Gautam Singh, Diretor Global de Unidade de Negócios de Análise, Dados e IA, WNS Analytics – Série de Entrevistas

Gautam Singh é o Diretor de Unidade de Negócios da WNS Analytics e Co-fundador e CEO da The Smart Cube, uma empresa da WNS. Ele passou 20 anos estabelecendo e crescendo a The Smart Cube (uma líder em pesquisa e análise) antes de ser adquirida pela WNS. Anteriormente, ele trabalhou por 10 anos em consultoria de gestão e capital de risco na Europa e nos EUA. Gautam ocupou vários cargos, incluindo posições na Coven Partners (Londres), A.T. Kearney (Londres), Mitsubishi Motors (Índia) e Cummins Engines (EUA). Ele possui um MBA pela Universidade de Michigan, Ann Arbor, EUA, e um diploma de graduação em Engenharia Mecânica pelo IIT Bombay, Índia.

WNS Analytics ajuda as empresas a transformar seus dados em valor estratégico por meio da “inteligência de decisão” – combinando infraestrutura de dados robusta, tecnologias de IA/GenAI/IA agente e expertise específica de domínio. Eles oferecem serviços em várias indústrias, incluindo seguros, bancos e serviços financeiros, varejo, CPG, manufatura, saúde, energia e logística. Suas capacidades abrangem engenharia e governança de dados, análise descritiva e preditiva, ferramentas de IA/ML e visualização – tudo projetado para permitir decisões mais rápidas e confiantes e inovação contínua.

Você começou sua carreira em consultoria de gestão de alto nível, então fundou a The Smart Cube e a liderou por mais de duas décadas antes de sua aquisição pela WNS. O que motivou sua transição da consultoria para o empreendedorismo e, posteriormente, para liderar um negócio global de análise de dados e IA?

Eu passei dez anos em consultoria de gestão e vi uma lacuna de mercado clara: as empresas estavam sentadas em montanhas de dados, mas não estavam extrair seu valor total. Volta em 2003, a análise ainda era básica – estávamos trabalhando com planilhas do Excel.

A decisão de deixar a vida corporativa se resumiu à crença em mim mesmo. Eu vi uma oportunidade de ajudar as organizações a realmente aproveitar seus dados, então fundei a The Smart Cube com essa visão.

Depois de 20 anos construindo a The Smart Cube, ingressar na WNS não foi uma saída, mas uma evolução. Eu levei adiante a mentalidade empreendedora, mas agora com recursos e alcance muito maiores. Isso me permite lidar com problemas em uma escala que eu nunca poderia ter entregue em uma empresa menor. O mais importante é que eu reconheci o poder de incorporar e infundir dados e análise nos processos de negócios principais, em vez de tratá-los como intervenções discretas. Essa integração sem esforço de expertise de domínio e transformação de processos é central para o DNA da WNS – e é o que me motivou a ser adquirido e agora liderar essa unidade de negócios na WNS.

Nos seus 20+ anos trabalhando em análise, como você viu o papel dos dados e da IA nos serviços financeiros evoluir – desde a adoção inicial até a integração em grande escala e nível empresarial de hoje?

No final dos anos 90, análise significava olhar para dados históricos e fazer previsões estatísticas. A transformação tem sido notável.

No início dos anos 2000, a digitalização e modelos preditivos mais avançados entraram em cena. Por volta de 2010, a análise de negociação em tempo real se tornou padrão. Quase uma década atrás, o aprendizado de máquina começou a impulsionar uma mudança real, e mais recentemente, a IA Geradora (IA Gen) assumiu o centro das atenções.

Hoje, as instituições financeiras tratam os dados como um ativo estratégico. A pergunta mudou de “podemos usar IA?” para “como incorporamos IA em cada decisão?”.

O impacto é tangível: a adesão de clientes que antes levava dias agora é concluída em horas com verificação baseada em IA. As avaliações de risco de crédito avaliam centenas de pontos de dados em tempo real além dos escores tradicionais. Cálculos de risco que exigiam execuções em lotes noturnas agora são instantâneos. E a detecção de fraude não reage mais após o fato – ela bloqueia atividades suspeitas em tempo real.

Como as empresas inovadoras estão usando lagos de dados e estruturas de governança impulsionados por IA para melhorar a tomada de decisões em tempo real, a conformidade regulatória e a transparência nas operações financeiras?

Construir armazéns de dados monolíticos e esperar por insights não funciona mais. As instituições precisam projetar ecossistemas de dados inteligentes.

Os serviços financeiros enfrentam um desafio único: eles são orientados para o cliente, lidam com dados altamente sensíveis e ainda precisam fornecer personalização e respostas em tempo real. Isso exige lagos de dados modulares construídos em estruturas flexíveis.

Dentro dessa arquitetura, as organizações criam lagos de dados especializados para análise de preços, avaliação de risco e relatórios regulatórios. Cada lago opera de forma independente, enquanto alimenta o ecossistema maior, entregando valor imediato enquanto preserva fronteiras de segurança.

A tendência Zero ETL é especialmente relevante aqui, pois elimina processos complexos de Extração-Transformação-Carga, permitindo que a IA acesse e analise dados em tempo real sem movê-los, reduzindo a latência e mantendo a governança.

Os agentes de IA também estão evoluindo além da detecção de anomalias. Eles não apenas sinalizam transações suspeitas, mas também recomendam ações e executam respostas dentro dos parâmetros de governança.

A dados sintéticos são frequentemente divulgados como uma maneira segura de treinar modelos de IA sem expor informações sensíveis. Você pode compartilhar exemplos de como os dados sintéticos estão sendo aplicados de forma eficaz na detecção de fraude, análise de risco e validação de modelos?

Na WNS Analytics, aproveitamos a geração avançada de dados sintéticos para criar conjuntos de dados de alta fidelidade e conformidade com a privacidade que aceleram o treinamento de modelos de IA, particularmente em domínios com escassez de dados. Nossos conjuntos de dados sintéticos emulam cenários do mundo real, refletindo os mesmos padrões estatísticos, comportamentos e correlações que os dados financeiros reais – fluxos de transações, tendências de fraude, comportamentos de clientes – sem expor qualquer informação pessoal identificável (PII) ou dados de clientes.

Essa capacidade está transformando os serviços financeiros em campos como análise de risco, detecção de fraude, pontuação de crédito, testes de estresse e modelagem de conformidade. Esses conjuntos de dados sintéticos permitem que as organizações iniciem rapidamente o desenvolvimento de soluções de IA, garantindo ao mesmo tempo privacidade de dados e confiança regulatória.

Uma aplicação particularmente inovadora envolve o uso de dados mascarados de PII para criar modelos de semelhança. Isso permite que as empresas forneçam ofertas direcionadas a consumidores, permitindo marketing personalizado enquanto mantém a privacidade completa.

A automação inteligente e os agentes de IA estão sendo cada vez mais incorporados em fluxos de trabalho de negócios. Quais são os casos de uso mais transformadores que você viu nos serviços financeiros, e como eles melhoram a resiliência operacional e o desempenho?

A automação inteligente que aproveita os agentes de IA está acelerando os fluxos de trabalho empresariais, permitindo que as organizações otimizem as operações e tomem decisões mais rápidas e informadas. Esses agentes combinam automação com raciocínio avançado para entregar resiliência, escalabilidade e melhorias de desempenho.

Na WNS Analytics, aplicamos o framework GAIN (nossa estrutura proprietária para implementação de IA Agente) para avaliar os níveis certos de autonomia para IA agente. Além disso, fornecemos componentes reutilizáveis e baseados em microserviços para agentes hiperspecializados por meio de nosso Hub de Utilitários de IA premiado.

Nos seguros, transformamos vários fluxos de trabalho por meio da IA agente. Na sub-rogação de sinistros de veículos, nossa solução de detecção de recuperação de terceiros impulsionada por IA Gen alcançou 85% de precisão, dobrou o volume de recuperação e aumentou as recuperações anuais em aproximadamente 49% – desbloqueando milhões de oportunidades que antes eram ignoradas.

Na subscrição, nosso assistente de pesquisa de IA agente emprega vários agentes especializados para quebrar consultas complexas, extrair dados de várias fontes e gerar insights com 99% de precisão, reduzindo o tempo de resposta em 85%.

Para um banco líder, nossa solução de IA Gen reduziu o tempo de tela de mídia adversa em 60% e reduziu os falsos positivos em 12-15%.

Também temos uma solução de gerenciamento de conhecimento de IA Gen – projetada como uma plataforma horizontal – para redefinir como as empresas recuperam, raciocinam e contextualizam vastos dados não estruturados. Ao fornecer insights precisos, conformes e consistentes em tempo real, ela melhora a tomada de decisões, aumenta a eficiência e fortalece a resiliência operacional em várias indústrias.

Essas soluções aumentam o julgamento humano, criando sistemas mais rápidos e precisos.

Para as empresas que visam ampliar as iniciativas de IA, quais são as maiores barreiras – técnicas, culturais ou estratégicas – e como os líderes podem superá-las?

A maior barreira para ampliar a IA não é a tecnologia – é a preparação organizacional.

Primeiro, existem silos de dados em sistemas legados. A substituição completa nem sempre é prática; em vez disso, o foco deve ser em construir pontes inteligentes. Na WNS, criamos “equipes de ponte” que emparelham administradores de sistemas legados com engenheiros de nuvem, acelerando a implementação enquanto preserva regras de negócios críticas.

Em segundo lugar, a lacuna de habilidades. As empresas precisam da mistura certa de especialistas em domínio, engenheiros de dados, cientistas de dados e tradutores que possam conectar insights técnicos ao valor dos negócios.

Terceiro, o ritmo da mudança tecnológica. Nosso Laboratório de IA da WNS permite que as organizações experimentem tecnologias emergentes e construam conceitos de prova antes de se comprometer com a implantação em grande escala.

No front cultural, o sucesso depende de uma gestão de mudança eficaz. Projetamos estruturas que ajudam os funcionários a ver a IA como algo adicional, e não como uma substituição. Estabelecer um conselho de IA também é uma boa jogada, fornecendo governança, alinhamento cross-funcional e um caminho estruturado para mover-se de pilotos para uma escala empresarial.

Com o aumento do escrutínio sobre a ética da IA, viés e transparência, como as instituições financeiras podem equilibrar a inovação com a governança responsável da IA?

Inovação e responsabilidade não são escolhas opostas – a responsabilidade deve ser incorporada à inovação desde o início.

As instituições financeiras precisam de estruturas de governança de IA robustas. Na WNS, implementamos estruturas que garantem que a IA seja desenvolvida de forma responsável, ética e segura. Nossa abordagem incorpora verificações de viés, justiça, KPIs personalizados e monitoramento do desvio do modelo. Isso constrói confiança, não apenas conformidade regulatória.

A transparência é especialmente crítica nos serviços financeiros. Se a IA nega um empréstimo, os solicitantes merecem explicações claras e compreensíveis.

Em última análise, a IA responsável é uma vantagem competitiva. Os bancos que demonstram justiça, transparência e segurança em seus sistemas de IA ganham a confiança do cliente. Aqueles que tratam a governança como uma afterthought arriscam penalidades regulatórias e danos à reputação que são muito mais difíceis de reparar.

Nos próximos 3-5 anos, quais capacidades de IA emergentes ou estratégias de dados você acredita que terão o maior impacto sobre como as organizações financeiras operam?

Três desenvolvimentos remodelarão os serviços financeiros nos próximos três a cinco anos.

Primeiro, a IA agente mudará de experimental para essencial. Agentes de IA autônomos executarão fluxos de trabalho complexos e orquestrarão departamentos inteiros ao lado de equipes humanas.

Em segundo lugar, os sistemas de aprendizado contínuo se tornarão padrão. A IA se adaptará a cada interação, permitindo serviços financeiros verdadeiramente personalizados que evoluem com as necessidades de cada cliente.

Terceiro, veremos uma poderosa convergência de tecnologias: computação quântica para cálculos de risco avançados, blockchain para logs de decisões de IA transparentes e computação de borda para decisões instantâneas localizadas. Juntas, essas tecnologias desbloquearão novas formas de serviços financeiros que estamos apenas começando a imaginar.

Tendo navegado pelo empreendedorismo, aquisição e agora um papel de liderança global, quais princípios orientadores o ajudaram a tomar decisões e liderar equipes por meio da mudança?

Três princípios me guiam.

Primeiro, perseverança sobre perfeição. Quando começamos a The Smart Cube, não tínhamos todas as respostas. Cometemos erros, adaptamos e continuamos em frente. A persistência com adaptabilidade tem sido essencial.

Segundo, construir valor duradouro, não saídas rápidas. Um professor da escola de negócios me aconselhou – anos depois de eu ter fundado a The Smart Cube – “Não se concentre na saída. Concentre-se em construir um negócio bem-sucedido que durará.” Essa mentalidade de longo prazo tem moldado cada decisão que eu tomei.

Terceiro, aproveite o que você faz. Eu sempre acreditei que, se eu não estou me divertindo, eu vou me mudar para algo mais. Depois de 30 anos, eu ainda acordo animado, e esse entusiasmo inspira as equipes por meio da mudança.

Liderar por meio da aquisição reforçou outra verdade: a mudança tem sucesso quando você leva as pessoas junto. A integração técnica é direta; a integração cultural – construir uma visão compartilhada – é onde a liderança real importa.

Para os profissionais que desejam moldar o futuro da IA nos serviços financeiros, quais habilidades, mentalidades ou experiências você acredita que serão mais valiosas?

O futuro pertence àqueles que podem conectar mundos. Habilidades técnicas puras ou expertise de domínio sozinhas não serão suficientes.

Primeiro, desenvolva o pensamento de sistemas. Comece com a necessidade do mercado – um caso de uso claro – e trabalhe de trás para frente. A IA nos serviços financeiros exige ver como tudo se conecta: como uma mudança nos modelos de risco afeta a experiência do cliente ou como a automação abre novas oportunidades.

Segundo, cultive a prática disciplinada sobre o idealismo. Esteja animado com as novas tecnologias, mas rigoroso ao avaliá-las. Nem todos os problemas precisam de IA – às vezes, análises simples ou até mesmo planilhas podem fazer o trabalho.

Terceiro, construa habilidades de tradução. Isso é vital. Ser capaz de explicar conceitos complexos de IA para membros do conselho e traduzir requisitos de negócios para cientistas de dados é inestimável. Os líderes de IA mais fortes alinham a tecnologia com a estratégia de negócios.

Finalmente, abrace o aprendizado contínuo. As ferramentas que eram de ponta cinco anos atrás já estão ultrapassadas. Manter-se curioso, humilde e comprometido com o aprendizado abrirá portas para oportunidades que ainda não podemos imaginar na interseção da IA e dos serviços financeiros.

Obrigado pela grande entrevista, leitores que desejam aprender mais devem visitar WNS Analytics.