化、语言和数字成熟度的经验？

文化很重要，个人关系也很重要。

当人们仅通过公司目录、电话号码或电子邮件相互了解时，我称之为非常不具个人色彩的关系。这在一切正常时或许还能运作。但当你在建设、扩张、修复或处理危机时，了解对方的真实人物就变得尤为重要。

旅行让你认识到各个市场并不相同。你会了解人们的饮食、关注的体育项目、教育体系、文化敏感点以及哪些会制造不必要的壁垒。你对一个国家、其人民以及生活方式了解得越多，关系的鸿沟就越能被缩小。

技术也是如此。不同市场处于不同发展阶段。有些国家在某些专业服务上领先于美国，而我们在其他形式的自动化上可能更领先。

你不能假设把一种模式套用到所有地方就会得到相同的结果。必须了解该市场的真实运作方式，并与使用它的人建立关系。

随着代理 AI、认知自动化和实体 AI 的持续融合，您认为哪些机会仍被低估？对于在下一阶段自动化中构建公司的创始人，您有什么建议？

我认为基于 AI 的工作流将会有非常非常高的需求——即将各种任务编排，人员在环且代理 AI 也在环。我相信这些公司将成为最具颠覆性的企业。

这种颠覆的范围也会超出人们的预期。人们往往认为自动化影响的是劳动力的低端。我认为实际上往往是中层。高级人员可以做更多事，从而需要更少的中层。编码、测试、数据录入和数据分析正在被自动化，而工作流和仪表盘则减少了对这些功能的管理需求。

还有实体方面。餐饮业正走向自动化。过去在收获和播种季节需要人工的工作，正被自主机器、机器人和无人机取代。这个格局正在快速变化。

在转型过程中会有痛点。生产力引擎需要更少的人力。但如果我们不提升生产力，就无法与那些成本结构截然不同、人口更多的国家竞争。如果我们做对了，我认为这将开启一个新的美国世纪。

对于创始人，我建议聚焦于工作流和你所创造的生产力。构建能够真正融入工作实际的产品，了解人们仍然在环的位置，并认识到采用你技术的组织也正经历一次重大的劳动力转型。

感谢这次精彩的访谈，想了解更多的读者请访问HandsOn Global Management。