Preetpal Singh, Group Managing Director ve firmě Xebia – Interview Series

Preetpal Singh je Group Managing Director ve firmě Xebia, kde řídí globální iniciativy zaměřené na budování a modernizaci digitálních platforem, podnikových aplikací a datově řízených systémů. S více než 26 lety zkušeností napříč finančními službami, zdravotnictvím, výrobou, spotřebitelským a high-tech průmyslem pracoval na rozhraní technologické realizace a podnikové transformace. Jeho kariéra zahrnuje dodávku inženýrských řešení, vedení marketingu a rozsáhlé operativní změny, se soustředěním na přeměnu vznikajících technologií na systémy, které spolehlivě fungují v produkčních prostředích.

Xebia je globální firma pro digitální inženýrství, která navrhuje, buduje a modernizuje digitální produkty a platformy pro podniky po celém světě. Společnost kombinuje softwarové inženýrství, cloud a modernizaci dat, Generativní AI a inteligentní automatizaci, aby pomohla organizacím vyvinout škálovatelné aplikace, moderní architektury a integrované AI schopnosti. S týmy působícími v několika regionech spolupracuje Xebia s podniky na začlenění nových technologií do jádra systémů a zákaznických platforem, zajišťujících, že inovace jsou podporovány silnými inženýrskými základy.

Você strávil více než 26 let vedením technologických, prodejních a podnikových transformačních iniciativ napříč několika odvětvími. Jak tato cesta ovlivnila váš přístup k inovacím a růstu dnes?

S časem jsem se stal mnohem více zaměřený na trvanlivost než na novinku. Na počátku své kariéry jsem byl přitahován silou technologie samotné. S zkušenostmi jsem začal věnovat pozornost tomu, co se děje po fázi pilotního projektu, kdy systémy musí být integrovány s legacy platformami, projít kontrolami shody a fungovat konzistentně pod skutečnými pracovními zátěžemi. Napříč odvětvími se vždy zdá, že zlomový bod nastává, když slibná iniciativa přechází do produkční fáze. Vlastnictví se stává kritickým. Komplexita integrace se objevuje. Tolerance rizika je testována. To je místo, kde transformace buď zraje nebo stagnuje.

Dnes se snažím o inovace praktickým způsobem. V Xebia se soustředíme na budování a modernizaci platforem, které jsou jádrem operací. Uvažujeme o dlouhodobé udržovatelnosti, audibilitě a škálovatelnosti od samého začátku, protože růst je udržitelný pouze tehdy, když základní systémy jsou navrženy tak, aby vydržely tlak v průběhu času.

Kde podniky nejvíce zápasí s realizací AI?

Výzvy obvykle vznikají, jakmile AI přesahuje experimentování a vstupuje do operačních systémů. Vytvoření modelu je jeden milník, ale jeho začlenění do workflow, ERP systémů nebo pojistných platforem představuje jinou úroveň složitosti.

V jednom scénáři nasazení měl model fungovat dobře v testovacích prostředích. Když byl připojen k živému toku transakcí, otázky kolem auditního logování, pravomoci přepsání a mechanismů rollbacku zpomalily nasazení. Týmy pro shodu potřebovaly stopovatelnost. Týmy pro rizika vyžadovaly jasnost o eskalačních cestách. Tyto provozní detaily nakonec určily časový plán.

Iniciativy AI získávají trakci, když jsou datové potrubí strukturovaná, monitorování produkce je na místě a odpovědnost je jasně definována. Organizace, které plánují tyto skutečnosti brzy, tendují k tomu, aby škálovaly lebih hladce.

Jak rozlišujete automatizaci, která zlepšuje efektivitu, a transformaci, která mění podnik?

Automatizace zaměřená na efektivitu často zjednodušuje kroky v rámci stávajícího procesu. Širší transformace se objevuje, když týmy přehodnotí, jak je proces sám strukturován.

Viděl jsem případy, kdy organizace připravovaly automatizaci schvalovacích řetězců, které zahrnovaly více než tucet doteků. Jakmile byla logika rozhodnutí přepracována a kontrolní body konsolidovány, tok práce se stal mnohem jednodušší. Dopad se projevil nejen na dobu cyklu, ale také na odpovědnost a distribuci rizika.

Když zjednodušíte tok rozhodnutí s podnikem jako prvním, automatizace se stává snadnější a zisky zůstávají.

Co odlišuje transformaci v vysoce regulovaných odvětvích?

Vysoce regulovaná odvětví tendují k tomu, aby přímo zahrnula úvahy o správě do návrhu systému. V odvětvích, jako jsou finanční služby a zdravotnictví, stopovatelnost a vysvětlitelnost jsou požadavky před nasazením, ne po něm.

Pracoval jsem s týmy, které začlenily validační brány modelu do CI/CD potrubí a stanovily podrobné standardy pro logování od samého počátku. Cesty eskalace a monitorovací rámce byly definovány brzy v architektonických diskusích. Tato disciplína vytváří odolnější systémy a připravuje organizace na rostoucí autonomii v AI poháněných prostředích.

Jak zajišťujete, aby investice do AI byly sladěny s měřitelnými obchodními výsledky?

Povzbuzuji vedoucí týmy, aby definovali operační posun, který očekávají. To může znamenat snížení doby naboardingu, zvýšení kapacity služeb bez proporcionálního růstu počtu zaměstnanců nebo snížení chybových sazeb ve zpracování pojistných nároků.

Instrumentace hraje kritickou roli. Platformy, které dodáváme, zahrnují sledování pro propustnost, latenci, přesnost rozhodnutí a míru přijetí. Když tyto ukazatele jsou viditelné v produkčních panelech, vedoucí podniků mohou spojit technologické investice s provozním výkonem.Jak strategická partnerství urychlují AI ve velkém měřítku?

Podnikové iniciativy AI zahrnují infrastrukturu, datové platformy, architekturu aplikací a bezpečnost. Koordinovaná realizace napříč těmito vrstvami vyžaduje hloubku a sladění. Partnerství vytvářejí hybnost, když jsou přímo spojeny s inženýrskou schopností a operační realizací.

Naše rozšířená spolupráce s partnery, jako je Google Cloud, Anthropic a další, zahrnuje vývoj opakovaných řešení pro odvětví a zřízení globálního Centra excelence pro podporu škálovatelné dodávky. Struktury, jako jsou tyto, snižují tření integrace a poskytují konzistenci, jak se nasazení rozšiřují napříč regiony a obchodními jednotkami.

Jaké mýty vidíte kolem připravenosti na AI?

Mnohé organizace považují úspěšné pilotní projekty za důkaz připravenosti. V praxi se připravenost projevuje ve strukturovaných datových prostředích, stabilních integračních vrstvách, definovaných protokolech správy a jasných modelech odpovědnosti.

Stabilita produkce a zralost správy tvarují dlouhodobý úspěch stejně jako výkon modelu. Model může fungovat dobře v testování, ale jednou, co funguje na plnou transakční kapacitu, latence, monitoring a zpracování selhání se stávají kritickými. Týmy potřebují jasná procedura rollbacku, detekci driftu, standardy logování a definovanou odpovědnost, jakmile je model živý.

Jakmile AI systémy přecházejí z poradenských rolí do rozhodovacích rolí, jasnost kolem přepsání pravomoci a eskalačních cest se stává nezbytnou. Když tyto zábrany jsou postaveny do architektury brzy, škálování se stává mnohem lépe zvladatelným.

Jak by měli vedoucí uvažovat o vyvážení inovací a rizika, když se AI stává součástí operací?

Zodpovědná AI je postavena do systému od samého počátku a udržována aktivním dohledem. Jasná kritéria kolem toho, kde systémy mohou fungovat nezávisle a kde lidský dohled zůstává nezbytný, pomáhají předcházet nejasnostem později.

Průběžné monitorování je stejně důležité, protože se mění datové vzorce a regulační krajiny. AI systémy vyžadují periodické přeprogramování a přezkum, aby udržely soulad s obchodními a compliance očekáváními.

Jak udržujete sladění mezi inženýrskou realizací a výkonnou strategií?

Sladění se stává snazší, když lidé jsou upřímní o kompromisích. Pokud chcete jít rychleji, jsou zde technické důsledky. Pokud dáte systémům více autonomie, budete potřebovat silnější monitoring. Pokud budete hluboce přizpůsobovat, budete dělat volby o tom, jak snadné bude to udržovat později.

Žádné z toho není špatné. To prostě potřebuje být explicitní. Když tyto skutečnosti jsou diskutovány na počátku, ambice a disciplína se nestávají vzájemně se vylučujícími. Vedoucí mohou postupovat vpřed, inženýři mohou stavět zodpovědně a všichni rozumějí, na co se přihlašují. Taková transparentnost buduje důvěru a udržuje pokrok stálý v průběhu času.

Kde by měly podniky soustředit své strategické investice v průběhu příštích několika let?

Adaptabilita bude oddělovat lídry od ostatních. To obvykle sestupuje na silné základy: čisté údaje, škálovatelnou cloudovou infrastrukturu, disciplinované nasazení a jasnou viditelnost do toho, jak systémy fungují.

Společnosti, které investují do tohoto základu a budují správná partnerství ekosystému kolem něj, mohou se přizpůsobit, jak se trhy a regulace mění. V dlouhodobém horizontu je výhoda získávána z budování operací a architektury, které mohou zvládnout jakoukoli vlnu, která přijde další.

Děkuji za skvělý rozhovor, čtenáři, kteří chtějí se dozvědět více, by měli navštívit Xebia.