Mukund Kalmanker, Global Head of Data, Analytics & AI at Apexon – Haastattelu Sarja

Mukund Kalmanker, Global Head of Data, Analytics & AI at Apexon, tuo yli kaksi vuosikymmentä kokemusta johtamasta suurten yritysten muutoshankkeita, ura kattaa seniorijohtajan roolit Wiprossa, jossa hän rakensi ja laajensi globaaleja AI-käytäntöjä, kehitti automaatioalustoja kuten HOLMES ja auttoi määrittelemään yritysten teknologiatajua eri aloilla, kuten rahoituspalveluissa, telekommunikaatioissa ja terveydenhuollossa. Hänen työnsä on jatkuvasti keskittynyt kääntämään uusista teknologioista, erityisesti AI:sta, data-insinööritieteestä ja automaatiosta, käytännön liiketoimintatuloksiin, yhdistämällä syvää teknistä asiantuntemusta vahvaan kansainvälisten tiimien rakentamiseen, digitalisaatiestrategioiden ajamiseen ja mitattavien operatiivisten tehokkuuksien toimittamiseen suurille yrityksille.

Apexon on digitalta eteenpäin suuntautunut teknologiapalveluyritys, joka auttaa yrityksiä kiihdyttämään liiketoimintamuutosta yhdistämällä AI:n, data-analytiikan ja digitaalisen insinööritieteellisen osaamisen luomaan älykkäitä, skaalautuvia järjestelmiä ja asiakaskokemuksia. Yrityksen integroiduilla kyvyillä pilvessä, automaatiossa ja edistyneissä analyyticoissa yritys työskentelee organisaatioiden kanssa modernisoidakseen toimintoja, parantaakseen päätöksentekoa ja toimittaa kokonaisvaltaisia digitaalisia ratkaisuja, erityisesti aloilla kuten rahoituspalvelut, terveydenhuolto ja elämänvitallisuus.

Kun olet johtanut AI- ja analytiikka-alan hankkeita yli kaksi vuosikymmentä yrityksissä kuten Wipro ja nyt Apexon, mikä kokemus on muovannut eniten lähestymistapaasi digitaaliseen muutokseen?

Viimeisten useiden vuosien aikana, mikä on muovannut lähestymistapaani eniten, on tajunnut, että onnistunut digitaalinen muutos ei ole vain teknologiaa, vaan se on teknologian kohdistaminen ratkaisemaan todellisia liiketoimintahaasteita ja sovittaminen kehittyviin ihmiskäyttäytymismalleihin. Se on innovaation hyödyntäminen strategisena välineenä johtaa alaa ja tehdä maailmasta parempi paikka elää. Olipa kyseessä sitten auttaminen pankissa ratkaisemaan sääntelyvaatimukset, vähittäiskaupan brändin uudelleenkuvaaminen asiakaskokemuksesta tai terveydenhuollon tarjoajan nopeampiin, dataohjattuihin päätöksiin, olen nähnyt suurimman vaikutuksen, kun aloitamme lopputuloksella mielessä. Aikaisemmassa elämässäni ja nyt Apexonissa, tiimini ja minä olemme työskennelleet asiakkaiden kanssa eri aloilla muuttaaksemme Agentic AI:n, Gen AI:n, AI:n, ML:n, RPA:n ja Datasta buuzzavista liiketoimintatulokseksi – lukitsemalla syvällisiä näkemyksiä, parantamalla tehokkuutta, parantamalla asiakaskokemusta, auttamalla riskien hallitsemisessa ja luomalla kilpailuetua asiakkaillemme. Tämä jatkuva yhteistyö ja tulosten painopiste on se, mikä jatkaa ajatteluni muokkaamista.

Mikä veti sinut Apexoniin, ja miten sen nykyinen lähestymistapa dataan, analytiikkaan ja AI:hin vastaa henkilökohtaista visiotaasi tulevaisuuden yritysten teknologiasta?

Mikä veti minua Apexoniin, on sen selvä sitoutuminen auttamaan asiakkaita omaksumaan innovaatiota tarkoituksella. Innovatiokulttuuri ja kasvumieliala on istutettu jokaiseen Apexoniin liittyvään henkilöön, ja se näkyy tavassa, jolla opimme, innovoimme ja ylitämme yhdessä. Syvällä osaamisella Data & AI:n parissa ja syvällä insinööritieteellisellä osaamisella ja terävällä fokuksella säännellyillä aloilla kuten BFSI ja Terveys, Apexon ei näe dataa tai AI:ta erillisenä kyvykkyytenä – se kohdella niitä perusrakenteellisina varojen, jotka auttavat insinöörimään älykkäitä yrityksiä, luomaan skaalautuvia, IP-ohjattuja liiketoimintaratkaisuja ja alustoja. Tämä vastaa uskomustani, että tulevaisuuden yritysten teknologia perustuu luomiseen älykkäitä järjestelmiä, jotka eivät ole vain sopeutuvia, vaan myös skaalautuvia, toistettavissa olevia ja rakennettu pitkäaikaisen arvon luomiseksi.

Apexonissa on tietoinen painopiste kääntäämään älykkäitä teknologioita merkityksellisiksi liiketoimintatulokseksi – olipa kyse sitten kilpailukyvyn avaamisesta, älykkään automaation mahdollistamisesta tai asiakaslähtöisten kokemusten ajamisesta. Tämä AI:n yhdistäminen IP-ensin-ajattelun kanssa on täsmälleen siellä, minne uskon yritysten muodon muuttuvan – ja olen innoissani auttamaan muotoilemaan tulevaisuutta täällä.

Miten älykkäät kankaat auttavat rakentamaan yhteyden yritykseen, ja mitä niiden todellinen toteutus näyttää?

Älykkäät kankaat eivät ole tuote tai alusta. Ne ovat arkkitehtoninen muutos. Ne yhdistävät liiketoimintayksiköitä, järjestelmiä, dataa ja päätöksiä, jotta älykkyys ei ole jotain, mihin turvautuu vain silloin tällöin; se on aina päällä. Tämä muuttaa organisaatioita data-ohjatuista todella älykkäiksi ohjatuiksi.

Todellisen vaikutuksen tulo – ajattele vähittäiskaupan sopeuttamista toimitusketjun toimintaa reaaliajassa useiden tekijöiden perusteella, kuten ostokäyttäytymisestä, toimitusketjun häiriöistä, geopolitiikasta, säästä tai paikallisista katastrofeista. Tai sairaalan esiin tuomista hoidon suosituksista, kun lääkäri tarkastelee edelleen tutkimustuloksia. Tai pankkien kykyä yhdistää dataa useista transaktioista tunnistamaan monimutkaisia rahanpesuhankkeita. Voima piilee älykkyyden kutomisessa suoraan työn virran sisään, eikä lisäämällä sitä myöhemmin. Näin yritykset tulevat todella yhteydenomaiseksi – älykkyys luodaan missä tahansa osassa organisaatiota ja tämä älykkyys on koko organisaation käytettävissä.

Miten Apexon käyttää generatiivisia AI-työkaluja, kuten Copilotia, luomaan arvoa asiakkailleen, ja missä aloilla olet nähnyt vahvimman omaksumisen?

Me näemme työkalut kuten GitHub Copilotin ei pelkästään koodausavustajina, vaan katalyytteinä uudelleenmuokkaamaan, miten ohjelmisto suunnitellaan, rakennetaan ja testataan. Apexonissa Copilot on upotettu koko insinööritieteelliseen elinkaareen – alkaen käyttötarinoiden luomisesta ja vaatimusten tarkentamisesta aina testitapauksiin ja virheiden ennustamiseen. Se auttaa tiimejä toimimaan nopeammin ja tarkemmin.

Esimerkiksi työskentelemme terveydenhuollon tarjoajan kanssa Copilotin omaksumiseksi ja yhdistämiseksi Agentic-kehyksiin kokonaan uudelleenmuokkaamaan ohjelmistotuotannon elinkaarta tuomaan lisää tehokkuutta insinööritieteeseen. Toiselle asiakkaalle autamme omaksumaan Gen AI:n ja Agentic-kehykset parantamaan data-laatuun ja antamaan valtuudet käyttäjille, jotka ovat suoraan vuorovaikutuksessa sääntelijöiden kanssa tarkistaakseen sääntelytarpeet.

Omaksuminen on ollut vahvinta aloilla, joilla nopeus, personointi ja skaalaus merkitsevät eniten – älykkäät asiakirjojen käsittely, conversational AI ja hyper-automaatio. Nämä ovat tiloja, joissa generatiivinen AI toimittaa ei vain tulostetta, vaan strategisen etulyöntiaseman.

Miten akateemiset yhteistyöt, kuten IIT Madrasin ja Imperial College Lontoon kanssa, vaikuttavat AI-tutkimukseen ja kykyjen kehittämiseen?

Yhteistyömme IIT Madrasin ja Imperial College Lontoon kanssa vaikuttaa ratkaisevasti sekä tutkimusohjelmaamme että tulevaisuuden valmiuksien kehittämiseen. Emme ainoastaan rahoita projekteja – työskentelemme läheisesti johtavien tutkijoiden kanssa tutkimaan eturintamien aloja, kuten Agentic AI:ta, monen agentin järjestelmiä ja AGI:a. Nämä yhteistyöt antavat meille syvemmän ymmärryksen useista nousevista aloista – esimerkiksi siitä, miten suuret kielimallit käyttäytyvät ja kehittyvät eri konteksteissa.

Ne toimivat myös kykyjen kehittämisen moottoreina. Yhteisöohjelmien kautta luomme käytännön oppimismahdollisuuksia, jotka yhdistävät akateemisen syvyyden yritysten relevanttiin. Se on kaksisuuntainen vaihto: saamme pääsyn eturintamisen ajatteluun, ja opiskelijat osallistuvat todellisiin ongelmiin. Tämä synergia on kriittinen skaalatakseni AI-, data- ja digitaalisen insinööritieteellisen osaamiseni.

Missä aloilla, kuten terveydenhuollossa, rahoituksessa tai telekommunikaatioissa, Apexonin AI- tai analytiikkaratkaisu on merkittävästi parantanut operatiivista tehokkuutta tai lukinnut uusia liiketoimintamalleja?

Hyvä esimerkki on työmme johtavan Pohjois-Amerikan rahoituslaitoksen kanssa modernisoida riskiarvioprosessia AI-välineellä. Automatisoimalla data-ingestion, standardoimalla hajanaisia lähteitä ja käyttämällä reaaliaikaista riskimoottoria, vähensimme manuaalista työtä 90 %:lla ja nopeutimme arvioita 4-kertaisesti. Integroidut ennustavat hälytykset ja sääntelyseuranta auttoivat leikkaamaan sääntelyrangaistuksia 30 %:lla ja taloudellista altistumista 40 %:lla. Rakennettu pilvi-pohjaiselle, mikropalveluarkkitehtuurille, ratkaisu paransi ei vain tarkkuutta ja nopeutta, vaan myös asetti asiakkaan skaalautuvan, data-ohjatun riskienhallinnan nopeasti muuttuvassa sääntelyympäristössä.

Mitä nousevia teknologioita tai AI-trendejä olet eniten keskittynyt seuraamaan seuraavana suurena rintamana yritysten innovaatiolle?

Apexonissa näemme Agentic AI:n seuraavana suurena loikkausena Yritysten Älykkyydessä lähitulevaisuudessa. Toisin kuin perinteinen AI, joka reagoi kehotteisiin, Agentic AI -järjestelmät voivat tulkita dynaamista kontekstia, asettaa ja ajaa tavoitteita, yhteistyötä järjestelmiä ja jatkuvasti parantaa palautteen kautta. Olemme rakentaneet kokonaisvaltaisen kehyksen, AgentRise, toteuttamaan tämän. AgentRise yhdistää Agentic AI -aivon, monen agentin orkestraation, ihmisen valvontaan ja yrityksen luokan havainnollistamisen.

Tuloksena on AI, joka ei ainoastaan avusta vaan suorittaa itsenäisesti monimutkaisia liiketoimintaprosesseja, dokumenttien karsimisesta terveydenhuollossa aina reaaliaikaiseen poikkeusten käsittelyyn rahoituksessa.

Se, mikä erottaa lähestymistapaamme, on painopiste skaalautuvaan, luotettavaan älykkyyteen. Käytämme modulaarisia komponentteja, kehotusinsinööritieteellistä osaamista ja turvallisia integraatioita Agentic AI:n käyttöönottoon nopeasti ja luotettavasti. Se ei ole vain innovaatio – se on AI upotettuna liiketoiminnan virran sisään, toimiva turvallisesti skaalassa ja toimittaa konkreettisia tuloksia. Kun nämä järjestelmät kypsyvät, uskomme, että ne tulevat olemaan sopeutuvien, itsensä kehittävien yritysten selkärangan kaikilla säännellyillä ja vaikutusvaltaisilla aloilla.

Seuraamme myös edistystä kapeassa AI:ssa, tekoälyssä ja kvanttilaskennassa – mutta se, mikä innoittaa meitä eniten, on näiden teknologioiden yhdistäminen voimaa antamaan yrityksille älykkyyttä, sopeutumista, autonomiaa ja itseohjautuvaa evoluutiota.

Mitä suurimpia haasteita organisaatiot kohtaavat siirtymällä perinteisistä tietojärjestelmistä moderniin analytiikka-arkkitehtuuriin?

Organisaatiot kohtaavat yleensä neljä suurta haastetta siirtymällä perinteisistä järjestelmistä moderniin analytiikka-arkkitehtuuriin.

Ensimmäinen on omaksuminen ja arvon toteutus. Perinteiset alustat muokkaavat usein syvään juurtuneita työskentelytapoja, mikä tekee muutoksen hallinnan kriittiseksi. Organisaatioiden on varmistettava, että uudet analytiikka-alustat toimittavat konkreettisia liiketoimintatuloksia, kuten liikevaihdon kasvua, operatiivista tehokkuutta ja parantunutta riskienhallintaa, eikä pelkästään teknisiä päivityksiä.

Toinen on teknologisen modernisoinnin ja kykyjen rakentaminen. Monet yritykset toimivat monimutkaisilla perintöomaisilla, jotka kattavat pääframeja, paikallisia järjestelmiä ja varhaisia pilviympäristöjä. Näiden ympäristöjen modernisointi vaatii tarkoituksenmukaista rationalisointia ja uudelleenarkkitehtuuria, samalla kuin rakentaa taitoja, osaamista ja toimintakypsyyttä, jota tarvitaan modernien data-, analytiikka- ja AI-alustojen ylläpitämiseen.

Kolmas on data- ja AI-valmius. Modernisointi ei ole vain siirtämistä dataa uudelle alustalle. Organisaatioiden on varmistettava, että data on valmis edistyneille analyytikoille ja AI:lle vahvistamalla data-laatu, hallinto, perimys, yksityisyys ja eettiset turvallisuudet, jotta näkemykset ja AI-mallit voidaan luottaa ja skaalata.

Neljäs on organisaation muutos. Kun alustat kehittyvät kohti autonomisempia ja agenteimpia AI-kykyjä, yritysten on sopeutettava toimintamallejaan, työvoiman taitoja ja kulttuuria mahdollistaakseen tehokkaan yhteistyön ihmisten ja älykkäiden järjestelmien välillä.

Miten varmistat, että digitaaliset kokemukset ja AI-ratkaisut pysyvät keskittyneinä ihmisten tarpeisiin eikä pelkästään teknisiin tuloksiin?

Uskon, että vaikuttavien digitaalisten ja AI-ratkaisujen perusta on selkeä muutos ajattelutavassa, siirtymällä siitä, mitä teknologia pystyy tekemään, siihen, miten se voi luoda merkityksellistä liiketoimintaa ja palvella ihmisiä ja yhteiskuntaa.

Aloitamme perustamalla jokaisen aloitteen todellisiin ihmisten tuloksiin, kuten parempiin päätöksiin, suurempaan osallistumiseen, vahvempiin luottamukseen ja yksinkertaisempiin kokemuksiin. Tämä vaatii syvää asiakasvuorovaikutusta, jatkuvaan kuuntelua ja ratkaisujen suunnittelua, miten ihmiset todella omaksuvat ja vuorovaikuttavat digitaalisten kokemusten kanssa. Tarkoituksenmukaisesti upotamme ihmiskeskeisen suunnittelun, avoimuuden ja vastuullisuuden alustoillemme.

Erityisesti vaikuttavilla aloilla, AI:n on toimittava vahvan ihmisen valvonnan ja selkeiden eettisten rajoitusten kanssa, varmistaen, että se täydentää ihmisten harkintaa sen sijaan, että se korvaa sen. Yhtä tärkeää on, että menestyksen on mitattava ei vain suorituskyky-mittareilla, vaan myös omaksumisella, käyttäjien luottamuksella ja pitkäaikaisen arvonluomisella.

Kun tehdään hyvin, hyödyt ulottuvat kauas yksittäisten organisaatioiden ulkopuolelle. Ihmiskeskeinen AI:lla on potentiaalia laajentaa mahdollisuuksia, vahvistaa instituutioita ja parantaa elämänlaatua laajasti. Se voi auttaa rakentamaan vahvemmin kestäviä talouksia, reilumpia järjestelmiä ja paremmin informoituja yhteiskuntia. Lopulta, tavoitteemme on kehittää AI:ta, joka ei ole vain älykäs, vaan myös vastuullinen, inklusiivinen ja tarkoituksenmukainen. Teknologia, joka vahvistaa ihmisten potentiaalia ja myönteisesti osallistuu tulevaisuuteen, jonka muokkaamme yhdessä.

Miten arvioit Gen AI -käyttöönottojen onnistumista Apexonissa – onko tiettyjä KPI:itä tai kehyksiä, joita käytät arvioimaan tehokkuutta eri asiakasympäristöissä?

Apexonissa olemme perustaneet vankat kehykset, tuettuna IP:llä, ratkaisuilla ja kiihdyttimillä, auttamaan sekä tiimejämme että asiakkaitamme mittaamaan GenAI:n ja Agentic AI -käyttöönottojen tehokkuutta.

Ensinnäkin, keskitymme liiketoimintavaikutuksiin. Se alkaa selkeästi määritellyistä alakohtaisista tai prosessikohtaisista tavoitteista, mutta lopulta keskittyy mittaamaan strategisia tuloksia, kuten asiakaskokemuksen parantamista, liikevaihdon kasvua, kustannusoptimoitumista, operatiivista tehokkuutta ja vahvempaa riskienhallintaa. Oma M4-kehys tukee tätä tarjoamalla strukturoidun suoritussuunnitelman analytiikkaliiketoiminnalle. M4 tarjoaa todistetun strategian ja ennustettavat vaiheet data-modernisoinniksi, auttaen organisaatioita kartoittamaan käyttötapauksia, modernisoida data-arkkitehtuureja ja siirtymään pilvipohjaisiin analytiikka-ympäristöihin, varmistaen, että AI-aloitteen on pysyttävä tiukasti kytkettynä mitattaviin liiketoimintaindikaattoreihin.

Toiseksi, arvioimme omaksumisen ja arvon toteutuksen. AI-käyttöönotot luovat merkityksellistä vaikutusta vain, kun ne ovat luotettavia, laajasti omaksuttuja ja tehokkaasti täydentäviä ihmisten kykyjä. Apexonissa omaksumme itse GenAI:ta ja Agentic AI:ta koko organisaatiossa, varustamalla työntekijöitä työkaluilla, politiikoilla ja ohjeilla vastuulliseen käyttöön, samalla seuraten liiketoimintatuloksia, joita ne toimittavat. Hallintokehykset, politiikat ja KPI:t, joita kehittäminen tämän prosessin aikana, auttavat asiakkaitamme kiihdyttämään GenAI:n omaksumista.

Kolmanneksi, mitatkaa teknisen suorituskyvyn. Kiihdyttimemme Genysys-alustalla mahdollistavat jatkuvan seurannan avainoperaatiivisista metriikoista, kuten vastausprecisiota, hallusinaatiota, kustannuksia inferenssikohtaisesti, skaalautuvuutta ja järjestelmän suorituskykyä. Genysys, Apexonin omistama GenAI-alusta, konsolidoi useiden suurten kielimallien kyvyt yhtenäiseen ympäristöön, jossa on helppo integrointi yli kymmenen LLM:n kanssa. Tämä mahdollistaa organisaatioille valita parhaat mallit eri käyttötapauksille, samalla ylläpitäen näkyvyyttä suorituskyvystä, luotettavuudesta ja kustannustehokkuudesta käyttöönotoissa.

Neljänneksi, arvioimme hallintoa ja riskiä. Yrityksen turvallisuuskehys, osa AgentRise -tarjontaa, auttaa organisaatioita osoittamaan hallinnon, riskin ja sääntelyn kriittiset alueet. Ottaen huomioon syvän työmme säännellyillä aloilla, autamme asiakkaitamme arvioimaan selittämiskykyä, auditointikelpoisuutta, data-perimystä, yksityisyyden turvallisuutta ja sääntelyn mukautumista vastuullisten AI-standardeihin, varmistaen, että AI-järjestelmät ovat sekä skaalautuvia että luotettavia.

Kiitos haastattelusta, lukijat, jotka haluavat oppia lisää, kannattaa vierailla Apexon.