Гаутам Сингх, Глобальный руководитель бизнес-единицы аналитики, данных и ИИ, WNS Analytics – Интервью

Гаутам Сингх является руководителем бизнес-единицы WNS Analytics и сооснователем и генеральным директором The Smart Cube, компании WNS. Он провел 20 лет, создавая и развивая The Smart Cube (лидера в области исследований и аналитики), прежде чем она была приобретена WNS. До этого он работал 10 лет в области менеджмента и венчурного капитала в Европе и США. Гаутам занимал различные должности, включая позиции в Coven Partners (Лондон), A.T. Kearney (Лондон), Mitsubishi Motors (Индия) и Cummins Engines (США). Он имеет степень MBA Университета Мичигана, Анн-Арбор, США, и степень бакалавра в области механической инженерии ИИТ Бомбея, Индия.

WNS Analytics помогает компаниям превратить свои данные в стратегическую ценность посредством «интеллекта решений» — сочетания прочной инфраструктуры данных, технологий ИИ/GenAI/agentic-AI и экспертизы в конкретной области. Они предлагают услуги в различных отраслях, включая страхование, банковское дело и финансовые услуги, розничную торговлю, производство потребительских товаров, производство, здравоохранение, энергию и логистику. Их возможности охватывают инженерную и управленческую деятельность с данными, описательную и прогностическую аналитику, инструменты ИИ/ML и визуализацию — все это предназначено для того, чтобы обеспечить более быстрое и уверенное принятие решений и непрерывное совершенствование.

Вы начали свою карьеру в топовом менеджменте, затем основали The Smart Cube и возглавляли ее более двух десятилетий, прежде чем она была приобретена WNS. Что мотивировало ваш переход от консалтинга к предпринимательству, а затем к руководству глобальным бизнесом аналитики и ИИ?

Я провел десять лет в менеджменте и увидел явный пробел на рынке: компании сидели на горах данных, но не извлекали из них полную ценность. В 2003 году аналитика была еще базовой — мы работали с таблицами Excel.

Решение покинуть корпоративную жизнь свелось к самоуверенности. Я увидел возможность помочь организациям真正 использовать свои данные, поэтому основал The Smart Cube с этой целью.

После 20 лет построения The Smart Cube присоединение к WNS не было выходом, а эволюцией. Я сохранил предпринимательский настрой, но теперь с гораздо большими ресурсами и возможностями. Это позволяет нам решать проблемы в масштабе, который я никогда не мог бы достичь в небольшом бизнесе. Самое главное, я понял силу встраивания и насыщения данных и аналитики в основные бизнес-процессы, а не рассматривал их как отдельные вмешательства. Эта безшовная интеграция экспертизы и трансформации процессов является центральной для ДНК WNS — и это то, что мотивировало меня к приобретению и теперь руководить этой бизнес-единицей в WNS.

За 20+ лет работы в аналитике, как вы видели эволюцию роли данных и ИИ в финансовых услугах — от раннего внедрения до сегодняшней крупномасштабной, корпоративной интеграции?

В конце 90-х годов аналитика означала анализ исторических данных и составление статистических прогнозов. Трансформация была замечательной.

Начало 2000-х годов ознаменовалось цифровизацией и более продвинутыми прогностическими моделями. К 2010 году реальное время торговой аналитики стало стандартом. Почти decade назад машинное обучение начало стимулировать реальный сдвиг, а более недавно Генеративный ИИ (Gen ИИ) занял центральное место.

Сегодня финансовые учреждения рассматривают данные как стратегический актив. Вопрос сместился от «можем ли мы использовать ИИ?» к «как мы можем встроить ИИ в каждое решение?»

Влияние осязаемо: процесс подачи заявления, который ранее занимал дни, теперь завершается в течение часов с помощью верификации на основе ИИ. Оценки кредитного риска оценивают сотни реальных данных за пределами традиционных баллов. Расчеты риска, которые ранее требовали ночных пакетных запусков, теперь мгновенны. А обнаружение мошенничества больше не реагирует после факта — оно блокирует подозрительную деятельность в реальном времени.

Как передовые предприятия используют ИИ-ориентированные озера данных и кадры управления для улучшения принятия решений в реальном времени, соблюдения нормативных требований и прозрачности в финансовых операциях?

Строительство монолитных хранилищ данных и надежду на получение информации больше не работает. Учреждениям необходимо проектировать интеллектуальные экосистемы данных.

Финансовые услуги сталкиваются с уникальной задачей: они ориентированы на клиентов, обрабатывают высокочувствительные данные и все же должны обеспечивать персонализацию и реальное время реакции. Это требует модульных озер данных, построенных на гибких каркасах.

В рамках этой архитектуры организации создают специализированные пруды данных для аналитики ценообразования, оценки риска и нормативной отчетности. Каждый пруд работает независимо, внося вклад в более крупную экосистему, обеспечивая мгновенную ценность, сохраняя при этом границы безопасности.

Тренд Zero ETL особенно актуален здесь, поскольку он устраняет сложные процессы извлечения, преобразования и загрузки данных, позволяя ИИ直接 запрашивать и анализировать данные в реальном времени без их перемещения, снижая задержку и сохраняя управление.

ИИ-агенты также эволюционируют за пределы обнаружения аномалий. Они не только флагируют подозрительные транзакции, но и рекомендуют действия и выполняют ответы в рамках параметров управления. В соблюдении ИИ непрерывно отслеживает транзакции, генерирует отчеты и выявляет проблемы до того, как это сделают регулирующие органы.

Синтетические данные часто упоминаются как безопасный способ обучения моделей ИИ без раскрытия конфиденциальной информации. Можете ли вы поделиться примерами того, как синтетические данные эффективно используются в обнаружении мошенничества, анализе риска и валидации моделей?

В WNS Analytics мы используем передовые методы генерации синтетических данных для создания высококачественных, соответствующих требованиям конфиденциальности наборов данных, которые ускоряют обучение моделей ИИ, особенно в областях с ограниченными данными. Наши синтетические наборы данных имитируют реальные сценарии, отражая те же статистические закономерности, поведение и корреляции, что и фактические финансовые данные — потоки транзакций, тенденции мошенничества, поведение клиентов — без раскрытия какой-либо конфиденциальной личной информации или данных клиентов.

Эта возможность трансформирует финансовые услуги в таких областях, как анализ риска, обнаружение мошенничества, оценка кредитоспособности, тестирование на прочность и моделирование соблюдения. Эти синтетические наборы данных позволяют организациям быстро запускать разработку решений ИИ, обеспечивая при этом конфиденциальность данных и уверенность регулирующих органов.

Особенно инновационным применением является использование данных с маскированными персональными идентификаторами для создания моделей-подобий. Это позволяет компаниям предлагать целевые предложения потребителям, обеспечивая персонализированную маркетинговую деятельность, сохраняя при этом полную конфиденциальность.

Интеллектуальная автоматизация и ИИ-агенты все чаще встраиваются в бизнес-процессы. Какие самые трансформирующие варианты использования вы видели в финансовых услугах, и как они улучшают операционную устойчивость и производительность?

Интеллектуальная автоматизация, использующая ИИ-агенты, ускоряет корпоративные рабочие процессы, позволяя организациям оптимизировать операции и принимать более быстрые и обоснованные решения. Эти агенты сочетают автоматизацию с продвинутым рассуждением, чтобы обеспечить устойчивость, масштабируемость и улучшение производительности.

В WNS Analytics мы применяем каркас GAIN (наш собственный каркас для реализации ИИ с агентами) для оценки правильных уровней автономности для агентного ИИ. Мы также предоставляем многократно используемые, основанные на микросервисах компоненты для гиперспециализированных агентов через наш награжденный AI Utilities Hub.

В страховании мы преобразовали несколько рабочих процессов с помощью агентного ИИ. В суброгации убытков от автомобильных аварий наша решение, основанное на Ген ИИ, для обнаружения третьих сторон, управляемое автономными агентами, достигло 85% точности, удвоило объемы восстановления и повысило годовые восстановления примерно на 49% — открыв миллионы возможностей, которые ранее были упущены.

В подписании договоров наш агентный ИИ-ассистент, использующий несколько специализированных агентов, разбивает сложные запросы, извлекает данные из нескольких источников и генерирует идеи с точностью 99%, сокращая время ожидания на 85%.

Для ведущего банка наше решение на основе Ген ИИ сократило время скрининга СМИ на 60% и снизило количество ложных положительных результатов на 12-15%.

У нас также есть решение на основе Ген ИИ для управления знаниями — разработанное как горизонтальная платформа — для переопределения того, как предприятия извлекают, рассуждают и контекстуализируют огромные неструктурированные данные. Предоставляя точные, соответствующие и последовательные идеи в реальном времени, оно улучшает принятие решений, повышает эффективность и укрепляет операционную устойчивость во всех отраслях.

Эти решения дополняют человеческий суд, создавая более быстрые и точные системы.

Для предприятий, стремящихся масштабировать инициативы ИИ, какие являются самыми большими барьерами — техническими, культурными или стратегическими — и как лидеры могут преодолеть их?

Самый большой барьер для масштабирования ИИ не является технологическим — это готовность организации.

Во-первых, существуют данные в виде разрозненных систем. Полная замена не всегда практична; вместо этого внимание должно быть сосредоточено на построении интеллектуальных мостов. В WNS мы создали «команды мостов», которые объединяют администраторов наследственных систем с инженерами облачных технологий, ускоряя реализацию, сохраняя при этом критически важные бизнес-правила.

Во-вторых, разрыв в навыках. Предприятиям нужна правильная смесь экспертов по предмету, инженеров данных, ученых данных и переводчиков, которые могут соединить технические идеи с бизнес-ценностью.

В-третьих, темп технологических изменений. Наша лаборатория ИИ WNS позволяет организациям экспериментировать с появляющимися технологиями и создавать концепции доказательства, прежде чем приступить к полномасштабной реализации.

На культурном фронте успех зависит от эффективного управления изменениями. Мы проектируем каркасы, которые помогают сотрудникам рассматривать ИИ как добавочную, а не ориентированную на замену, ценность. Создание совета ИИ также является умным шагом, обеспечивающим управление, межфункциональное согласование и структурированный путь для перехода от пилотов к корпоративному масштабу.

С растущим вниманием к этике ИИ, предвзятости и прозрачности, как финансовые учреждения могут найти правильный баланс между инновациями и ответственным управлением ИИ?

Инновации и ответственность не являются взаимоисключающими выборами — ответственность должна быть встроена в инновации с самого начала.

Финансовым учреждениям необходимы прочные каркасы управления ИИ. В WNS мы реализуем каркасы, которые гарантируют, что ИИ разрабатывается ответственно, этично и безопасно. Наш подход встраивает проверки на предвзятость, справедливость, пользовательские KPI и мониторинг дрейфа модели. Это строит доверие, а не только соблюдение нормативных требований.

Прозрачность особенно важна в финансовых услугах. Если ИИ отклоняет заявку на кредит, заявителям заслуживают четких и понятных объяснений.

В конечном итоге, ответственный ИИ является конкурентным преимуществом. Банки, которые демонстрируют справедливость, прозрачность и безопасность в своих системах ИИ, заслуживают доверие клиентов. Те, кто рассматривает управление как после мысли, рискуют столкнуться с нормативными штрафами и ущербом репутации, который намного труднее исправить.

В течение следующих 3-5 лет, какие появляющиеся возможности ИИ или стратегии данных, по вашему мнению, окажут наибольшее влияние на то, как финансовые организации будут работать?

Три развития изменят финансовые услуги в течение следующих трех-пяти лет.

Во-первых, агентный ИИ перейдет от экспериментального к необходимому. Автономные ИИ-агенты будут выполнять сложные рабочие процессы и оркестровать целые отделы вместе с человеческими командами.

Во-вторых, системы непрерывного обучения станут стандартными. ИИ будет адаптироваться после каждого взаимодействия, обеспечивая真正 персонализированные финансовые услуги, которые эволюционируют с каждой меняющейся потребностью клиента.

В-третьих, мы увидим мощное технологическое слияние: квантовые вычисления для продвинутых расчетов риска, блокчейн для прозрачных журналов решений ИИ и вычисления на краю для мгновенных локализованных решений. Вместе эти технологии откроют совершенно новые формы финансовых услуг, которые мы только начинаем представлять.

Имея опыт предпринимательства, приобретения и теперь глобального лидерства, какие руководящие принципы помогли вам принимать решения и вести команды через изменения?

Три принципа руководят мной.

Во-первых, настойчивость над совершенством. Когда мы начали The Smart Cube, у нас не было всех ответов. Мы совершали ошибки, адаптировались и продолжали двигаться вперед. Упорство с адаптивностью было важным.

Во-вторых, построение прочной ценности, а не быстрых выходов. Профессор из бизнес-школы однажды посоветовал мне — через годы после того, как я основал The Smart Cube — «Не фокусируйтесь на выходе. Сосредоточьтесь на построении успешного бизнеса, который просуществует долго». Этот долгосрочный настрой формировал каждое решение, которое я принимал.

В-третьих, получайте удовольствие от того, что вы делаете. Я всегда верил, что если я не получаю удовольствия, я перейду к чему-то другому. Через 30 лет я все еще просыпаюсь с энтузиазмом, и этот энтузиазм вдохновляет команды на изменения.

Руководство через приобретение укрепило еще одну истину: изменение преуспевает, когда вы ведете людей вместе. Техническая интеграция проста; культурная интеграция — построение общей видения — это то, где真正ое лидерство имеет значение.

Для профессионалов, которые хотят формировать будущее ИИ в финансах, какие навыки, настроения или опыт, по вашему мнению, будут наиболее ценными?

Будущее принадлежит тем, кто может соединить миры. Чисто технические навыки или экспертиза в области предмета одни будут недостаточны.

Во-первых, развивайте системное мышление. Начните с рыночного спроса — четкого случая использования — и работайте назад. ИИ в финансах требует видения того, как все соединено: как изменение моделей риска влияет на опыт клиента или как автоматизация открывает новые возможности.

Во-вторых, культивируйте дисциплинированную практичность над идеализмом. Будьте взволнованы новыми технологиями, но строги в их оценке. Не каждая проблема требует ИИ — иногда простой анализ или даже электронные таблицы могут сделать работу.

В-третьих, развивайте навыки перевода. Это важно. Быть в состоянии объяснить сложные концепции ИИ членам совета директоров и перевести бизнес-требования для ученых данных является бесценным. Сильнейшие лидеры ИИ согласовывают технологию с бизнес-стратегией.

Наконец, принимайте непрерывное обучение. Инструменты, которые были передовыми пять лет назад, уже устарели. Оставаясь любопытными, скромными и приверженными обучению, вы откроете двери к возможностям, которые мы еще не можем представить на пересечении ИИ и финансов.

Спасибо за отличное интервью. Читателям, которые хотят узнать больше, следует посетить WNS Analytics.