Preetpal Singh, Group Managing Director hos Xebia – Interviewserie

Preetpal Singh er Group Managing Director hos Xebia, hvor han leder globale initiativer med fokus på at bygge og modernisere digitale platforme, virksomhedsapplikationer og data-drevne systemer. Med mere end 26 års erfaring inden for finansielle services, sundhedssektor, produktion, forbrug og højteknologi har han arbejdet på tværs af teknologiudførelse og forretnings-transformation. Hans karriere spænder over teknisk levering, markedsføring og storstilets operationel forandring, med en konstant fokus på at omdanne nye teknologier til systemer, der kan fungere pålideligt i produktionsmiljøer.

Xebia er et globalt digitalt ingeniørfirma, der designer, bygger og moderniserer digitale produkter og platforme for virksomheder verden over. Firmaet kombinerer software-udvikling, cloud- og data-modernisering, Generativ AI og intelligent automation for at hjælpe organisationer med at udvikle skalerbare applikationer, moderne arkitekturer og integrerede AI-kapaciteter. Med teams, der opererer på tværs af multiple regioner, arbejder Xebia med virksomheder for at integrere nye teknologier i kerne-systemer og kunde-orienterede platforme, og sikrer, at innovationen understøttes af stærke tekniske grundlag.

Du har brugt mere end 26 år på at lede teknologi-, salgs- og forretnings-transformation-initiativer på tværs af multiple brancher. 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 vægt på, hvad der sker efter pilot-fasen, når systemer skal integreres med legacy-platforme, passerer compliance-gennemgang og udfører konsistent under rigtige arbejdsbyrder. På tværs af brancher synes vendepunktet altid at komme, når et lovende initiativ går i produktion. Ejerskab bliver kritisk. Integrationskompleksitet kommer til overfladen. Risikotolerance bliver testet. Det er, hvor transformation enten modnes eller stagnere.

I dag tilgår jeg innovation med en praktisk linse. Hos Xebia prioriterer vi at bygge og modernisere de platforme, der ligger til grund for 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 en milepæl, men at integrere den i underwriting-workflows, ERP-systemer eller claims-platforme introducerer et andet lag af kompleksitet.

I ét implementeringsscenario 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 langsommelige rulningen. Compliance-hold behøvede sporbarhed. Risikohold krævede klarhed om eskalationsveje. Disse operationelle detaljer bestemte ultimate tidsplanen.

AI-initiativer får fodfæste, når data-pipelines er struktureret, produktionsovervågning er på plads, og ansvar er klart 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 parat til at automatisere godkendelses-kæder, der spændte over mere end et dusin touchpoints. Når beslutningslogik blev redesigneret og validerings-checkpoints konsolideret, blev arbejdsgangen betydeligt enklere. Impacten strakte sig ud over cyklustid; den påvirkede også ansvar og risikofordeling.

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

Hvad adskiller transformation i højt regulerede brancher?

Højt regulerede sektorer tenderer til at integrere governance-overvejelser direkte i system-design. I brancher som finansielle services og sundhedssektor er sporbarhed og forklarbarhed krav før udrulning, 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-discussionerne. Denne disciplin former mere robuste systemer og forbereder organisationer på stigende 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 ændring, de forventer at se. Det kunne betyde at reducere onboarding-tid, øge service-kapacitet uden proportionalt hovedtalsvækst 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 skala?

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 med teknisk kapacitet og operationel udførelse.

Vores udvidede samarbejde med partnere som Google Cloud, Anthropic og andre inkluderer udviklingen af gentagne industrieløsninger og etableringen af et globalt Center of Excellence til at understøtte skalerbar levering. Strukturer som disse reducerer integrations-friction og giver konsistens, når udrulninger udvides på tværs af regioner og forretnings-enheder.

Hvilke misforståelser ser du omkring AI-beredskab?

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

Produktions-stabilitet og governance-moden formere langsigtede succes lige så meget som model-præstation. En model kan fungere godt i test-miljøer, men når den opererer på fuld transaktions-volumen, bliver latency, overvågning og fejl-håndtering kritiske. Hold behøver klare rollback-procedurer, driftsdetektering, loggings-standarder og defineret ejerskab, når modellen er live.

Når AI-systemer overgår fra rådgivende roller til beslutnings-roller, bliver klarhed omkring override-myndighed og eskalationsveje essentiel. Når disse sikrings-foranstaltninger er bygget ind i arkitekturen tidligt, bliver skalerbarhed 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 overvågning. Klare kriterier for, hvor systemer kan handle uafhængigt, og hvor menneskelig overvågning 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 vedligeholde alignment med forretnings- og compliance-forventninger.

Hvordan opretholder du alignment mellem teknisk 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.

Ingenting af det er dårligt. Det kræver bare, at det er eksplicit. Når disse realiteter diskuteres åbent, konkurrerer ambition og disciplin ikke med hinanden. Ledere kan skride fremad, ingeniører kan bygge ansvarligt, og alle forstår, hvad de skriver under på. Den slags åbenhed bygger tillid og holder fremgang jævnt over tid.

Hvor bør 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 udrulning og klar visibilitet i, hvordan systemer udfører.

Virksomheder, der investerer i det grundlag, og bygger de rette økosystem-partnerskaber omkring det, kan tilpasse sig, når 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.