高塔姆·辛格（Gautam Singh），全球商业单位负责人，分析，数据和人工智能，WNS 分析 – 采访系列

高塔姆·辛格 是 WNS 分析的商业单位负责人和 The Smart Cube 的联合创始人兼首席执行官，The Smart Cube 是 WNS 公司的一部分。他在 The Smart Cube 成立和发展了 20 年，之后被 WNS 收购。在此之前，他在欧洲和美国的管理咨询和风险投资领域工作了 10 年。高塔姆曾在 Coven Partners（伦敦）、A.T. Kearney（伦敦）、三菱汽车（印度）和康明斯发动机（美国）等公司担任过各种职务。他拥有密歇根大学安娜堡分校的工商管理硕士学位和印度理工学院孟买分校的机械工程学士学位。

WNS 分析 帮助公司将数据转化为战略价值，通过“决策智能”——结合强大的数据基础设施、人工智能/通用人工智能/代理人工智能技术和特定领域的专业知识。他们提供跨行业的服务，包括保险、银行和金融服务、零售、消费品、制造业、医疗保健、能源和物流。他们的能力涵盖数据工程和治理、描述性和预测分析、人工智能/机器学习工具和可视化——所有这些都是为了实现更快、更自信的决策和持续创新。

您从顶级管理咨询开始您的职业生涯，然后创立了 The Smart Cube，并在被 WNS 收购之前领导了超过 20 年。是什么激励您从咨询转向创业，然后进入全球数据分析和人工智能业务的领导岗位？

我在管理咨询领域工作了 10 年，发现了一个明显的市场空白：公司坐在数据山上，但没有提取出全部价值。回到 2003 年，分析仍然很基本——我们正在使用 Excel 电子表格。

离开公司生活的决定归结于自信。我看到了帮助组织真正利用其数据的机会，所以我创立了 The Smart Cube，带着这样的愿景。

在建立 The Smart Cube 20 年后，加入 WNS 不是退出，而是演变。我带来了创业的心态，但现在拥有了更大的资源和影响力。这使我们能够以我在小型企业中无法实现的规模解决问题。最重要的是，我认识到将数据和分析嵌入核心业务流程的力量，而不是将其视为独立的干预措施。这一领域专业知识和流程转型的无缝集成是 WNS 的 DNA 的核心——这也是我被收购和现在领导这个业务单位的动力。

在您 20 多年的分析工作中，您如何看待金融服务中数据和人工智能的角色演变——从早期采用到今天的大规模、企业级集成？

在 90 年代末，分析意味着查看历史数据并进行统计预测。转变是显著的。

21 世纪初引入了数字化和更先进的预测模型。到 2010 年，实时交易分析已经成为标准。近十年来，机器学习推动了真正的转变，最近，生成式人工智能（Gen AI）已成为中心舞台。

如今，金融机构将数据视为战略资产。问题已经从“我们可以使用人工智能吗？”转变为“我们如何将人工智能嵌入每个决策中？”

影响是有形的：客户入门流程曾经需要几天，现在只需几个小时即可完成，使用人工智能验证。信用风险评估评估了数百个实时数据点，超出了传统评分。风险计算需要过夜批处理，现在是即时的。欺诈检测不再在事后做出反应——它在实时阻止可疑活动。

前瞻性企业如何使用人工智能驱动的数据湖和治理框架来改善金融运营中的实时决策、监管合规性和透明度？

建立单一的数据仓库并希望获得洞察力已经不再有效。机构需要设计智能数据生态系统。

金融服务面临着独特的挑战：它们是面向客户的，处理高度敏感的数据，并需要提供个性化和实时响应。这需要使用灵活框架构建模块化数据湖。

在这种架构中，组织为定价分析、风险评估和监管报告创建专用数据池。每个池独立运行，同时为更大的生态系统提供价值，实现即时价值的同时保持安全边界。

零 ETL 趋势在此特别相关，因为它通过启用跨系统的直接查询来消除复杂的提取、转换和加载（ETL）过程。这使人工智能能够实时访问和分析数据，而无需移动数据，从而减少延迟并保持治理。

人工智能代理也在演变，以超越异常检测。它们不仅标记可疑交易，还建议行动并在治理参数内执行响应。在合规方面，人工智能持续监控交易、生成报告并在监管机构之前识别问题。

合成数据通常被吹捧为一种安全的方式，用于训练人工智能模型，而无需暴露敏感信息。您能否分享合成数据在欺诈检测、风险分析和模型验证中有效应用的例子？

在 WNS 分析中，我们利用先进的合成数据生成来创建高保真度、符合隐私的数据集，以加速人工智能模型训练，特别是在数据匮乏的领域。我们的合成数据集模拟现实世界场景，同时反映与实际金融数据相同的统计模式、行为和相关性——没有暴露任何敏感的个人身份信息（PII）或客户数据。

这种能力正在金融服务领域进行变革，例如风险分析、欺诈检测、信用评分、压力测试和合规建模。这些合成数据集使组织能够快速启动人工智能解决方案开发，同时确保数据隐私和监管信心。

一个特别创新的应用是使用 PII 掩码数据创建类似模型。这使公司能够向消费者推送有针对性的优惠，同时保持完全的隐私。

智能自动化和人工智能代理越来越多地被嵌入到业务流程中。您在金融服务中看到的最具变革性的用例是什么，它们如何提高运营的恢复力和性能？

利用人工智能代理的智能自动化正在加速企业工作流程，使组织能够简化运营并做出更快、更明智的决策。这些代理将自动化与高级推理相结合，带来恢复力、可扩展性和性能的提高。

在 WNS 分析中，我们应用 GAIN 框架（我们的专有代理人工智能实施框架）来评估代理人工智能的适当自治级别。我们还通过我们的获奖人工智能实用程序中心提供可重用的、基于微服务的组件，用于超专用化代理。

在保险领域，我们通过代理人工智能转变了多个工作流程。我们的 Gen AI 驱动的第三方恢复检测解决方案，驱动由自治代理，已实现 85% 的准确率，双倍恢复量，并将年度恢复金额提高了约 49% —— 解锁了以前被忽略的数百万机会。

在承保中，我们的代理人工智能驱动的研究助理使用多个专用代理来分解复杂查询、从多个来源提取数据并生成准确率为 99% 的洞察，同时将周转时间缩短 85%。

对于一家领先银行，我们的 Gen AI 解决方案将不良媒体筛查时间缩短 60%，将假阳性降低 12-15%。

我们还拥有一个 Gen AI 驱动的知识管理解决方案，旨在作为一个水平平台，重新定义企业如何检索、推理和上下文化大量非结构化数据。通过提供准确、合规和一致的洞察，实时增强决策、提高效率和加强运营恢复力，跨行业都能实现这一点。

这些解决方案增强了人类的判断力，创造了更快、更准确的系统。

对于旨在扩大人工智能计划的企业来说，技术、文化或战略方面的最大障碍是什么？领导者如何克服这些障碍？

扩大人工智能计划的最大障碍不是技术——而是组织的准备度。

首先，遗留系统中存在数据孤岛。完全更换并不总是可行的；相反，重点应该是建立智能桥梁。在 WNS，我们创建了“桥梁团队”，将遗留系统管理员与云工程师配对，实现加速实施的同时保留关键业务规则。

第二，技能差距。企业需要合适的领域专家、数据工程师、数据科学家和翻译人员，他们可以将技术洞察与业务价值联系起来。

第三，技术变革的步伐。我们的 WNS 人工智能实验室使组织能够尝试新兴技术并在大规模部署之前建立概念验证。

在文化方面，成功取决于有效的变革管理。我们设计框架帮助员工将人工智能视为增强工具，而不是替代工具。建立人工智能委员会也是一个明智的举动，提供治理、跨职能对齐和从试点到企业范围扩展的结构化路径。

在人工智能伦理、偏见和透明度日益受到审查的情况下，金融机构如何在创新和负责任的人工智能治理之间取得平衡？

创新和责任并不是相互对立的选择——责任必须从一开始就融入创新中。

金融机构需要强大的人工智能治理框架。在 WNS，我们实施框架，以确保人工智能以负责任、道德和安全的方式开发。我们的方法嵌入偏见、公平、自定义 KPI 和监测模型漂移的检查。这种方法建立信任，而不仅仅是监管合规性。

透明度在金融服务中尤为重要。如果人工智能拒绝贷款，申请人理应得到清晰、可理解的解释。

最终，负责任的人工智能是一种竞争优势。银行如果能够在其人工智能系统中展示公平、透明和安全，将会赢得客户的信任。那些将治理视为事后补充的银行将面临监管处罚和声誉损害，这些损害更难修复。

在接下来的 3-5 年里，您认为哪些新兴的人工智能能力或数据战略将对金融组织的运营产生最大的影响？

三个发展将在未来三到五年内重塑金融服务。

首先，代理人工智能将从实验转变为必备。自治人工智能代理将执行复杂的工作流程，并与人类团队一起编排整个部门。

第二，连续学习系统将成为标准。人工智能将从每次交互中适应，实现真正个性化的金融服务，这些服务将随着每位客户不断变化的需求而演变。

第三，我们将看到强大的技术融合：量子计算用于高级风险计算，区块链用于透明的人工智能决策日志，边缘计算用于即时本地决策。这些技术的结合将解锁我们目前只能想象的全新金融服务形式。

作为一名创业者、收购者和现在全球领导者，您有什么指导原则帮助您做出决定和带领团队度过变革？

三个原则指导我。

首先，坚持不懈而非完美。当我们创立 The Smart Cube 时，我们并没有所有的答案。我们犯了错误，适应并继续前进。坚持不懈和适应性是至关重要的。

第二，建立持久的价值，而不是快速退出。商学院的一位教授在我创立 The Smart Cube 多年后给我提出了建议——“不要专注于退出。专注于建立一个成功的企业，它将持续下去。”这种长期思维方式塑造了我做出的每一个决定。

第三，享受你所做的事情。我一直相信，如果我没有享受，我就会转向其他事情。30 年后，我仍然兴奋地醒来，这种热情激励着团队度过变革。

领导收购过程强化了另一个真理：变革只有带着人们一起才会成功。技术集成是直接的；文化集成——建立共同的愿景——才是真正的领导力所在。

对于希望在金融领域塑造人工智能未来的专业人士，您认为哪些技能、心态或经验将是最有价值的？

未来属于那些能够连接不同世界的人。纯粹的技术技能或领域专业知识是不够的。

首先，发展系统思维。从市场需求开始——一个明确的用例——然后逆向推导。金融领域的人工智能需要看到一切如何相互关联：风险模型的变化如何影响客户体验，或者自动化如何开启新的机会。

第二，培养严格的实用性而非理想主义。对新技术感到兴奋，但在评估它们时要严格。并非所有问题都需要人工智能——有时，简单的分析甚至电子表格就可以完成任务。

第三，建立翻译技能。这是至关重要的。能够向董事会成员解释复杂的人工智能概念，并将业务需求翻译给数据科学家，是无价的。最强大的人工智能领导者将技术与业务战略对齐。

最后，拥抱持续学习。五年前仍然是尖端的工具现在已经过时。保持好奇、谦逊和致力于学习，将会在人工智能和金融的交叉点打开我们无法想象的机会的大门。

感谢这次精彩的采访，希望了解更多的读者可以访问 WNS 分析。