गौतम सिंह, वैश्विक व्यवसाय इकाई प्रमुख, विश्लेषण, डेटा और एआई, डब्ल्यूएनएस विश्लेषण – साक्षात्कार श्रृंखला

गौतम सिंह डब्ल्यूएनएस विश्लेषण के व्यवसाय इकाई प्रमुख और द स्मार्ट क्यूब के सह-संस्थापक और सीईओ हैं, जो एक डब्ल्यूएनएस कंपनी है। उन्होंने 20 वर्षों तक द स्मार्ट क्यूब (एक शोध और विश्लेषण नेता) की स्थापना और विकास किया जब तक कि यह डब्ल्यूएनएस द्वारा अधिग्रहित नहीं किया गया। इसके पहले, उन्होंने 10 वर्षों तक यूरोप और अमेरिका में प्रबंधन परामर्श और वेंचर पूंजी में काम किया। गौतम ने विभिन्न भूमिकाएं निभाई हैं, जिनमें कोवेन पार्टनर्स (लंदन), एटी केर्नी (लंदन), मित्सुबिशी मोटर्स (भारत) और कमिंस इंजन (अमेरिका) में पद शामिल हैं। उन्होंने मिशिगन विश्वविद्यालय, एन आर्बर, अमेरिका से एमबीए और आईआईटी बॉम्बे से यांत्रिक अभियांत्रिकी में स्नातक की डिग्री प्राप्त की है।

डब्ल्यूएनएस विश्लेषण कंपनियों को उनके डेटा को रणनीतिक मूल्य में बदलने में मदद करता है – “निर्णय बुद्धिमत्ता” के माध्यम से – मजबूत डेटा बुनियादी ढांचे, एआई/जेनएआई/एजेंटिक-एआई प्रौद्योगिकियों और डोमेन-विशिष्ट विशेषज्ञता को जोड़कर। वे बीमा, बैंकिंग और वित्तीय सेवाओं, खुदरा, सीपीजी, विनिर्माण, स्वास्थ्य सेवा, ऊर्जा और लॉजिस्टिक्स सहित उद्योगों में सेवाएं प्रदान करते हैं। उनकी क्षमताएं डेटा इंजीनियरिंग और शासन, वर्णनात्मक और पूर्वानुमान विश्लेषण, एआई/एमएल टूल और दृश्यीकरण में फैली हुई हैं – सभी तेजी से और अधिक आत्मविश्वास से निर्णय लेने और निरंतर नवाचार को सक्षम करने के लिए डिज़ाइन किए गए हैं।

आपने अपना करियर शीर्ष-स्तरीय प्रबंधन परामर्श में शुरू किया, फिर द स्मार्ट क्यूब की स्थापना की और इसका नेतृत्व 20 वर्षों से अधिक समय तक किया, और फिर इसके डब्ल्यूएनएस द्वारा अधिग्रहण के बाद एक वैश्विक डेटा विश्लेषण और एआई व्यवसाय का नेतृत्व किया। परामर्श से उद्यमिता में संक्रमण के लिए आपको क्या प्रेरित किया, और बाद में एक वैश्विक डेटा विश्लेषण और एआई व्यवसाय का नेतृत्व करने के लिए?

मैंने 10 वर्षों तक प्रबंधन परामर्श में काम किया और एक स्पष्ट बाजार अंतराल देखा – कंपनियां डेटा के पहाड़ों पर बैठी थीं लेकिन इसका पूरा मूल्य नहीं निकाल पा रही थीं। 2003 में, विश्लेषण अभी भी बुनियादी था – हम एक्सेल स्प्रेडशीट के साथ काम कर रहे थे।

कॉर्पोरेट जीवन छोड़ने का निर्णय आत्म-विश्वास पर निर्भर करता था। मैंने एक अवसर देखा कि संगठनों को वास्तव में अपने डेटा का दोहन करने में मदद करने के लिए, इसलिए मैंने उस दृष्टि के साथ द स्मार्ट क्यूब की स्थापना की।

द स्मार्ट क्यूब का निर्माण करने के 20 वर्षों के बाद, डब्ल्यूएनएस में शामिल होना एक निकास नहीं था, बल्कि एक विकास था। मैंने उद्यमी मानसिकता को आगे बढ़ाया है, लेकिन अब बहुत अधिक संसाधनों और पहुंच के साथ। यह मुझे समस्याओं को एक पैमाने पर हल करने की अनुमति देता है जो मैं एक छोटे व्यवसाय में कभी नहीं कर पाता। सबसे महत्वपूर्ण बात, मैंने डेटा और विश्लेषण को मूल व्यवसाय प्रक्रियाओं में एम्बेड और इंफ्यूज करने की शक्ति को पहचाना, न कि उन्हें अलग हस्तक्षेप के रूप में माना। यह डोमेन विशेषज्ञता और प्रक्रिया परिवर्तन का निर्बाध एकीकरण डब्ल्यूएनएस के डीएनए में केंद्रीय है – और यह मुझे अधिग्रहित किया जाने और अब इस व्यवसाय इकाई का नेतृत्व करने के लिए प्रेरित किया।

आपके 20+ वर्षों के विश्लेषण में काम करने के दौरान, आपने वित्तीय सेवाओं में डेटा और एआई की भूमिका कैसे विकसित होते देखा है – शुरुआती अपनाने से लेकर आज के बड़े पैमाने पर, उद्यम-स्तरीय एकीकरण तक?

90 के दशक के अंत में, विश्लेषण का अर्थ था ऐतिहासिक डेटा को देखना और सांख्यिकीय पूर्वानुमान बनाना। परिवर्तन उल्लेखनीय रहा है।

2000 के दशक की शुरुआत में डिजिटलीकरण और अधिक उन्नत पूर्वानुमान मॉडल का आगमन हुआ। 2010 तक, वास्तविक समय व्यापार विश्लेषण मानक बन गया था। लगभग एक दशक पहले, मशीन लर्निंग ने वास्तविक परिवर्तन को चलाना शुरू किया, और हाल ही में, जेनरेटिव एआई (जेन एआई) ने केंद्र चरण ले लिया है।

आज, वित्तीय संस्थान डेटा को एक रणनीतिक संपत्ति के रूप में मानते हैं। प्रश्न यह है कि “क्या हम एआई का उपयोग कर सकते हैं?” से “हम हर निर्णय में एआई कैसे एम्बेड करें?” में बदल गया है।

प्रभाव स्पष्ट है – ग्राहक ऑनबोर्डिंग जो पहले दिनों में लेता था अब घंटों में पूरा हो जाता है एआई-आधारित सत्यापन के साथ। क्रेडिट जोखिम मूल्यांकन वास्तविक समय डेटा बिंदुओं के सैकड़ों का मूल्यांकन करते हैं जो पारंपरिक स्कोर से परे हैं। जोखिम गणना जो रात भर के बैच रन की आवश्यकता थी अब तात्कालिक है। और धोखाधड़ी का पता लगाना अब प्रतिक्रिया नहीं करता है – यह वास्तविक समय में संदिग्ध गतिविधि को ब्लॉक करता है।

आगामी उद्यमों को एआई-चालित डेटा झीलों और शासन ढांचे का उपयोग करके वित्तीय संचालन में वास्तविक समय निर्णय लेने, नियामक अनुपालन और पारदर्शिता में सुधार के लिए कैसे उपयोग किया जा रहा है?

मोनोलिथिक डेटा वेयरहाउस बनाना और आशा करना कि अंतर्दृष्टि मिलेगी अब काम नहीं करता है। संस्थानों को बुद्धिमान डेटा पारिस्थितिकी तंत्र को डिज़ाइन करने की आवश्यकता है।

वित्तीय सेवाओं को एक अनोखी चुनौती का सामना करना पड़ता है – वे ग्राहकों का सामना करते हैं, उच्च संवेदनशील डेटा को संभालते हैं और अभी भी व्यक्तिगतकरण और वास्तविक समय प्रतिक्रिया प्रदान करने की आवश्यकता है। इसके लिए लचीले ढांचे पर मॉड्यूलर डेटा झीलों की आवश्यकता होती है।

इस वास्तुकला के भीतर, संगठन मूल्य निर्धारण विश्लेषण, जोखिम मूल्यांकन और नियामक रिपोर्टिंग के लिए विशेष डेटा तालाब बनाते हैं। प्रत्येक तालाब स्वतंत्र रूप से काम करता है जबकि बड़े पारिस्थितिकी तंत्र में खिलाता है, तुरंत मूल्य प्रदान करता है जबकि सुरक्षा सीमाओं को बनाए रखता है।

शून्य ईटीएल प्रवृत्ति विशेष रूप से यहां प्रासंगिक है, क्योंकि यह जटिल निकालने-परिवर्तन-लोड प्रक्रियाओं को समाप्त करके सिस्टम के पार डेटा को सीधे प्रश्न करने की अनुमति देता है। इससे विलंबता कम होती है और शासन बनी रहती है।

एआई एजेंट भी असामान्यता का पता लगाने से परे विकसित हो रहे हैं। वे न केवल संदिग्ध लेनदेन को फ्लैग करते हैं बल्कि कार्रवाई की सिफारिश भी करते हैं और शासन के मापदंडों के भीतर प्रतिक्रिया करते हैं। अनुपालन में, एआई लेनदेन की निरंतर निगरानी करता है, रिपोर्ट जनरेट करता है और नियामकों से पहले मुद्दों की पहचान करता है।

सिंथेटिक डेटा को अक्सर संवेदनशील जानकारी के संपर्क में आने के बिना एआई मॉडल को प्रशिक्षित करने का एक सुरक्षित तरीका बताया जाता है। क्या आप बता सकते हैं कि सिंथेटिक डेटा का उपयोग धोखाधड़ी का पता लगाने, जोखिम विश्लेषण और मॉडल मान्यकरण में कैसे किया जा रहा है?

डब्ल्यूएनएस विश्लेषण में, हम डेटा-विरल दोमेन में एआई मॉडल प्रशिक्षण को तेज करने के लिए उन्नत सिंथेटिक डेटा जनरेशन का लाभ उठाते हैं। हमारे सिंथेटिक डेटासेट वास्तविक दुनिया के परिदृश्यों की नकल करते हैं जबकि वास्तविक वित्तीय डेटा के समान सांख्यिकीय पैटर्न, व्यवहार और संबंध प्रदर्शित करते हैं – लेनदेन प्रवाह, धोखाधड़ी के रुझान, ग्राहक व्यवहार – किसी भी संवेदनशील व्यक्तिगत रूप से पहचान योग्य जानकारी (पीआईआई) या ग्राहक डेटा के संपर्क में आने के बिना।

यह क्षमता जोखिम विश्लेषण, धोखाधड़ी का पता लगाने, क्रेडिट स्कोरिंग, तनाव परीक्षण और अनुपालन मॉडलिंग जैसे क्षेत्रों में वित्तीय सेवाओं में क्रांति ला रही है। ये सिंथेटिक डेटासेट संगठनों को एआई समाधान विकास को तेजी से शुरू करने और साथ ही डेटा गोपनीयता और नियामक विश्वास को सुनिश्चित करने की अनुमति देते हैं।

एक विशेष रूप से अभिनव अनुप्रयोग में पीआईआई-मास्केड डेटा का उपयोग करके लुकअलाइक मॉडल बनाना शामिल है। इससे कंपनियों को लक्षित प्रस्तावों को उपभोक्ताओं तक पहुंचाने की अनुमति मिलती है, व्यक्तिगत विपणन को सक्षम करते हुए पूरी गोपनीयता को बनाए रखते हैं।

बुद्धिमान स्वचालन और एआई एजेंट व्यवसाय प्रवाह में तेजी से एम्बेड किए जा रहे हैं। वित्तीय सेवाओं में आपने सबसे परिवर्तनकारी उपयोग मामलों को देखा है, और वे कैसे संचालन और निर्णय लेने में सुधार करते हैं?

एआई एजेंटों का लाभ उठाने वाला बुद्धिमान स्वचालन उद्यम प्रवाहों को तेज कर रहा है, जिससे संगठनों को संचालन को स्ट्रीमलाइन करने और तेजी से और अधिक सूचित निर्णय लेने में सक्षम बनाता है। ये एजेंट स्वचालन को उन्नत तर्क के साथ जोड़ते हैं ताकि लचीलापन, मापनीयता और प्रदर्शन में सुधार हो सके।

डब्ल्यूएनएस विश्लेषण में, हम एजेंटिक एआई कार्यान्वयन के लिए हमारे प्रोप्राइटरी फ्रेमवर्क जीएन (जीएन फ्रेमवर्क) का उपयोग करके एआई एजेंटों के लिए स्वायत्तता के सही स्तर का आकलन करते हैं। हम अपने पुरस्कार विजेता एआई यूटिलिटी हब के माध्यम से हाइपरस्पेशलाइज्ड एजेंटों के लिए पुन: प्रयोज्य, माइक्रोसेविस-आधारित घटक प्रदान करते हैं।

बीमा में, हमने कई प्रवाहों को एजेंटिक एआई के माध्यम से परिवर्तित किया है। मोटर दावा उप-रोगेशन में, हमारे जेन एआई-संचालित तीसरे पक्ष की वसूली का पता लगाने वाला समाधान, स्वायत्त एजेंटों द्वारा संचालित, 85% सटीकता हासिल कर चुका है, वसूली की मात्रा को दोगुना कर दिया है और लगभग 49% की वार्षिक वसूली में सुधार किया है – जो पहले अनदेखे अवसरों में लाखों को अनलॉक करता है।

अंडरराइटिंग में, हमारा एजेंटिक एआई-संचालित शोध सहायक कई विशेषज्ञ एजेंटों को जटिल प्रश्नों को तोड़ने, कई स्रोतों से डेटा निकालने और 99% सटीकता के साथ अंतर्दृष्टि उत्पन्न करने के लिए नियुक्त करता है, जबकि कारोबार के समय को 85% तक कम करता है।

एक प्रमुख बैंक के लिए, हमारा जेन एआई समाधान प्रतिकूल मीडिया स्क्रीनिंग समय 60% और झूठी सकारात्मकता 12-15% कम कर देता है।

हमारे पास एक जेन एआई-संचालित ज्ञान प्रबंधन समाधान भी है – एक क्षैतिज मंच के रूप में डिज़ाइन किया गया है – जो विशाल अनस्ट्रक्चर्ड डेटा को पुनर्प्राप्त करने, तर्कसंगत बनाने और संदर्भ देने के तरीके को फिर से परिभाषित करने के लिए। तुरंत, अनुपालन और निरंतर अंतर्दृष्टि प्रदान करके, यह निर्णय लेने में सुधार करता है, कार्यक्षमता में सुधार करता है और विभिन्न उद्योगों में संचालन की लचीलापन को मजबूत करता है।

इन समाधानों में मानव निर्णय को बढ़ाता है, तेजी से और अधिक सटीक प्रणाली बनाता है।

एआई पहलों को स्केल करने के लिए उद्यमों के लिए, सबसे बड़े बाधाएं – तकनीकी, सांस्कृतिक या रणनीतिक – क्या हैं, और नेता उन्हें कैसे पार कर सकते हैं?

एआई को स्केल करने में सबसे बड़ी बाधा प्रौद्योगिकी नहीं है – यह संगठनात्मक तैयारी है।

पहले, विरासत प्रणालियों में डेटा सिलोस हैं। पूर्ण प्रतिस्थापन हमेशा व्यावहारिक नहीं होता है; इसके बजाय, ध्यान उन बुद्धिमान पुलों पर केंद्रित होना चाहिए जो बनाए जा सकते हैं। डब्ल्यूएनएस में, हमने “पुल टीमें” बनाई हैं जो विरासत प्रशासकों को क्लाउड इंजीनियरों के साथ जोड़ती हैं, तैनाती को तेज करती है जबकि महत्वपूर्ण व्यवसाय नियमों को संरक्षित करती है।

दूसरा, कौशल अंतराल। उद्यमों को डोमेन विशेषज्ञों, डेटा इंजीनियरों, डेटा वैज्ञानिकों और अनुवादकों के सही मिश्रण की आवश्यकता होती है जो तकनीकी अंतर्दृष्टि को व्यवसाय मूल्य से जोड़ सकते हैं।

तीसरा, तकनीकी परिवर्तन की गति। हमारा डब्ल्यूएनएस एआई लैब संगठनों को उभरती प्रौद्योगिकियों के साथ प्रयोग करने और पूर्ण-सcale तैनाती से पहले प्रूफ-ऑफ-кон्सेप्ट बनाने की अनुमति देता है।

सांस्कृतिक मोर्चे पर, सफलता प्रभावी परिवर्तन प्रबंधन पर निर्भर करती है। हम ऐसे ढांचे डिज़ाइन करते हैं जो कर्मचारियों को एआई को अतिरिक्त के रूप में देखने में मदद करते हैं, न कि प्रतिस्थापन-उन्मुख। एक एआई परिषद स्थापित करना भी एक स्मार्ट कदम है, जो शासन, क्रॉस-फंक्शनल संरेखण और पायलट से उद्यम-व्यापी स्केल तक जाने के लिए एक संरचित मार्ग प्रदान करता है।

एआई नैतिकता, पूर्वाग्रह और पारदर्शिता पर बढ़ती जांच के साथ, वित्तीय संस्थानों को नवाचार और जिम्मेदार एआई शासन के बीच सही संतुलन कैसे बनाना चाहिए?

नवाचार और जिम्मेदारी विरोधी विकल्प नहीं हैं – जिम्मेदारी को नवाचार में शुरू से ही निर्मित किया जाना चाहिए।

वित्तीय संस्थानों को मजबूत एआई शासन ढांचे की आवश्यकता है। डब्ल्यूएनएस में, हम ऐसे ढांचे लागू करते हैं जो यह सुनिश्चित करते हैं कि एआई जिम्मेदारी, नैतिक और सुरक्षित रूप से विकसित किया जाए। हमारा दृष्टिकोण पूर्वाग्रह, न्याय, कस्टम केपीआई और मॉडल ड्रिफ्ट की निगरानी के लिए जांच को एम्बेड करता है। यह विश्वास बनाता है, न कि केवल नियामक अनुपालन।

पारदर्शिता विशेष रूप से वित्तीय सेवाओं में महत्वपूर्ण है। यदि एआई एक ऋण को अस्वीकार करता है, तो आवेदकों को स्पष्ट और समझने योग्य स्पष्टीकरण के पात्र हैं।

अंततः, जिम्मेदार एआई एक प्रतिस्पर्धी लाभ है। बैंक जो अपने एआई प्रणालियों में न्याय, पारदर्शिता और सुरक्षा का प्रदर्शन करते हैं वे ग्राहक विश्वास हासिल करते हैं। जो शासन को एक बाद के विचार के रूप में मानते हैं वे नियामक दंड और प्रतिष्ठा को नुकसान का जोखिम उठाते हैं जो मरम्मत करना बहुत कठिन है।

अगले 3-5 वर्षों में, कौन सी उभरती एआई क्षमताएं या डेटा रणनीतियां वित्तीय संगठनों के संचालन पर सबसे बड़ा प्रभाव डालेंगी?

तीन विकास वित्तीय सेवाओं को अगले तीन से पांच वर्षों में आकार देंगे।

पहले, एजेंटिक एआई प्रयोगात्मक से आवश्यक हो जाएगा। स्वायत्त एआई एजेंट जटिल कार्यों को निष्पादित करेंगे और मानव टीमों के साथ विभागों को समन्वयित करेंगे।

दूसरा, निरंतर सीखने वाली प्रणालियां मानक बन जाएंगी। एआई प्रत्येक इंटरैक्शन से अनुकूलन करेगा, वास्तव में व्यक्तिगत वित्तीय सेवाओं को सक्षम करेगा जो प्रत्येक ग्राहक की बदलती जरूरतों के साथ विकसित होती हैं।

तीसरा, हम शक्तिशाली प्रौद्योगिकी अभिसरण देखेंगे – उन्नत जोखिम गणना के लिए क्वांटम कंप्यूटिंग, पारदर्शी एआई निर्णय लॉग के लिए ब्लॉकचेन और स्थानीयकृत निर्णयों के लिए एज कंप्यूटिंग। एक साथ, ये प्रौद्योगिकियां एआई और वित्त के संगम पर पूरी तरह से नए वित्तीय सेवाओं को अनलॉक करेंगी जिन्हें हम अभी तक कल्पना नहीं कर सकते हैं।

उद्यमिता, अधिग्रहण और अब एक वैश्विक नेतृत्व भूमिका को नेविगेट करने के बाद, कौन से मार्गदर्शक सिद्धांत आपको निर्णय लेने और परिवर्तन के माध्यम से टीमों का नेतृत्व करने में मदद करते हैं?

मुझे तीन सिद्धांतों का मार्गदर्शन किया जाता है।

पहला, पूर्णता पर दृढ़ता। जब हमने द स्मार्ट क्यूब शुरू किया, तो हमारे पास सभी उत्तर नहीं थे। हमने गलतियां कीं, अनुकूलित किया और आगे बढ़े। दृढ़ता और अनुकूलनशीलता आवश्यक थी।

दूसरा, स्थायी मूल्य बनाना, त्वरित निकास नहीं। व्यवसाय स्कूल के एक प्रोफेसर ने मुझे एक बार सलाह दी – “निकास पर ध्यान न दें। एक सफल व्यवसाय बनाने पर ध्यान दें जो टिकेगा।” यह दृष्टिकोण हर निर्णय को आकार देता है जो मैंने बनाया है।

तीसरा, जो आप करते हैं उसka आनंद लें। मैंने हमेशा माना है कि अगर मैं मज़े नहीं कर रहा हूं, तो मैं कुछ और करने के लिए आगे बढ़ जाऊंगा। 30 साल बाद, मैं अभी भी उत्साहित होकर जागता हूं, और यह उत्साह परिवर्तन के माध्यम से टीमों को प्रेरित करता है।

अधिग्रहण के माध्यम से नेतृत्व ने एक और सच्चाई को मजबूत किया – परिवर्तन तब सफल होता है जब आप लोगों को साथ ले जाते हैं। तकनीकी एकीकरण सीधा है; सांस्कृतिक एकीकरण – एक साझा दृष्टि बनाना – जहां वास्तविक नेतृत्व मायने रखता है।

वित्त में एआई के भविष्य को आकार देने के लिए पेशेवरों के लिए, कौशल, मानसिकता या अनुभव क्या सबसे मूल्यवान होंगे?

भविष्य उन लोगों का है जो दुनिया को पुल सकते हैं। शुद्ध तकनीकी कौशल या डोमेन विशेषज्ञता पर्याप्त नहीं होगी।

पहले, प्रणाली सोच विकसित करें। बाजार की जरूरत – एक स्पष्ट उपयोग केस – से शुरू करें और पीछे की ओर काम करें। वित्त में एआई के लिए जोखिम मॉडल में परिवर्तन के ग्राहक अनुभव पर प्रभाव को देखना या स्वचालन के नए अवसर खोलने के लिए आवश्यक है।

दूसरा, अनुशासित व्यावहारिकता पर आदर्शवाद को प्राथमिकता दें। नई प्रौद्योगिकियों के प्रति उत्साहित रहें, लेकिन उनका मूल्यांकन करने में कठोर रहें। हर समस्या का समाधान एआई नहीं है – कभी-कभी सरल विश्लेषण या यहां तक कि स्प्रेडशीट भी काम कर सकते हैं।

तीसरा, अनुवाद कौशल बनाएं। यह महत्वपूर्ण है। जटिल एआई अवधारणाओं को बोर्ड सदस्यों के लिए और व्यवसायिक आवश्यकताओं को डेटा वैज्ञानिकों के लिए अनुवाद करने में सक्षम होना अमूल्य है। सबसे मजबूत एआई नेता प्रौद्योगिकी को व्यवसाय रणनीति के साथ संरेखित करते हैं।

अंत में, निरंतर सीखने को अपनाएं। पांच साल पहले तकनीकी रूप से उन्नत उपकरण अब पुराने हो चुके हैं। उत्सुक, विनम्र और सीखने के लिए प्रतिबद्ध रहना एआई और वित्त के संगम पर अवसरों को खोलेगा जिन्हें हम अभी तक कल्पना नहीं कर सकते हैं।

साक्षात्कार के लिए धन्यवाद, पाठक जो और जानना चाहते हैं उन्हें डब्ल्यूएनएस विश्लेषण पर जाना चाहिए।