高塔姆·辛格，WNS Analytics全球业务单元负责人，数据和人工智能 – 采访系列

高塔姆·辛格 是WNS Analytics的业务单元负责人和The Smart Cube的联合创始人兼首席执行官，The Smart Cube是一家WNS公司。他在The Smart Cube（一家研究和分析领先者）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。高塔姆曾担任过多个职位，包括在Coven Partners（伦敦），A.T. Kearney（伦敦），三菱汽车（印度）和卡姆明斯发动机（美国）任职。他拥有美国密歇根大学安阿伯分校的MBA学位和印度理工学院孟买分校机械工程学士学位。

WNS Analytics 通过“决策智能”帮助公司将数据转化为战略价值——结合强大的数据基础设施，AI/Gen AI/代理AI技术和特定领域的专业知识。他们在包括保险，银行和金融服务，零售，消费品，制造，医疗保健，能源和物流在内的各个行业提供服务。他们的能力涵盖数据工程和治理，描述性和预测分析，AI/ML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的创新而设计的。

您从顶级管理咨询公司开始您的职业生涯，然后创立了The Smart Cube，并领导了二十多年，之后被WNS收购。是什么激发了您从咨询到创业的转变，以及后来成为全球数据分析和人工智能业务的领导者？

我在管理咨询领域工作了十年，并看到了明显的市场空白：公司坐在大量数据上，但没有提取出其全部价值。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，带着这个愿景。

在建立The Smart Cube二十年后，加入WNS并不是退出，而是演变。我带来了创业的心态，但现在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，而不是将其视为离散的干预。这种对领域专业知识和流程转型的无缝集成是WNS的DNA的核心——这就是激励我被收购，现在领导这个业务单元的原因。

在您二十多年的分析工作中，您如何看待金融服务中数据和人工智能的角色从早期采用到今天的大规模，企业级集成的演变？

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。

今天，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：客户入网过程曾经需要几天，现在可以在几小时内完成，使用人工智能验证。信用风险评估评估了传统评分之外的数百个实时数据点。风险计算需要过夜批处理，现在可以即时完成。欺诈检测不再事后反应——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、监管合规和透明度？

建立单一的数据仓库并希望获得洞察力已经不起作用了。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，并且需要提供个性化和实时响应。这需要在灵活的框架上构建模块化的数据湖。

在这种架构中，组织为价格分析、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信息，提供即时价值，同时保持安全边界。

Zero ETL趋势在这里尤其相关，因为它通过直接跨系统查询来消除复杂的提取、转换、加载（ETL）过程。这使人工智能能够在不移动数据的情况下访问和分析数据，从而减少延迟并保持治理。

人工智能代理也在演变，超出了异常检测。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。

合成数据通常被誉为在不泄露敏感信息的情况下训练人工智能模型的一种安全方式。您能否分享金融服务中合成数据在欺诈检测、风险分析和模型验证中的有效应用示例？

在WNS Analytics，我们利用高级合成数据生成来创建高保真度、遵守隐私的数据集，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了现实世界的场景，同时反映了与实际金融数据相同的统计模式、行为和相关性——交易流、欺诈趋势、客户行为——而无需泄露任何敏感的个人可识别信息（PII）或客户数据。

这种能力正在金融服务领域（如风险分析、欺诈检测、信用评分、压力测试和合规建模）进行转变。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掩码数据创建外观模型。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工作流中。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，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，提供恢复力、可扩展性和性能改进。

在WNS Analytics，我们应用GAIN框架（我们的代理人工智能实施的专有框架）来评估代理人工智能的适当自治级别。我们进一步通过我们的获奖人工智能实用程序中心提供可重用、基于微服务的组件，用于超专用化的代理。

在保险方面，我们通过代理人工智能已经转变了多个工作流程。在车辆索赔追偿中，我们的基于Gen AI的第三方恢复检测解决方案由自治代理驱动，实现了85%的准确率，索赔量增加了一倍，年度恢复金额增加了约49%——解锁了以前被忽略的数百万美元的机会。

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的查询，从多个来源提取数据，并以99%的准确率生成洞察，同时将周转时间减少了85%。

对于一家领先的银行，我们的Gen AI解决方案将不良媒体筛查时间减少了60%，将假阳性减少了12-15%。

我们还拥有一个基于Gen AI的知识管理解决方案，旨在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、合规和一致的实时洞察力，它增强了决策、提高了效率和加强了各个行业的运营恢复力。

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，以及领导者如何克服它们？

扩大人工智能的最大障碍不是技术——它是组织的准备度。

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，重点应该放在建立智能桥梁上。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，加速实施同时保留关键业务规则。

第二，技能差距。企业需要领域专家、数据工程师、数据科学家和翻译人员的正确混合，他们可以将技术洞察力与业务价值联系起来。

第三，技术变革的步伐。我们的WNS AI实验室使组织能够尝试新兴技术并在承诺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。我们设计了框架，帮助员工将人工智能视为附加值，而不是替代品。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。

随着人工智能伦理、偏见和透明度受到越来越多的审查，金融机构如何在创新和负责任的人工智能治理之间找到平衡？

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，我们实施了确保人工智能以负责任、道德和安全的方式开发的框架。我们的方法内置了偏见、公平、自定义KPI和监测模型漂移的检查。这建立了信任，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个竞争优势。银行如果在人工智能系统中展示公平、透明和安全，将赢得客户的信任。那些将治理视为事后补救的人将冒着监管处罚和声誉损害的风险，这些损害更难以修复。

在未来3-5年内，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？

三项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学习，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AI决策日志，边缘计算用于即时的本地决策。这些技术的结合将解锁我们现在只能想象的全新金融服务形式。

在创业、收购和现在的全球领导角色之后，您有什么指导原则帮助您做出决定并带领团队度过变革？

有三个原则指导我。

首先，坚持比完美更重要。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必不可少的。

第二，建立持久的价值，而不是快速退出。商学院的一位教授曾在我创立The Smart Cube多年后告诉我，“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。”这种长期的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，如果我没有乐在其中，我就会转向其他事情。三十年后，我仍然每天醒来都很兴奋，这种热情激励着团队度过变革。

领导收购加强了另一个真理：带领人们一起改变，成功是可能的。技术集成是直接的；文化集成——建立共同的愿景——是真正的领导力发挥作用的地方。

对于希望塑造金融人工智能未来的专业人士来说，您认为什么技能、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。

首先，发展系统思维。从市场需求开始——一个明确的用例——然后向后推。金融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，培养纪律严明的实用主义，而不是理想主义。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这项工作。

第三，建立翻译技能。这一点至关重要。能够向董事会成员解释复杂的AI概念，并将业务需求翻译给数据科学家，是无价的。最强大的AI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了。保持好奇、谦逊和学习的承诺将为我们在人工智能和金融的交叉点上打开我们现在无法想象的大门。

感谢这次精彩的采访，希望了解更多的读者可以访问WNS Analytics。