Sameet Gupte，EvoluteIQ 的 CEO 和联合创始人 – 采访系列

Sameet Gupte，EvoluteIQ 的 CEO 和联合创始人，是一位位于伦敦的高管，具有丰富的经验，在全球技术业务中建立和扩展。在创立 EvoluteIQ 之前，他曾担任 Servion 的集团 CEO，Servion 是 Cisco 的投资公司，及其关联公司 Innoveo AG 和 Acqueon Inc.，他帮助推动企业转型和增长。在他的职业生涯早期，他曾担任 Virtusa 的执行副总裁和欧洲金融服务和管理董事，领导了显著的有机扩张，开发了行业专注的解决方案，并在欧洲（包括德国和瑞典）以及 Polaris 收购中发挥了关键作用。他还曾领导 Genpact 的欧洲资本市场业务，负责加速区域增长和加强其在金融服务中的地位。

EvoluteIQ 是一家专注于通过其旗舰 EIQ 平台转变企业运营的 AI 本土企业自动化公司。该平台旨在自动化端到端的流程，而不是孤立的任务，结合了人工智能、低代码工具和流程编排，以实现能够适应、做出决定和随时间不断改进的系统。通过将数据、工作流和人工智能整合到一个统一的架构中，EvoluteIQ 帮助组织简化运营、减少复杂性，并在金融、医疗保健和电信等行业中构建灵活、自优化的系统。

在创立 EvoluteIQ 之前，您曾在 Servion、Virtusa 和 Genpact 担任高级领导职务，您在那里广泛地参与了企业转型和大规模技术部署。是什么经验让您得出结论，下一代自动化平台需要作为 AI 本土系统构建，而不是传统工作流或 RPA 工具的扩展？

跨行业，成功的组织以其能够一致地提供世界级的结果而著称。其中一个共同因素是强大的流程。在构想 EvoluteIQ 时，我们旨在开发一种能够支撑这种流程的技术。我们的重点是解决问题，而不是问题的个别组成部分。在 2019 年之前，现有的工具和技术主要解决了流程的特定方面，例如数据提取、任务管理和工作流。每一种技术都解决了流程中的特定问题，但缺乏对端到端流程的综合解决方案。这表明了创建一种能够自主、自我学习和适应以优化流程的技术的重大机会。因此，EIQ 的概念诞生了：一种本土 AI 平台，旨在自主、解决问题而不是个别组成部分，并最大限度地实现自动化。它将是低代码/无代码的，配备了流程所需的所有功能，包括流数据、事件和编排，人工智能作为核心框架。

今天，许多自动化平台都在其传统基础设施上添加生成式 AI 能力。EvoluteIQ 从一开始就被设计为具有智能和自主性。您在早期做出了哪些架构选择，使您的平台能够支持代理自动化，而老系统无法做到这一点？

该平台从一开始就被设计为能够自动化任何类型的流程（机器人、工作流、数据、事件等），无论所需的自动化类型如何。这是基于这样的预期：随着时间的推移，新的自动化技术将被发明，现有的技术可能会变得过时。因此，底层的微服务架构允许开发和包含生成式 AI 和代理自动化。同样，该架构也将允许包含大型行动模型和量子决策。

EvoluteIQ 建立在您所谓的代理网格架构（{aMa}）之上，允许代理在企业流程中进行合作。这种方法与传统的自动化框架有何不同，您为什么认为代理之间的合作将成为企业软件的基础层？

{aMa} 是 EvoluteIQ 平台的独特架构。代理之间的合作使多个代理（EIQ 和第三方）能够自组织地共同完成特定的业务结果。这将使客户重新评估他们对自动化的看法。他们不再需要定义执行端到端流程所需的步骤；相反，他们只需要阐述所需的业务结果，并让代理确定如何实现这一结果。这种自组织和自我治理的能力将使客户能够创建灵活和适应性的业务运营模型，这些模型可以在无需昂贵和高风险的人类干预的情况下自动适应创新和干扰。

您的平台专注于复杂业务流程的端到端自动化，而不是简单地自动化个别任务。代理模型如何改变组织对流程编排、决策和运营自主性的思考方式？

我们部分地在上面提到了这一点，但我会补充说，EIQ 平台使客户能够在现有的基础设施上创建一个抽象层。因此，基础设施的所有元素都可以被视为 EIQ 流程的组成部分。结合代理网格架构 {aMa}，IT 团队现在可以创建“可组合 IT”，使业务能够按需从预定义、测试和批准的组件中开发应用程序和流程。这为业务用户引入了更高级别的运营自主性，使他们能够创建、使用和退役 IT 服务，而无需依赖 IT。

EvoluteIQ 使用基于结果的定价模型，而不是按机器人或用户收费。是什么激发了这一决定，它如何改变企业领导者评估自动化计划投资回报率的方式？

做出基于结果的定价决策是为了使业务或用例的成功标准保持一致，确保成本可预测、透明，并与客户共担成功或失败的风险。对于企业来说，基于结果的模型最显著的变化是，与传统模型不同，传统模型在事后才会讨论投资回报率，在这种情况下，投资回报率是在事先协商的，持续测量，并根据交付情况付款。

企业 AI 中最大的挑战之一是集成结构化数据、非结构化信息和实时运营信号，跨多个系统。EvoluteIQ 如何在保持治理和可靠性的同时解决这些集成挑战？

EIQ 平台通过单独的引擎管理结构化数据、非结构化数据和实时事件。每个引擎由一组微服务组成，可以垂直和水平扩展，并复制以提供弹性。这种架构使平台能够根据个别客户的性能、容量和可靠性要求进行构建和扩展。

随着企业开始部署可以做出决定和触发操作的自治 AI 代理，监督和问责的担忧变得更加重要。您认为对于大规模运行的代理系统来说，什么样的治理框架或保障措施是必要的？

该平台包括标准功能，例如流程步骤的审计、记录流程变量的值以及生成式 AI 和代理的治理。这些功能使代理行为的实时治理和历史记录以及分析成为可能。除了这些功能之外，EIQ 平台提供了一项独特的功能，确保代理按照预期行为。通过连接到客户的每个数据源和系统，代理了解它们所处的业务背景。因此，它们的响应是在这种综合框架内创建的，确保其操作的准确性和可靠性。

据报道，EvoluteIQ 在运营的第二年就实现了盈利，这对于许多 AI 初创公司来说是罕见的。什么样的战略决策使您能够在保持财务可持续性的同时平衡创新和快速产品开发？

EvoluteIQ 自其运营的第二年起就实现了 EBITDA 正数。这是通过在不损害创新的情况下对成本进行谨慎管理来实现的。该公司专注于客户采用和满意度，这反映在一致跟踪的 120% 的净留存率中。它通过与全球系统集成商、第一级 BPO 公司和领先的管理咨询公司建立强大的合作伙伴关系来推动市场动作，避免过度投资于营销和销售。该公司通过付费的价值证明（POV）而不是免费的概念验证（POC）来展示其价值。每个增长决策都是故意的和专注的。使客户在 EIQ 平台上自给自足以及与合作伙伴和客户建立强大的合作伙伴关系，也使得支持和实施组织变得精简，确保员工与收入的比例符合最佳标准。

企业自动化的格局正在迅速演变，传统的 RPA 厂商、生成式 AI 平台和代理自动化公司都在争夺关注。您如何看待这一市场的竞争格局在未来几年内的演变？

在企业自动化中，我们正在见证一种基本的融合，而不仅仅是竞争的增加。传统的 RPA 正在被降级为执行层，生成式 AI 正在迅速变得无处不在，代理 AI 正在作为控制范式出现。然而，这些发展中的任何一个都不会单独定义市场。真正的战场正在转向能够管理端到端流程并提供可衡量的业务成果的 AI 本土编排平台。未来几年，获胜者将不是拥有最先进模型或最多 bot 的公司，而是能够将代理工作流、数据和决策组合成一个统一的系统，该系统是受治理、可审计和持续改进的。企业买家已经从工具和许可转向成果和问责。因此，任何平台的定义问题将是是否能够承担成果的责任，而不仅仅是流程的一部分。

展望未来，哪些里程碑将表明企业正在从 AI 辅助工作流转向真正的自治运营，EvoluteIQ 将在这一转变中发挥什么作用？

从 AI 辅助工作流到真正的自治运营的转变不是关于微小的效率提升，而是一种对工作方式的根本性重新思考。初始里程碑是 human-on-the-loop：AI 代理做出大多数决定，人类干预仅保留用于异常情况。随后，闭环流程将实现实时感知、决策、行动和自我纠正，无需人工干预。企业将采用基于结果的模型，其中成功由业务结果衡量，而不是活动。最终，当可组合的代理架构跨功能（如财务、运营和客户服务）进行编排时，真正的自治将被实现，而不会受到遗留系统的限制。

EvoluteIQ 正处于这一转变的前沿。作为一个统一的 AI 本土平台，涵盖工作流、数据、事件和决策，它不仅辅助人类，还执行端到端流程、监控每个操作、持续测量结果并自我优化。EvoluteIQ 为企业提供了在规模上以完整的问责制运营自治的基础设施。这就是从自动化到自治的转变，也是 EvoluteIQ 为什么能够引领这一旅程的原因。

感谢这次精彩的采访，希望了解更多的读者可以访问 EvoluteIQ。