维杰·维贾亚桑卡（Vijay Vijayasankar），Genpact全球Agentic AI官员 – 采访系列

维杰·维贾亚桑卡（Vijay Vijayasankar），Genpact全球Agentic AI官员，领导公司的全球Agentic AI解决方案产品化，重点是将企业价值创造从传统的人力密集型模式转向高利润率的结果导向框架。在他的角色中，他正在帮助塑造Genpact在整个企业中扩大AI的方法，通过围绕AI构建者和AI实践者建立组织模型，AI构建者设计高级编排层，AI实践者将领域专业知识带入由自主代理驱动的工作流程中。在加入Genpact之前，维贾亚桑卡曾在IBM担任过高级领导职位，包括金融服务管理合伙人、IBM服务北美CTO和GBS北美认知、IoT、分析和沃森健康总经理，以及MongoDB (MDB )和SAP的早期高管职位。

Genpact是一家Agentic和高级技术解决方案公司，帮助大型企业通过流程智能、人工智能、数据和数字化转型现代化其运营。该公司在金融和会计、客户服务、风险和合规、采购和供应链、技术和信任与安全等领域工作，同时其数据和AI服务专注于帮助组织使用高级分析、AI和自主代理将复杂数据转化为可衡量的业务成果。

您在IBM、MongoDB、SAP和现在Genpact等公司度过了二十多年，担任过全球Agentic AI官员。回顾从大数据和分析到今天的Agentic AI系统的演变，您认为企业应该如何对待AI转型？

我已经看到了三次同样的电影。大数据是决策的银弹。云计算是组织敏捷性的瞬间开关。现在，Agentic AI是运营的万能药。在每个周期中，创造价值的公司都专注于他们的运营模式、流程和人员。那些挣扎的公司，包括很多现在仍然挣扎的公司，把技术本身当作转型的目标。

Agentic AI与其他技术的根本区别在于其位置。它位于执行层，而不是洞察层。旧工具生成图表和推荐。代理采取行动。一个糟糕的分析仪表盘会产生一个糟糕的图表，人类分析师会在它到达CEO桌子之前发现它。一个糟糕的代理会在规模上执行一个糟糕的交易，在任何人意识到它发生之前。这种情况完全改变了风险状况，并迫使公司具备以前不需要的运营纪律。我已经学会了对自己的兴奋保持警惕。Agentic AI很吸引人，但这正是你需要放慢速度并审计基础设施的时候。

Genpact与HFS Research的新报告估计，未解决的企业债务正在全球范围内困住近18万亿美元的潜在价值。报告的发现最让您惊讶的是什么，您为什么认为这么多组织继续低估流程、数据、技术和人才债务的影响？

令人惊讶的是，低效流程、碎片化数据、过时技术和劳动力准备挑战所困住的价值的规模被衡量为万亿美元。

更重要的是问题的结构。多数领导者将这些问题视为独立的隔离区。一个数据问题，一个流程问题，一个技术问题，一个技能问题，每个问题都被独立处理。它们并非独立。糟糕的数据迫使人们想出手动变通方法。这些变通方法会产生流程复杂性。这种复杂性会让最好的员工感到筋疲力尽，并使运营变得脆弱。到AI项目到来时，它会遇到所有这些问题。AI被指责为失败，但这种失败是十年前就已经存在于业务中的。我们谈论企业债务作为成本负担，但它更准确地被描述为增长约束。这种区别很重要，因为它改变了谁拥有问题以及解决问题的价值。

报告发现，85%的高管认为企业债务限制了AI价值的实现。您认为为什么企业继续大量投资AI，同时经常忽视基础问题，这些问题阻止了投资带来回报？

因为AI是可见的，而基础设施是不可见的。每个董事会都想看到一个AI战略。每个CEO都需要一个故事可以讲述。部署一个闪亮的新模型是一个头条新闻。重新设计一个核心供应链流程是一项无人问津的苦差事，直到它最终奏效。

我见过组织花六个月时间选择一个模型，花六天时间检查模型要改进的流程。这种比例是错误的，他们最终会发现自己犯了错误。瓶颈几乎从来都不是AI。它是流程不一致、系统断开、多年来没有人负责的数据。AI不能解决这些问题。它会更快地暴露这些问题。激励结构不奖励基础设施的建设。没有数据治理的演示。那些悄悄解决基础设施问题的高管正在打赌运营健康会随着时间的推移而复合，但大多数董事会都没有衡量这一点。

数据债务在研究中被确定为最大的AI阻碍。企业今天可以采取什么实际步骤来从碎片化、低质量的数据环境转变为可以支持Agentic AI的大规模数据基础设施？

停止尝试启动一个大规模的、自上而下的治理计划。这是一个技术答案，用于解决问责问题。在大多数大型组织中，没有人拥有信息的准确性，这些信息运行着业务。

实际的起点是选择几项高价值流程，并逆向工作。什么决定需要做？这些决定需要什么数据？谁拥有这些数据？这些数据错误的频率是多少？这个练习会立即暴露出问责缺口。我们必须正确做到这一点，因为代理会默默地失败。一个人类分析师会看到两个系统不一致，并做出判断。一个代理会在相互冲突的数据之间进行仲裁，并以绝对的自信执行。 如果您的组织的不同部分以不同的方式定义客户或交易，代理将从错误的输入中做出自信的决定，您的组织中没有任何东西会捕获到这一点。 这是一个大多数组织尚未完全承担的新类别的运营风险。

代理不能像人类一样处理模糊性。这也是为什么代理解决方案的成功与模型的智能程度不太相关，而与建立的护栏质量更相关的原因。

您曾经说过“没有流程智能就没有AI”。您为什么认为在组织尝试自动化复杂业务运营时，流程重设计往往比AI模型本身更重要？

因为模型的性能与其嵌入的流程一样好，而不是更好。组织痴迷于模型选择，因为那里是可见的创新，但流程才是价值创造的地方。

如果一个工作流程有冗余的审批、重复的工作或不明确的所有权，AI不会解决这些问题。它会加速这些问题。您会更快地以更大的规模获得一个破碎的结果。人们经常认为彻底的流程重设计会减慢他们的速度，但现实恰恰相反。您节省了您原本会花在解开一个糟糕的部署上的十八个月。可以把它想象成一辆车：您可以把有史以来最好的引擎安装到一辆车轮不对齐的车上，但它仍然会向左偏离。

许多组织正在尝试AI代理，但相对较少的组织已经成功地在核心业务功能中部署了它们。您认为是什么因素将企业与那些仍然停留在试验阶段的企业区分开来？

试验是设计来成功的。您选择最好的流程、最干净的数据和最有动力的团队。扩大规模意味着进入一个现实的环境，在那里这些条件都不成立。

扩大规模的组织从一开始就停止创造人为条件。他们选择一个真正的运营问题，分配一个对业务成果负责的所有者，而不是技术，并从设计之初就将治理融入其中。我们有一些客户在应付账款和交易监控中运行代理。生产力数字是可见的，但真正的变化是结构性的。最终状态是一个根本不同的工作流程，人们被解放出来做他们以前没有时间处理的战略工作。扩大代理的规模是一个领导力挑战，而不是软件挑战。

报告强调，只有6%的企业成功解决了他们的主要债务挑战。这些组织做得不同的是什么？您在挣扎的公司中看到的常见错误是什么？

他们把它当作一个业务问题，而不是一个IT项目。它与高管的支持和可衡量的业务绩效相关联。他们理解运营健康与增长战略没有区别。它就是增长战略。

其他94%的组织正在追逐症状。他们部署一个工具来解决一个流程问题，或启动一个AI计划来弥补糟糕的数据。这种做法会带来短期的提升，但根本问题仍然存在，债务继续累积。打破这种循环的领导者把它当作一个业务问题，而不是一个IT项目。他们理解运营健康不是增长战略的附属品，而是增长战略本身。那些愿意说出大多数高管不愿说的话的人是那些真正取得进展的人：这个流程已经破碎了十五年，我们围绕其失败建立了整个运营模式，我们将从头到尾彻底重建它。这种承认是令人不舒服的。它引发了人们对为什么以前没有解决它的疑问。那些做出这个决定的人是那些真正取得进展的人。

您曾经谈到过“AI构建者”和“AI实践者”之间的区别。您如何看待企业劳动力在未来五年内的演变？随着人类越来越多地与自主代理合作，哪些技能将变得最有价值？

最有价值的技能将是知道如何提出一个问题。随着AI处理更多的执行，结果的质量取决于问题的质量和对输出的判断。您需要能够认识到某事看起来正确但结构上是错误的东西。

除此之外，我会强调三件事。首先是领域深度。一般的AI能力正在迅速变得商品化，所以通才正在失去优势。溢价将归于那些在特定领域中结合真正的功能专业知识和在该领域应用AI的能力的深度领域专家。第二是异常处理。您需要知道当代理遇到障碍或财务风险太高而无法自动化时该怎么办，这需要机构智慧而不是训练数据。第三是工作流设计，即结构工作以使人类和智能系统各自发挥其优势的能力，并认识到何时需要转变这种划分。它不是行业已经确定的术语，但这种技能是真实的，目前被低估。

关于AI是否会消除工作岗位或转变工作岗位的争论仍在继续。您曾经认为，人们对AI能力的误解是这种担忧的主要原因。您如何看待人类专业知识和AI代理之间的关系随着采用率的提高而发展？

AI在明确定义、批量和模式依赖的任务中表现出色，例如处理发票、监控交易异常和起草常规通信。它比人类团队更快、更有规模地完成这些任务。然而，AI无法对现实世界的结果承担责任，也无法处理新颖性、模糊性和复杂的人类关系，这就是为什么人类专业知识仍然至关重要的原因。

大多数工作都是任务的集合，而不是单一活动，AI将随着时间的推移吸收执行层。这样并没有消除对人的需求，只是改变了他们创造价值的地方。随着常规工作被自动化，专业知识转向解决异常、重新设计流程和帮助组织在技术和业务需求演变时适应。一些角色将会发生显著的变化，领导者有责任解决新工作是否对那些旧工作消失的人来说是可及的。答案几乎完全取决于组织关于培训和转型的选择。这是一个领导力决定，而不是技术结果。那些我尊重的公司正在与团队坦率地讨论哪些角色正在改变、在多长时间内改变、人类专业知识在哪里仍然非常有价值，以及什么是现实的前进道路。大多数公司还没有进行这次谈话。

展望未来，真正的Agentic企业在实践中是什么样子？如果我们五年后重温这次谈话，您期望在业务运营、组织设计和AI部署方面会有哪些变化成为领先企业的标准？

我们将停止把AI当作一个单独的计划来谈论，就像我们停止谈论数字化转型一样。它将只是工作的常态。

我最感兴趣的结构变化是，当代理消除了信息传递的距离时，会发生什么。我们有很多当前的等级制度是因为信息很难移动。我们有批准链和协调角色，因为信息必须从创建的地方传递到决策的地方。当代理消除了这种距离时，很大一部分协调基础设施变得冗余。早期认识到这一点并重新设计的组织将拥有一个会随着时间推移而积累的速度优势。

我们还将看到AI的购买和交付方式发生转变。软件公司构建产品，但不对结果负责。服务公司承担责任，但难以构建可扩展的产品。两种模式都是不充分的。我们在Genpact构建的是特定领域的产品化AI，作为结果交付。您购买结果，我们对其负责。我认为这将成为标准，因为它正确地对齐了激励。只出售能力的供应商对其在您的环境中是否有效没有任何利益。那些对结果负责的人对其有着切身的利益。这个时代的赢家不会被定义为拥有最复杂的AI模型，而是定义为掌握了人类、流程和智能系统之间的结构重设计。我们才刚刚开始这一转变的第一天。

感谢您这次精彩的采访，希望读者能够通过访问Genpact了解更多信息。