Gautam Singh, Jefe de Unidad de Negocios Globales de Análisis, Datos y AI, WNS Analytics – Serie de Entrevistas

Gautam Singh es el Jefe de Unidad de Negocios de WNS Analytics y el Co-fundador y CEO de The Smart Cube, una empresa de WNS. Pasó 20 años estableciendo y creciendo The Smart Cube (un líder en investigación y análisis) antes de que fuera adquirida por WNS. Anteriormente, trabajó durante 10 años en consultoría de gestión y capital de riesgo en Europa y EE. UU. Gautam ha ocupado varios cargos, incluyendo puestos en Coven Partners (Londres), A.T. Kearney (Londres), Mitsubishi Motors (India) y Cummins Engines (EE. UU.). Tiene un MBA de la Universidad de Michigan, Ann Arbor, EE. UU. y una licenciatura en Ingeniería Mecánica del IIT Bombay, India.

WNS Analytics ayuda a las empresas a convertir sus datos en valor estratégico a través de la “inteligencia de decisión” – combinando una robusta infraestructura de datos, tecnologías de AI/GenAI/agentic-AI y experiencia específica del dominio. Ofrecen servicios en diversas industrias, incluyendo seguros, banca y servicios financieros, minorista, CPG, fabricación, atención médica, energía y logística. Sus capacidades abarcan ingeniería y gobernanza de datos, análisis descriptivos y predictivos, herramientas de AI/ML y visualización – todo diseñado para permitir decisiones más rápidas y seguras, así como innovación continua.

Comenzó su carrera en consultoría de gestión de alto nivel, luego fundó The Smart Cube y la dirigió durante más de dos décadas antes de su adquisición por WNS. ¿Qué lo motivó a cambiar de consultoría a emprendimiento y, más tarde, a liderar un negocio global de análisis de datos y AI?

Pasé diez años en consultoría de gestión y vi una clara brecha en el mercado: las empresas estaban sentadas sobre montañas de datos pero no estaban extrayendo su valor completo. En 2003, el análisis era básico – estábamos trabajando con hojas de cálculo de Excel.

La decisión de dejar la vida corporativa se redujo a la autoconfianza. Vi una oportunidad de ayudar a las organizaciones a aprovechar realmente sus datos, así que fundé The Smart Cube con esa visión.

Después de 20 años de construir The Smart Cube, unirme a WNS no fue una salida, sino una evolución. He llevado adelante la mentalidad emprendedora, pero ahora con muchos más recursos y alcance. Esto me permite abordar problemas a una escala que nunca podría haber entregado en un negocio más pequeño. Lo más importante es que reconocí el poder de integrar y fusionar datos y análisis en los procesos comerciales básicos, en lugar de tratarlos como intervenciones discretas. Esa integración sin problemas de la experiencia del dominio y la transformación del proceso es central en el ADN de WNS – y es lo que me motivó a ser adquirido y ahora a liderar esta unidad de negocio en WNS.

En sus más de 20 años trabajando en análisis, ¿cómo ha visto evolucionar el papel de los datos y la AI en los servicios financieros – desde la adopción temprana hasta la integración a gran escala y empresarial de hoy en día?

En la década de 1990, el análisis significaba mirar datos históricos y hacer pronósticos estadísticos. La transformación ha sido notable.

Los primeros años 2000 trajeron la digitalización y modelos predictivos más avanzados. Para 2010, el análisis de trading en tiempo real se había convertido en estándar. Hace casi una década, el aprendizaje automático comenzó a impulsar un cambio real, y más recientemente, la IA Generativa (IA Gen) ha ocupado el centro del escenario.

Hoy en día, las instituciones financieras tratan los datos como un activo estratégico. La pregunta ha pasado de “¿Podemos usar IA?” a “¿Cómo podemos integrar la IA en cada decisión?”

El impacto es tangible: la incorporación de clientes que antes tardaba días ahora se completa en horas con verificación basada en IA. Las evaluaciones de riesgo crediticio evalúan cientos de puntos de datos en tiempo real más allá de las puntuaciones tradicionales. Los cálculos de riesgo que requerían corridas por lotes nocturnas ahora son instantáneos. Y la detección de fraude ya no reacciona después del hecho – bloquea la actividad sospechosa en tiempo real.

¿Cómo están utilizando las empresas con visión de futuro los lagos de datos impulsados por IA y los marcos de gobernanza para mejorar la toma de decisiones en tiempo real, el cumplimiento normativo y la transparencia en las operaciones financieras?

Construir almacenes de datos monolíticos y esperar perspicacias ya no funciona. Las instituciones necesitan diseñar ecosistemas de datos inteligentes.

Los servicios financieros enfrentan un desafío único: son orientados al cliente, manejan datos altamente sensibles y aún necesitan ofrecer personalización y respuesta en tiempo real. Esto requiere lagos de datos modulares construidos sobre marcos flexibles.

Dentro de esta arquitectura, las organizaciones crean estanques de datos especializados para análisis de precios, evaluación de riesgos y presentación de informes regulatorios. Cada estanque opera de forma independiente mientras alimenta el ecosistema más grande, entregando valor inmediato mientras preserva los límites de seguridad.

La tendencia Zero ETL es especialmente relevante aquí, ya que elimina los procesos complejos de Extracción-Transformación-Carga al permitir la consulta directa a través de los sistemas. Esto permite que la IA acceda y analice los datos en tiempo real sin moverlos, reduciendo la latencia y manteniendo la gobernanza.

Los agentes de IA también están evolucionando más allá de la detección de anomalías. No solo señalanizan transacciones sospechosas, sino que también recomiendan acciones y ejecutan respuestas dentro de los parámetros de gobernanza.

La datos sintéticos a menudo se presentan como una forma segura de entrenar modelos de IA sin exponer información sensible. ¿Puede compartir ejemplos de cómo se está aplicando efectivamente la datos sintéticos en la detección de fraude, análisis de riesgos y validación de modelos?

En WNS Analytics, aprovechamos la generación avanzada de datos sintéticos para crear conjuntos de datos de alta fidelidad y cumplimiento de la privacidad que aceleran el entrenamiento de modelos de IA, particularmente en dominios con escasez de datos. Nuestros conjuntos de datos sintéticos emulan escenarios del mundo real mientras reflejan los mismos patrones estadísticos, comportamientos y correlaciones que los datos financieros reales – flujos de transacciones, tendencias de fraude, comportamientos de los clientes – sin exponer ninguna información de identificación personal sensible (PII) o datos de los clientes.

Esta capacidad está transformando los servicios financieros en campos como el análisis de riesgos, la detección de fraude, la calificación crediticia, las pruebas de estrés y la modelización de cumplimiento. Estos conjuntos de datos sintéticos permiten a las organizaciones iniciar rápidamente el desarrollo de soluciones de IA mientras garantizan la privacidad de los datos y la confianza regulatoria.

Una aplicación particularmente innovadora implica el uso de datos enmascarados de PII para crear modelos de lookalike. Esto permite a las empresas ofrecer ofertas dirigidas a los consumidores, permitiendo marketing personalizado mientras se mantiene la privacidad completa.

La automatización inteligente y los agentes de IA se están integrando cada vez más en los flujos de trabajo empresariales. ¿Cuáles son los casos de uso más transformadores que ha visto en los servicios financieros, y cómo mejoran la resiliencia operativa y el rendimiento?

La automatización inteligente que aprovecha los agentes de IA está acelerando los flujos de trabajo empresariales, permitiendo a las organizaciones optimizar las operaciones y tomar decisiones más informadas y rápidas. Estos agentes combinan la automatización con el razonamiento avanzado para entregar mejoras en la resiliencia, escalabilidad y rendimiento.

En WNS Analytics, aplicamos el marco GAIN (nuestro marco propietario para la implementación de IA Agentic) para evaluar los niveles adecuados de autonomía para la IA Agentic. Además, proporcionamos componentes reutilizables y basados en microservicios para agentes hiperspecializados a través de nuestro Hub de Utilidades de IA galardonado.

En el sector de seguros, hemos transformado múltiples flujos de trabajo a través de la IA Agentic. En la subrogación de reclamaciones de automóviles, nuestra solución de detección de recuperación de terceros basada en IA Gen, impulsada por agentes autónomos, ha logrado una precisión del 85%, ha duplicado los volúmenes de recuperación y ha mejorado las recuperaciones anuales en aproximadamente un 49% – desbloqueando millones de oportunidades que anteriormente se pasaban por alto.

En la suscripción, nuestro asistente de investigación basado en IA Agentic emplea múltiples agentes especializados para desglosar consultas complejas, extraer datos de múltiples fuentes y generar perspicacias con una precisión del 99% mientras reduce el tiempo de respuesta en un 85%.

Para un banco líder, nuestra solución de IA Gen redujo el tiempo de pantalla de medios adversos en un 60% y redujo los falsos positivos en un 12-15%.

También tenemos una solución de gestión de conocimiento basada en IA Gen – diseñada como una plataforma horizontal – para redefinir cómo las empresas recuperan, razonan y contextualizan vastos datos no estructurados. Al entregar perspicacias precisas, cumplidoras y consistentes en tiempo real, mejora la toma de decisiones, optimiza la eficiencia y fortalece la resiliencia operativa en diversas industrias.

Estas soluciones mejoran el juicio humano, creando sistemas más rápidos y precisos.

Para las empresas que buscan ampliar las iniciativas de IA, ¿cuáles son los mayores obstáculos – técnicos, culturales o estratégicos – y cómo pueden superarlos los líderes?

El mayor obstáculo para ampliar las iniciativas de IA no es la tecnología – es la preparación organizativa.

Primero, hay silos de datos a través de sistemas heredados. El reemplazo completo no siempre es práctico; en cambio, el enfoque debe estar en construir puentes inteligentes. En WNS, hemos creado “equipos de puente” que emparejan a administradores de sistemas heredados con ingenieros de la nube, acelerando la implementación mientras se preservan las reglas de negocio críticas.

Segundo, la brecha de habilidades. Las empresas necesitan la mezcla adecuada de expertos en dominio, ingenieros de datos, científicos de datos y traductores que puedan conectar las perspicacias técnicas con el valor comercial.

Tercero, el ritmo del cambio tecnológico. Nuestro Laboratorio de IA de WNS permite a las organizaciones experimentar con tecnologías emergentes y construir prototipos antes de comprometerse con la implementación a gran escala.

En el frente cultural, el éxito depende de una gestión de cambio efectiva. Diseñamos marcos que ayudan a los empleados a ver la IA como algo adicional en lugar de reemplazarlo. Establecer un consejo de IA también es una buena opción, proporcionando gobernanza, alineación transversal y una ruta estructurada para moverse desde pilotos hasta una escala empresarial.

Con un escrutinio creciente sobre la ética de la IA, el sesgo y la transparencia, ¿cómo pueden las instituciones financieras encontrar el equilibrio adecuado entre la innovación y la gobernanza responsable de la IA?

La innovación y la responsabilidad no son opciones opuestas – la responsabilidad debe estar integrada en la innovación desde el principio.

Las instituciones financieras necesitan marcos de gobernanza de IA robustos. En WNS, implementamos marcos que garantizan que la IA se desarrolle de manera responsable, ética y segura. Nuestro enfoque incorpora controles para el sesgo, equidad, KPI personalizados y seguimiento de la deriva del modelo. Esto genera confianza, no solo cumplimiento regulatorio.

La transparencia es especialmente crítica en los servicios financieros. Si la IA deniega un préstamo, los solicitantes merecen explicaciones claras y comprensibles.

En última instancia, la IA responsable es una ventaja competitiva. Los bancos que demuestran equidad, transparencia y seguridad en sus sistemas de IA ganan la confianza del cliente. Aquellos que tratan la gobernanza como una afterthought arriesgan sanciones regulatorias y daños a la reputación que son mucho más difíciles de reparar.

En los próximos 3-5 años, ¿qué capacidades de IA emergentes o estrategias de datos cree que tendrán el mayor impacto en la forma en que operan las organizaciones financieras?

Tres desarrollos cambiarán los servicios financieros en los próximos tres a cinco años.

Primero, la IA Agentic pasará de experimental a esencial. Los agentes de IA autónomos ejecutarán flujos de trabajo complejos y orquestarán departamentos enteros junto con equipos humanos.

Segundo, los sistemas de aprendizaje continuo se convertirán en estándar. La IA se adaptará a cada interacción, permitiendo servicios financieros verdaderamente personalizados que evolucionan con las necesidades cambiantes de cada cliente.

Tercero, veremos una poderosa convergencia tecnológica: computación cuántica para cálculos de riesgo avanzados, blockchain para registros de decisiones de IA transparentes y computación de borde para decisiones locales instantáneas. Juntas, estas tecnologías desbloquearán formas completamente nuevas de servicios financieros que apenas estamos comenzando a imaginar.

Después de navegar por el emprendimiento, la adquisición y ahora un papel de liderazgo global, ¿qué principios directivos lo han ayudado a tomar decisiones y liderar equipos a través del cambio?

Tres principios me guían.

Primero, la perseverancia sobre la perfección. Cuando comenzamos The Smart Cube, no teníamos todas las respuestas. Cometimos errores, nos adaptamos y seguimos adelante. La persistencia con adaptabilidad ha sido esencial.

Segundo, construir valor duradero, no salidas rápidas. Un profesor de la escuela de negocios me aconsejó una vez – años después de que había fundado The Smart Cube – “No se enfoque en la salida. Enfóquese en construir un negocio exitoso que durará”. Esa mentalidad a largo plazo ha dado forma a cada decisión que he tomado.

Tercero, disfrutar de lo que hago. Siempre he creído que si no me estoy divirtiendo, me mudaré a algo más. Después de 30 años, todavía me despierto emocionado, y ese entusiasmo inspira a los equipos a través del cambio.

Liderar a través de la adquisición reforzó otra verdad: el cambio tiene éxito cuando se lleva a las personas. La integración técnica es directa; la integración cultural – construir una visión compartida – es donde realmente importa el liderazgo.

Para los profesionales que desean dar forma al futuro de la IA en las finanzas, ¿qué habilidades, mentalidades o experiencias cree que serán más valiosas?

El futuro pertenece a aquellos que pueden tender puentes entre mundos. Las habilidades técnicas puras o la experiencia en el dominio por sí solas no serán suficientes.

Primero, desarrollar el pensamiento sistémico. Comience con la necesidad del mercado – un caso de uso claro – y trabaje hacia atrás. La IA en las finanzas requiere ver cómo todo se conecta: cómo un cambio en los modelos de riesgo impacta la experiencia del cliente o cómo la automatización abre nuevas oportunidades.

Segundo, cultive la practicidad disciplinada sobre el idealismo. Esté emocionado con las nuevas tecnologías, pero riguroso al evaluarlas. No todos los problemas necesitan IA – a veces, análisis simples o incluso hojas de cálculo pueden hacer el trabajo.

Tercero, construya habilidades de traducción. Esto es vital. Ser capaz de explicar conceptos de IA complejos a miembros de la junta y traducir requisitos comerciales para científicos de datos es invaluable. Los líderes de IA más fuertes alinean la tecnología con la estrategia empresarial.

Finalmente, abrace el aprendizaje continuo. Las herramientas que eran de vanguardia hace cinco años ya están obsoletas. Permanecer curioso, humilde y comprometido con el aprendizaje abrirá puertas a oportunidades que aún no podemos imaginar en la intersección de la IA y las finanzas.

Gracias por la gran entrevista, los lectores que deseen aprender más pueden visitar WNS Analytics.