Mukund Kalmanker, Global Head of Data, Analytics & AI at Apexon – Intervista in serie

Mukund Kalmanker, Global Head of Data, Analytics & AI at Apexon, porta con sé oltre due decenni di esperienza nella gestione di iniziative di trasformazione aziendale su larga scala, con una carriera che comprende ruoli di leadership senior in Wipro dove ha costruito e scalato pratiche globali di AI, incubato piattaforme di automazione come HOLMES e aiutato a definire la strategia tecnologica aziendale in settori come servizi finanziari, telecomunicazioni e sanità. Il suo lavoro si è sempre concentrato sul trasformare le tecnologie emergenti – in particolare l’AI, l’ingegneria dei dati e l’automazione – in risultati aziendali concreti, combinando una profonda competenza tecnica con una solida esperienza nella costruzione di team globali, nella guida delle strategie di digitalizzazione e nella consegna di efficienze operative misurabili per grandi aziende.

Apexon è una società di servizi tecnologici digital-first che aiuta le aziende a accelerare la trasformazione aziendale combinando l’AI, l’analisi dei dati e l’ingegneria digitale per creare sistemi e esperienze clienti intelligenti e scalabili. Attraverso le sue capacità integrate across cloud, automazione e analisi avanzate, l’azienda lavora con le organizzazioni per modernizzare le operazioni, migliorare la presa di decisioni e consegnare soluzioni digitali end-to-end, in particolare in settori come servizi finanziari, sanità e scienze della vita.

Dopo due decenni alla guida di iniziative di AI e analisi in aziende come Wipro e ora Apexon, quale esperienza ha plasmato di più il tuo approccio alla trasformazione digitale?

Negli ultimi anni, ciò che ha plasmato di più il mio approccio è la consapevolezza che la trasformazione digitale di successo non riguarda solo la tecnologia, ma allineare quella tecnologia alla risoluzione di problemi aziendali reali e allinearsi ai comportamenti umani in evoluzione. Si tratta di sfruttare l’innovazione come un’opzione strategica per guidare l’industria e rendere il mondo un posto migliore in cui vivere. Che si tratti di aiutare una banca ad affrontare le esigenze normative o un marchio di retail a rimmaginare il proprio coinvolgimento del cliente o di consentire a un fornitore di cure mediche di prendere decisioni più rapide e basate sui dati, ho visto il maggior impatto quando iniziamo con l’esperienza finale in mente. Nella mia vita precedente e ora ad Apexon, i miei team e io abbiamo lavorato a stretto contatto con i clienti di vari settori per trasformare l’AI Agente, l’AI generale, l’AI, il ML, il RPA e i Dati da parole chiave in risultati aziendali – sbloccando informazioni, migliorando l’efficienza, migliorando l’esperienza del cliente, aiutando a gestire il rischio e creando un vantaggio competitivo per i nostri clienti. Quella costante collaborazione e focus sui risultati è ciò che continua a plasmare il mio pensiero.

Cosa ti ha portato ad Apexon e come l’approccio attuale dell’azienda ai dati, all’analisi e all’AI si allinea con la tua visione personale per il futuro della tecnologia aziendale?

Cosa mi ha portato ad Apexon è il suo impegno chiaro per aiutare i clienti ad abbracciare l’innovazione con uno scopo. La cultura dell’innovazione e la mentalità di crescita sono radicate in ogni persona associata ad Apexon, e ciò si riflette nel modo in cui impariamo, innoviamo e spingiamo i confini insieme. Con capacità profonde in Dati e AI associate a una profondità in ingegneria e a una forte focalizzazione su settori regolamentati come BFSI e Sanità, Apexon non considera i dati o l’AI come capacità isolate – li tratta come attività fondamentali per aiutare a progettare Aziende Intelligenti, per costruire soluzioni e piattaforme aziendali scalabili e basate su IP. Ciò si allinea strettamente con la mia convinzione che il futuro della tecnologia aziendale risieda nella creazione di sistemi intelligenti che non siano solo adattivi, ma anche scalabili, ripetibili e costruiti per un valore a lungo termine.

Ad Apexon, c’è un focus deliberato sulla traduzione della tecnologia di punta in risultati aziendali significativi – che si tratti di sbloccare insight competitivi, abilitare un’automazione più intelligente o guidare esperienze centrate sul cliente. La convergenza dell’AI con una mentalità IP-first è esattamente dove credo che la trasformazione aziendale stia andando – e sono entusiasta di aiutare a plasmare quel futuro qui.

Come aiutano le stoffe intelligenti a costruire un’azienda connessa e cosa assomiglia la loro implementazione nel mondo reale?

Le stoffe intelligenti non sono un prodotto o una piattaforma. Sono un cambiamento architettonico. Collegano i punti tra unità aziendali, sistemi, dati e decisioni, in modo che l’intelligenza non sia qualcosa che si utilizza occasionalmente, ma sia sempre attiva. Ciò trasforma le organizzazioni da aziende guidate dai dati a essere veramente guidate dall’intelligenza.

Venendo all’impatto nel mondo reale – pensa a un rivenditore che regola le operazioni della catena di approvvigionamento in tempo reale in base a diversi fattori come il comportamento di acquisto, le interruzioni nella catena di approvvigionamento, gli sviluppi geopolitici, il cambiamento del tempo o anche le calamità locali. O un ospedale che porta a termine raccomandazioni di trattamento mentre il clinico sta ancora esaminando i risultati dei test. O le banche in grado di cucire i dati attraverso più transazioni per identificare attività di riciclaggio di denaro complesse. Il potere risiede nell’intessere l’intelligenza direttamente nel flusso di lavoro, non aggiungendola dopo il fatto. È così che le aziende diventano veramente connesse – l’intelligenza viene generata in qualsiasi parte dell’organizzazione e questa intelligenza viene consumata dall’intera organizzazione.

Come Apexon utilizza strumenti di AI generativa come Copilot per guidare il valore per i clienti e in quali aree hai visto il più forte adozione?

Vediamo strumenti come GitHub Copilot non solo come assistenti di codifica, ma come catalizzatori per ripensare a come il software viene pianificato, costruito e testato. Ad Apexon, Copilot è incorporato in tutto il ciclo di vita dell’ingegneria – dalla stesura di storie utente e dalla raffinazione dei requisiti alla generazione di casi di test e alla previsione di difetti. Sta aiutando i team a muoversi più velocemente con maggiore accuratezza.

Ad esempio, stiamo lavorando con un fornitore di servizi sanitari per guidare l’adozione di Copilot e accoppiarlo con framework Agentic per ripensare completamente il ciclo di vita dell’ingegneria del software per portare più efficienze nell’ingegneria. Per un altro cliente, stiamo aiutando ad adottare Gen AI e framework Agentic per migliorare la qualità dei dati e mettere potere nelle mani degli utenti che interagiscono direttamente con i regolatori per affrontare le esigenze di conformità.

L’adozione è stata più forte in aree dove velocità, personalizzazione e scala contano di più – elaborazione di documenti intelligenti, AI conversazionale e iper-automazione. Questi sono spazi in cui l’AI generativa consegna non solo output, ma un vantaggio strategico.

Come influenzano le partnership accademiche con istituzioni come IIT Madras e Imperial College London la tua strategia di ricerca e sviluppo del talento nell’AI?

Le nostre collaborazioni con IIT Madras e Imperial College London svolgono un ruolo chiave nel plasmare sia il nostro programma di ricerca che il modo in cui costruiamo talenti pronti per il futuro. Non stiamo solo finanziando progetti – stiamo lavorando a stretto contatto con importanti ricercatori per esplorare aree di frontiera come l’AI Agente, i sistemi multi-agente e l’AGI. Queste partnership ci danno una comprensione più profonda di diverse aree emergenti – ad esempio, come i grandi modelli linguistici si comportano e si evolvono, rendendoli contestuali in vari domini.

Servono anche come motori per lo sviluppo del talento. Attraverso programmi congiunti, stiamo creando opportunità di apprendimento pratico che collegano la profondità accademica con la rilevanza aziendale. È uno scambio bidirezionale: otteniamo accesso al pensiero di punta, e gli studenti si confrontano con problemi del mondo reale. Quella sinergia è critica per scalare le nostre capacità di AI, dati e ingegneria digitale.

Nel settore sanitario, finanziario o delle telecomunicazioni, qual è un esempio in cui la soluzione di AI o analisi di Apexon ha migliorato significativamente l’efficienza operativa o ha sbloccato nuovi modelli di business?

Un buon esempio è il nostro lavoro con un’importante istituzione finanziaria nordamericana per modernizzare il processo di valutazione del rischio utilizzando un framework AI-guidato. Automatizzando l’ingestione dei dati, standardizzando le fonti frammentate e distribuendo un motore di rischio in tempo reale, abbiamo ridotto lo sforzo manuale del 90% e accelerato le valutazioni di 4 volte. Gli avvisi predittivi integrati e il monitoraggio della conformità hanno aiutato a ridurre le penalità normative del 30% e l’esposizione finanziaria del 40%. Costruito su un’architettura cloud-native e microservizi, la soluzione non ha solo migliorato l’accuratezza e la velocità, ma ha anche posizionato il cliente per una gestione dei rischi basata sui dati e scalabile in un ambiente normativo in rapida evoluzione.

Quali tecnologie emergenti o tendenze AI sei più focalizzato su come prossima grande frontiera per l’innovazione aziendale?

Ad Apexon, vediamo l’AI Agente come il prossimo grande balzo nell’Intelligenza Aziendale nel breve termine. A differenza dell’AI tradizionale che reagisce ai prompt, i sistemi AI Agente possono interpretare autonomamente il contesto dinamico, stabilire e perseguire obiettivi, collaborare attraverso sistemi e migliorare continuamente attraverso il feedback. Abbiamo costruito un framework end-to-end, AgentRise, per portare questo a vita. AgentRise combina un cervello AI Agente, orchestrazione multi-agente, supervisione umana e osservabilità di livello aziendale.

Il risultato è un’AI che non solo assiste ma esegue autonomamente flussi di lavoro aziendali complessi, dalla triage dei documenti nel settore sanitario alla gestione delle eccezioni in tempo reale nel settore finanziario.

Cosa distingue il nostro approccio è la focalizzazione su intelligenza scalabile e affidabile. Sfruttiamo componenti modulari, ingegneria dei prompt e integrazioni sicure per distribuire l’AI Agente con velocità e affidabilità. Non si tratta solo di innovazione – si tratta di AI incorporata nel flusso di lavoro aziendale, operante in modo sicuro su larga scala e consegnando risultati tangibili.

Stiamo anche monitorando i progressi nell’AI ristretta, nell’Intelligenza Artificiale Generale e nel Calcolo Quantistico – ma ciò che ci entusiasma di più è come queste tecnologie convergano per alimentare aziende che non sono solo intelligenti, ma anche adattive, autonome e in grado di evolversi in modo autodiretto.

Quali sono le sfide più grandi che le organizzazioni affrontano quando passano da sistemi di dati legacy a architetture di analisi moderne?

Le organizzazioni incontrano tipicamente quattro sfide principali quando passano da sistemi legacy ad architetture di analisi moderne.

La prima è l’adozione e la realizzazione del valore. Le piattaforme legacy spesso plasmano modi di lavorare profondamente radicati, rendendo la gestione del cambiamento critica. Le organizzazioni devono assicurarsi che le nuove piattaforme di analisi consegnino risultati aziendali tangibili come crescita dei ricavi, efficienza operativa e gestione dei rischi migliorata, piuttosto che diventare semplici aggiornamenti tecnici.

La seconda è la modernizzazione tecnologica e la costruzione di capacità. Molte aziende operano complesse proprietà legacy che spaziano da mainframe a sistemi on-premise e ambienti cloud precoci. La modernizzazione di questi ambienti richiede una razionalizzazione e una riarchitettura attente, insieme alla costruzione delle competenze, del talento e della maturità operativa necessari per sostenere piattaforme di dati, analisi e AI moderne.

La terza è la preparazione dei dati e dell’AI. La modernizzazione non riguarda solo il trasferimento dei dati su una nuova piattaforma. Le organizzazioni devono assicurarsi che i dati siano pronti per l’analisi avanzata e l’AI rafforzando la qualità dei dati, la governance, la discendenza, la privacy e le salvaguardie etiche in modo che le informazioni e i modelli AI possano essere affidabili e scalabili.

Infine, c’è il cambiamento organizzativo. Man mano che le piattaforme evolvono verso capacità AI più autonome e agentiche, le aziende devono adattare i loro modelli operativi, le competenze del personale e la cultura per consentire una collaborazione efficace tra esseri umani e sistemi intelligenti.

Come ti assicuri che le esperienze digitali e le soluzioni AI rimangano centrate sulle esigenze umane e non solo sui risultati tecnici?

Credo che la base di soluzioni digitali e AI veramente impattanti sia un chiaro cambio di mentalità, dal chiedersi cosa la tecnologia sia in grado di fare al chiedersi come possa creare valore aziendale e servire le persone e la società.

Iniziamo fondando ogni iniziativa su risultati umani reali come decisioni migliori, maggiore inclusione, maggiore fiducia e esperienze più semplici. Ciò richiede un coinvolgimento profondo con gli utenti, un ascolto continuo e la progettazione di soluzioni attorno a come le persone adottano e interagiscono realmente con le esperienze digitali. Incorporiamo intenzionalmente la progettazione centrata sull’essere umano, la trasparenza e la responsabilità nelle nostre piattaforme.

In particolare nei settori ad alto impatto, l’AI deve operare con una forte supervisione umana e chiare barriere etiche, assicurando che essa migliori il giudizio umano piuttosto che sostituirlo. Altrettanto importante, il successo dovrebbe essere misurato non solo attraverso metriche di performance, ma anche attraverso l’adozione, la fiducia dell’utente e la creazione di valore a lungo termine.

Quando fatto bene, i benefici si estendono ben oltre le singole organizzazioni. L’AI centrata sull’essere umano ha il potenziale di espandere l’accesso alle opportunità, rafforzare le istituzioni e migliorare la qualità della vita su larga scala. Può aiutare a costruire economie più resilienti, sistemi più equi e società meglio informate. In definitiva, il nostro obiettivo dovrebbe essere sviluppare un’AI che non sia solo intelligente, ma anche responsabile, inclusiva e finalizzata. Tecnologia che amplifichi il potenziale umano e contribuisca positivamente al futuro che stiamo plasmando insieme.

Come valuti il successo dei dispiegamenti di Gen AI ad Apexon – ci sono KPI o framework specifici che utilizzi per misurare l’efficacia attraverso diversi ambienti clienti?

Ad Apexon, abbiamo stabilito framework robusti, supportati da un portfolio di IP, soluzioni e acceleratori, per aiutare sia i nostri team che i nostri clienti a misurare l’efficacia dei dispiegamenti di GenAI e AI Agente.

Primo, ci concentriamo sull’impatto aziendale. Ciò inizia con obiettivi chiaramente definiti a livello di dominio o di processo, ma si concentra ultimamente su misurare risultati strategici come esperienza del cliente migliorata, crescita dei ricavi, ottimizzazione dei costi, efficienza operativa e gestione dei rischi più forte. Il nostro framework M4 proprietario supporta questo fornendo un modello di esecuzione strutturato per gli impegni di analisi. M4 offre una strategia provata e passi prevedibili per la modernizzazione dei dati, aiutando le organizzazioni a mappare i casi d’uso, modernizzare le architetture dei dati e passare a ambienti di analisi basati su cloud, assicurando che le iniziative AI rimangano strettamente allineate con KPI aziendali misurabili.

Secondo, valutiamo l’adozione e la realizzazione del valore. I dispiegamenti AI creano un impatto significativo solo quando sono affidabili, ampiamente adottati e effettivamente aumentano le capacità umane. Ad Apexon, la nostra stessa adozione aziendale di GenAI ha servito come modello pratico per i clienti. Abbiamo iniziato abilitando dipendenti in tutta l’organizzazione con capacità GenAI e AI Agente, dotandoli di strumenti, politiche e linee guida per un uso responsabile, mentre contemporaneamente tracciavamo i risultati aziendali che hanno consegnato. I framework di governance, le politiche e i KPI che abbiamo sviluppato attraverso questo viaggio ora aiutano i nostri clienti ad accelerare e scalare l’adozione di GenAI.

Terzo, misuriamo le prestazioni tecniche. I nostri acceleratori all’interno della piattaforma Genysys consentono il monitoraggio continuo di metriche operative chiave come accuratezza della risposta, tassi di allucinazione, costo per inferenza, scalabilità e prestazioni del sistema complessive. Genysys, la piattaforma GenAI proprietaria di Apexon, consolida le capacità di più modelli linguistici di grandi dimensioni in un ambiente unificato con integrazione senza soluzione di continuità attraverso più di dieci LLM. Ciò consente alle organizzazioni di selezionare i modelli più appropriati per diversi casi d’uso mentre mantengono la visibilità delle prestazioni, dell’affidabilità e dell’efficienza dei costi attraverso i dispiegamenti.

Infine, valutiamo la governance e il rischio. Il nostro framework di barriere aziendali, parte dell’offerta AgentRise, aiuta le organizzazioni ad affrontare aree critiche come la governance, il rischio e la conformità. Data la nostra profonda collaborazione con settori regolamentati, aiutiamo i clienti a valutare la spiegabilità, la tracciabilità, la discendenza dei dati, le salvaguardie della privacy e l’allineamento con gli standard di AI responsabile per assicurare che i sistemi AI siano sia scalabili che affidabili.

Grazie per la grande intervista, i lettori che desiderano saperne di più possono visitare Apexon.