Mukund Kalmanker, Apexonin globaali data-, analytiikka- ja AI-johtaja – Haastattelusarja

Mukund Kalmanker, Apexonin globaali data-, analytiikka- ja AI-johtaja, tuo yli kaksi vuosikymmentä kokemusta suurten yritysten muutoshankkeiden johdosta, urallaan ollessaan johtanut seniorijohtajan rooleja Wiprossa, jossa hän rakensi ja laajensi globaaleja AI-käytäntöjä, loi automaatioalustoja kuten HOLMESin, ja auttoi määrittelemään yritysten teknologiavirastoja 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 syvän teknisen asiantuntemuksen vahvaan rekisteröintiin globaaleista tiimeistä, digitalisaatiestrategioiden ajamisesta ja toiminnallisten tehokkuuksien toimittamisesta suurille yrityksille.

Apexon on digitalisoitunut teknologiapalveluyritys, joka auttaa yrityksiä kiihdyttämään liiketoimintamuutosta yhdistämällä AI:n, data-analytiikan ja digitalisen insinööritieteellisen osaamisen luomaan älykkäitä, skaalautuvia järjestelmiä ja asiakaskokemuksia. Yrityksen integroiduilla kyvyillä pilvipalveluissa, automaatiassa ja edistyneissä analyytikoissa yritys työskentelee organisaatioiden kanssa modernisoidakseen toimintoja, parantaakseen päätöksentekoa ja toimittaa kokonaisvaltaisia digitalisia ratkaisuja, erityisesti aloilla kuten rahoituspalveluissa, terveydenhuollossa ja elämänaloilla.

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

Viimeisen vuosien aikana minun lähestymistapaa on muovannut eniten se, että onnistunut digitaalinen muutos ei ole pelkästään teknologiaa, vaan se, että teknologia on kohdistettu ratkaisemaan todellisia liiketoimintamuodostumia ja mukautumaan kehittyviin ihmiskäyttäytymismalleihin. Se on kyse siitä, että innovaatioita käytetään strategisena vipuna johtaa alaa ja tehdä maailmasta parempi paikka elää. Olipa kyse pankin avustamisesta sääntelytarpeiden ratkaisemisessa, vähittäiskaupan brändin asiakaskokemuksen uudelleenluomisesta tai terveydenhuollon tarjoajien nopeampien, dataohjattujen päätöksentekojen mahdollistamisesta, olen nähnyt eniten vaikutusta, kun aloitamme lopputuloksen kannalta. Aikaisemmassa elämässäni ja nyt Apexonissa minun tiimini ja minä olemme työskennelleet läheisesti asiakkaiden kanssa eri aloilla kääntääksemme Agentic AI, Gen AI, AI, ML, RPA ja Data -buzz-sanat liiketoimintatuloksiksi – lukkojen avaamiseksi, tehokkuuden parantamiseksi, asiakaskokemuksen parantamiseksi, riskien hallitsemiseksi ja kilpailuetua luomiseksi asiakkaidemme kanssa. Tämä jatkuva yhteistyö ja tulosten keskittyminen on se, mikä jatkaa ajattelemistani.

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

Se, mikä veti minua Apexoniin, on sen selkeä sitoutuminen auttaa asiakkaita omaksumaan innovaatioita tarkoituksella. Innovatiokulttuuri ja kasvumieliala on sisäänrakennettu jokaiseen Apexonin henkilöön, ja se näkyy siinä, miten opimme, innovoimme ja rajoja ylittävää yhdessä. Syvällä osaamisella Data & AI:lla yhdistettynä insinööritieteelliseen syvyyteen ja terävään keskittyminen säänneltyihin aloihin kuten BFSI & Terveys, Apexon ei kohdella dataa tai AI:ta erillisenä kyvykkyytenä – se kohdella niitä perusrakenteellisina varastoina auttaakseen insinööritieteellisiä älykkäitä yrityksiä, luomaan skaalautuvia, IP-ohjattuja liiketoimintaratkaisuja ja alustoja. Tämä on lähellä uskomustani, että tulevaisuuden yritysten teknologia perustuu luomaan älykkäitä järjestelmiä, jotka eivät ole vain sopeutuvia, vaan myös skaalautuvia, toistettavissa olevia ja pitkäaikaisarvoa luovia.

Apexonissa on tietoinen painopiste kääntää älykkäitä teknologioita merkityksellisiksi liiketoimintatuloksiksi – olipa kyse kilpailukyvyn avaamisesta, älykkään automaation mahdollistamisesta tai asiakaslähtöisten kokemusten ajamisesta. Tämä AI:n ja IP-ensin-ajattelun yhdistyminen on täsmälleen siellä, minne uskon yritysten muutoksen olevan menossa – ja olen innoissani auttamaan muotoilemaan tulevaisuutta täällä.

Miten älykkäät kankaat auttavat rakentamaan yhdistetyn yrityksen, ja mitä niiden todellinen toteutus näyttää?

Älykkäät kankaat eivät ole tuotteita tai alustoja. Ne ovat arkkitehtoninen muutos. Ne yhdistävät liiketoimintayksiköiden, järjestelmien, datan ja päätösten väliset yhteydet, jotta älykkyys ei ole jotain, mihin tartutaan vain satunnaisesti; se on aina päällä. Tämä muuttaa organisaatioita data-ohjatuista todella älykkäiksi.

Tulevaan vaikutukseen – ajattele valmistajaa, joka mukauttaa toimitusketjun toimintoja reaaliajassa useiden tekijöiden perusteella, kuten ostokäyttäytymisestä, toimitusketjun häiriöistä, poliittisista kehityksistä, säästä tai paikallisista katastrofeista. Tai sairaalaa, joka tuo esiin hoidon suositukset, kun lääkäri tarkastelee vielä tutkimustuloksia. Tai pankkeja, jotka voivat yhdistää datan useiden transaktioiden yli kompleksisten rahanpesun havaitsemiseksi. Älykkyyden voima piilee siinä, että se kudotaan suoraan työn virtaukseen, ei lisätä sen jälkeen. Näin yritykset tulevat todella yhdistetyiksi – älykkyys luodaan missä tahansa osassa organisaatiota ja tämä älykkyys kulkeutuu koko organisaatioon.

Miten Apexon käyttää generatiivisia AI-työkaluja, kuten Copilottia, asiakkaiden arvon luomiseksi, ja missä aloilla olet nähnyt vahvimman omaksumisen?

Näemme työkalut kuten GitHub Copilotin ei pelkästään koodausavustajina, vaan katalyytteinä uudelleenajattelemiseen, miten ohjelmisto suunnitellaan, luodaan ja testataan. Apexonissa Copilot on upotettu koko insinööritieteelliseen elinkaareen – alkaen käyttöliittymän suunnittelusta ja vaatimusten tarkastelusta aina testitapauksiin ja virheiden ennustamiseen. Se auttaa tiimejä liikkumaan nopeammin suuremmalla tarkkuudella.

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

Omaksuminen on ollut vahvinta aloilla, joilla nopeus, personointi ja skaalaus ovat tärkeintä – älykkäät asiakirjojen käsittely, keskusteluai, hyperautomaatio. Nämä ovat tiloja, joissa generatiivinen AI tarjoaa ei vain tulosta, vaan strategista etua.

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 sekä tutkimusohjelmaamme että siihen, miten kehitämme tulevaisuuden valmiuksia. Emme ainoastaan rahoita projekteja – työskentelemme läheisesti johtavien tutkijoiden kanssa tutkimaan eturintamia, kuten Agentic AI, monien agenttien järjestelmiä ja AGI:ä. Nämä yhteistyöt antavat meille syvemmän ymmärryksen useista uusista aloista – esimerkiksi siitä, miten suuret kielimallit käyttäytyvät ja kehittyvät kontekstuaalisesti eri aloilla.

Ne toimivat myös kykyjen kehittämisen moottoreina. Yhteisohjelmien kautta luomme käytännön oppimismahdollisuuksia, jotka yhdistävät akateemisen syvyyden yritysten relevanttiin. Se on kaksisuuntainen vaihto: saamme syvemmän ymmärryksen eturintamista ajatuksista, ja opiskelijat käyttävät todellisia maailman ongelmia. Tämä synergia on kriittinen skaalata AI-, data- ja digitalisen insinööritieteellisen kykyämme.

Missä yhdessä tapauksessa Apexonin AI- tai analytiikkaratkaisu paransi merkittävästi toiminnallista tehokkuutta tai avaasi uusia liiketoimintamalleja aloilla, kuten terveydenhuollossa, rahoituspalveluissa tai telekommunikaatioissa?

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 arviointeja 4-kertaisesti. Integroidut ennustevaroitukset ja sääntelyseuranta auttoivat leikkaamaan sääntelyrangaistuksia 30 %:lla ja taloudellista altistumista 40 %:lla. Pilvipohjaisella, mikropalveluarkkitehtuurilla varustettu ratkaisu paransi ei vain tarkkuutta ja nopeutta, vaan myös asemoinnin skaalautuville, dataohjatuille riskienhallinnalle nopeasti muuttuvassa sääntelyympäristössä.

Mitä nousevia teknologioita tai AI-trendeja olet eniten keskittynyt tulevaisuuden yritysten innovaation seuraavaksi suureksi eturintamaksi?

Apexonissa näemme Agentic AI:n seuraavana suurena loikkauksena yritysten älykkyydessä lähitulevaisuudessa. Toisin kuin perinteinen AI, joka reagoi vihjeisiin, Agentic AI -järjestelmät voivat toimia itsenäisesti dynaamisen kontekstin tulkinnassa, tavoitteiden asettamisessa ja ajamisessa, yhteistyössä järjestelmien kanssa ja jatkuvassa parantamisessa palautteen kautta. Olemme luoneet AgentRise-kehyksen, jotta voimme toteuttaa tämän. AgentRise yhdistää Agentic AI -aivon, monien agenttien orkestraation, ihmisen valvontaan ja yrityksen tason havainnollistamisen.

Tuloksena on AI, joka ei ainoastaan avusta vaan toimii itsenäisesti monimutkaisissa liiketoimintaprosesseissa, asiakirjojen karsimisesta terveydenhuollossa reaaliaikaiseen poikkeusten käsittelyyn rahoituksessa.

Se, mikä erottaa lähestymistapamme, on painopiste skaalautuvassa, luotettavassa älykkyydessä. Käytämme modulaarisia komponentteja, vihjeiden insinööritieteellistä suunnittelua ja turvallisia integraatioita Agentic AI:n käyttöönottoon nopeasti ja luotettavasti. Se ei ole vain innovaatio – se on AI, joka on upotettu liiketoiminnan virtaukseen, toimii turvallisesti skaalautuvasti ja toimittaa konkreettisia tuloksia. Kun nämä järjestelmät kypsyvät, uskomme, että ne tulevat olemaan sopeutuvien, itsekehittyvien yritysten rungonaan säänneltyissä ja vaikutusvaltaisissa aloissa.

Seuraamme myös edistystä kapeassa AI:ssa, tekoälyssä ja kvanttilaskennassa – mutta se, mikä innoittaa meitä eniten, on miten nämä teknologiat yhdistyvät voimaan yrityksiä, jotka eivät ole vain älykkäitä, vaan sopeutuvia, itsenäisiä ja kykeneviä itseohjautuvaan evoluutioon.

Mitä ovat suurimmat haasteet, joita 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 muovaavat usein syvään juurtuneita työskentelytapoja, mikä tekee muutoksen hallinnan kriittiseksi. Organisaatioiden on varmistettava, että uudet analytiikka-alustat toimittavat konkreettisia liiketoimintatuloksia, kuten liikevaihdon kasvua, toiminnallista tehokkuutta ja parannettua riskienhallintaa, eivätkä pelkästään teknisiä päivityksiä.

Toinen on teknologisen modernisoinnin ja kykyjen kehittäminen. Monet yritykset toimivat monimutkaisilla perinteisillä omaisuudella, jotka kattavat pääframeja, paikallisia järjestelmiä ja varhaisia pilviympäristöjä. Näiden ympäristöjen modernisointi vaatii tarkoitushakuisen rationalisoinnin ja uudelleenarkkitehtuuran, yhdessä kykyjen, osaamisen ja toimintakyvyn kehittämisen, jota tarvitaan modernien datan, analytiikan ja AI-alustojen ylläpitämiseen.

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

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

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

Uskon, että todella 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 osallistumista käyttäjien kanssa, jatkuvaan kuunteluun ja ratkaisujen suunnittelua siitä, miten ihmiset todella omaksuvat ja vuorovaikuttavat digitaalisten kokemusten kanssa. Tarkoituksella upotamme ihmiskeskeisen suunnittelun, avoimuuden ja vastuun ratkaisuihimme.

Erityisesti vaikuttavilla aloilla AI:n on toimittava vahvan ihmisen valvontaan ja selkeiden eettisten varusteiden kanssa, varmistaen, että se parantaa ihmisten arvostelukykyä eikä korvaa sitä. Yhtä tärkeää on, että menestystä mitataan ei vain suorituskyvyn mittareilla, vaan myös omaksumisella, käyttäjien luottamuksella ja pitkäaikaisen arvon luomisella. Kun tehdään hyvin, hyödyt ulottuvat kauas yksittäisten organisaatioiden ulkopuolelle. Ihmiskeskeinen AI voi laajentaa pääsyä mahdollisuuksiin, vahvistaa instituutioita ja parantaa elämänlaatua laajasti. Se voi auttaa rakentamaan kestävämpiä talouksia, reilumpia järjestelmiä ja paremmin perusteltuja yhteiskuntia. Lopulta tavoitteemme on kehittää AI, joka ei ole vain älykäs, vaan myös vastuullinen, inklusiivinen ja tarkoituksellinen. 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 käytätte arvioidaksesi tehokkuutta eri asiakasympäristöissä?

Apexonissa olemme perustaneet vahvat kehykset, jotka tukevat IP:itä, ratkaisuja ja kiihdyttimiä, jotta sekä tiimimme että asiakkaamme voivat mitata GenAI:n ja Agentic AI -käyttöönottojen tehokkuutta.

Ensinnäkin keskitymme liiketoimintavaikutuksiin. Tämä alkaa selkeästi määritellyistä toimialakohtaisista tai prosessikohtaisista tavoitteista, mutta lopulta keskittyy strategisiin tuloksiin, kuten parannettuun asiakaskokemukseen, liikevaihdon kasvuun, kustannusten optimointiin, toiminnalliseen tehokkuuteen ja vahvempaan riskienhallintaan. Omistautunut M4-kehyksemme tukee tätä tarjoamalla rakenteellisen suoritusmallin analytiikkayrityksille. M4 tarjoaa todistetun strategian ja ennustettavat vaiheet datan modernisoinniksi, auttaen organisaatioita kartoittamaan käyttötapauksia, modernisoida data-arkkitehtuureja ja siirtymään pilvipohjaisiin analytiikka-ympäristöihin, varmistaen samalla, että AI-aloitteen on kohdattava mitattavia liiketoimintaindikattoreita.

Toiseksi arvioimme omaksumisen ja arvon toteutuksen. AI-käyttöönotot luovat merkityksellistä vaikutusta vain, kun ne ovat luotettavia, laajasti omaksuttuja ja tehokkaasti inhimillisten kykyjen täydentäjiä. Apexonin omassa GenAI:n ja Agentic AI -käyttöönotossa on toiminut käytännön mallina asiakkaillemme. Aloitimme ottamalla käyttöön GenAI- ja Agentic AI -kyvyt koko organisaatiossa, varustamalla työntekijöitä työkaluilla, käytäntöjä ja ohjeilla vastuullisesta käytöstä, samalla seuraten liiketoimintatuloksia, joita se toimitti. Hallintokehykset, käytäntöjä ja KPI:t, joita kehitimme tämän matkan aikana, auttavat nyt asiakkaitamme kiihdyttämään GenAI:n omaksumista ja skaalautumaan.

Kolmanneksi mitatkaaamme teknisen suorituskyvyn. Kiihdyttimemme Genysys-alustalla mahdollistavat jatkuvan seurannan avainoperaatiivisista mittareista, kuten vastausnäytön tarkkuudesta, hallucinaatioluokista, kustannuksista, skaalautuvuudesta ja järjestelmän suorituskyvystä. Genysys, Apexonin omistama GenAI-alusta, konsolidoi useiden suurten kielimallien kyvyt yhdenmukaiseen ympäristöön, jossa on helppo integrointi yli kymmenen LLM:n kanssa. Tämä mahdollistaa organisaatioille valita oikeat mallit eri käyttötapauksille, samalla ylläpitäen näkyvyyttä suorituskyvystä, luotettavuudesta ja kustannustehokkuudesta käyttöönotoissa.

Neljänneksi arvioimme hallintaa ja riskiä. Yrityksen varustekehys, osa AgentRise -tarjontaa, auttaa organisaatioita kohtaamaan kriittisiä aloja, kuten hallintaa, riskiä ja sääntelyä. Ottaen huomioon syvän työmme säännellyillä aloilla, autamme asiakkaitamme arvioimaan selittämiskykyä, tarkasteltavuutta, datan perimystä, yksityisyyden suojausta ja vastaavuutta vastuullisten AI-standardeiden kanssa, varmistaen, että AI-järjestelmät ovat sekä skaalautuvia että luotettavia.

Kiitos haastattelusta, lukijat, jotka haluavat oppia lisää, voivat vierailla Apexonissa.