Nitin Singhal, VP of Engineering (Data, AI und Integrationen) bei SnapLogic

Nitin Singhal ist ein erfahrener Technologie- und Produktleiter mit über 25 Jahren Erfahrung in der Branche. Er ist derzeit Vice President of Engineering bei SnapLogic, wo er sich auf die verantwortungsvolle Integration von Anwendungen und Systemen konzentriert, indem er die Agentic-Architektur nutzt, um das Potenzial von Daten für ein globales Publikum zu erschließen.

Bevor er zu SnapLogic kam, war Nitin Senior Director of Engineering bei Twitter, wo er die Data Management- und Privacy Infrastructure-Engineering-Funktionen leitete. Seine Arbeit umfasste die Etablierung von Datenverwaltungspraktiken während eines kritischen Zeitraums für das Unternehmen, um eine verantwortungsvolle Nutzung von Daten und die Einhaltung von Datenschutzbestimmungen sicherzustellen.

Nitin hatte auch verschiedene Ingenieur- und Produktleitungspositionen bei bekannten Unternehmen wie Visa (V ), PayPal (PYPL ) und JPMorgan Chase inne, wo er wesentliche Beiträge zur Datenstrategie und -verwaltung leistete.

SnapLogic ist eine künstliche Intelligenz-basierte Integrationsplattform, die Daten- und Anwendungsworkflows mit No-Code-Tools und über 1.000 vorkonfigurierten Connectors rationalisiert. Sie unterstützt ETL/ELT, Automation, API-Management und sichere Bereitstellungen in Cloud-, On-Premises- und Hybridumgebungen. Funktionen wie SnapGPT und AutoSync verbessern die Effizienz und ermöglichen es Organisationen, Prozesse nahtlos zu integrieren und zu orchestrieren.

Sie haben fast 25 Jahre Erfahrung in der Treiber-Technologieinnovation. Was hat Sie ursprünglich dazu inspiriert, eine Karriere zu verfolgen, die auf die Verwendung von Technologie zur Lösung komplexer Probleme ausgerichtet ist, und wie hat sich diese Leidenschaft mit dem Aufkommen von künstlicher Intelligenz entwickelt?

Von Beginn meiner Karriere an war ich von der Herausforderung, Rätsel zu lösen und der logischen Schönheit der Mathematik, fasziniert. Diese Faszination führte mich natürlich dazu, zu erkunden, wie Technologie komplexe, reale Probleme angehen kann. Früh in meiner Karriere wurde ich von dem Potenzial der Technologie inspiriert, Probleme wie Transaktionsbetrugsbekämpfung und Datenschutzrisiken zu bekämpfen. Meine Leidenschaft hat sich nur vertieft, als künstliche Intelligenz evolvierte, insbesondere mit dem Aufkommen der generativen künstlichen Intelligenz. Ich habe die transformative Wirkung von künstlicher Intelligenz gesehen, von der Ermöglichung von Bauern, mit Hilfe von Smartphones Erkenntnisse über ihre Ernte zu gewinnen, bis hin zur Ermöglichung von alltäglichen Nutzern, wie meinem Vater, Aufgaben wie die Steuererklärung einfach zu bewältigen. Die Demokratisierung von künstlicher Intelligenz-Technologie begeistert mich, da sie es uns ermöglicht, einen positiven Unterschied im Leben der Menschen zu machen. Diese fortlaufende Reise treibt mein Engagement an, künstliche Intelligenz auf eine Weise voranzutreiben, die nicht nur innovativ und effizient, sondern auch sicher, verantwortungsvoll und für alle zugänglich ist.

Welche sind die größten Risiken, denen Unternehmen ausgesetzt sind, wenn sie auf veraltete Technologie in der Ära der fortschrittlichen künstlichen Intelligenz setzen?

Das Setzen auf veraltete Technologie birgt erhebliche Risiken, die die Zukunft eines Unternehmens gefährden können. Veraltete Systeme, insbesondere Legacy-Infrastrukturen, führen zu lähmenden Ineffizienzen und verhindern es Unternehmen, künstliche Intelligenz für hochwertige Aufgaben zu nutzen. Diese veralteten Technologien haben Schwierigkeiten mit der Datenzugänglichkeit und -integration, was zu teuren betrieblichen Engpässen führt, die die Automatisierung und Innovation behindern. Die versteckten Kosten für die Aufrechterhaltung solcher Systeme summieren sich, verbrauchen Ressourcen und machen es schwierig, Top-Talente anzuziehen, die moderne Technologieumgebungen bevorzugen. Wenn Unternehmen in einem Zyklus der Stagnation gefangen sind, verpassen sie progressive Wachstumschancen und riskieren, von agileren Wettbewerbern überholt zu werden.

Die Wahl ist klar: Entwickeln Sie sich wie das iPhone oder erleben Sie das Schicksal von BlackBerry.

Wie kämpfen Legacy-Systeme darum, die Anforderungen moderner künstlicher Intelligenz-Anwendungen zu erfüllen, insbesondere in Bezug auf Energie, Nachfrage und Infrastruktur?

Legacy-Systeme stehen vor erheblichen Herausforderungen, um die Anforderungen moderner künstlicher Intelligenz-Anwendungen zu erfüllen, aufgrund ihrer inhärenten Einschränkungen. Diese veralteten Infrastrukturen benötigen mehr Rechenleistung, Skalierbarkeit und Flexibilität für die intensiven Rechenanforderungen von künstlicher Intelligenz. Sie schaffen oft Daten-Silos und -Engpässe, die die Echtzeit-Datenverarbeitung und -Vernetzung behindern, die für künstliche Intelligenz-Insights erforderlich sind. Diese Inkompatibilität behindert die Implementierung von fortschrittlichen künstlichen Intelligenz-Technologien und führt zu ineffizientem Ressourceneinsatz, erhöhtem Energieverbrauch und potenziellen Systemausfällen. Folglich haben Unternehmen, die auf Legacy-Systeme setzen, Schwierigkeiten, das volle Potenzial von künstlicher Intelligenz in kritischen Bereichen wie präziser Zielgruppenansprache, Gehaltsabrechnung und Betrugsbekämpfung zu nutzen, was letztendlich ihre Wettbewerbsfähigkeit in einem von künstlicher Intelligenz geprägten Umfeld einschränkt.

Was sind die “versteckten” Kosten der Selbstzufriedenheit für Unternehmen, die zögern, ihre Systeme zu modernisieren?

Das Setzen auf veraltete Technologie bedeutet, dass Unternehmen auf manuelle Prozesse und isolierte Daten angewiesen sind, was zu erhöhten Kosten und verringerten Produktivität führt. Im Laufe der Zeit summiert sich diese Ineffizienz, was zu verpassten Chancen und einem erheblichen Verlust an Wettbewerbsfähigkeit führt, da agilere Wettbewerber künstliche Intelligenz-Lösungen adoptieren. Darüber hinaus wird das Potenzial der Mitarbeiter durch wiederholte Aufgaben verschwendet, anstatt strategische Arbeit zu leisten, was zu Frustration und potenziell höheren Fluktuationsraten führen kann. Wenn Rivalen künstliche Intelligenz für größere Effizienz und Innovation nutzen, riskieren Unternehmen, die die Modernisierung verzögern, weiter zurückzufallen und letztendlich ihre Marktposition und langfristige Lebensfähigkeit in einer immer digitaleren Landschaft zu gefährden.

Organisationen müssen zwischen berechtigten Bedenken hinsichtlich der Adoption von künstlicher Intelligenz und Fällen, in denen menschliche Unsicherheiten zu irreführenden Erzählungen führen, unterscheiden.

Wie können Unternehmen beurteilen, ob sie in Bezug auf die Infrastrukturbereitschaft für künstliche Intelligenz zurückliegen?

Unternehmen können ihre künstliche Intelligenz-Bereitschaft beurteilen, indem sie prüfen, ob ihre aktuellen Systeme mit modernen künstlichen Intelligenz-Tools integriert werden können und ob sie skaliert werden können, um den zunehmenden Datenanforderungen gerecht zu werden. Wenn sie Schwierigkeiten haben, große Datenmengen effizient zu verarbeiten, Cloud-Lösungen zu nutzen oder Automation zu unterstützen, ist dies ein klares Zeichen dafür, dass sie möglicherweise zurückliegen. Darüber hinaus sollten Unternehmen prüfen, ob Legacy-Systeme Engpässe schaffen oder ob sie übermäßige manuelle Eingriffe erfordern, was die Produktivität behindert. Wesentliche Indikatoren für eine veraltete Infrastruktur umfassen Daten-Silos, unzureichende Echtzeit-Analytics, unzureichende Rechenleistung für komplexe Algorithmen und Schwierigkeiten bei der Anwerbung von künstlicher Intelligenz-Talent. Letztendlich riskieren Unternehmen, die ständig mit den Fähigkeiten von künstlicher Intelligenz hinterherhinken, ihre Wettbewerbsfähigkeit in einer immer digitaleren Landschaft zu verlieren. Ich möchte auch betonen, dass fortschrittliche Beobachtbarkeit, Sicherheit und Datenschutztechniken, die der komponiblen Architektur folgen, für eine nahtlose und verantwortungsvolle künstliche Intelligenz-Bereitschaft von entscheidender Bedeutung sind.

Welche praktischen Schritte können Organisationen heute unternehmen, um ihre Systeme für künstliche Intelligenz-Innovationen zukunftssicher zu machen?

Der erste Schritt besteht darin, den aktuellen Technologie-Stack zu bewerten und nach Bereichen zu suchen, in denen künstliche Intelligenz integriert werden kann. Organisationen sollten skalierte Cloud-Lösungen priorisieren, die künstliche Intelligenz-getriebene Automation unterstützen und es ermöglichen, neue Technologien einfach zu integrieren. Insbesondere können Low-Code-Plattformen Unternehmen mit begrenzten Ressourcen helfen, künstliche Intelligenz-Agenten schnell bereitzustellen, ohne tiefere technische Expertise zu benötigen. Unternehmen sollten auch sicherstellen, dass sie flexible, cloudbasierte Infrastrukturen haben, die skaliert werden können, um zukünftige künstliche Intelligenz-Anwendungen zu unterstützen.

Welche Branchen können Ihrer Meinung nach am meisten von der schnellen Adoption von künstlicher Intelligenz und der Aufrüstung von Legacy-Systemen profitieren?

Branchen, die auf datengetriebene Entscheidungen und wiederholte Aufgaben angewiesen sind, können am meisten profitieren. Beispielsweise kann künstliche Intelligenz in der Finanzdienstleistungsbranche Aufgaben wie Kundenunterstützung, Betrugsbekämpfung und Kreditgenehmigung automatisieren, was die Betriebsabläufe rationalisiert und die Kundenerfahrung verbessert. Ebenso können Vertriebs- und Kundenservice-Abteilungen durch die Verwendung von künstlicher Intelligenz, um Routineanfragen oder Lead-Verarbeitung effizienter zu bearbeiten, eine erhebliche Produktivitätssteigerung erzielen. Unternehmen in der Gesundheitsversorgung, Fertigung und Einzelhandelsbranche können auch erheblich von künstlicher Intelligenz profitieren, insbesondere da künstliche Intelligenz-Tools helfen können, Lieferketten zu optimieren, Nachfrage vorherzusagen und administrative Arbeiten zu automatisieren. Anstatt diese wiederholten Aufgaben auszuführen, können Fachleute auf strategische Arbeit konzentrieren, was zu einer hohen Rendite auf die Investition in künstliche Intelligenz führt.

Wie unterstützt SnapLogics Plattform Unternehmen speziell dabei, fragmentierte, veraltete Infrastrukturen durch künstliche Intelligenz-getriebene Lösungen zu ersetzen?

 SnapLogics Plattform ermöglicht es Unternehmen, Workflows über Daten und Anwendungen hinweg zu vereinen und zu automatisieren, indem sie Legacy-Systeme mit moderner, künstliche Intelligenz-bereiter Infrastruktur verbindet. Durch die nahtlose Verbindung von fragmentierten Datenquellen und die Vereinfachung der Integration über Cloud- und On-Premises-Umgebungen hinweg beschleunigt SnapLogic den Übergang zu einem einheitlichen System, in dem künstliche Intelligenz sofortigen Wert liefern kann.

Die Plattform bietet eine Low-Code-Oberfläche, einschließlich Tools wie AgentCreator und SnapGPT, mit denen Unternehmen künstliche Intelligenz-getriebene Lösungen für verschiedene Anwendungsfälle schnell bereitstellen können, von der Automatisierung von Kundeninteraktionen bis hin zur Verbesserung von Finanzberichterstattung und Marketingeffizienz. SnapLogics IRIS-KI-Technologie bietet intelligente Empfehlungen für den Aufbau von Datenpipelines, was die Komplexität von Integrationsaufgaben erheblich reduziert und die Plattform für Benutzer mit unterschiedlichem technischen Fachwissen zugänglich macht.

SnapLogic priorisiert Datenverwaltung, Compliance und Sicherheit in künstlichen Intelligenz-Initiativen. Mit Funktionen wie End-to-End-Verschlüsselung, umfassender Protokollierung und Vorschau von Agenten-Aktionen können Unternehmen ihre künstliche Intelligenz-Projekte mit Zuversicht skalieren. Die jüngste Einführung eines Integrationskatalogs und von Datenlinien-Tools bietet wesentliche Kontexte, um sensible Daten vor Leckagen während des Eingangs und Ausgangs zu schützen. Darüber hinaus bietet SnapLogic Integrationsfunktionen in moderne Systeme in komponierter Weise, um Geschäftsziele zu verfolgen und flexible Lösungen für Kosten-, Compliance- und Wartungsprobleme bereitzustellen.

Welche einzigartigen Herausforderungen haben Sie bei SnapLogic bei der Entwicklung von Produkten erlebt, die Legacy- und moderne, künstliche Intelligenz-integrierte Systeme verbinden?

 Eine einzigartige Herausforderung bei der Verbindung von Legacy- und modernen, künstliche Intelligenz-integrierten Systemen bestand darin, sicherzustellen, dass die SnapLogic-Plattform die Starrheit älterer Systeme aushält und gleichzeitig die Flexibilität und Skalierbarkeit für künstliche Intelligenz-Anwendungen unterstützt. Eine weitere Herausforderung bestand darin, eine Plattform zu entwickeln, die sowohl für technische als auch für nicht-technische Benutzer zugänglich ist, was eine Balance zwischen fortschrittlichen Funktionen und Benutzerfreundlichkeit erfordert.

Als Unternehmen für Enterprise-SAAS-Software balanciert SnapLogic die einzigartigen und generischen Bedürfnisse von Hunderten von Kunden aus verschiedenen Branchen, während es die Plattform kontinuierlich weiterentwickelt, um neue und moderne Technologien in flexibler, verantwortungsvoller und abwärtskompatibler Weise zu adoptieren.

Um dies zu erreichen, haben wir vorkonfigurierte Connector entwickelt, die Daten nahtlos über alte und neue Plattformen hinweg integrieren. Mit SnapLogic AgentCreator haben wir es Organisationen ermöglicht, künstliche Intelligenz-Agenten bereitzustellen, die Aufgaben automatisieren, Echtzeit-Entscheidungen treffen und sich innerhalb bestehender Workflows anpassen.

Könnten Sie SnapLogics “Generative Integration” erläutern und wie sie eine nahtlose, künstliche Intelligenz-getriebene Automation in Unternehmensumgebungen ermöglicht?

SnapLogics Generative Integration ist ein fortschrittliches Feature der SnapLogic-Plattform, das generative künstliche Intelligenz und Large Language Models (LLMs) nutzt, um die Erstellung von Integrationspipelines und -Workflows zu rationalisieren und zu automatisieren. Dieser innovative Ansatz ermöglicht es Unternehmen, Systeme, Anwendungen und Datenquellen nahtlos zu verbinden, was einen reibungslosen Übergang zu künstliche Intelligenz-getriebenen Umgebungen erleichtert. Durch die Interpretation von natürlichen Sprachanweisungen ermöglicht die Generative Integration es sogar nicht-technischen Benutzern, Integrationen schnell und einfach zu entwickeln, anzupassen und bereitzustellen. Diese Demokratisierung der Integration beschleunigt die digitale Transformation und reduziert die Abhängigkeit von umfassender Codierexpertise, sodass Unternehmen sich auf strategische Initiativen konzentrieren und die betriebliche Effizienz verbessern können.

Darüber hinaus bietet SnapLogic immense Flexibilität, indem es Kunden ermöglicht, beliebige öffentliche LLM-Modelle zu nutzen, die auf ihre spezifischen Bedürfnisse zugeschnitten sind, um sicherzustellen, dass Organisationen die besten verfügbaren Tools nutzen können, während sie robuste Governance- und Compliance-Standards aufrechterhalten.

Vielen Dank für das großartige Interview. Leser, die mehr erfahren möchten, sollten SnapLogic besuchen: SnapLogic.