WNS 애널리틱스의 Gautam Singh, 글로벌 비즈니스 유닛 헤드 – 인터뷰 시리즈

Gautam Singh는 WNS 애널리틱스의 비즈니스 유닛 헤드이자 The Smart Cube의 공동 설립자 및 CEO입니다. 그는 The Smart Cube를 설립하여 20년간 성장시키고, WNS에 인수되기 전까지 운영했습니다. 이전에는 유럽과 미국에서 10년간 경영 컨설팅과 벤처 캐피탈에서 일했습니다. Gautam은 다양한 역할을 수행했으며, 런던의 Coven Partners, A.T. Kearney, 인도의 Mitsubishi Motors, 미국의 Cummins Engines에서 근무했습니다. 그는 미국 미시간 대학교에서 MBA를 취득했으며, 인도 IIT 봄베이에서 기계 공학 학사 학위를 취득했습니다.

WNS 애널리틱스는 기업들이 데이터를 전략적 가치로 변환하도록 도와주는 “의사 결정 지능”을 제공합니다. 이는 강력한 데이터 인프라, AI/GenAI/에이전트 AI 기술, 및 도메인 전문 지식을 결합합니다. 보험, 은행 및 금융 서비스, 소매, 소비재, 제조, 헬스케어, 에너지, 물류 등 다양한 산업에서 서비스를 제공합니다. 데이터 엔지니어링 및 거버넌스, 설명적 및 예측 분석, AI/ML 도구, 시각화를 포함한 기능을 제공합니다. 이는 더 빠르고, 자신감 있는 의사 결정을 가능하게 하며, 지속적인 혁신을 가능하게 합니다.

경영 컨설팅에서 시작하여 The Smart Cube를 설립하고, 20년간 운영한 후 WNS에 인수되었습니다. 경영 컨설팅에서 기업가로, 그리고 글로벌 데이터 애널리틱스 및 AI 비즈니스 리더로의 전환을 мотив한 것은 무엇입니까?

10년간 경영 컨설팅에서 일했습니다. 당시에는 데이터가 풍부했지만, 그 가치를 충분히 추출하지 못하는 기업들이 많았습니다. 2003년 당시에는 분석이 기본적인 수준에 불과했습니다. 우리는 엑셀 스프레드시트를 사용했습니다.

企業 생활을 떠난 결정은 자기 신뢰에 달렸습니다. 저는 기업들이 데이터를真正로 활용할 수 있도록 도와주는 기회를 보았습니다. 그래서 The Smart Cube를 설립했습니다.

The Smart Cube를 20년간 운영한 후, WNS에 합류하는 것은退出이 아닌 진화였습니다. 저는 기업가적인 마음가짐을 지니고, 더 많은 자원과 범위를 가지게 되었습니다. 이는 더 큰 문제를 해결할 수 있도록 해줍니다. 가장 중요한 것은 도메인 전문 지식과 비즈니스 프로세스 변화를 결합하는 것입니다. 이는 WNS의 DNA에 중심입니다. 이것이 저를 WNS에 합류하게 한 동기입니다.

20년간 애널리틱스 분야에서 일하면서, 금융 서비스에서 데이터와 AI의 역할이 어떻게 진화했는지 설명해 주십시오.

1990년대 후반에는 분석이란 역사적 데이터를 살펴보고, 통계적 예측을 하는 것이었습니다. 하지만, 현재는 매우 다릅니다.

2000년대 초에는 디지털화와 더 발전된 예측 모델이 등장했습니다. 2010년대에는 실시간 트레이딩 분석이 표준이 되었습니다. 거의 10년 전, 기계 학습이 실제 변화를 가져왔습니다.最近에는 생성적 AI (Gen AI)가 중심이 되었습니다.

현재, 금융 기관은 데이터를 전략적 자산으로 간주합니다. 질문은 “AI를 사용할 수 있나요?”에서 “AI를 어떻게 모든 결정에 통합할 수 있나요?”로 바뀌었습니다.

영향은 구체적입니다. 고객 가입이 하루가 걸리던 것이,現在는 몇 시간이면 완료됩니다. 신용 위험 평가에서는 수백 개의 실시간 데이터 포인트를 평가합니다. 위험 계산이 밤새 걸리던 것이,現在는 즉시 처리됩니다. 또한, 사기 탐지는事後 대응이 아닌, 실시간으로 차단합니다.

금융 기관은 어떻게 AI驱動 데이터 레이크와 거버넌스 프레임워크를 사용하여 실시간 의사 결정을 개선하고, 규제 준수를 강화하며, 금융 운영에서 투명성을 높일 수 있나요?

모놀리식 데이터 웨어하우스를 구축하여洞察을 얻으려고 하는 것은 더 이상 작동하지 않습니다. 금융 기관은 지능형 데이터 생태계를 설계해야 합니다.

금융 서비스는 고유한 도전을 직면합니다. 고객을 대면하고, 민감한 데이터를 처리하며, 개인화와 실시간 반응성을 제공해야 합니다. 이는 유연한 프레임워크를 기반으로 하는 모듈러 데이터 레이크를 필요로 합니다.

이 아키텍처 내에서, 기관은 가격 분석, 위험 평가, 규제 보고를 위한 전문 데이터 웅덩이를 생성합니다. 각 웅덩이는 독립적으로 작동하면서, 더 큰 생태계에 즉시 가치를 제공하며, 보안 경계를 유지합니다.

Zero ETL 트렌드는 여기에서 특히 관련이 있습니다. 이는 데이터를 이동하지 않고, 시스템 전체에서 직접 쿼리할 수 있도록 허용하여, 대기 시간을 줄이고, 거버넌스를 유지합니다.

AI 에이전트는 이상 탐지를 넘어 발전하고 있습니다. 의심스러운 거래를 플래그하는 것 외에도, 행동을 추천하고, 거버넌스 매개변수 내에서 응답을 실행합니다. 규제 준수에서, AI는 거래를 지속적으로 모니터링하고, 보고서를 생성하며, 규제 기관이 하기 전에 문제를 식별합니다.

합성 데이터는 민감한 정보를 노출하지 않고 AI 모델을 교육하는 안전한 방법으로 종종 언급됩니다. 합성 데이터가 사기 탐지, 위험 분석, 모델 검증에서 효과적으로 적용되는 예를 설명해 주십시오.

WNS 애널리틱스에서, 우리는 고신뢰도, 개인 정보 보호 규정 준수 데이터 세트를 생성하기 위한 고급 합성 데이터 생성을 활용합니다. 이는 특히 데이터가 부족한 도메인에서 AI 모델 교육을 가속화합니다. 우리의 합성 데이터 세트는 실제 금융 데이터와 동일한 통계적 패턴, 행동, 상관 관계를 반영하면서, 실제 개인 식별 정보 또는 고객 데이터를 노출하지 않습니다.

이 기능은 위험 분석, 사기 탐지, 신용 평가, 스트레스 테스트, 규제 모델링 등 금융 서비스 전반에서 변화를 가져옵니다. 이러한 합성 데이터 세트는 조직이 AI 솔루션 개발을 신속하게 시작할 수 있도록 하며,同時에 데이터 개인 정보 보호와 규제적 신뢰를 보장합니다.

지능형 자동화와 AI 에이전트가 비즈니스 워크플로에 통합되는 경우, 금융 서비스에서 가장 변혁적인 사용 사례는 무엇이며, 어떻게 운영적 내구성과 성능을 개선할 수 있나요?

AI 에이전트를 활용한 지능형 자동화는 기업 워크플로를 가속화하여, 조직이 운영을 간소화하고, 더 빠르고, 정보에 기반한 의사 결정을 내릴 수 있도록 합니다. 이러한 에이전트는 자동화와 고급 추론을 결합하여 내구성, 확장성, 성능을 개선합니다.

WNS 애널리틱스에서, 우리는 에이전트 AI 구현을 위한 프롭리 에이티 프레임워크 (GAIN)를 적용합니다. 또한, 우리의 수상 경력에 빛나는 AI 유틸리티 허브를 통해, 재사용 가능한 마이크로 서비스 기반 구성 요소를 제공합니다.

보험 분야에서, 우리는 여러 워크플로를 에이전트 AI를 통해 변혁시켰습니다. 자동차 보험 청구에서, 제3자 회수 탐지 솔루션은 85%의 정확도를 달성하고, 회수 볼륨을 두 배로 늘렸으며, 연간 회수를 약 49% 증가시켰습니다.

심사에서, 우리의 에이전트 AI 기반 연구 보조 도구는 여러 전문 에이전트를 활용하여 복잡한 질의를 분해하고, 여러 출처에서 데이터를 추출하며, 99%의 정확도로洞察을 생성합니다. 이는 처리 시간을 85% 줄입니다.

주요 은행에서, 우리의 Gen AI 솔루션은 부정적 미디어 스크리닝 시간을 60% 줄이고, 거짓 양성을 12-15% 감소시켰습니다.

우리는 또한 지식 관리 솔루션을 설계했습니다. 이는 기업이 방대한 비정형 데이터를 검색, 추론, 컨텍스트화할 수 있도록 합니다. 이는 결정-making을 개선하고, 효율성을 높이고, 운영적 내구성을 강화합니다.

이러한 솔루션은 인간의 판단을 보완하여, 더 빠르고, 정확한 시스템을 만듭니다.

기업이 AI 이니셔티브를 확대하는 데 있어, 기술적, 문화적, 전략적인 측면에서 가장 큰 장벽은 무엇이며, 리더들은 어떻게 이를 극복할 수 있나요?

AI 확대를 가로막는 가장 큰 장벽은 기술이 아닙니다. 그것은 조직의 준비도입니다.

첫째, 레거시 시스템에 걸쳐있는 데이터 실입니다. 전체 교체는 항상 실용적이지 않습니다. 대신, 지능형 브릿지를 구축하는 데 중점을 두어야 합니다. WNS에서는 레거시 관리자와 클라우드 엔지니어를 짝지어, 구현을 가속화하는 “브릿지 팀”을 만들었습니다.

둘째, 기술적 인력 부족입니다. 기업은 도메인 전문가, 데이터 엔지니어, 데이터 과학자, 기술적洞察과 비즈니스 가치를 연결할 수 있는 통역자가 필요합니다.

셋째, 기술적 변화의 속도입니다. 우리의 WNS AI 랩에서는 기업이 새로운 기술을 실험하고, 시제품을 구축하여, 전면 배포에 앞서 검증할 수 있도록 합니다.

문화적 측면에서, 성공은 효과적인 변화 관리에 달려 있습니다. 우리는 직원들이 AI를 보완으로 간주하도록 도와주는 프레임워크를 설계합니다. AI 이사회를 설립하는 것도 좋은 방법입니다. 이는 거버넌스, 교차 기능적 정렬, 조직 전체로의 확장을 위한 구조화된 경로를 제공합니다.

금융 기관은 어떻게 혁신과 책임 있는 AI 거버넌스를 균형 있게 유지할 수 있나요?

혁신과 책임은 상반된 선택이 아닙니다. 책임은 혁신의 일환으로부터 시작되어야 합니다.

금융 기관은 강력한 AI 거버넌스 프레임워크가 필요합니다. WNS에서는 책임 있게, 윤리적으로, 안전하게 AI를 개발하는 프레임워크를 구현합니다. 우리의 접근 방식은 편향, 공정성, 사용자 정의 KPI, 모델 드리프트 모니터링을 포함합니다. 이는 신뢰를 구축하며, 단순한 규제 준수를 넘어섭니다.

투명성은 특히 금융 서비스에서 중요합니다. AI가 대출을 거부할 경우, 신청자는 명확하고 이해할 수 있는 설명을 받을 권리가 있습니다.

궁극적으로, 책임 있는 AI는 경쟁力的 우위입니다. 고객의 신뢰를 얻는 것은, 규제적 처벌과 명성 손실의 위험을 감수하는 것보다 낫습니다.

금융 기관이 다음 3-5년 동안 어떻게 운영할 것인지, 그리고 어떤 새로운 AI 기능이나 데이터 전략이 가장 큰 영향을 미칠 것인지 예측해 주십시오.

세 가지 발전이 금융 서비스를 재정의할 것입니다.

첫째, 에이전트 AI는 실험에서 필수적인 기술로 발전할 것입니다. 자율 AI 에이전트는 인간 팀과 함께 복잡한 워크플로와 전체 부서를 실행할 것입니다.

둘째, 지속적인 학습 시스템이 표준이 될 것입니다. AI는 모든 상호 작용에서 학습하여, 고객의不断变化하는需求에 따라 진화하는真正 개인화된 금융 서비스를 가능하게 할 것입니다.

셋째, 강력한 기술 융합이 발생할 것입니다. 양자 컴퓨팅은 고급 위험 계산을 위한 것입니다. 블록체인은 투명한 AI 결정 로그를 위한 것입니다. 에지 컴퓨팅은 즉각적인 지역화된 결정들을 위한 것입니다. 이러한 기술은 새로운 금융 서비스 형태를 가능하게 할 것입니다.

기업가, 인수, 글로벌 리더십을 거치면서, 어떤 원칙이 의사 결정을 내리며, 팀을 변화로 이끄는 데 도움이 되었나요?

세 가지 원칙이 있습니다.

첫째, 완벽함보다는 지속성입니다. The Smart Cube를 시작했을 때, 모든 답을 가지고 있지 않았습니다. 우리는 실수를 했고, 적응하며, 앞으로 나아갔습니다. 지속성과 적응성이 필수적이었습니다.

둘째, 지속 가능한 가치를 창조하십시오. 비즈니스 스쿨에서 교수님이 한 말입니다. “_EXIT에 집중하지 마십시오. 성공적인 비즈니스를 구축하는 데 집중하십시오.” 이는 모든 결정에 영향을 미쳤습니다.

셋째, 즐기십시오. 저는 항상 즐기고 있습니다. 30년이 지난 지금도, 저는 여전히 흥奮합니다. 이는 팀을 통해 변화를 이끌어냅니다.

인수过程에서, 또 하나의 진실을 깨달았습니다. 변화는 사람들이 함께할 때 성공합니다. 기술적 통합은 간단하지만, 문화적 통합 – 공유된 비전을 구축하는 것은真正한 리더십이 필요한 곳입니다.

금융 분야에서 AI의 미래를 형성하려는 전문가에게, 어떤 기술, 마음가짐, 또는 경험을 가장 가치 있게 생각하나요?

미래는 세계를 연결할 수 있는 사람들에게 속합니다. 순수한 기술적 능력이나 도메인 전문 지식만으로는 충분하지 않습니다.

첫째, 시스템 사고를 개발하십시오. 시장의需求 – 명확한 사용 사례 –에서 시작하여, 모든 것이 어떻게 연결되는지 이해하십시오. 금융 분야에서 AI는 위험 모델, 고객 경험, 자동화의 기회 등 모든 것과 관련이 있습니다.

둘째, 엄격한 실용성을 키우십시오. 새로운 기술에 대한 열정을 가지되, 엄격하게 평가하십시오. 모든 문제에 AI가 필요하지는 않습니다. 때때로, 단순한 분석이나 스프레드시트가 충분할 수 있습니다.

셋째, 번역 기술을养성하십시오. 이는 매우 중요합니다. 복잡한 AI 개념을 이사회와 번역하고, 비즈니스 요구 사항을 데이터 과학자에게 전달하는 능력은 бес값입니다. 가장 강력한 AI 리더는 기술과 비즈니스 전략을 정렬합니다.

마지막으로, 지속적인 학습에 헌신하십시오. 5년 전에는 최첨단 기술이었던 도구는 이미 구식이 되었습니다. 호기심, 겸손, 학습에 대한 헌신은, 아직 상상할 수 없는 AI와 금융의 교차점에서 기회를 열어줄 것입니다.

이 훌륭한 인터뷰에 감사드립니다. 더 많은 정보를 원하는 독자는 WNS 애널리틱스를 방문하십시오.