Preetpal Singh, Director General de Xebia – Serie de Entrevistas

Preetpal Singh es el Director General de Xebia, donde lidera iniciativas globales centradas en la creación y modernización de plataformas digitales, aplicaciones empresariales y sistemas impulsados por datos. Con más de 26 años de experiencia en servicios financieros, atención médica, fabricación, consumo y tecnología, ha trabajado en la intersección de la ejecución tecnológica y la transformación empresarial. Su carrera abarca la entrega de ingeniería, el liderazgo de lanzamiento al mercado y el cambio operativo a gran escala, con un enfoque constante en convertir las tecnologías emergentes en sistemas que operan de manera confiable en entornos de producción.

Xebia es una empresa de ingeniería digital global que diseña, construye y moderniza productos y plataformas digitales para empresas de todo el mundo. La empresa combina ingeniería de software, modernización de la nube y los datos, Inteligencia Artificial Generativa y automatización inteligente para ayudar a las organizaciones a desarrollar aplicaciones escalables, arquitecturas modernas y capacidades de inteligencia artificial integradas. Con equipos que operan en múltiples regiones, Xebia trabaja con empresas para integrar nuevas tecnologías en los sistemas y plataformas de cara al cliente, asegurando que la innovación esté respaldada por sólidas bases de ingeniería.

Ha pasado más de 26 años liderando iniciativas de tecnología, ventas y transformación empresarial en múltiples industrias. ¿Cómo ha moldeado ese viaje su enfoque de la innovación y el crecimiento hoy en día?

Con el tiempo, me he vuelto mucho más enfocado en la durabilidad que en la novedad. Al comienzo de mi carrera, me atraía el poder de la tecnología en sí. Con la experiencia, comencé a prestar más atención a lo que sucede después de la fase de prueba, cuando los sistemas tienen que integrarse con plataformas heredadas, pasar revisiones de cumplimiento y funcionar de manera consistente bajo cargas de trabajo reales. En todas las industrias, el punto de inflexión siempre parece llegar cuando una iniciativa prometedora se mueve a la producción. La propiedad se vuelve crítica. La complejidad de la integración se presenta. La tolerancia al riesgo se pone a prueba. Ahí es donde la transformación madura o se estanca.

Hoy en día, abordo la innovación con una perspectiva práctica. En Xebia, priorizamos la creación y modernización de las plataformas que se encuentran en el núcleo de las operaciones. Pensamos en la mantenibilidad a largo plazo, la auditoría y la escalabilidad desde el principio, porque el crecimiento solo se mantiene cuando los sistemas subyacentes están diseñados para soportar la presión con el tiempo.

¿Dónde luchan las empresas más cuando ejecutan la Inteligencia Artificial?

Los desafíos suelen aparecer una vez que la Inteligencia Artificial se mueve más allá de la experimentación y entra en los sistemas operativos. Construir un modelo es un hito, pero integrarlo en flujos de trabajo de underwriting, sistemas ERP o plataformas de reclamaciones introduce una capa diferente de complejidad.

En un escenario de implementación, un modelo había funcionado bien en entornos de prueba. Cuando se conectó a un flujo de transacciones en vivo, surgieron preguntas sobre la registrazione de auditoría, la autoridad de anulación y los mecanismos de reversión que ralentizaron la implementación. Los equipos de cumplimiento necesitaban trazabilidad. Los equipos de riesgo requerían claridad sobre los caminos de escalación. Esos detalles operativos ultimately determinaron el cronograma.

Las iniciativas de Inteligencia Artificial ganan tracción cuando los pipelines de datos están estructurados, el monitoreo de producción está en su lugar y la responsabilidad está claramente definida. Las organizaciones que planifican esas realidades temprano tienden a escalar de manera más suave.

¿Cómo distingue entre la automatización que mejora la eficiencia y la transformación que cambia la forma en que una empresa opera?

La automatización enfocada en la eficiencia a menudo simplifica los pasos dentro de un proceso existente. La transformación más amplia emerge cuando los equipos reconsideran cómo está estructurado el proceso en sí.

He visto casos en los que las organizaciones estaban preparando para automatizar cadenas de aprobación que abarcaban más de una docena de puntos de contacto. Una vez que la lógica de decisión se rediseñó y los puntos de verificación se consolidaron, el flujo de trabajo se volvió significativamente más simple. El impacto se extendió más allá del tiempo de ciclo; influyó en la responsabilidad y la distribución del riesgo también.

Cuando se simplifica el flujo de decisión con la empresa primero, la automatización se vuelve más fácil y los beneficios se mantienen.

¿Qué distingue la transformación en industrias altamente reguladas?

Los sectores altamente regulados tienden a incorporar consideraciones de gobernanza directamente en el diseño del sistema. En industrias como los servicios financieros y la atención médica, la trazabilidad y la explicabilidad son requisitos antes de la implementación, no después.

He trabajado con equipos que incorporaron puertas de validación de modelos en pipelines de CI/CD y establecieron estándares de registro detallados desde el principio. Los caminos de escalación y los marcos de monitoreo se definieron temprano en las discusiones de arquitectura. Esa disciplina da forma a sistemas más resilientes y prepara a las organizaciones para una mayor autonomía en entornos impulsados por la Inteligencia Artificial.

¿Cómo asegura que las inversiones en Inteligencia Artificial se alineen con resultados comerciales medibles?

Animo a los equipos de liderazgo a definir el cambio operativo que esperan ver. Eso podría significar reducir el tiempo de incorporación, aumentar la capacidad de servicio sin un crecimiento proporcional de la plantilla, o reducir las tasas de error en el procesamiento de reclamaciones.

La instrumentación juega un papel crítico. Las plataformas que entregamos incluyen seguimiento para el rendimiento, la latencia, la precisión de la decisión y las tasas de adopción. Cuando esos indicadores son visibles en paneles de producción, los líderes empresariales pueden conectar las inversiones en tecnología con el rendimiento operativo.¿Cómo aceleran las asociaciones estratégicas la Inteligencia Artificial a escala?

Las iniciativas de Inteligencia Artificial empresarial abarcan la infraestructura, las plataformas de datos, la arquitectura de aplicaciones y la seguridad. La ejecución coordinada en esas capas requiere profundidad y alineación. Las asociaciones crean impulso cuando están directamente conectadas a la capacidad de ingeniería y la ejecución operativa.

Nuestra colaboración expandida con socios como Google Cloud, Anthropic y otros incluye el desarrollo de soluciones de la industria repetibles y el establecimiento de un Centro de Excelencia global para respaldar la entrega escalable. Estructuras como estas reducen la fricción de integración y proporcionan consistencia a medida que las implementaciones se expanden a través de regiones y unidades comerciales.

¿Qué conceptos erróneos ve alrededor de la preparación para la Inteligencia Artificial?

Muchas organizaciones ven los pilotos exitosos como evidencia de preparación. En la práctica, la preparación se muestra en entornos de datos estructurados, capas de integración estables, protocolos de gobernanza definidos y modelos de responsabilidad claros.

La estabilidad de la producción y la madurez de la gobernanza dan forma al éxito a largo plazo tanto como el rendimiento del modelo. Un modelo puede funcionar bien en pruebas, pero una vez que opera a volumen de transacciones completo, la latencia, el monitoreo y el manejo de fallas se vuelven críticos. Los equipos necesitan procedimientos de reversión claros, detección de deriva, estándares de registro y propiedad definida una vez que el modelo esté en vivo.

A medida que los sistemas de Inteligencia Artificial pasan de roles asesores a roles de toma de decisiones, la claridad sobre la autoridad de anulación y los caminos de escalación se vuelve esencial. Cuando esas barreras se construyen en la arquitectura temprano, la escalabilidad se vuelve mucho más manejable.

¿Cómo deberían pensar los líderes sobre el equilibrio entre la innovación y el riesgo a medida que la Inteligencia Artificial se integra en las operaciones?

La Inteligencia Artificial responsable se construye en el sistema desde el primer día y se mantiene a través de la supervisión activa. Criterios claros sobre dónde los sistemas pueden actuar de manera independiente y dónde la supervisión humana sigue siendo esencial ayuda a prevenir la ambigüedad más adelante.

El monitoreo continuo es igualmente importante, ya que los patrones de datos cambian y los paisajes regulatorios evolucionan. Los sistemas de Inteligencia Artificial requieren una recalibración y revisión periódicas para mantener la alineación con las expectativas comerciales y de cumplimiento.

¿Cómo mantiene la alineación entre la ejecución de ingeniería y la estrategia ejecutiva?

La alineación se vuelve más fácil cuando las personas son honestas sobre las compensaciones. Si quieres moverte más rápido, hay implicaciones técnicas. Si das a los sistemas más autonomía, necesitarás un monitoreo más fuerte. Si personalizas profundamente, estás tomando decisiones sobre cuán fácil será mantenerlo más adelante.

Nada de eso es malo. Solo necesita ser explícito. Cuando esas realidades se discuten de antemano, la ambición y la disciplina no compiten entre sí. Los líderes pueden avanzar, los ingenieros pueden construir de manera responsable, y todos entienden lo que se comprometen a hacer. Ese tipo de transparencia construye confianza y mantiene el progreso constante con el tiempo.

¿Dónde deberían centrar las empresas sus inversiones estratégicas en los próximos años?

La adaptabilidad separará a los líderes del resto. Eso usualmente se reduce a fundamentos sólidos: datos limpios, infraestructura de la nube escalable, despliegue disciplinado y visibilidad clara en cómo los sistemas están funcionando.

Las empresas que invierten en esa base, y construyen las asociaciones de ecosistema correctas alrededor de ella, pueden adaptarse a medida que los mercados y las regulaciones cambian. A largo plazo, la ventaja proviene de construir operaciones y arquitectura que puedan manejar cualquier ola que venga a continuación.

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