访谈4 days ago
拉坦维尤分析公司CEO拉詹·塞图拉曼 – 采访系列
拉詹·塞图拉曼，拉坦维尤分析公司的CEO，是一位经验丰富的高管，其职业生涯跨越咨询、人才领导和企业转型，在加入拉坦维尤之前曾在安永和KPMG担任领导职务。从首席人力官到CEO的晋升反映了他对人才发展、组织设计和可扩展运营模式的强烈关注，这些现在塑造了他对人工智能和分析的方法。凭借在招聘、学习和商业战略方面的深厚经验，他始终专注于将人员、文化和技术与可衡量的成果相结合，最终带领拉坦维尤公司完成了其首次公开募股和全球扩张，同时将人工智能定位为一种商业能力，而不是独立功能。拉坦维尤分析是一家全球数据分析和数字转型公司，帮助企业利用数据、人工智能和高级分析来改善决策和驱动增长。该公司提供数据工程、预测分析和人工智能驱动的咨询服务，跨行业包括金融服务、零售和技术，全球范围内与500强客户合作。其核心价值在于将原始数据转化为可行的见解，使企业能够优化运营、预测趋势并在日益增长的经济中创造竞争优势。您在安永和KPMG开始了您的职业生涯，担任咨询和人才领导职务，然后成为拉坦维尤分析公司的CEO，领导公司完成首次公开募股和首次收购。您的背景如何影响您今天对人工智能和分析的扩展方式？我的早期职业生涯主要专注于人才、领导力发展和建设能够扩展的组织。这段经历继续塑造我对人工智能的思考方式。仅仅依靠技术是无法扩展一个组织的。重要的是团队如何采用它，领导者如何围绕它进行调整，以及商业问题如何被明确定义。在拉坦维尤，我们花费大量时间帮助组织建立运营模型、技能和文化，以便将分析和人工智能转化为日常决策。因此，我倾向于通过组织准备度来思考人工智能。扩展人工智能需要强大的领域专业知识、数据基础和能够将洞察力转化为行动的团队。我的重点始终是与可扩展能力一起建立这些能力，而不是将人工智能视为一个独立的能力。您曾谈到人工智能极简主义——优先考虑清晰、好奇和文化，而不是追逐每一种新的GenAI趋势。在实践中，企业领导者如何实现人工智能极简主义？人工智能极简主义始于关注。企业领导者不需要追求每一种新的模型或功能。他们需要一个小的有意义的问题集合，人工智能可以在其中改善决策或生产力。也许这是定价决策、供应链规划或知识在组织中传递的方式。从一个明确定义的问题开始有助于团队建立信心并学习什么是真正的扩展。这也意味着将人工智能嵌入现实工作流程中，而不是将其视为一个孤立的实验。当团队看到技术帮助他们解决日常问题时，采用率往往会自然增长。好奇心和实验仍然很重要，但当它们扎根于明确的目的时，它们会发挥更好的作用。许多组织在加强数据基础之前就急于采用生成性人工智能。公司建立在不稳定基础上的警告信号是什么？我经常注意到的一件事是，当人工智能对话比数据对话发展得更快时。如果领导者在讨论共驾驶和生成模型时仍然对关键数据的位置、所有权或企业真正信任的指标存在疑惑，那通常是基础尚未准备好的迹象。人工智能系统严重依赖可靠且治理良好的数据。在没有这些条件的情况下，人们很难信任输出结果。另一个信号是当公司有许多正在运行的试点项目，但很少有项目会影响真正的决策。生成性人工智能可以产生令人印象深刻的演示，但真正的测试是它是否成为组织运营的一部分。自从您担任CEO以来，您为全球客户带来了可衡量的影响。哪些公司成功地使人工智能投入运营，而哪些公司仍然停留在试点阶段？成功扩展人工智能的公司将其视为一种运营纪律，而不是创新侧项目。他们分配执行所有权，将用例连接到可衡量的业务成果，并从一开始就设计为集成。他们还投资于不那么光鲜的工作，例如数据管道、治理、流程重设计和用户采用。这通常是试点项目和真正改变决策的能力之间的区别。在拉坦维尤，我们看到公司会更快地移动，当他们将人工智能锚定在一个对企业已经重要的业务问题上，例如改善计划准确性、库存结果或供应商可见性。与企业已经关心的指标相关的人工智能有更好的机会获得资金、治理和大规模采用。您如何在大型组织中扩展人工智能，同时保持治理、安全和问责？负责任的扩展从承认人工智能决策最终会影响真实客户、员工和业务成果开始。这意味着治理不能是事后补充。组织需要明确的数据访问、模型监督和监控政策，一旦系统投入生产。在实践中，最有效的治理模型是跨职能的。业务领导者、技术团队和风险或合规团队都需要参与。人工智能系统还受益于对输出结果如何生成以及人工判断在哪里仍然至关重要的透明度。通过早期建立防护措施，组织可以在保持信任的同时扩大采用范围。拉坦维尤与各个数字成熟度水平的企业合作。您的AI战略在为一家组织提供咨询与为一家仍处于分析旅程早期的组织提供咨询时有何不同？对于一家组织来说，谈话通常是关于加速的。他们已经拥有有意义的数据资产，因此我们专注于优先考虑高价值用例、改善可访问性和将人工智能嵌入工作流程中，使业务能够快速采取行动。这可能涉及企业知识检索、供应链中的连接规划或特定领域的模型，可以提高决策速度。对于那些仍处于旅程早期的组织，起点是不同的。我们花更多时间在数据准备、治理、BI现代化和能力建设上，以便公司能够以可持续的方式支持人工智能。在这种情况下，成熟度评估和排序至关重要。你不希望向仍缺乏可靠数据、共同KPI或高管对问题的清晰理解的企业承诺一个代理商业的未来。考虑到您在人才招聘和学习方面的深厚经验，企业在人工智能时代应该优先发展哪些技能，而不是外部招聘？在内部，我认为公司应该专注于建立广泛的人工智能和数据素养。并非每个人都需要成为数据科学家，但企业各个部门的人员都应该优先考虑以洞察力为基础的决策、提出更好的问题和在日常工作流程中使用人工智能工具。当这种做法在团队中传播时，很容易确定人工智能可以真正提供帮助和不应使用的地方。在外部，招聘往往更具专业性。像数据工程、机器学习架构和人工智能治理这样的角色需要深厚的专业知识，这些专业知识企业可能并不总是拥有。做得好的公司通常将这些专家与了解背景和需要改进的决策的业务团队结合起来。文化阻力经常减缓转型。您发现哪些领导行为在建立人工智能采用的信任和动力方面最有效？领导者的清晰沟通可以带来很大的不同。员工希望了解为什么引入新技术以及它们如何与公司的战略相联系。解释人工智能计划的目的并将其与真正的业务目标联系起来有助于在整个组织中建立信心。学习同样重要。自动化和人工智能已经在重塑许多行业，因此公司需要积极支持员工发展新能力。当员工看到真正的机会来建立新技能和与技术一起成长时，他们会更加开放地接受变化。随着人工智能被嵌入决策过程中，董事会和高管团队应该如何重新思考绩效指标和问责制？人工智能改变了决策的方式，因此领导团队需要超越传统的项目指标。真正的问题是人工智能是否在重要的业务领域改善了决策质量和速度，例如改善需求预测、更准确的定价决策或更快地响应市场变化。如果这些结果正在改善，人工智能正在发挥作用。人工智能的性能不能与业务绩效分开太久。问责制也需要更加明确。有人最终拥有数据的所有权，有人负责监控生产环境中的模型。人工智能可以支持这些决策，但治理和监督仍然至关重要。在接下来的三到五年中，哪些企业人工智能采用的转变将最重要——领导者应该现在开始做什么来保持领先地位？在接下来的几年中，人工智能将开始在日常业务决策中发挥更大的作用。许多公司已经花费时间进行试点和概念验证。下一步是确保这些能力真正支持团队的规划、需求预测、供应链管理或营销决策。工作也将随着人工智能变得更加强大而演变。随着例行任务变得更加自动化，角色将转向指导、解释和与人工智能系统合作。加强数据基础并帮助员工建立这些能力的组织将更容易地适应人工智能成为日常运营的一部分。感谢这次精彩的采访，希望了解更多的读者可以访问拉坦维尤分析。
