Preetpal Singh, Group Managing Director at Xebia – Interview Serie

Preetpal Singh er Group Managing Director at Xebia, hvor han leder globale initiativer med fokus på opbygning og modernisering af digitale platforme, virksomhedsapplikationer og data-drevne systemer. Med mere end 26 års erfaring på tværs af finansielle services, sundhedssektor, fremstilling, forbruger- og højteknologiindustrier har han arbejdet ved skæringen af teknologiudførelse og forretnings-transformation. Hans karriere spænder over teknisk levering, go-to-market-ledelse og storstilets operationel forandring, med en konstant fokus på at omdanne nye teknologier til systemer, der kan operere pålideligt i produktionsmiljøer.

Xebia er en global digital ingeniørvirksomhed, der designer, bygger og moderniserer digitale produkter og platforme for virksomheder på verdensplan. Selskabet kombinerer software-ingeniørarbejde, cloud- og data-modernisering, Generative AI og intelligent automatisering for at hjælpe organisationer med at udvikle skalerbare applikationer, moderne arkitekturer og integrerede AI-kapaciteter. Med hold, der opererer på tværs af multiple regioner, arbejder Xebia med virksomheder for at integrere nye teknologier i kerne-systemer og kunde-orienterede platforme, sikrer, at innovationen understøttes af stærke ingeniør-mæssige fundament.

Du har brugt mere end 26 år på at lede teknologi-, salgs- og forretnings-transformation-initiativer på tværs af multiple industrier. Hvordan har den rejse formet, hvordan du tilgår innovation og vækst i dag?

Over tid er jeg blevet mere fokuseret på holdbarhed end nyskabelse. Tidligt i min karriere var jeg tiltrukket af teknologiens egen kraft. Med erfaring begyndte jeg at lægge mere opmærksomhed på, hvad der sker efter pilot-fasen, når systemer skal integreres med legacy-platforme, passerer compliance-gennemgange og performer konsekvent under rigtige arbejdsbyrder. På tværs af industrier synes vendepunktet altid at komme, når et lovende initiativ går i produktion. Ejerskab bliver kritisk. Integrationskompleksitet dukker op. Risikotolerance bliver testet. Det er, hvor transformation enten modnes eller stagnere.

I dag tilgår jeg innovation med et praktisk perspektiv. Hos Xebia prioriterer vi opbygning og modernisering af de platforme, der sidder i hjertet af operationerne. Vi tænker på langsigtede vedligeholdelsesmuligheder, gennemgang og skalerbarhed fra starten, fordi vækst kun kan opretholdes, når de underliggende systemer er designet til at håndtere tryk over tid.

Hvor kæmper virksomheder mest, når de udfører AI?

Udfordringerne dukker normalt op, når AI bevæger sig ud over eksperimenter og ind i operationelle systemer. At bygge en model er ét milepæl, men at integrere den i underwriting-workflows, ERP-systemer eller claims-platforme introducerer et andet lag af kompleksitet.

I ét implementeringsscenarie havde en model fungeret godt i test-miljøer. Når den var forbundet til en live-transaktionsflow, dukkede spørgsmål op omkring audit-logging, override-myndighed og rollback-mekanismer, der slowede rulningen. Compliance-hold havde brug for sporbarhed. Risikohold havde brug for klarhed om eskalationsveje. Disse operationelle detaljer bestemte til sidst tidsplanen.

AI-initiativer får fodfæste, når datapipelines er struktureret, produktions-overvågning er på plads, og ansvar er tydeligt defineret. Organisationer, der planlægger for disse realiteter tidligt, tenderer til at skale mere jævnt.

Hvordan adskiller du automation, der forbedrer effektivitet, og transformation, der omformer en virksomhed?

Effektivitets-fokuseret automation strømliner ofte trin inden for en eksisterende proces. Breere transformation opstår, når hold genovervejer, hvordan processen selv er struktureret.

Jeg har set tilfælde, hvor organisationer var ved at automatisere godkendelses-kæder, der spændte over mere end et dusin kontaktpunkter. Når beslutningslogikken blev redesigneret og valideringskontrolpunkterne konsolideredes, blev arbejdsgangen betydeligt enklere. Impacten strakte sig ud over cyklustid; den påvirkede ansvar og risiko-fordeling også.

Når du forenkler beslutningsflowet med forretningsfolk først, bliver automationen lettere, og gevinsten holder.

Hvad adskiller transformation i højt regulerede industrier?

Højt regulerede sektorer tenderer til at integrere governance-overvejelser direkte i system-design. I industrier som finansielle services og sundhedssektoren er sporbarhed og forklarbarhed krav før deployment, ikke efter.

Jeg har arbejdet med hold, der inkorporerede model-validerings-porter i CI/CD-pipelines og etablerede detaljerede loggings-standarder fra starten. Eskalationsveje og overvågnings-rammer blev defineret tidligt i arkitektur-diskussionerne. Denne disciplin former mere robuste systemer og forbereder organisationer på øget autonomi i AI-drevne miljøer.

Hvordan sikrer du, at AI-investeringer er i overensstemmelse med målbare forretnings-resultater?

Jeg opmuntrer ledelseshold til at definere den operationelle skift, de forventer at se. Det kunne betyde at reducere onboarding-tid, øge service-kapacitet uden proportionel headcount-vækst eller reducere fejl-rater i claims-behandling.

Instrumentering spiller en kritisk rol. De platforme, vi leverer, inkluderer sporing for gennemløb, latency, beslutnings-nøjagtighed og adoptions-rater. Når disse indikatorer er synlige i produktions-dashboard, kan forretningsledere koblet teknologi-investeringer til operationel præstation. Hvordan accelererer strategiske partnerskaber AI i stor målestok?

Enterprise AI-initiativer spænder over infrastruktur, data-platforme, applikations-arkitektur og sikkerhed. Koordineret udførelse på tværs af disse lag kræver dybde og alignment. Partnerskaber skaber momentum, når de er direkte forbundet til ingeniør-kapacitet og operationel udførelse.

Vores udvidede samarbejde med partnere som Google Cloud, Anthropic og andre inkluderer udvikling af gentagne industriløsninger og etablering af et globalt Center of Excellence til at understøtte skalerbar levering. Strukturer som disse reducerer integrations-friction og giver konsistens, når installationer udvides på tværs af regioner og forretningsenheder.

Hvilke misforståelser ser du omkring AI-beredskab?

Mange organisationer ser succesfulde piloter som bevis på beredskab. I praksis viser beredskab sig i strukturerede data-miljøer, stabile integrations-lag, definerede governance-protokoller og klare ansvars-modeller.

En model kan fungere godt i test-miljøer, men når den opererer på fuld transaktions-volumen, bliver latency, overvågning og fejlhåndtering kritisk. Hold har brug for klare rollback-procedurer, driftsdetektering, loggings-standarder og defineret ejerskab, når modellen er live.

Når AI-systemer går fra rådgivende roller til beslutnings-roller, bliver klarhed omkring override-myndighed og eskalationsveje essentiel. Når disse sikringsforanstaltninger er bygget ind i arkitekturen tidligt, bliver skalering langt mere håndterbar.

Hvordan bør ledere tænke om at balancere innovation og risiko, når AI bliver integreret i operationer?

Ansvarlig AI er bygget ind i systemet fra dag én og vedligeholdes gennem aktiv tilsyn. Klare kriterier om, hvor systemer kan handle uafhængigt, og hvor menneskelig tilsyn stadig er essentiel, hjælper med at forebygge tvivl senere.

Konstant overvågning er lige så vigtig, da data-mønstre skifter, og regulerings-landskaber udvikler sig. AI-systemer kræver periodisk rekalibrering og gennemgang for at opretholde alignment med forretnings- og compliance-forventninger.

Hvordan opretholder du alignment mellem ingeniør-udførelse og ledelses-strategi?

Alignment bliver lettere, når folk er ærlige omkring kompromiserne. Hvis du vil flytte hurtigere, er der tekniske implikationer. Hvis du giver systemer mere autonomi, har du brug for stærkere overvågning. Hvis du tilpasser dybt, gør du valg om, hvor let det vil være at vedligeholde senere.

Ingen af det er dårligt. Det skal bare være eksplicit. Når disse realiteter diskuteres åbent, konkurrerer ambition og disciplin ikke med hinanden. Ledere kan skubbe fremad, ingeniører kan bygge ansvarligt, og alle forstår, hvad de skriver under på. Den slags gennemsigtighed bygger tillid og holder fremgang jævn over tid.

Hvor skal virksomheder fokusere deres strategiske investeringer over de næste flere år?

Tilpasningsevne vil adskille lederne fra resten. Det kommer normalt ned til stærke grundlag: ren data, skalerbar cloud-infrastruktur, disciplineret installation og klar indsigt i, hvordan systemer performer.

Virksomheder, der investerer i denne grundlæggelse, og bygger det rigtige økosystem-partnerskab omkring det, kan tilpasse sig, mens markeder og regulerings-krav skifter. På lang sigt kommer fordelene fra at bygge operationer og arkitektur, der kan håndtere, hvad som helst, der kommer næste.

Tak for det gode interview, læsere, der ønsker at lære mere, skal besøge Xebia.