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 сфере 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 МБА 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” – сочетая прочную инфраструктуру данных, технологии ИИ/GenAI/агентского ИИ и экспертизу в конкретной области. Они предлагают услуги по различным отраслям, включая страхование, банковское дело и финансовые услуги, розничную торговлю, производство потребительских товаров, производство, здравоохранение, энергию и логистику. Их возможности охватывают инженерную инфраструктуру данных и управление, описательную и прогностическую аналитику, инструменты ИИ/МЛ и визуализацию – все это предназначено для того, чтобы обеспечить более быстрые и уверенные решения и непрерывную инновацию.

Вы начали свою карьеру в лучших консалтинговых компаниях, 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 сфере менеджмента 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 освоить свои данные, поэтому я 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 охватом. Это позволяет нам решать проблемы в масштабе, который я никогда не мог бы достичь в небольшом бизнесе. Самое главное, я осознал силу внедрения и насыщения данных и аналитики в основные бизнес-процессы, а не рассматривать их как отдельные вмешательства. Это безшовное интегрирование экспертизы в области и трансформации процессов является центральным для ДНК WNS – и это то, что мотивировало меня к приобретению и теперь к руководству этой бизнес-единицей в WNS.

За ваши 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 аналитика означала анализ исторических данных и составление статистических прогнозов. Трансформация была замечательной.

Начало 2000-х ознаменовалось цифровизацией и более продвинутыми прогностическими моделями. К 2010 году аналитика реального времени стала стандартной. 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 внедрить ИИ в каждое решение?”

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

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

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

Финансовые услуги сталкиваются с уникальной проблемой: они ориентированы на клиентов, обрабатывают высокочувствительные данные и все еще должны обеспечивать персонализацию и реальную отзывчивость. Это требует модульных озер данных, построенных на гибких рамках.

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

Тренд Zero ETL особенно актуален здесь, поскольку он устраняет сложные процессы Extract-Transform-Load, позволяя ИИ直接 запрашивать данные по системам, снижая задержку и сохраняя управление.

Агенты ИИ также развиваются за пределами обнаружения аномалий. Они не только флагируют подозрительные транзакции, но и рекомендуют действия и выполняют ответы в рамках управления.

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

В WNS Analytics мы используем передовые методы генерации синтетических данных для создания высокочастотных, 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 аналитика риска, обнаружение мошенничества, оценка кредитоспособности, тестирование на прочность и моделирование соблюдения нормативных требований. Эти синтетические наборы данных позволяют организациям быстро запускать разработку решений ИИ, обеспечивая при этом конфиденциальность данных и уверенность в соблюдении нормативных требований.

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

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

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

В WNS Analytics мы применяем рамку GAIN (нашу проприетарную рамку для реализации агентского ИИ) для оценки правильного уровня автономии для агентского ИИ. Мы предоставляем также многократно используемые, основанные на микросервисах компоненты для гиперспециализированных агентов через наш награжденный AI Utilities Hub.

В страховании мы трансформировали несколько рабочих процессов с помощью агентского ИИ. В суброгации убытков от автомобильных аварий наше решение, основанное на генеративном ИИ, для обнаружения третьих лиц, управляемое автономными агентами, достигло 85% точности, удвоило объемы восстановления и увеличило годовые восстановления примерно на 49% – открывая миллионы возможностей, которые ранее были упущены.

В страховании наш агентский ИИ-ориентированный исследовательский помощник использует несколько специализированных агентов для разбиения сложных запросов, извлечения данных из нескольких источников и генерации информации с точностью 99%, сокращая время ответа на 85%.

Для ведущего банка наше решение на основе генеративного ИИ сократило время скрининга СМИ на 60% и уменьшило ложные положительные результаты на 12-15%.

У нас также есть решение на основе генеративного 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, есть данные в видео, разбросанные по наследственным системам. Полная замена не всегда практична; вместо этого внимание должно быть сосредоточено на построении интеллектуальных мостов. В WNS мы создали “команды-мосты”, которые объединяют администраторов наследственных систем с инженерами облачных вычислений, ускоряя реализацию, сохраняя при этом критически важные бизнес-правила.

Во-вторых, существует разрыв в навыках. Предприятиям необходимо правильная смесь экспертов в области, инженеров по данным, ученых по данным 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 прототипы до полномасштабной реализации.

На культурном фронте успех зависит от эффективного управления изменениями. Мы проектируем рамки, которые помогают сотрудникам рассматривать ИИ как добавочный, а не ориентированный на замену. 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 противоположными выборами – ответственность должна быть встроена в инновации с самого начала.

Финансовым учреждениям необходимо прочные рамки управления ИИ. В WNS мы реализуем рамки, которые обеспечивают, что ИИ разрабатывается ответственно, этично и безопасно. Наш подход включает в себя проверки на предвзятость, справедливость, пользовательские KPI и мониторинг дрейфа модели. Это строит доверие, а не только соблюдение нормативных требований.

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

В конечном итоге ответственный ИИ является конкурентным преимуществом. Банки, которые демонстрируют справедливость, прозрачность и безопасность в своих системах ИИ, заслуживают доверия 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 самое большое влияние на то, как финансовые организации работают?

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

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

Во-вторых, непрерывные системы обучения станут стандартными. ИИ будет адаптироваться из каждого взаимодействия, позволяя真正 персонализировать финансовые услуги, которые развиваются 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.

Пройдя путь предпринимательства, приобретения и теперь глобальной руководящей роли, 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 крайне важным.

Во-вторых, построение прочной ценности, а не быстрого выхода. Профессор из бизнес-школы когда-то посоветовал мне – годы после того, как я основал The Smart Cube – “Не сосредотачивайтесь на выходе. Сосредоточьтесь на построении успешного бизнеса, который прослужит долго”. Этот долгосрочный настрой сформировал каждое решение, которое я принял.

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

Руководство через приобретение подкрепило 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 не будут достаточно.

Во-первых, развивайте системное мышление. Начните с потребности рынка – 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 крайне важно. Уметь объяснить сложные концепции ИИ членам совета директоров и перевести бизнес-требования для ученых по данным является бесценным. Самые сильные лидеры ИИ соединяют 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.