GCC:er och Agentic AI: Inträdet i den nya eran av automatisering

Viktiga slutsatser:

1. Utvecklingen av GCC:er inom analys har utvecklats , från att uppnå kostnadsbesparingar till att bli värdeskapande.

2. För implementering av Agentic AI behöver GCC:er en stark och heltäckande strategi med integrerad domänkunskap, människor och teknik.

3. I GCC:er kommer kombinationen av generativ AI och agentisk AI att öppna upp ett brett utbud av analysanvändningsfall som möjliggör automatisering.

4. Frågor kring dataskydd och styrning är fortfarande viktiga, och deras betydelse för att skapa rätt ramverk för agentdesign

Indien har fler än 1700 globala kundcenter (GCC) [1] och teknikpenetrationen i GCC: er inom AI/ML och datavetenskap ökade från 65 % under räkenskapsåret 2019 till 86 % under räkenskapsåret 2024 [2] . Detta innebär en massiv förändring, inte bara i uppfattningen om GCC:er, som började som backend-driftsstöd, till att nu vara ett verkligt innovationskraftverk.

Hur AI och analys har vuxit i GCC:er under åren

Innan vi går in på hur framtiden kommer att se ut, behöver den nuvarande tillväxten av AI och ekosystem diskuteras. Denna resa har inneburit ett skifte inte bara i hur offshore-ekosystem uppfattas utan också hur effektivt det har varit.

De tre viktigaste egenskaperna hos GCC:er över åren

Fas 1: Kostnadsarbitrage (1990-2005)

• Primärt fokus på arbetskraftskostnadsbesparingar
• Grundläggande backoffice-operationer och rutinuppgifter
• Begränsad beslutsfattanderätt

Fas 2: Processexcellens (2005-2012)

• Fokus på processoptimering och kvalitetsförbättring
• Introduktion av Six Sigma och andra effektivitetsmetoder
• Framväxten av modeller för delade servicecenter

Fas 3: Värdeskapande (2012-2020)

• Övergång till kunskapsbaserat arbete och specialiserade funktioner
• Betydande ökning av FoU-kapacitet och innovationsinitiativ
• Utveckling av egenutvecklade IP och lösningar

Fas 4: Innovationskraftverk (2020-nutid)

• GCC:er som dedikerade innovationsnav som driver global strategi
• Helhetsägande av produkter, tjänster och marknader
• Driva moderbolagets digitala transformationsarbete

Detta kan också kompletteras av hur fokus har flyttats från anställning till personalomsättning och kompetensutveckling, särskilt för generativa och agentmässiga förmågor.

Enligt en undersökning av EY[3] vidareutbildar 78 % av GCC:erna team för införande av GenAI , medan 37 % pilottestar användningsfall , vilket belyser en förskjutning från experiment till praktiska tillämpningar av AI med fokus på talanghantering och riskreducering.

Är Agentic AI den drivkraft som behövs för GCC:er?

GCC:er befinner sig i en balansgång mellan innovation och autonomi, vilket gör dem till den perfekta miljön för att möjliggöra den kombination av innovation och experiment som krävs för Agentic AI. När du utforskar synergier mellan Agentic AI och GCC, tänk på antalet potentiella agenter, botar eller användningsfall för generativ AI. Hur avgör du vilken som är bäst för dig? Det uppenbara svaret är PoC:er.

Men mer än 80 procent av AI-projekt misslyckas[5], på grund av orsaker som sträcker sig från intressenternas felaktiga samordning till implementering eller till och med ROI-säkring . Så att gå igenom användningsfallen snabbt i mindre skala och snabbare takt är vad som behövs, och GCC:er kan göra just det . Börja smått och misslyckas snabbt!

Och för att komma igång med Agentic AI för GCC:er bör fokus initialt ligga på:

• Kundupplevelse
• Produktivitetsvinster
• Förbättring av beslutsfattande

För att skala upp dem i hela organisationen föreslår vi en implementeringsprocess som inkluderar:

PS Om det inte finns en stark överensstämmelse mellan den nödvändiga domänkunskapen + datahantering + användartillvägagångssättet – kommer det att bli riktigt svårt att skala upp agentbaserad AI.

Generativ AI + Agentisk AI – den dödliga kombinationen för GCC:er

Även år 2024 har GCC:erna gjort framsteg med Generative, särskilt inom områdena:

• Automatiserad kodgenerering


• Designmönster och prototypoptimering


• AI-driven CI/CD-pipelinegenerering och mer

Från vibe-kodning till standardkodning har generativ AI banat väg inte bara för att spara tid i kodoptimering. Utan också för att skapa nästa generations plattformar med låg kod och ingen kod inom datateknik och agenter .

Det handlar inte bara om en enda agent – det handlar om hur flera agenter är redo att skapa ett ekosystem av agenter som löser problem med människor i loopen.

Ta detta till exempel,

Sarah, teamledaren i Dublin, får ett meddelande från sin övervakningsagent : ”Kundklagomål om fakturering ökade just med 27 % inom företagssegmentet.” Istället för sin vanliga brandövning – att skicka brådskande Slack-meddelanden, schemalägga nödsamtal över olika tidszoner och gräva igenom kundärenden – godkänner hon helt enkelt AI:ns rekommendation att undersöka.

Inom några minuter börjar AI-analysagenten i Chennai, under ledning av Raj, räkna ut siffrorna. Medan Raj fokuserar på en högprioriterad kundpresentation, kopplar hans AI-assistent samman klagomålen med förra veckans uppdatering av faktureringssystemet. Den hittar exakt den API-integrationspunkt där konton med flera platsar behandlas felaktigt.

I Manila får Miguel en avisering medan han äter lunch. Hans AI har mottagit analysen, implementerat en tillfällig åtgärd genom att justera faktureringsparametrarna och skapat ett ärende till utvecklingsteamet med alla tekniska detaljer. AI:n frågar om Miguel vill granska lösningen eller låta den fortsätta .

Det som behövde en mängd Slack- eller Teams-meddelanden eller en serie e-postmeddelanden är nu en serie godkännanden som gör det möjligt för användare att fokusera på vad som verkligen behövs.

Detta är bara början. Vi tror att det finns mycket utrymme för kombinationen AI-agenter + generativ AI i GCC:er, särskilt inom automatisering (med bearbetning och övervakning), allt från:

PS Med tanke på den rådande osäkerheten i världen gällande skatter och respitperioder kan agenter vara särskilt hjälpsamma för att hitta alternativa leverantörer, produkter, geografiska områden etc. för att minska riskerna och samtidigt optimera kostnaderna.

Överväganden och rekommendationer för framtiden

Hallucinationer, regulatoriska komplikationer och integritet kommer fortfarande att vara en av de viktigaste bekymmerna för både moderföretagen och GCC:erna. Tänk på det så här: Skulle du fortfarande titta på cricket med samma nivå av förtroende utan ett DRS? Det är ett levande exempel på hur ett prediktivt system har ökat förståelsen och förtroendet för ett spel som cricket. Beslutssystemet (DRS) finns för att förstärka imperiets bedömningsförmåga.

Kunder och företag behöver system som de kan lita på och som stärker både agenternas och människornas förmåga att fatta beslut. Så, om vi tar användningsfallet Anthropic som exempel, behöver agenter lager som MCP eller Model Context Protocols [6] för att skapa solida grundläggande lager som agenternas AI-design bygger på.

Några av rekommendationerna från våra experter vid modellbyggande är:

• Som tidigare nämnts, testa och prova med användningsfall som kan ge mest nytta, som att förbättra kundupplevelsen, öka produktiviteten eller fatta bättre beslutsfattande .


• Börja smått men skala upp rätt projekt – gå tillbaka till strategin för att verkligen förstå vad det är du behöver. Det är strategin som driver agenternas framgång och misslyckande.


• Data Garbage skapar Garbage Agents – det finns inget enkelt sätt att skapa nya applikationer utan rätt, ren och organiserad data.


• Rätt agentdesign är viktigt för att skala upp över hela organisationen. Det handlar inte bara om att ge alla tillgång till ytterligare en LLM. Det involverar rätt kombination av ramverk, processer och mänskliga insatser (styrning och säkerhet bör alltid vara en del av alla implementeringar).

Slutsats: Framtiden är fylld av multiagenter

Inte bara enskilda agenter, utan vi är i färd med att komma igång med multiagenter och agentsvärmar, vilket verkar vara framtiden för GCC:er . Men redan innan dess verkar årets fokus ligga på att konsolidera rätt datahanteringspraxis – och skapa grunden för att skapa skalbara agenter.

Det är här vår 1Platform kan hjälpa till

Prata med våra GCC-experter idag.

Referenser

1. https://www.ibef.org/news/indian-global-capability-centres-gcc-industry-to-hit-us-100-billion-by-2030-generate-over-2-5-million-jobs

2. https://media.zinnov.com/wp-content/uploads/2024/09/zinnov-india-gcc-landscape-the-5-year-report.pdf

3. https://www.ey.com/en_in/newsroom/2024/11/gen-ai-a-top-priority-for-70-percent-gcc-s-in-india-more-than-half-leveraging-it-to-boost-ops-and-customer-experience-ey-survey

4. https://www.gartner.com/en/articles/intelligent-agent-in-ai

5. https://www.rand.org/pubs/research_reports/RRA2680-1.htm

6. https://www.anthropic.com/news/model-context-protocol