Gautam Singh, WNS Analytics’in Küresel İş Birimi Başkanı, Veri ve Yapay Zeka – Röportaj Serisi

Gautam Singh WNS Analytics’in İş Birimi Başkanı ve The Smart Cube’un Kurucu Ortağı ve CEO’sudur. The Smart Cube’u (araştırma ve analiz lideri) WNS tarafından satın alınmadan önce 20 yıl kurup büyüttü. Öncesinde, Avrupa ve ABD’de 10 yıl yönetim danışmanlığı ve risk sermayesi yaptı. Gautam, çeşitli rollerde bulundu; bunlar arasında Coven Partners (Londra), A.T. Kearney (Londra), Mitsubishi Motors (Hindistan) ve Cummins Engines (ABD) gibi şirketler yer alıyor. Michigan Üniversitesi, Ann Arbor, ABD’den MBA ve IIT Bombay, Hindistan’dan Makine Mühendisliği lisans derecesine sahiptir.

WNS Analytics şirketlere verilerini stratejik değere dönüştürmede “karar zekası” ile yardımcı oluyor – güçlü veri altyapısı, AI/GenAI/agentic-AI teknolojileri ve domaine özgü uzmanlık birleştirerek. Sigorta, bankacılık ve finansal hizmetler, perakende, tüketim malları, imalat, sağlık, enerji ve lojistik gibi sektörlerde hizmet sunuyorlar. Kapasiteleri, veri mühendisliği ve yönetiminden, betimsel ve öngörülü analitiklere, AI/ML araçlarına ve görselleştirmeye kadar uzanıyor – tüm bunlar daha hızlı, daha güvenli kararlar almayı ve sürekli yeniliği sağlamak için tasarlandı.

Kariyerinize üst düzey yönetim danışmanlığıyla başladınız, sonra The Smart Cube’u kurup 20 yılı aşkın bir süre yönettiniz ve sonra da WNS tarafından satın alınmasını sağladınız. Danışmanlıktan girişimciliğe ve sonra da küresel veri analitiği ve yapay zeka işine geçişinizi ne motive etti?

Yönetim danışmanlığında 10 yıl geçirdim ve açık bir pazar boşluğu gördüm: şirketler dağlarca verinin üzerinde oturuyor ancak bunların tam değerini çıkarmıyorlardı. 2003 yılında analitik masih temel seviyedeydi – Excel elektronik tablolarıyla çalışıyorduk.

Kurumsal hayattan ayrılmamın nedeni kendine güvenimdi. Şirketlerin gerçekten verilerini kullanmalarına yardımcı olma fırsatını gördüm, bu nedenle The Smart Cube’u bu vizyonla kurdum.

The Smart Cube’u 20 yıl kurup büyüttükten sonra WNS’a katılma kararı çıkışı değil, evrimdi. Girişimci zihniyetimi taşıyorum, ancak şimdi çok daha büyük kaynaklar ve erişim imkanım var. Bu, daha önce küçük bir işletmede asla sağlayamayacağım ölçekte sorunları çözmeme olanak tanır. En önemli nokta, verilerin ve analitiklerin iş süreçlerinin ayrılmaz bir parçası olarak görülmesi, ayrı müdahaleler olarak değil. Bu sorunsuz entegrasyon, WNS’nin DNA’sının merkezinde yer alıyor ve beni WNS’de bu iş biriminin başına geçmeye motive eden şey bu.

20 yılı aşkın bir süredir analitik alanında çalışıyorsunuz. Finansal hizmetlerdeki veri ve yapay zeka rollerini nasıl değiştirdi – erken benimsemeden bugünkü büyük ölçekli, kurumsal düzeydeki entegrasyona?

90’lı yıllarda analitik, tarihi verilere bakıp istatistiksel tahminler yapmayı ifade ediyordu. Dönüşüm gerçekten dikkat çekici.

2000’lerin başları, dijitalleşme ve daha gelişmiş öngörülü modelleri getirdi. 2010’a gelindiğinde, gerçek zamanlı ticaret analitikleri standart hale geldi. Yaklaşık bir decade önce, makine öğrenimi gerçek bir değişimi tetikledi ve daha yakın zamanda, Üretken AI (Gen AI) sahneye çıktı.

Bugün, finansal kurumlar veriyi stratejik bir varlık olarak görüyor. Soru, “AI’ı kullanabilir miyiz?”den “AI’ı her karara nasıl entegre edebiliriz?”e döndü.

Etki somut: müşteri kaydının günler aldığı bir süreç şimdi AI tabanlı doğrulama ile saatler içinde tamamlanıyor. Kredi risk değerlendirmeleri geleneksel puanların ötesinde gerçek zamanlı veri noktalarını değerlendiriyor. Risk hesaplamaları gece boyunca çalışan toplu işlemler yerine anlık olarak gerçekleşiyor. Ve sahtekarlık tespiti artık sadece sonra değil, gerçek zamanlı olarak gerçekleşiyor.

İleri düşünen işletmeler, AI sürücülü veri gölleri ve yönetim çerçevelerini nasıl kullanıyor – finansal operasyonlarda gerçek zamanlı karar almaya, düzenleyici uyuma ve şeffaflığa katkıda bulunmak için?

Monolitik veri ambarları oluşturup içgörüler beklemek artık çalışmıyor. Kurumlar akıllı veri ekosistemleri tasarlamalıdır.

Finansal hizmetler benzersiz bir zorlukla karşı karşıya: müşteri odaklılar, çok hassas verileri işlerler ve aynı zamanda kişiselleştirme ve gerçek zamanlı yanıt verebilme yeteneğine sahip olmalılar. Bu, esnek çerçeveler üzerine modüler veri gölleri gerektirir.

Bu mimari içinde, kurumlar fiyat analitiği, risk değerlendirmesi ve düzenleyici raporlama için özel veri havuzları oluşturur. Her havuz bağımsız olarak çalışır ve aynı zamanda daha büyük ekosisteme besler, böylece anlık değer sağlar ve güvenlik sınırlarını korur.

Zero ETL trendi burada özellikle ilgili, çünkü kompleks Extract-Transform-Load süreçlerini ortadan kaldırarak sistemler arası doğrudan sorgulamayı sağlar. Bu, AI’ın verilere gerçek zamanlı erişmesini ve analiz etmesini sağlar, böylece gecikme azalır ve yönetim korunur.

AI ajanları da sadece anomali tespitinin ötesine geçerek gelişiyor. Sadece şüpheli işlemleri saptamıyor, aynı zamanda eylemler öneriyor ve yönetim parametreleri içinde yanıtları gerçekleştiriyor. Düzenleyici uyumlulukta, AI işlemleri sürekli izliyor, raporlar üretiyor ve düzenleyicilerin yapmadan önce sorunları tespit ediyor.

Sentetik veri, AI modellerini hassas bilgiyi açığa çıkarmadan eğitmek için güvenli bir yol olarak tanımlanıyor. Sentetik verinin etkili bir şekilde nasıl uygulandığını – sahtekarlık tespiti, risk analitiği ve model doğrulaması açısından – paylaşabilir misiniz?

WNS Analytics’te, AI model eğitimini hızlandırmak için gelişmiş sentetik veri oluşturma yeteneklerini kullanıyoruz, özellikle veri kıtlığı olan alanlarda. Sentetik verilerimiz gerçek dünya senaryolarını taklit eder, aynı zamanda gerçek finansal verilerin aynı istatistiksel kalıpları, davranışları ve korelasyonları yansıtır – işlem akışları, sahtekarlık eğilimleri, müşteri davranışları – herhangi bir hassas Kişisel Kimlik Bilgisi (PII) veya müşteri verisini açığa çıkarmadan.

Bu yetenek, risk analitiği, sahtekarlık tespiti, kredi puanlaması, stres testi ve uyum modellemesi gibi finansal hizmetlerde çeşitli alanlarda dönüşüme yol açıyor. Bu sentetik veriler, şirketlerin AI çözümü geliştirmesini hızla başlatmasına olanak tanır, aynı zamanda veri gizliliği ve düzenleyici güveni sağlar.

Özellikle yenilikçi bir uygulama, PII-maskeli verileri kullanarak benzeti modeller oluşturmayı içerir. Bu, şirketlerin müşterilere hedefli teklifler sunmasına, aynı zamanda tam güvenlik sağlayarak kişiselleştirilmiş pazarlama yapmalarına olanak tanır.

Akıllı otomasyon ve AI ajanları iş akışlarına giderek daha fazla entegre ediliyor. Finansal hizmetlerde gördüğünüz en dönüşümsel kullanım örnekleri nelerdir ve bunlar nasıl operasyonel dayanıklılık ve performansı geliştirir?

AI ajanlarını kullanan akıllı otomasyon, işletme akışlarını hızlandırıyor, şirketlerin operasyonları düzene koymasına ve daha hızlı, daha bilgili kararlar almasına olanak tanır. Bu ajanlar, otomasyonu gelişmiş akıl yürütme ile birleştirerek dayanıklılık, ölçeklenebilirlik ve performans iyileştirmeleri sağlar.

WNS Analytics’te, Agentic AI uygulaması için GAIN çerçevesini (özel Agentic AI uygulaması çerçevesini) kullanarak AI ajanlarının doğru düzeyde özerkliğini değerlendiriyoruz. Ayrıca, AI Utilities Hub aracılığıyla hyperspecialized ajanlar için yeniden kullanılabilir, mikro hizmet tabanlı bileşenler sunuyoruz.

Sigortada, çeşitli iş akışlarını agentic AI ile dönüştürdük. Üçüncü taraf geri kazanım tespiti için Gen AI güçlendirilmiş çözümümüz, özerk ajanlar tarafından yürütülüyor ve %85 doğruluk oranına ulaştı, geri kazanım hacmini ikiye katladı ve yıllık geri kazanımı yaklaşık %49 oranında artırdı – daha önce göz ardı edilen milyonlarca fırsat ortaya çıkardı.

Tahsis alanında, agentic AI güçlendirilmiş araştırma asistanımız, karmaşık sorguları parçalamak,多lu kaynaklardan veri çıkarmak ve %99 doğrulukla içgörüler sunmak için uzmanlaşmış çoklu ajanları kullanıyor ve dönüşüm süresini %85 oranında azaltıyor.

Önde gelen bir bankada, Gen AI çözümü, olumsuz medya tarama süresini %60 azalttı ve yanlış pozitifleri %12-15 oranında azalttı.

Ayrıca, işletmelerin geniş çaplı yapılandırılmamış verileri geri çağırmalarına, akıl yürütmelerine ve bağlamsallaştırmalarına olanak tanıyan bir Gen AI güçlendirilmiş bilgi yönetimi çözümü geliştirdik. Doğru, uyumlu ve tutarlı içgörüler sunarak, karar almayı hızlandırıyor, verimliliği artırıyor ve operasyonel dayanıklılığı güçlendiriyor.

Bu çözümler, insan yargısını güçlendirerek, daha hızlı ve daha doğru sistemler oluşturuyor.

Şirketler AI girişimlerini ölçeklendirme hedeflerken, en büyük engeller – teknik, kültürel veya stratejik – nelerdir ve liderler bunları nasıl aşabilir?

AI’ı ölçekleme konusunda en büyük engel teknoloji değil, kurumsal hazırlıklıktır.

İlk olarak, miras sistemler boyunca veri siloları var. Tamamen değiştirme her zaman pratik değil; odak, akıllı köprüler oluşturmaya verilmelidir. WNS’de, “köprü ekipleri” oluşturduk, bu ekiplerde miras yöneticileri bulut mühendisleriyle eşleştiriliyor, böylece uygulama hızlandırılır ve kritik iş kuralları korunuyor.

İkincisi, beceri açığı. Şirketlerin, domaine uzmanları, veri mühendisleri, veri bilimcileri ve teknik içgörülerle iş değerini bağdaştıran çevirmenler arasında doğru karışımı benötir.

Üçüncüsü, teknolojideki değişim hızı. WNS AI Lab, şirketlerin ortaya çıkan teknolojilerle deneysel çalışmalar yapmasına ve pilot projelerden önce tam ölçekli dağıtıma geçmeden önce kanıtları oluşturmasına olanak tanır.

Kültürel açıdan, başarı, etkili değişim yönetimine bağlıdır. AI’ı eklem olarak değil, yerine geçecek bir unsur olarak gören çalışanlara yardımcı olmak için çerçeveleri tasarlıyoruz. AI konseyi oluşturmak da akıllıcadır, bu sayede yönetim, çapraz fonksiyonel uyum ve pilotlardan kurumsal ölçekli dağıtıma yapılandırılmış bir yol sağlar.

AI etiği, önyargı ve şeffaflık konusundaki artan denetim ışığında, finansal kurumlar nasıl doğru dengeyi bulabilir – inovasyon ile sorumlu AI yönetimini nasıl sağlayabilir?

İnovasyon ve sorumluluk, birbirini dışlayan seçenekler değildir – sorumluluk, baştan itibaren inovasyona entegre edilmelidir.

Finansal kurumlar, güçlü AI yönetim çerçevelerine ihtiyaç duyar. WNS’de, AI’ın sorumlu, etik ve güvenli bir şekilde geliştirildiğinden emin olmak için çerçeveleri uyguluyoruz. Yaklaşımımız, önyargı, adillik, özel KPI’lar ve model kayması için kontrolleri içerir. Bu, güven inşa eder, sadece düzenleyici uyuma değil.

Şeffaflık, özellikle finansal hizmetlerde kritiktir. AI bir krediyi reddederse, başvurucular net ve anlaşılabilir açıklamalar hak eder.

Sonuçta, sorumlu AI, rekabet avantajıdır. AI sistemlerinde adil, şeffaf ve güvenli olan bankalar müşteri güvenini kazanır. those AI yönetimini sonradan düşünenler, düzenleyici cezaları ve itibar hasarını risk eder – bu hasar, onarmak çok daha zor olur.

Gelecek 3-5 yıl içinde, finansal organizasyonların nasıl çalıştığını en çok etkileyecek AI yetenekleri veya veri stratejileri hangileri olacak?

Üç gelişme, finansal hizmetleri önümüzdeki 3-5 yıl içinde yeniden şekillendirecek.

İlk olarak, agentic AI, deneyselden temel haline geçecek. Özerk AI ajanları, insan ekipleriyle birlikte kompleks iş akışlarını yürütecek.

İkincisi, sürekli öğrenen sistemler standart haline gelecek. AI, her etkileşimden öğrenerek, gerçekten kişiselleştirilmiş finansal hizmetler sunacak – müşterilerin değişen ihtiyaçlarına uyum sağlayarak.

Üçüncüsü, güçlü teknoloji birleşmeleri göreceğiz: gelişmiş risk hesaplamaları için kuantum hesaplama, AI karar günlükleri için blockchain ve anlık yerel kararlar için kenar hesaplama. Bu teknolojiler bir araya gelerek, henüz hayal bile edemediğimiz yeni finansal hizmetler açığa çıkarmaya başlayacak.

Girişimcilik, satın alma ve şimdi küresel liderlik rolünü yönetirken, kararlar vermenize ve ekipleri değişim yoluyla yönetmenize yardımcı olan rehber ilkeler nelerdir?

Bana rehberlik eden üç ilke var.

İlk olarak, mükemmellik yerine azim. The Smart Cube’u kurduğumuzda, tüm cevapları bilmiyorduk. Hatalar yaptık, adapte olduk ve ilerledik. Uyum yeteneği ile birlikte azim, çok önemliydi.

İkincisi, hızlı çıkışlar yerine kalıcı değer oluşturun. İş okulu profesörüm, The Smart Cube’u kurduktan yıllar sonra, “Çıkışa odaklanma. Başarılı, uzun süre dayanacak bir iş kurmaya odaklan” dedi. Bu uzun vadeli zihniyet, aldığım her kararı şekillendirdi.

Üçüncüsü, yaptığınız işi sevin. Her zaman, eğer keyif almıyorsam, başka bir şeye geçeceğime inanıyorum. 30 yıl sonra hala heyecanla uyanıyorum ve bu coşku, ekipleri değişim yoluyla yönetmeme yardımcı oluyor.

Satın alma yoluyla liderlik, bir gerçeği daha pekiştirdi: değişim, insanları da yanınıza aldığınızda başarılı olur. Teknik entegrasyon basittir; kültürel entegrasyon – paylaşılan bir vizyon oluşturma – gerçek liderlik nerede önemli olduğunu gösterir.

Finansal hizmetlerdeki AI’nın geleceğini şekillendirmek isteyen profesyoneller için, hangi beceriler, zihniyetler veya deneyimler en değerli olacaktır?

Gelecek, dünyaları köprüleyenlere ait olacak. Saf teknik becerileri veya domaine özgü uzmanlığı tek başına yeterli olmayacak.

İlk olarak, sistemler düşüncesini geliştirin. Pazar ihtiyacından başlayarak ve geriye doğru çalışın. Finansal hizmetlerdeki AI, her şeyin nasıl bağlantılı olduğunu görme gerektirir: risk modellerindeki bir değişikliğin müşteri deneyimini nasıl etkileyebileceği veya otomasyonun yeni fırsatlar açabileceği.

İkincisi, disiplinli pratiklik geliştirin. Yeni teknolojilerden heyecanlanın, ancak onları değerlendirmekte titiz olun. Her problem için AI gerekli değildir – bazen basit analizler veya hatta elektronik tablolar işi görebilir.

Üçüncüsü, çeviri becerileri kazanın. Bu, çok önemlidir. Karmaşık AI kavramlarını yönetim kurulu üyelerine açıklamak ve iş gereksinimlerini veri bilimcilerine çevirmek arasında köprü kurmak, çok değerli bir beceridir. En güçlü AI liderleri, teknolojiyi iş stratejisiyle hizalar.

Son olarak, sürekli öğrenmeye açık olun. Beş yıl önce keskin olan araçlar artık eskimiştir. Merak, alçakgönüllülük ve öğrenmeye adanmışlık, AI ve finansın kesişme noktasında hayal bile edemeyeceğimiz fırsatları açacaktır.

Harika röportaj için teşekkür ederiz. Daha fazla bilgi edinmek isteyen okuyucular WNS Analytics ziyaret edebilir.