Gautam Singh, Global Business Unit Head of Analytics, Data and AI, WNS Analytics – 인터뷰 시리즈

Gautam Singh는 WNS Analytics의 비즈니스 유닛 헤드이자 The Smart Cube의 공동 설립자 및 CEO입니다. 그는 The Smart Cube를 설립하고 성장시키기 위해 20년을 보냈으며, 이후 WNS에 인수되었습니다. 이전에는 그는 유럽과 미국에서 10년간 경영 컨설팅과 벤처 캐피탈에서 일했습니다. Gautam은 다양한 역할을 맡았으며, Coven Partners(London), A.T. Kearney(London), Mitsubishi Motors(India), Cummins Engines(US)에서 근무했습니다. 그는 미시간 대학교 앤 아버(USA)에서 MBA를, 인도 IIT 봄베이에서 기계 공학 학사 학위를 취득했습니다.

WNS Analytics는 기업들이 데이터를 전략적 가치로 변환하도록 도와주는 “결정 지능”을 제공합니다. 이는 강력한 데이터 인프라, AI/GenAI/에이전트 AI 기술, 및 도메인별 전문 지식을 결합하여 제공합니다.保险, 은행 및 금융 서비스, 소매, 소비자 가전, 제조, 헬스케어, 에너지, 물류 등 다양한 산업에서 서비스를 제공합니다. 데이터 엔지니어링 및 거버넌스, 설명적 및 예측 분석, AI/ML 도구, 시각화 등 다양한 기능을 제공하여 더 빠르고 자신감 있는 의사 결정을 가능하게 합니다.

컨설팅에서 기업가로, 그리고 글로벌 데이터 분석 및 AI 비즈니스 리더로 전환한 계기는 무엇인가?

10년간 경영 컨설팅에서 일했으며, 시장의 간격을 명확히 보았습니다. 회사는大量의 데이터를 가지고 있지만 그 가치를 충분히 추출하지 못했습니다. 2003년, 분석은 아직 기본적인 수준에 불과했습니다. 우리는 엑셀 스프레드시트를 사용했습니다.

기업 생활을 떠난 결정은 자기 신뢰에 달렸습니다. 나는 데이터를 활용하여 조직을 도와주는 기회를 보았고, 그 비전으로 The Smart Cube를 설립했습니다.

20년간 The Smart Cube를 건설한 후, WNS에 합류하는 것은退出이 아닌 진화였습니다. 나는 기업가적 사고를 지니고 있지만, 지금은 훨씬 더 많은 자원과 범위를 갖추고 있습니다. 이것은 이전에는 작은 비즈니스에서 제공할 수 없었던 규모의 문제를 해결할 수 있도록 합니다. 가장 중요한 것은 데이터와 분석을 핵심 비즈니스 프로세스에 통합하는 것이 아니라, 별도의 개입으로 간주하는 것이 아니라, 도메인 전문 지식과 프로세스 변환의無缝 통합이 WNS의 DNA에 중심이 된다는 것을 인식했습니다. 그것이 나를 인수하고 지금 이 비즈니스 유닛을 리드하도록 동기부여했습니다.

분석에서 20년 이상 일한 경험에서, 금융 서비스에서 데이터와 AI의 역할이 어떻게 진화했는지 설명해 주시겠습니까?

1990년대 후반, 분석은 역사적 데이터를 살펴보고 통계적 예측을 하는 것을 의미했습니다. 변환은 놀라웠습니다.

2000년대 초, 디지털화와 더 고급 예측 모델이 도입되었습니다. 2010년, 실시간 트레이딩 분석이 표준이 되었습니다. 거의 10년 전, 기계 학습이 실제 변화를 주도하기 시작했고, 최근에는 생성적 AI(Gen AI)가 중심이 되었습니다.

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

영향은 구체적입니다. 고객 온보딩이 하루가 걸리던 것이 이제 몇 시간이면 완료됩니다. 신용 위험 평가가 전통적인 점수 외에 실시간 데이터 포인트를 평가합니다. 위험 계산이 밤새 걸리던 것이 이제 즉시적으로 수행됩니다. 그리고 사기 탐지는 더 이상事後에 반응하지 않고 실시간으로 의심스러운 활동을 차단합니다.

앞날을 내다보는 기업은 어떻게 AI 기반 데이터 레이크와 거버넌스 프레임워크를 사용하여 금융 운영에서 실시간 의사 결정, 규제 준수, 투명성을 개선하고 있습니까?

모놀리식 데이터 웨어하우스를 구축하고 통찰력을 얻기를 기다리는 방식은 더 이상 작동하지 않습니다. 기관은 지능형 데이터 생태계를 설계해야 합니다.

금융 서비스는 고유한 도전을 직면합니다. 고객을 대면하고,高度 민감한 데이터를 처리하면서도 개인화와 실시간 반응성을 제공해야 합니다. 이것은 유연한 프레임워크를 기반으로 하는 모듈식 데이터 레이크를 필요로 합니다.

이 아키텍처 내에서, 조직은 가격 분석, 위험 평가 및 규제 보고를 위한 전문 데이터 포ンド를 생성합니다. 각 포드는 독립적으로 작동하면서 더 큰 생태계에 기여하여 즉각적인 가치를 제공하면서 보안 경계를 유지합니다.

Zero ETL 트렌드는 특히 여기에서 관련이 있습니다. 이는 데이터를 이동하지 않고 직접 시스템을 쿼리하여 대기 시간을 줄이고 거버넌스를 유지하는 복잡한 Extract-Transform-Load 프로세스를 제거합니다. 이것은 AI가 데이터에 액세스하고 분석할 수 있도록 하여 규제 준수를 유지합니다.

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

합성 데이터는 민감한 정보를 노출하지 않고 AI 모델을 교육하는 안전한 방법으로 종종 언급됩니다. 금융 사기 탐지, 위험 분석 및 모델 검증에서 합성 데이터를 효과적으로 적용하는 예를 공유해 주시겠습니까?

WNS Analytics에서, 우리는 고급 합성 데이터 생성을 사용하여 개인 정보 보호 규정에 준하는 고충실도 데이터 세트를 생성하여 특히 데이터가 부족한 도메인에서 AI 모델 훈련을 가속화합니다. 우리의 합성 데이터 세트는 실제 금융 데이터와 동일한 통계적 패턴, 행동 및 상관 관계를 반영하면서도 실제 트랜잭션 흐름, 사기 트렌드, 고객 행동을 모방합니다. 이는 실제 개인 식별 정보(PII) 또는 고객 데이터를 노출하지 않습니다.

이 기능은 금융 서비스를 변革하고 있습니다. 위험 분석, 사기 탐지, 신용 평가, 스트레스 테스트 및 규제 모델링과 같은 분야에서 합성 데이터 세트를 사용하여 조직은 빠르게 AI 솔루션 개발을 시작할 수 있습니다. 이는 데이터 개인 정보 보호와 규제적 확신을 동시에 보장합니다.

특히 혁신적인 응용 분야 중 하나는 개인 정보를 마스킹한 데이터를 사용하여 유사한 모델을 생성하는 것입니다. 이는 기업이 고객에게 타겟 마케팅을 제공할 수 있도록 하면서 완전한 개인 정보 보호를 유지할 수 있습니다.

지능형 자동화 및 AI 에이전트가 비즈니스 워크플로에 점점 더 많이 통합되고 있습니다. 금융 서비스에서 가장 변革적인 사용 사례는 무엇이며, 어떻게 운영적 탄력성과 성능을 개선합니까?

지능형 자동화와 AI 에이전트는 기업 워크플로를 가속화하여 조직이 운영을 최적화하고 더 빠르고 정보에 기반한 의사 결정을 내릴 수 있도록 합니다. 이러한 에이전트는 자동화와 고급 추론을 결합하여 탄력성, 확장성 및 성능 개선을 제공합니다.

WNS Analytics에서, 우리는 Agentic AI 구현을 위한 우리의 독점 프레임워크인 GAIN 프레임워크를 적용하여 에이전트의 적절한 자율성 수준을 평가합니다. 우리는 또한 우리의 수상 경력에 빛나는 AI 유틸리티 허브를 통해 하이퍼 전문 에이전트를 위한 재사용 가능한 마이크로 서비스 기반 구성 요소를 제공합니다.

보험에서, 우리는 여러 워크플로를 에이전트 AI를 통해 변혁했습니다. 자동차 보험 청구에서, 우리의 제3자 회수 탐지 솔루션은 85%의 정확도를 달성하고, 회수 볼륨을 두 배로 늘리고, 회수 금액을 약 49% 증가시켜, 이전에는 간과했던 수백만 달러의 기회를 잠금 해제했습니다.

심사에서, 우리의 에이전트 AI 기반 연구 보조 도구는 여러 전문 에이전트를 사용하여 복잡한 쿼리를 분해하고, 여러 소스에서 데이터를 추출하고, 99%의 정확도로 통찰력을 생성하며, 처리 시간을 85% 단축합니다.

주요 은행에서, 우리의 제네러티브 AI 솔루션은 부정적 미디어 스크리닝 시간을 60% 줄이고, 거짓 양성률을 12-15% 줄였습니다.

우리는 또한 기업이 광범위한 비정형 데이터를 검색하고, 추론하고, 맥락화할 수 있도록 설계된 지식 관리 솔루션을 개발했습니다. 정확하고, 규제 준수하고, 일관된 통찰력을 실시간으로 제공하여 의사 결정, 효율성 및 운영적 탄력성을 강화합니다.

이러한 솔루션은 인간의 판단을 보완하여 더 빠르고 정확한 시스템을 만듭니다.

기업이 AI 이니셔티브를 확대하려는 경우, 기술적, 문화적, 전략적인 가장 큰 장벽은 무엇이며, 리더는 어떻게 이를 극복할 수 있습니까?

AI를 확대하는 가장 큰 장벽은 기술이 아닙니다. 그것은 조직의 준비도입니다.

첫째, 레거시 시스템에 데이터 실로가 있습니다. 전체 교체는 항상 실용적이지 않습니다. 대신, 지능형 브릿지를 구축하는 데 중점을 두어야 합니다. WNS에서, 우리는 구현을 가속화하면서 비즈니스 규칙을 보존하는 레거시 관리자와 클라우드 엔지니어를 짝지어 브릿지 팀을 만들었습니다.

둘째, 기술적 격차입니다. 기업은 도메인 전문가, 데이터 엔지니어, 데이터 과학자 및 기술적 통찰력을 비즈니스 가치와 연결할 수 있는 번역자가 필요합니다.

세째, 기술의 발전 속도입니다. 우리의 WNS AI 랩은 조직이 새로운 기술을 실험하고, 증명된 개념을 구축하여, 전면 배포에 앞서 평가할 수 있도록 합니다.

문화적 측면에서, 성공은 효과적인 변화 관리에 달려 있습니다. 우리는 AI를 보완으로 간주하는 것이 아니라, 대체로 간주하는 것을 피하기 위한 프레임워크를 설계합니다. AI위원회를 설립하는 것도 좋은 전략입니다. 이는 거버넌스, 교차 기능적 정렬 및 파일럿에서 기업 전체 규모로 이동하기 위한 구조화된 경로를 제공합니다.

AI 윤리, 편향, 투명성에 대한 관심이 증가함에 따라, 금융 기관은 어떻게 혁신과 책임 있는 AI 거버넌스를 균형 있게 유지할 수 있습니까?

혁신과 책임은 상반된 선택이 아닙니다. 책임은 혁신의 일환으로 처음부터 구축되어야 합니다.

금융 기관은 강력한 AI 거버넌스 프레임워크가 필요합니다. WNS에서, 우리는 책임 있게 개발되고, 윤리적이며, 안전하게 개발된 AI를 보장하는 프레임워크를 구현합니다. 우리의 접근 방식은 편향, 공정성, 사용자 정의 KPI 및 모델 드리프트 모니터링을 위한 체크를 포함합니다. 이는 신뢰를 구축하고, 규제 준수를 보장합니다.

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

궁극적으로, 책임 있는 AI는 경쟁 우위를 제공합니다. 규제 준수와 투명성을 보장하는 은행은 고객의 신뢰를 얻습니다. 거버넌스를 사후 처리로 간주하는 은행은 규제적 제재와 명성 손실을 겪을 수 있습니다.

금융 기관이 운영하는 방식을 바꾸는 AI 기능이나 데이터 전략 중, 향후 3-5년 동안 가장 큰 영향을 미칠 것으로 예상되는 것은 무엇입니까?

세 가지 발전이 금융 서비스를 재정의할 것입니다.

첫째, 에이전트 AI는 실험에서 필수적인 기술로 전환할 것입니다. 자율 에이전트는 인간 팀과 함께 복잡한 워크플로를 실행하고, 전체 부서를 오케스트레이션할 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 제공할 것입니다.

셋째, 우리는 강력한 기술 융합을 볼 것입니다. 양자 컴퓨팅은 고급 위험 계산을 위해, 블록체인은 투명한 AI 결정 로그를 위해, 에지 컴퓨팅은 즉각적인 지역화된 결정들을 위해 사용될 것입니다. 이러한 기술은 완전히 새로운 형태의 금융 서비스를 가능하게 할 것입니다.

기업가, 인수, 및 글로벌 리더십을 거치면서, 어떤 원칙이 의사 결정과 팀을 변화로 이끄는 데 도움이 되었습니다?

세 가지 원칙이 나를 안내합니다.

첫째, 완벽함보다는 인내심입니다. The Smart Cube를 시작했을 때, 모든答案을 가지고 있지 않았습니다. 우리는 실수를 했고, 적응하고, 계속 전진했습니다. 유연성과 함께하는 인내심은 필수적이었습니다.

둘째, 빠른退出보다는 지속 가능한 가치를 구축합니다. 비즈니스 학교의 한 교수는 나에게, “退出에 집중하지 마십시오. 성공적인 비즈니스를 구축하여 지속되도록 하십시오”라고 조언했습니다. 장기적인 관점은 모든 결정에 영향을 미쳤습니다.

셋째, 즐기세요. 나는 항상 즐기고 있다고 믿었습니다. 30년 후에도, 나는 여전히 흥분하며, 이는 팀을 변화로 이끄는 데 영감을 줍니다.

인수를 통해 강화된 또 다른 진실은, 사람들이 함께하면 변경이 성공한다는 것입니다. 기술적 통합은 간단하지만, 문화적 통합 – 공유된 비전을 구축하는 것은真正한 리더십이 필요한 곳입니다.

금융의 미래를 형성하려는 전문가들에게, 기술, 마음가짐 또는 경험 중 어떤 것이 가장 가치 있게 생각하시나요?

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

첫째, 시스템 사고를 개발하세요. 시장의需求 – 명확한 사용 사례 –에서 시작하여 뒤로 돌아가세요. 금융의 AI는 모든 것이 어떻게 연결되는지 보는 것을 필요로 합니다. 위험 모델의 변경이 고객 경험에 미치는 영향이나 자동화가 새로운 기회를 열어주는 방법을 이해합니다.

둘째, 엄격한 실제성을 키우세요. 새로운 기술에 대해 흥분하지만, 그것을 평가할 때 엄격해야 합니다. 모든 문제를 해결하는 데 AI가 필요하지는 않습니다. 때때로, 단순한 분석이나 스프레드시트만으로도 작업을 수행할 수 있습니다.

셋째, 번역 기술을 구축하세요. 이는 매우 중요합니다. 복잡한 AI 개념을 이사에게 설명하고, 비즈니스 요구 사항을 데이터 과학자에게 번역할 수 있는 능력은 귀중합니다. 가장 강력한 AI 리더는 기술을 비즈니스 전략과 연결합니다.

마지막으로, 지속적인 학습을 추구하세요. 5년 전의 최첨단 도구는 이미 구식입니다. 호기심, 겸손, 학습에 대한 헌신은, AI와 금융의 교차점에서 기회를 열어줍니다.

감사합니다. 더 많은 정보를 원하는 독자는 WNS Analytics를 방문하십시오.