Nitin Singhal, VP de Ingeniería (Datos, IA y Integraciones) en SnapLogic

Nitin Singhal es un experimentado líder tecnológico y de productos con más de 25 años de experiencia en la industria. Actualmente se desempeña como Vicepresidente de Ingeniería en SnapLogic, centrándose en la integración responsable de aplicaciones y sistemas, aprovechando la arquitectura Agentic para desbloquear el potencial de los datos para una audiencia global.

Antes de su cargo en SnapLogic, Nitin fue Director Senior de Ingeniería en Twitter, donde lideró las funciones de ingeniería de infraestructura de gestión de datos y privacidad. Su trabajo involucró establecer prácticas de gobernanza de datos durante un período crítico para la empresa, asegurando el uso responsable de los datos y el cumplimiento de las regulaciones de privacidad.

Nitin también ha ocupado diversos puestos de liderazgo en ingeniería y productos en organizaciones prominentes, incluyendo Visa (V ), PayPal (PYPL ) y JPMorgan Chase, donde contribuyó a avances significativos en estrategia y gestión de datos.

SnapLogic es una plataforma de integración impulsada por IA que simplifica los flujos de trabajo de datos y aplicaciones con herramientas sin código y más de 1.000 conectores preconstruidos. Admite ETL/ELT, automatización, gestión de API y despliegues seguros en entornos en la nube, locales y híbridos. Características como SnapGPT y AutoSync mejoran la eficiencia, permitiendo a las organizaciones integrar y orquestar procesos de manera fluida.

Casi tiene 25 años de experiencia impulsando la innovación tecnológica. ¿Qué lo inspiró inicialmente a perseguir una carrera centrada en el uso de la tecnología para resolver problemas complejos, y cómo ha evolucionado esa pasión con el surgimiento de la IA?

Desde el comienzo de mi carrera, me fascinó el desafío de resolver puzzles y la belleza lógica de las matemáticas. Esta fascinación me llevó naturalmente a explorar cómo la tecnología podría abordar problemas complejos y del mundo real. Al comienzo de mi carrera, me inspiró el potencial de la tecnología para abordar cuestiones como la detección de fraude de transacciones y los riesgos de privacidad de los datos. Mi pasión solo ha crecido a medida que la IA ha evolucionado, particularmente con el advenimiento de la IA Generativa. He presenciado el impacto transformador de la IA, desde empoderar a los agricultores con información sobre cultivos a través de teléfonos inteligentes hasta permitir que usuarios cotidianos, como mi padre, naveguen tareas como la presentación de impuestos de manera fácil. La democratización de la tecnología de IA me emociona, permitiéndonos hacer una diferencia positiva en la vida de las personas. Este viaje continuo alimenta mi compromiso de avanzar en la IA de maneras que no solo sean innovadoras y eficientes, sino también seguras, responsables y accesibles para todos.

¿Cuáles son los mayores riesgos que enfrentan las empresas al confiar en tecnología obsoleta en la era de la IA avanzada?

Confiar en tecnología obsoleta plantea riesgos significativos que pueden poner en peligro el futuro de una empresa. Los sistemas obsoletos, particularmente las infraestructuras heredadas, llevan a ineficiencias debilitantes y evitan que las organizaciones aprovechen la IA para tareas de alto valor. Estas tecnologías obsoletas luchan con la accesibilidad y la integración de los datos, creando cuellos de botella operativos costosos que obstaculizan la automatización y la innovación. Los costos ocultos de mantener dichos sistemas se acumulan, agotando los recursos mientras se hace difícil atraer a los mejores talentos que prefieren entornos tecnológicos modernos. A medida que las empresas se atascan en un ciclo de estancamiento, pierden oportunidades de crecimiento progresivo y corren el riesgo de ser superadas por competidores más ágiles.

La elección es clara: evolucionar como el iPhone o enfrentar el destino de BlackBerry.

¿Cómo luchan los sistemas heredados para cumplir con las demandas de las aplicaciones de IA modernas, particularmente en términos de energía, demanda e infraestructura?

Los sistemas heredados enfrentan desafíos significativos para cumplir con las demandas de las aplicaciones de IA modernas debido a sus limitaciones inherentes. Estas infraestructuras obsoletas necesitan más capacidades de procesamiento de datos, escalabilidad y flexibilidad para las necesidades computacionales intensivas de la IA. A menudo crean silos de datos y cuellos de botella, obstaculizando el manejo de datos en tiempo real y la interconexión crucial para las perspectivas impulsadas por la IA. Esta incompatibilidad impide la implementación de tecnologías de IA avanzadas y conduce a un uso ineficiente de los recursos, un mayor consumo de energía y posibles fallos del sistema. En consecuencia, las empresas que confían en sistemas heredados luchan por aprovechar al máximo el potencial de la IA en áreas críticas como la detección de fraude, la reconciliación de nómina y la detección de fraude, lo que en última instancia limita su ventaja competitiva en un panorama impulsado por la IA.

¿Cuáles son los “costos ocultos” de la complacencia para las empresas que dudan en modernizar sus sistemas?

Confiar en tecnología obsoleta significa que las empresas dependen de procesos manuales y datos segmentados, lo que conduce a costos aumentados y productividad disminuida. Con el tiempo, esta ineficiencia se acumula, resultando en oportunidades perdidas y una pérdida significativa de ventaja competitiva a medida que los competidores más ágiles adoptan soluciones de IA. Además, el potencial de los empleados se desperdicia en tareas repetitivas en lugar de trabajo estratégico, causando frustración y posibles tasas de rotación más altas. A medida que los rivales aprovechan la IA para una mayor eficiencia y innovación, las empresas que demoran la modernización corren el riesgo de quedarse atrás, poniendo en peligro su posición en el mercado y su viabilidad a largo plazo en un paisaje cada vez más digital.

Las organizaciones deben distinguir entre preocupaciones legítimas sobre la adopción de la IA y casos en los que las inseguridades humanas dan lugar a narrativas engañosas.

¿Cómo pueden las empresas evaluar si están quedando atrás en términos de preparación de infraestructura para la IA?

Las empresas pueden evaluar su preparación para la IA al determinar si sus sistemas actuales pueden integrarse con herramientas de IA modernas y escalar para satisfacer las crecientes demandas de datos. Si luchan por procesar grandes conjuntos de datos de manera eficiente, aprovechar soluciones en la nube o admitir la automatización, es un claro indicio de que pueden estar quedando atrás. Además, las empresas deben examinar si los sistemas heredados crean cuellos de botella o requieren una intervención manual excesiva, obstaculizando la productividad. Los indicadores clave de infraestructura atrasada incluyen silos de datos, análisis en tiempo real inadecuados, poder computacional insuficiente para algoritmos complejos y desafíos para atraer talento de IA. En última instancia, las organizaciones que constantemente intentan ponerse al día con las capacidades de la IA corren el riesgo de perder su ventaja competitiva en un paisaje cada vez más digital. También enfatizaré que las técnicas de observabilidad, seguridad y protección de la privacidad de vanguardia que siguen la arquitectura componible son fundamentales para una preparación para la IA fluida y responsable.

¿Qué pasos prácticos pueden dar las organizaciones hoy para garantizar que sus sistemas estén preparados para las innovaciones de la IA?

El primer paso es evaluar la pila de tecnología actual y buscar áreas donde se pueda integrar la IA. Las organizaciones deben priorizar soluciones en la nube escalables que admitan la automatización impulsada por la IA y faciliten la incorporación de nuevas tecnologías. En particular, las plataformas de bajo código pueden ayudar a las empresas con recursos limitados a implementar agentes de IA sin necesidad de una profunda experiencia técnica. Las empresas también deben asegurarse de tener una infraestructura basada en la nube flexible que pueda escalar según sea necesario para admitir futuras aplicaciones de IA.

En su opinión, ¿qué industrias se beneficiarán más al adoptar rápidamente la IA y actualizar los sistemas heredados?

Las industrias que dependen de la toma de decisiones basadas en datos y tareas repetitivas se beneficiarán más. Por ejemplo, en el sector de servicios financieros, la IA puede automatizar tareas como el soporte al cliente, la detección de fraude y la aprobación de préstamos, simplificando las operaciones y mejorando la experiencia del cliente. De manera similar, los departamentos de ventas y servicio al cliente pueden experimentar un aumento significativo en la productividad al utilizar la IA para manejar consultas rutinarias o procesar leads de manera más eficiente. Las empresas en los sectores de atención médica, fabricación y minoristas también pueden beneficiarse significativamente de la IA, especialmente ya que las herramientas de IA pueden ayudar a optimizar las cadenas de suministro, predecir la demanda y automatizar el trabajo administrativo. En lugar de realizar estas tareas repetitivas, los expertos en el dominio pueden centrarse en el trabajo estratégico, creando un alto rendimiento de la inversión en IA.

¿Cómo apoya específicamente la plataforma de SnapLogic a las empresas para reemplazar la infraestructura fragmentada y heredada con soluciones impulsadas por la IA?

 La plataforma de SnapLogic permite a las empresas unificar y automatizar flujos de trabajo a través de datos y aplicaciones, conectando sistemas heredados con infraestructuras modernas y listas para la IA. Al conectar de manera fluida fuentes de datos fragmentadas y simplificar la integración en entornos en la nube y locales, SnapLogic acelera la transición a un sistema unificado donde la IA puede ofrecer valor inmediato.

La interfaz de bajo código de la plataforma, que incluye herramientas como AgentCreator y SnapGPT, permite a las empresas implementar rápidamente soluciones impulsadas por la IA para diversos casos de uso, desde la automatización de interacciones con los clientes hasta el mejoramiento de la informes financieros y la efectividad del marketing. La tecnología de IA IRIS de SnapLogic proporciona recomendaciones inteligentes para la construcción de tuberías de datos, reduciendo significativamente la complejidad de las tareas de integración y haciendo que la plataforma sea accesible para usuarios con diferentes niveles de experiencia técnica.

SnapLogic prioriza la gobernanza de los datos, el cumplimiento y la seguridad en las iniciativas de IA. Con características como cifrado de extremo a extremo, registro exhaustivo y vista previa de acciones de agentes, las empresas pueden ampliar sus proyectos de IA con confianza. El lanzamiento reciente de un catálogo de integración y herramientas de linaje de datos proporciona el contexto esencial para proteger los datos sensibles de fugas durante el ingreso y el egreso. Además, SnapLogic ofrece capacidades de integración en sistemas modernos de manera componible, impulsando los objetivos comerciales mientras ofrece soluciones flexibles para abordar desafíos de costo, cumplimiento y mantenimiento.

¿Qué desafíos únicos ha enfrentado en SnapLogic al desarrollar productos que conectan sistemas heredados y modernos integrados con la IA?

 Uno de los desafíos únicos al conectar sistemas heredados y modernos ha sido asegurarse de que la plataforma de SnapLogic pueda acomodar la rigidez de los sistemas más antiguos mientras aún admite la flexibilidad y la escalabilidad necesarias para las aplicaciones de IA. Otro desafío ha sido crear una plataforma accesible tanto para usuarios técnicos como no técnicos, lo que requiere equilibrar la funcionalidad avanzada con la facilidad de uso.

Como empresa de software como servicio (SAAS) empresarial, SnapLogic equilibra las necesidades únicas y genéricas de cientos de clientes en diferentes industrias, mientras continúa evolucionando la plataforma para adoptar nuevas tecnologías modernas de manera flexible, responsable y compatible con versiones anteriores.

Para abordar esto, desarrollamos conectores preconstruidos que integran datos de manera fluida a través de plataformas antiguas y nuevas. Con SnapLogic AgentCreator, también hemos permitido que las organizaciones desplieguen agentes de IA que automatizan tareas, toman decisiones en tiempo real y se adaptan dentro de flujos de trabajo existentes.

¿Podría elaborar sobre la “Integración Generativa” de SnapLogic y cómo permite la automatización impulsada por la IA de manera fluida en entornos empresariales?

La Integración Generativa de SnapLogic es una característica innovadora de la plataforma de SnapLogic que utiliza la IA generativa y los grandes modelos de lenguaje (LLM) para simplificar y automatizar la creación de tuberías de integración y flujos de trabajo. Este enfoque innovador permite a las empresas conectar sistemas, aplicaciones y fuentes de datos de manera fluida, facilitando una transición más suave a entornos impulsados por la IA. Al interpretar instrucciones en lenguaje natural, la Integración Generativa permite incluso a los usuarios no técnicos desarrollar, personalizar y desplegar integraciones con facilidad y rapidez. Esta democratización de la integración acelera la transformación digital y reduce la dependencia de la experiencia técnica extensa, permitiendo a las empresas centrarse en iniciativas estratégicas y mejorar la eficiencia operativa.

Además, SnapLogic ofrece una gran flexibilidad al permitir a los clientes utilizar cualquier modelo de LLM público adaptado a sus necesidades específicas, asegurando que las organizaciones puedan aprovechar las mejores herramientas disponibles mientras mantienen sólidos estándares de gobernanza y cumplimiento.

Gracias por la gran entrevista, los lectores que deseen aprender más pueden visitar SnapLogic.