Mukund Kalmanker, Global Head of Data, Analytics & AI at Apexon – Intervista di 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 di AI globali, 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 sulla traduzione di tecnologie emergenti – in particolare AI, data engineering e automazione – in risultati aziendali concreti, combinando una profonda competenza tecnica con un solido track record nella costruzione di team globali, nella guida di 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 AI, data analytics e ingegneria digitale per creare sistemi e esperienze clienti intelligenti e scalabili. Attraverso le sue capacità integrate in 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 è solo una questione di tecnologia, ma di 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 il settore e rendere il mondo un posto migliore in cui vivere. Che si tratti di aiutare una banca a soddisfare le esigenze normative o di aiutare un marchio di retail a ridisegnare l’engagement del cliente o di abilitare un fornitore di servizi sanitari a 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, l’Agentic AI, l’AI, l’ML, il RPA e i dati da buzzword 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 focalizzazione sui risultati è ciò che continua a plasmare il mio pensiero.

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

Ciò che mi ha attirato 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 questo si riflette nel modo in cui impariamo, innoviamo e spingiamo i confini insieme. Con capacità approfondite in Data e AI associate a una profonda conoscenza dell’ingegneria e a una forte focalizzazione sui settori regolamentati come BFSI e sanità, Apexon non considera i dati o l’AI come capacità isolate – li tratta come asset fondamentali per aiutare a progettare imprese intelligenti, per costruire soluzioni aziendali e piattaforme basate su IP e scalabili. Ciò si allinea strettamente con la mia convinzione che il futuro della tecnologia aziendale consista nel creare sistemi intelligenti che non siano solo adattivi, ma anche scalabili, ripetibili e costruiti per il valore a lungo termine.

Ad Apexon, c’è una focalizzazione deliberata 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 gli intelligent fabric a costruire un’azienda connessa e cosa significa la loro implementazione nel mondo reale?

Gli intelligent fabric 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 aziende veramente guidate dall’intelligenza.

Per quanto riguarda l’impatto nel mondo reale – pensa a un rivenditore che regola le operazioni della catena di approvvigionamento in tempo reale in base a fattori come il comportamento di acquisto, le interruzioni nella catena di approvvigionamento, gli sviluppi geopolitici, il cambiamento del clima o anche le calamità locali. O a un ospedale che fornisce raccomandazioni di trattamento mentre il clinico sta ancora esaminando i risultati dei test. O alle banche che possono cucire i dati tra 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 ha visto l’adozione più forte?

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 integrato in tutto il ciclo di vita dell’ingegneria – dalla stesura delle storie degli utenti e dal perfezionamento dei requisiti alla generazione di casi di test e alla previsione dei 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 ridisegnare completamente il ciclo di vita dell’ingegneria del software e portare maggiore efficienza 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 soddisfare le esigenze di conformità.

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

Come influiscono le partnership accademiche con istituzioni come IIT Madras e Imperial College London sulla tua strategia di ricerca e sviluppo del talento AI?

Le nostre collaborazioni con IIT Madras e Imperial College London svolgono un ruolo chiave nel plasmare sia la nostra agenda di ricerca che il modo in cui costruiamo talenti pronti per il futuro. Non stiamo solo finanziando progetti – stiamo lavorando a stretto contatto con ricercatori di spicco per esplorare aree di frontiera come l’AI Agentic, i sistemi multi-agente e l’AGI. Queste partnership ci forniscono una comprensione più approfondita di diverse aree emergenti – ad esempio, come si comportano e si evolvono i grandi modelli linguistici 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: guadagniamo accesso al pensiero di punta e gli studenti si impegnano 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 di 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’istituzione finanziaria leader nordamericana per modernizzare il processo di valutazione del rischio utilizzando un framework AI-powered. 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 la tracciabilità della conformità hanno aiutato a tagliare le penalità normative del 30% e l’esposizione finanziaria del 40%. Costruito su un’architettura cloud-native e microservizi, la soluzione non solo ha 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 concentrato su come prossima frontiera per l’innovazione aziendale?

Ad Apexon, vediamo l’AI Agentic come il prossimo grande balzo nell’intelligenza aziendale nel breve termine. A differenza dell’AI tradizionale che reagisce ai prompt, i sistemi AI Agentic possono interpretare autonomamente il contesto dinamico, stabilire e perseguire obiettivi, collaborare tra sistemi e migliorare costantemente attraverso il feedback. Abbiamo costruito un framework end-to-end, AgentRise, per portare questo a vita. AgentRise combina un cervello AI Agentic, 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.

Ciò che 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 Agentic con velocità e affidabilità. Non si tratta solo di innovazione – è l’AI integrata nel flusso di lavoro aziendale, operante in modo sicuro su larga scala e consegnando risultati tangibili. Mentre questi sistemi maturano, crediamo che saranno la spina dorsale di aziende adattive, autonome e in grado di evolversi autonomamente attraverso settori regolamentati e ad alto impatto.

Siamo anche alla ricerca di avanzamenti 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 autonomamente.

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 generalmente quattro sfide principali quando passano da sistemi legacy a 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 la crescita dei ricavi, l’efficienza operativa, la gestione del rischio migliorata e non diventino solo aggiornamenti tecnici.

La seconda è la modernizzazione tecnologica e la costruzione delle capacità. Molte aziende operano su patrimoni legacy complessi che comprendono mainframe, sistemi on-premise e ambienti cloud precoci. La modernizzazione di questi ambienti richiede una razionalizzazione e una riarchitettura attente, oltre 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 è solo questione di spostare i 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. Mentre le piattaforme evolvono verso capacità AI più autonome e agentiche, le aziende devono adattare i loro modelli operativi, le competenze della forza lavoro e la cultura per abilitare una collaborazione efficace tra esseri umani e sistemi intelligenti.

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

Credo che il fondamento di soluzioni digitali e AI veramente impattanti sia un 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.

Partiamo dal radicamento di ogni iniziativa in 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 intorno a come le persone adottano e interagiscono con le esperienze digitali. Intenzionalmente incorporiamo la progettazione centrata sull’essere umano, la trasparenza e la responsabilità nelle nostre piattaforme.

Nel settore ad alto impatto, in particolare, l’AI deve operare con una forte supervisione umana e solide barriere etiche, assicurando che essa potenzi il giudizio umano anziché sostituirlo. Altrettanto importante, il successo dovrebbe essere misurato non solo attraverso metriche di prestazione, ma anche attraverso l’adozione, la fiducia degli utenti 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 ampliare 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 più informate. In definitiva, il nostro obiettivo dovrebbe essere quello di sviluppare un’AI che non sia solo intelligente, ma anche responsabile, inclusiva e finalizzata a uno scopo. Tecnologia che amplifica il potenziale umano e contribuisce positivamente al futuro che stiamo plasmando insieme.

Come valuti il successo dei deploy 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 portafoglio di IP, soluzioni e accelerator, per aiutare sia i nostri team che i nostri clienti a misurare l’efficacia dei deploy di GenAI e AI Agentic.

Primo, ci concentriamo sull’impatto aziendale. Ciò inizia con obiettivi chiaramente definiti a livello di dominio o di processo, ma si concentra in ultima analisi sui risultati strategici come l’esperienza del cliente migliorata, la crescita dei ricavi, l’ottimizzazione dei costi, l’efficienza operativa e la gestione del rischio più forte. Il nostro framework M4 proprietario supporta ciò fornendo un modello di esecuzione strutturato per gli impegni di analisi. M4 offre una strategia provata e passaggi 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 deploy di AI creano un impatto significativo solo quando sono affidabili, ampiamente adottati e effettivamente aumentano le capacità umane. Ad Apexon, la nostra adozione aziendale di GenAI ha servito come modello pratico per i clienti. Abbiamo iniziato abilitando dipendenti in tutta l’azienda con capacità di GenAI e AI Agentic, dotandoli di strumenti, politiche e linee guida per l’uso responsabile, mentre contemporaneamente tracciavamo i risultati aziendali che consegnavano. I framework di governance, le politiche e i KPI che abbiamo sviluppato attraverso questo percorso 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 l’accuratezza della risposta, i tassi di allucinazione, il costo per inferenza, la scalabilità e le prestazioni generali del sistema. Genysys, la piattaforma GenAI proprietaria di Apexon, consolida le capacità di più grandi modelli linguistici in un ambiente unificato con un’integrazione senza soluzione di continuità tra 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 deploy.

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 ad valutare la spiegabilità, la tracciabilità, la discendenza dei dati, le salvaguardie della privacy e l’allineamento con gli standard di AI responsabili 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.