Мукунд Калманкер, Глобальний керівник даних, аналітики та штучного інтелекту в Apexon – Серія інтерв’ю

Мукунд Калманкер, Глобальний керівник даних, аналітики та штучного інтелекту в Apexon, має понад два десятиліття досвіду керівництва великомасштабними корпоративними трансформаційними ініціативами, з кар’єрою, що охоплює керівні посади в Wipro, де він створював і розширював глобальні практики штучного інтелекту, інкубував платформи автоматизації, такі як HOLMES, і допомагав визначати корпоративну технологічну стратегію в різних галузях, включаючи фінансові послуги, телекомунікації та охорону здоров’я. Його робота постійно зосереджувалася на перетворенні нових технологій – особливо штучного інтелекту, інженерії даних і автоматизації – у практичні бізнес-результати, поєднуючи глибокі технічні знання з сильним досвідом у створенні глобальних команд, розвитку цифрових стратегій і забезпеченні вимірюваних операційних ефективностей для великих підприємств.

Apexon – це цифровий технологічний сервісний фірм, який допомагає підприємствам прискорити бізнес-трансформацію, поєднуючи штучний інтелект, аналіз даних і цифрову інженерію для створення інтелектуальних, масштабованих систем і клієнтських досвідів. За допомогою своїх інтегрованих можливостей у сфері хмарних технологій, автоматизації та передових аналітичних даних компанія працює з організаціями для модернізації операцій, поліпшення процесів прийняття рішень і надання комплексних цифрових рішень, особливо в галузях, таких як фінансові послуги, охорона здоров’я та життя.

Після двох десятиліть керівництва ініціативами штучного інтелекту і аналітики в компаніях, таких як Wipro і тепер Apexon, який досвід найбільш вплинув на ваш підхід до цифрової трансформації?

За останні кілька років те, що найбільш вплинуло на мій підхід, – це усвідомлення того, що успішна цифрова трансформація не тільки полягає в технологіях, а й у тому, щоб технології були спрямовані на вирішення реальних бізнес-проблем і відповідність змінюванню поведінки людей. Це про використання інновацій як стратегічного інструменту для лідерства в галузі і поліпшення світу. Незалежно від того, чи допомагаємо банку вирішувати регуляторні питання, чи рітейл-бренду переосмислювати клієнтську взаємодію, чи надаємо можливість медичному провайдеру приймати швидші, даних-орієнтовані рішення, я бачив найбільший вплив, коли ми починаємо з кінцевого досвіду. У моєму попередньому житті і тепер в Apexon мої команди і я працювали в тісній співпраці з клієнтами з різних галузей, щоб перетворити Agentic AI, Генеративний AI, штучний інтелект, машинне навчання, RPA і дані з бренд-слов у бізнес-результати – розблокування інсайтів, поліпшення ефективності, поліпшення клієнтського досвіду, допомогу у управлінні ризиками і створення конкурентної переваги для наших клієнтів. Ця постійна співпраця і фокус на результатах – це те, що продовжує формувати мої думки.

Що привабило вас до Apexon, і як підхід компанії до даних, аналітики і штучного інтелекту збігається з вашим особистим баченням майбутнього корпоративної технології?

Те, що привабило мене до Apexon, – це чітка відданість компанії допомогти клієнтам прийняти інновації з метою. Культура інновацій і зростаючий менталітет вкорінені в кожній людині, пов’язаній з Apexon, і це видно в тому, як ми вчимося, інновуємо і розширюємо межі разом. З глибокими можливостями у сфері даних і штучного інтелекту, а також досконалістю в інженерії і гострим фокусом на регульованих галузях, таких як BFSI і охорона здоров’я, Apexon не розглядає дані чи штучний інтелект як ізольовані можливості – компанія розглядає їх як фундаментальні активи для допомоги в інженерії інтелектуальних підприємств, для створення масштабованих, IP-орієнтованих бізнес-рішень і платформ. Це збігалося з моєю вірою в те, що майбутнє корпоративної технології полягає у створенні інтелектуальних систем, які не тільки адаптивні, а й масштабовані, повторювані і створені для довгострокової цінності.

В Apexon є свідомий фокус на перетворенні передових технологій у значимі бізнес-результати – незалежно від того, чи це розблокування конкурентного інсайту, забезпечення розумнішої автоматизації чи забезпечення клієнто-орієнтованих досвідів. Це збігання штучного інтелекту з IP-першою свідомістю – саме там, де, на мою думку, корпоративна трансформація рухається – і я радий допомогти формувати це майбутнє тут.

Як інтелектуальні тканини допомагають створювати пов’язане підприємство, і що таке їх реальне впровадження?

Інтелектуальні тканини не є продуктом чи платформою. Це архітектурний зсув. Вони з’єднують точки між бізнес-одиницями, системами, даними і рішеннями, так що інтелект не є чимось, до чого ви звертаєтесь періодично; це завжди ввімкнено. Це перетворює організації з даних-орієнтованих насправді інтелектуальні.

Відносно реального впливу – подумайте про рітейлера, який регулює ланцюжки постачання в режимі реального часу на основі декількох факторів, таких як поведінка покупців, порушення ланцюжків постачання, геополітичні події, зміна погоди або навіть місцеві катастрофи. Або лікарню, яка висуває рекомендації щодо лікування, поки клініцист все ще переглядає результати тестів. Або банки, які можуть шити дані по декількох транзакціях, щоб ідентифікувати складні анти-відмивальні діяльності. Сила полягає в тому, щоб вплітати інтелект безпосередньо у потік роботи, а не додавати його після факту. Це те, як підприємства стаютьсправді пов’язаними – інтелект генерується в будь-якій частині організації, і цей інтелект споживається цією організацією.

Як Apexon використовує генеративні інструменти штучного інтелекту, такі як Copilot, для створення цінності для клієнтів, і в яких галузях ви бачили найсильнішу прийняття?

Ми розглядаємо інструменти, такі як GitHub Copilot, не тільки як допоміжні засоби кодування, а й як каталізатори для переосмислення того, як планується, створюється і тестиється програмне забезпечення. В Apexon Copilot вбудований у весь інженерний життєвий цикл – від створення користувальницьких історій і уточнення вимог до генерації тестових випадків і прогнозування дефектів. Це допомагає командам рухатися швидше з більшою точністю.

Наприклад, ми працюємо з медичним провайдером для впровадження Copilot і поєднання його з агентними рамками для повного переосмислення життєвого циклу програмної інженерії для забезпечення більшої ефективності в інженерії. Для іншого клієнта ми допомагаємо впровадити Генеративний AI і агентні рамки для поліпшення якості даних і надання влади в руки користувачів, які взаємодіють безпосередньо з регуляторами для вирішення питань відповідності.

Прийняття було найсильнішим у галузях, де швидкість, персоналізація і масштаб мають найбільше значення – інтелектуальна обробка документів, розмовний штучний інтелект і гіперавтоматизація. Це простори, де генеративний штучний інтелект доставляє не тільки вивід, а й стратегічну перевагу.

Як академічні партнерства з інститутами, такими як IIT Madras і Imperial College London, впливають на вашу стратегію дослідження штучного інтелекту і розвитку талантів?

Наші співробітництва з IIT Madras і Imperial College London відіграють ключову роль у формуванні як нашої дослідницької програми, так і того, як ми будемо створювати майбутнє талантів. Ми не тільки фінансуємо проекти – ми працюємо в тісній співпраці з провідними дослідниками для вивчення передових галузей, таких як Агентний AI, багатокористуватські системи та AGI. Ці партнерства дають нам глибше розуміння декількох нових областей – наприклад, того, як великі мовні моделі поводяться і еволюціонують, роблячи їх контекстними в різних доменах.

Вони також служать двигунами для розвитку талантів. За допомогою спільних програм ми створюємо практичні можливості навчання, які поєднують академічну глибину з корпоративною актуальністю. Це двосторонній обмін: ми отримуємо доступ до передових знань, а студенти взаємодіють з реальними проблемами. Ця синергія критична для масштабування наших можливостей штучного інтелекту, даних і цифрової інженерії.

У галузях, таких як охорона здоров’я, фінанси чи телекомунікації, який є одним прикладом, де рішення Apexon з аналітики або штучного інтелекту значно покращило операційну ефективність або розблокувало нові бізнес-моделі?

Хороший приклад – це нашу роботу з провідною північноамериканською фінансовою установою для модернізації процесу оцінки ризиків за допомогою каркасу, що використовує штучний інтелект. Автоматизуючи поглинання даних, стандартизуючи фрагментовані джерела і розгортаючи двигун ризику в режимі реального часу, ми скоротили ручну працю на 90% і прискорили оцінки в 4 рази. Інтегровані передбачувальні сигнали і відстежування відповідності допомогли скоротити регуляторні штрафи на 30% і фінансову експозицію на 40%. Будучи побудованим на хмарній, мікросервісній архітектурі, рішення не тільки покращило точність і швидкість, а й позиціонувало клієнта для масштабованого, даних-орієнтованого управління ризиками в швидкозмінному регуляторному середовищі.

Які нові технології або тенденції штучного інтелекту ви найбільш зосереджені на них як на наступному великому рубежі для корпоративної інновації?

В Apexon ми розглядаємо Агентний AI як наступний великий крок у корпоративному інтелекті в найближчому майбутньому. На відміну від традиційного штучного інтелекту, який реагує на підказки, системи Агентного AI можуть автономно інтерпретувати динамічний контекст, встановлювати і переслідувати цілі, співпрацювати між системами і безперервно покращуватися через зворотний зв’язок. Ми створили комплексний каркас, AgentRise, для реалізації цього. AgentRise поєднує мозок Агентного AI, багатокористуватську оркестрацію, нагляд людини і корпоративну спостережливість.

Результатом є штучний інтелект, який не тільки допомагає, а й автономно виконує складні бізнес-потоки, від тріажу документів у сфері охорони здоров’я до обробки винятків в режимі реального часу у сфері фінансів.

Те, що відрізняє наш підхід, – це фокус на масштабованому, довірчому інтелекті. Ми використовуємо модульні компоненти, інженерію підказок і безпечні інтеграції для розгортання Агентного AI з швидкістю і надійністю. Це не тільки інновації – це штучний інтелект, вплетений у потік бізнесу, який працює безпечно у масштабі і доставляє відчутні результати. Коли ці системи дозрівають, ми вважаємо, що вони будуть основою адаптивних, саморозвиваючихся підприємств у регульованих і високовпливових галузях.

Ми також відстежуємо досягнення в вузькому штучному інтелекті, штучному загальному інтелекті і квантовому обчисленні – але те, що нас найбільш збуджує, – це те, як ці технології сходяться для надання підприємствам, які не тільки інтелектуальні, а й адаптивні, автономні і здатні до самонаправленої еволюції.

Які найбільші виклики, з якими організації стикаються при переході від старих систем даних до сучасних аналітичних архітектур?

Організації зазвичай зустрічають чотири основні виклики при переході від старих систем до сучасних аналітичних архітектур.

Перший – це прийняття і реалізація цінності. Старіші платформи часто формують глибоко вкорінені способи роботи, що робить управління змінами критичним. Організації повинні забезпечити, щоб нові аналітичні платформи доставляли відчутні бізнес-результати, такі як зростання доходів, операційна ефективність і покращення управління ризиками, а не ставали просто технічними оновленнями.

Другий – це модернізація технологій і розвиток можливостей. Багато підприємств працюють у складних старих середовищах, що охоплюють мейнфрейми, локальні системи і раннє хмарне середовище. Модернізація цих середовищ вимагає ретельної раціоналізації і перепроектування, поряд з будівництвом навичок, талантів і оперативної зрілості, необхідних для підтримки сучасних платформ даних, аналітики і штучного інтелекту.

Третій – це готовність даних і штучного інтелекту. Модернізація не полягає просто у переміщенні даних на нову платформу. Організації повинні забезпечити, щоб дані були підготовлені для передових аналітичних даних і штучного інтелекту, зміцнюючи якість даних, управління, походження, конфіденційність і етичні гарантії, так що інсайти і моделі штучного інтелекту можуть бути довірені і масштабовані.

Нарешті, існує організаційний зсув. Коли платформи еволюціонують до більш автономних і агентних можливостей штучного інтелекту, компанії повинні адаптувати свої оперативні моделі, навички працівників і культуру для ефективної співпраці між людьми і інтелектуальними системами.

Як ви забезпечуєте, щоб цифрові досвіди і рішення штучного інтелекту залишилися центрованими навколо людських потреб, а не тільки технічних результатів?

Я вважаю, що основасправді впливаючих цифрових і рішень штучного інтелекту полягає в чіткому зсуві менталітету, від питання про те, що технологія здатна зробити, до питання про те, як вона може створити бізнес-цінність і служити людям і суспільству.

Ми починаємо з того, що кожна ініціатива ґрунтується на реальних людських результатах, таких як кращі рішення, більша інклюзивність, сильна довіра і простіші досвіди. Це вимагає глибокої взаємодії з користувачами, безперервного слухання і проектування рішень навколо того, як люди фактично приймають і взаємодіють з цифровими досвідами. Ми свідомо вплетаємо людсько-орієнтований дизайн, прозорість і підзвітність у свої платформи.

У високовпливових галузях особливо штучний інтелект повинен працювати з сильним людським наглядом і чіткими етичними гарантіями, забезпечуючи, що він посилює людську судимість, а не замінює її. Не менш важливо, успіх повинен вимірюватися не тільки через метрики продуктивності, а й через прийняття, довіру користувачів і довгострокову цінність. Коли все робиться добре, вигоди виходять далеко за межі окремих організацій. Людсько-орієнтований штучний інтелект має потенціал розширити доступ до можливостей, зміцнити інститути і поліпшити якість життя у масштабі. Він може допомогти створити більш стійкі економіки, справедливіші системи і краще інформовані суспільства. В кінцевому підсумку, нашою метою повинно бути розвиток штучного інтелекту, який не тільки інтелектуальний, а й відповідальний, інклюзивний і цілеспрямований. Технологія, яка посилює людський потенціал і позитивно впливає на майбутнє, яке ми формуємо разом.

Як ви оцінюєте успіх впровадження Генеративного AI в Apexon – чи існують конкретні KPI або каркас, який ви використовуєте для вимірювання ефективності у різних клієнтських середовищах?

В Apexon ми створили сильні каркаси, підтримані портфелем IP, рішень і прискорювачів, для допомоги як нашим командам, так і нашим клієнтам виміряти ефективність впровадження Генеративного AI і Агентного AI.

По-перше, ми зосереджуємося на бізнес-впливі. Це починається з чітко визначених галузевих або процесних цілей, але в кінцевому підсумку центрується на вимірюванні стратегічних результатів, таких як покращення клієнтського досвіду, зростання доходів, оптимізація витрат, операційна ефективність і сильніше управління ризиками. Наша власна рамка M4 підтримує це, надаючи структурований модель виконання для аналітичних завдань. M4 пропонує перевірену стратегію і передбачувані кроки для модернізації даних, допомагаючи організаціям відображати випадки використання, модернізувати архітектури даних і переходити до хмарних аналітичних середовищ, забезпечуючи, що ініціативи штучного інтелекту залишаються тісно пов’язаними з вимірюваними бізнес-KPI.

По-друге, ми оцінюємо прийняття і реалізацію цінності. Впровадження штучного інтелекту створює значимий вплив тільки тоді, коли вони довіряються, широко приймаються і ефективно посилюють людські можливості. В Apexon наш власний корпоративний прийняття Генеративного AI і Агентного AI послужив практичною моделлю для клієнтів. Ми почали з того, що надали можливість працівникам по всій організації з Генеративним AI і Агентним AI, забезпечивши їх інструментами, політикою і керівництвом для відповідального використання, а також відстежуючи бізнес-результати, які вони доставили. Каркас управління, політики і KPI, які ми розробили під час цього шляху, тепер допомагають нашим клієнтам прискорити і масштабувати прийняття Генеративного AI.

По-третє, ми вимірюємо технічну продуктивність. Наші прискорювачі в платформі Genysys забезпечують безперервне моніторинг ключових операційних метрик, таких як точність відповіді, ставки галюцинацій, вартість на інференцію, масштабованість і загальна продуктивність системи. Genysys, платформа Генеративного AI Apexon, консолідує можливості декількох великих мовних моделей у єдиному середовищі з безшовною інтеграцією по більш ніж десяти LLM. Це дозволяє організаціям вибирати найбільш відповідні моделі для різних випадків використання, одночасно підтримуючи видимість продуктивності, надійності і ефективності витрат по всім розгортанням.

По-четверте, ми оцінюємо управління і ризик. Наш корпоративний каркас охорони, частина пропозиції AgentRise, допомагає організаціям звернутися до критичних областей, таких як управління, ризик і відповідність. Враховуючи нашу глибоку роботу з регульованими галузями, ми допомагаємо клієнтам оцінювати пояснюваність, аудитованість, походження даних, гарантії конфіденційності і відповідність стандартам відповідального штучного інтелекту, щоб забезпечити, що системи штучного інтелекту є як масштабованими, так і довірчими.

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