Гаутам Сінгх, Глобальний керівник підрозділу бізнесу з аналітики, даних та штучного інтелекту, WNS Analytics – Серія інтерв’ю

Гаутам Сінгх є керівником підрозділу бізнесу WNS Analytics та співзасновником і генеральним директором The Smart Cube, компанії WNS. Він провів 20 років, створюючи і розширюючи The Smart Cube (лідера у сфері досліджень і аналітики), перш ніж вона була придбана компанією WNS. До цього він працював 10 років у сфері менеджменту і风险ового капіталу в Європі і США. Гаутам обіймав різні посади, включаючи посади у Coven Partners (Лондон), A.T. Kearney (Лондон), Mitsubishi Motors (Індія) і Cummins Engines (США). Він має ступінь магістра бізнес-адміністрування Університету Мічигану, Анн-Арбор, США, і ступінь бакалавра механічної інженерії ІІТ Бомбея, Індія.

WNS Analytics допомагає компаніям перетворити свої дані у стратегічну цінність за допомогою «інтелекту прийняття рішень» – поєднання потужної інфраструктури даних, технологій штучного інтелекту та експертизи у конкретній галузі. Вони пропонують послуги у різних галузях, включаючи страхування, банківську та фінансову сферу, рітейл, виробництво споживчих товарів, виробництво, охорону здоров’я, енергетику та логістику. Їхні можливості охоплюють інженерію даних і управління, описову і передбачувальну аналітику, інструменти штучного інтелекту та візуалізацію – все це розроблено для того, щоб дозволити приймати швидші і більш впевнені рішення та забезпечувати безперервну інновацію.

Ви розпочали свою кар’єру у топовому менеджменті консалтингу, потім заснували The Smart Cube і очолювали її понад два десятиліття, перш ніж вона була придбана компанією WNS. Що мотивувало ваш перехід від консалтингу до підприємництва, а потім до керівництва глобальним бізнесом з аналітики даних і штучного інтелекту?

Я провів десять років у сфері менеджменту консалтингу і побачив явний розрив на ринку: компанії сиділи на величезних масивах даних, але не витягували з них повну цінність. У 2003 році аналітика була ще досить базовою – ми працювали з таблицями Excel.

Рішення покинути корпоративне життя зводилося до віри у себе. Я побачив можливість допомогти організаціям真正но скористатися своїми даними, тому заснував The Smart Cube з цією метою.

Після двадцяти років будівництва The Smart Cube, приєднання до WNS не було виходом, а еволюцією. Я переніс далі підприємницький спосіб мислення, але тепер з набагато більшим ресурсами і охопленням. Це дозволяє нам вирішувати проблеми у масштабі, який я не міг би забезпечити у меншій компанії. Найважливіше, я визнав силу вбудовування і насичення даних і аналітики у основні бізнес-процеси, а не розглядати їх як окремі втручання. Ця безшовна інтеграція експертизи галузі і трансформації процесів є центральною у ДНК WNS – і це мотивувало мене до придбання і тепер до керівництва цим підрозділом бізнесу у WNS.

За вашими понад 20-ма роками роботи в сфері аналітики, як ви бачили еволюцію ролі даних і штучного інтелекту у фінансових послугах – від раннього впровадження до сучасної великомасштабної, корпоративної інтеграції?

У кінці 90-х років аналітика означала аналіз історичних даних і створення статистичних прогнозів. Трансформація була видатною.

На початку 2000-х років відбулося впровадження цифрових технологій і більш просунутих передбачувальних моделей. До 2010 року реальна торгівельна аналітика стала стандартом. Близько десяти років тому машинне навчання почало сприяти справжньому зсуву, а нещодавно Генеративний штучний інтелект (Gen AI) зайняв центральне місце.

Сьогодні фінансові установи розглядають дані як стратегічний актив. Питання перейшло від «Чи можемо ми використовувати штучний інтелект?» до «Як ми можемо вбудувати штучний інтелект у кожне рішення?»

Вплив є відчутним: онбординг клієнтів, який раніше займав дні, тепер завершується за години завдяки верифікації на основі штучного інтелекту. Оцінки кредитного ризику оцінюють сотні реальних даних за межами традиційних оцінок. Розрахунки ризику, які раніше вимагали нічних пакетних розрахунків, тепер відбуваються миттєво. І виявлення шахрайства більше не реагує після факту – воно блокує підозрілу діяльність в реальному часі.

Як перспективні підприємства використовують штучно-інтелектні озера даних і рамки управління для покращення прийняття рішень у реальному часі, дотримання нормативних вимог і прозорості у фінансових операціях?

Будівництво монолітних складів даних і сподівання на отримання висновків більше не працює. Установи повинні проектувати інтелектуальні екосистеми даних.

Фінансові послуги стикаються з унікальною проблемою: вони є клієнтоорієнтованими, обробляють надзвичайно чутливі дані і все ж повинні забезпечувати персоналізацію і реальну реакцію. Це вимагає модульних озер даних, побудованих на гнучких рамках.

У цій архітектурі організації створюють спеціалізовані озера даних для аналітики ціноутворення, оцінки ризику та звітності з дотримання нормативних вимог. Кожне озеро працює незалежно, одночасно забезпечуючи миттєву цінність і зберігаючи межі безпеки.

Тренд «Zero ETL» особливо актуальний тут, оскільки він усуває складні процеси витягування, перетворення і завантаження даних, дозволяючи штучному інтелекту безпосередньо запитувати дані у системах і аналізувати їх у реальному часі без переміщення, зменшуючи затримку і зберігаючи управління.

Агенти штучного інтелекту також еволюціонують за межами виявлення аномалій. Вони не тільки виділяють підозрілі транзакції, але й рекомендують дії і виконують відповіді у межах параметрів управління. У сфері дотримання нормативних вимог штучний інтелект безперервно моніторить транзакції, генерує звіти та виявляє проблеми до того, як це зроблять регулятори.

Синтетичні дані часто розглядаються як безпечний спосіб навчання моделей штучного інтелекту без розкриття конфіденційних відомостей. Чи можете ви поділитися прикладами того, як синтетичні дані застосовуються ефективно у виявленні шахрайства, аналітиці ризику та валідації моделей?

У WNS Analytics ми використовуємо передові технології генерації синтетичних даних для створення високоякісних, приватних і відповідних нормативним вимогам наборів даних, які прискорюють навчання моделей штучного інтелекту, особливо у галузях з обмеженими даними. Наші синтетичні набори даних імітують реальні сценарії, відображаючи ті ж статистичні закономірності, поведінку і кореляції, що і фактичні фінансові дані – потоки транзакцій, тенденції шахрайства, поведінка клієнтів – без розкриття будь-яких конфіденційних особистих даних або інформації про клієнтів.

Ця можливість трансформує фінансові послуги у галузях, таких як аналіз ризику, виявлення шахрайства, оцінка кредитоспроможності, тестування на витримку і моделювання дотримання нормативних вимог. Ці синтетичні набори даних дозволяють організаціям швидко розпочинати розробку рішень штучного інтелекту, одночасно забезпечуючи приватність даних і нормативну впевненість.

Одним із особливо інноваційних застосунків є використання даних з маскуванням особистих ідентифікаторів для створення моделей-подібних. Це дозволяє компаніям пропонувати клієнтам націлені пропозиції, забезпечуючи персоналізацію при повній приватності.

Інтелектуальна автоматизація і агенти штучного інтелекту все частіше інтегруються у бізнес-процеси. Які найбільш трансформаційні випадки використання ви бачили у фінансових послугах, і як вони покращують оперативну стійкість і продуктивність?

Інтелектуальна автоматизація, що використовує агенти штучного інтелекту, прискорює корпоративні робочі процеси, дозволяючи організаціям оптимізувати операції і приймати швидші і більш інформовані рішення. Ці агенти поєднують автоматизацію з просунутим розумінням для забезпечення стійкості, масштабованості і покращення продуктивності.

У WNS Analytics ми застосовуємо рамку GAIN (нашу власну рамку для реалізації агентного штучного інтелекту) для оцінки правильних рівнів автономності для агентного штучного інтелекту. Ми також пропонуємо багаторазово використовувані, мікросервісні компоненти для гіперспеціалізованих агентів через наш нагороджений AI Utilities Hub.

У сфері страхування ми перетворили кілька робочих процесів за допомогою агентного штучного інтелекту. У сфері суброгації страхових претензій наш Генеративний штучний інтелект-підтримуваний інструмент виявлення відновлення третьої сторони, керований автономними агентами, досягнув 85% точності, подвоїв обсяг відновлення і підвищив щорічні відновлення приблизно на 49% – розблокувавши мільйони можливостей, які раніше були проігноровані.

У сфері страхування наш агентний штучний інтелект-підтримуваний дослідницький асистент використовує кілька спеціалізованих агентів для розбиття складних запитів, витягування даних з кількох джерел і генерації висновків з 99% точністю, одночасно скорочуючи час очікування на 85%.

Для одного з провідних банків наш Генеративний штучний інтелект-рішення скоротив час скринінгу несприятливої інформації на 60% і скоротив помилкові позитиви на 12-15%.

У нас також є рішення з управління знаннями на основі Генеративного штучного інтелекту – розроблене як горизонтальна платформа – для пере визначення того, як підприємства отримують, розуміють і контекстуалізують величезні необроблені дані. Надаванням точних, відповідних нормативним вимогам і послідовних висновків у реальному часі воно покращує прийняття рішень, підвищує ефективність і зміцнює оперативну стійкість у різних галузях.

Ці рішення доповнюють людську оцінку, створюючи швидші і більш точні системи.

Для підприємств, які прагнуть розширити ініціативи штучного інтелекту, які найбільші бар’єри – технічні, культурні чи стратегічні – і як лідери можуть подолати їх?

Найбільший бар’єр для розширення штучного інтелекту не полягає у технології – це готувальність організації.

По-перше, існують дані-силоси по всьому спадковому програмному забезпеченню. Повна заміна не завжди практична; натомість фокус повинен бути на побудові інтелектуальних містків. У WNS ми створили «команди-мости», які поєднують адміністраторів спадкового програмного забезпечення з інженерами хмарних технологій, прискорюючи впровадження при збереженні критичних бізнес-правил.

По-друге, розрив у навичках. Підприємства потребують правильної суміші експертів галузі, інженерів даних, вчених-даних і перекладачів, які можуть зв’язати технічні висновки з бізнес-цінністю.

По-третє, темп технологічних змін. Наш WNS AI Lab дозволяє організаціям експериментувати з новими технологіями і створювати концепції доказів перед тим, як перейти до повномасштабного впровадження.

На культурному фронті успіх залежить від ефективного управління змінами. Ми проектуємо рамки, які допомагають працівникам розглядати штучний інтелект як доповнення, а не заміну. Створення ради штучного інтелекту також є розумним кроком, забезпечуючи управління, міжфункціональну узгодженість і структурований шлях для переходу від пілотних проектів до корпоративного масштабу.

З ростом уваги до етики штучного інтелекту, упередженості і прозорості, як фінансові установи можуть знайти правильний баланс між інноваціями і відповідальним управлінням штучним інтелектом?

Інновації і відповідальність не є взаємовиключними виборами – відповідальність повинна бути закладена в інновації з самого початку.

Фінансові установи потребують потужних рамок управління штучним інтелектом. У WNS ми впроваджуємо рамки, які забезпечують розробку штучного інтелекту відповідальним, етичним і безпечним чином. Наш підхід вкладає перевірки на упередженість, справедливість, налаштовані КПІ і моніторинг дрейфу моделі. Це будує довіру, а не тільки нормативну відповідність.

Прозорість особливо критична у фінансових послугах. Якщо штучний інтелект відмовляє у кредіті, заявники заслуговують на чіткі і зрозумілі пояснення.

У кінцевому підсумку, відповідальний штучний інтелект є конкурентною перевагою. Банки, які демонструють справедливість, прозорість і безпеку у своїх системах штучного інтелекту, здобувають довіру клієнтів. Ті, хто розглядає управління як післядум, ризикують нормативними штрафами і репутаційними пошкодженнями, які набагато складніше відновити.

У найближчі 3-5 років, які нові можливості штучного інтелекту чи стратегії даних, на вашу думку, матимуть найбільший вплив на те, як фінансові організації працюють?

Три розробки перероблять фінансові послуги за найближчі три-п’ять років.

По-перше, агентний штучний інтелект перейде від експериментального до необхідного. Автономні агенти штучного інтелекту виконуватимуть складні робочі процеси і оркеструватимуть цілі відділи поряд з людськими командами.

По-друге, системи безперервного навчання стануть стандартом. Штучний інтелект адаптуватиметься до кожної взаємодії, забезпечуючи真正у персоналізацію фінансових послуг, яка розвивається з кожною зміною потреб клієнта.

По-третє, ми побачимо потужне технологічне збігання: квантове обчислення для просунутих розрахунків ризику, блокчейн для прозорих журналів рішень штучного інтелекту і обчислення на краю для миттєвих локалізованих рішень. Разом ці технології розблокують зовсім нові форми фінансових послуг, які ми тільки починаємо уявляти на перетині штучного інтелекту і фінансів.

Маючи досвід підприємництва, придбання і тепер глобального лідерства, які керівні принципи допомогли вам приймати рішення і керувати командами через зміни?

Три принципи керують мною.

По-перше, витримка над досконалістю. Коли ми розпочали The Smart Cube, у нас не було всіх відповідей. Ми допустили помилки, адаптувалися і продовжували рухатися вперед. Витримка з адаптивністю була суттєвою.

По-друге, побудова тривалої цінності, а не швидких виходів. Професор з бізнес-школи одного разу порадив мені – через роки після того, як я заснував The Smart Cube – «Не фокусуйтесь на виході. Фокусуйтесь на побудові успішного бізнесу, який триватиме». Ця довгострокова орієнтація сформувала кожне рішення, яке я прийняв.

По-третє, насолоджуйтесь тим, що ви робите. Я завжди вірив, що якщо я не отримую задоволення, я перейду до чогось іншого. Через тридцять років я все ще прокидаюсь з ентузіазмом, і цей ентузіазм надихає команди через зміни.

Керівництво через придбання підкріпило ще одну правду: зміна успішна, коли ви берете людей з собою. Технічна інтеграція є простою; культурна інтеграція – побудова спільної візії – це місце, де справжнє лідерство має значення.

Для професіоналів, які хочуть формувати майбутнє штучного інтелекту у фінансах, які навички, установки або досвід, на вашу думку, будуть найбільш цінними?

Майбутнє належить тим, хто може поєднувати світ. Чисто технічні навички або експертиза галузі окремо не будуть достатніми.

По-перше, розвивайте системне мислення. Починайте з ринку – чіткого випадку використання – і працюйте назад. Штучний інтелект у фінансах вимагає бачення того, як все пов’язано: як зміна моделей ризику впливає на досвід клієнта або як автоматизація відкриває нові можливості.

По-друге, культивуйте дисципліновану практичність над ідеалізмом. Будьте ентузіастами нових технологій, але суворі у їхній оцінці. Не кожна проблема потребує штучного інтелекту – іноді прості аналізи або навіть таблиці можуть зробити роботу.

По-третє, побудуйте навички перекладу. Це суттєво. Здатність пояснювати складні концепції штучного інтелекту членам ради директорів і перекладати бізнес-вимоги для вчених-даних є невимовно цінною. Найсильніші лідери штучного інтелекту узгоджують технологію з бізнес-стратегією.

По-четверте, прийміть безперервне навчання. Інструменти, які були на вістрі технологічного прогресу п’ять років тому, вже застаріли. Залишатися цікавими, скромними і прив’язаними до навчання відкриє двері до можливостей, яких ми ще не можемо уявити на перетині штучного інтелекту і фінансів.

Дякую за велике інтерв’ю, читачам, які бажають дізнатися більше, слід відвідати WNS Analytics.