Nitin Singhal, Wakil Presiden Teknik (Data, AI, dan Integrasi) di SnapLogic

Nitin Singhal adalah seorang pemimpin teknologi dan produk yang berpengalaman dengan lebih dari 25 tahun pengalaman di industri ini. Saat ini, ia menjabat sebagai Wakil Presiden Teknik di SnapLogic, yang fokus pada integrasi aplikasi dan sistem yang bertanggung jawab, memanfaatkan arsitektur Agentic untuk membuka potensi data bagi audiens global.

Sebelum bergabung dengan SnapLogic, Nitin menjabat sebagai Direktur Senior Teknik di Twitter, di mana ia memimpin fungsi teknik Manajemen Data dan Infrastruktur Privasi. Pekerjaannya melibatkan pembentukan praktik tata kelola data selama periode kritis bagi perusahaan, memastikan penggunaan data yang bertanggung jawab dan kepatuhan terhadap peraturan privasi.

Nitin juga pernah menjabat sebagai pemimpin teknik dan produk di beberapa organisasi terkemuka, termasuk Visa (V ), PayPal (PYPL ), dan JPMorgan Chase, di mana ia berkontribusi pada kemajuan signifikan dalam strategi dan manajemen data.

SnapLogic adalah platform integrasi yang ditenagai oleh AI yang memudahkan alur kerja data dan aplikasi dengan alat no-code dan lebih dari 1.000 konektor pra-bangun. Ini mendukung ETL/ELT, otomatisasi, manajemen API, dan penerapan yang aman di seluruh lingkungan cloud, on-premises, dan hybrid. Fitur seperti SnapGPT dan AutoSync meningkatkan efisiensi, memungkinkan organisasi untuk mengintegrasikan dan mengatur proses dengan lancar.

Anda memiliki hampir 25 tahun pengalaman dalam mengembangkan inovasi teknologi. Apa yang pertama kali menginspirasi Anda untuk mengejar karir yang fokus pada menggunakan teknologi untuk memecahkan masalah kompleks, dan bagaimana passion Anda telah berkembang dengan munculnya AI?

Sejak awal karir saya, saya tertarik dengan tantangan memecahkan teka-teki dan keindahan logika matematika. Ini secara alami membawa saya untuk mengeksplorasi bagaimana teknologi dapat menangani masalah kompleks, dunia nyata. Awal dalam karir saya, saya terinspirasi oleh potensi teknologi untuk menangani masalah seperti deteksi penipuan transaksi dan risiko privasi data. Passion saya hanya semakin dalam seiring dengan perkembangan AI, terutama dengan munculnya Generative AI. Saya telah menyaksikan dampak transformasional AI, dari memberdayakan petani dengan wawasan tanaman melalui smartphone hingga memungkinkan pengguna sehari-hari, seperti ayah saya, untuk menavigasi tugas seperti pengajuan pajak dengan mudah. Demokratisasi teknologi AI menggembirakan saya, memungkinkan kita untuk membuat perbedaan positif dalam kehidupan orang banyak. Perjalanan ini terus memicu komitmen saya untuk mengembangkan AI dengan cara yang tidak hanya inovatif dan efisien, tetapi juga aman, bertanggung jawab, dan dapat diakses oleh semua.

Apa risiko terbesar yang dihadapi bisnis ketika mengandalkan teknologi usang di era AI canggih?

Mengandalkan teknologi usang membawa risiko signifikan yang dapat membahayakan masa depan bisnis. Sistem usang, terutama infrastruktur warisan, menyebabkan ketidakefisienan yang menghambat dan mencegah organisasi untuk memanfaatkan AI untuk tugas berharga. Teknologi usang ini mengalami kesulitan dalam mengakses dan mengintegrasikan data, menciptakan bottleneck operasional yang mahal dan menghambat inovasi. Biaya tersembunyi dari pemeliharaan sistem tersebut menambah biaya, menguras sumber daya, dan membuatnya sulit untuk menarik talenta terbaik yang lebih memilih lingkungan teknologi modern. Ketika perusahaan terjebak dalam siklus stagnasi, mereka melewatkan kesempatan pertumbuhan progresif dan berisiko ketinggalan oleh kompetitor yang lebih gesit.

Pilihan itu jelas: berevolusi seperti iPhone atau menghadapi nasib BlackBerry.

Bagaimana sistem warisan mengalami kesulitan dalam memenuhi tuntutan aplikasi AI modern, terutama terkait energi, permintaan, dan infrastruktur?

Sistem warisan menghadapi tantangan signifikan dalam memenuhi tuntutan aplikasi AI modern karena keterbatasan bawaan. Infrastruktur usang ini memerlukan kemampuan pemrosesan data, skalabilitas, dan fleksibilitas yang lebih besar untuk kebutuhan komputasi AI yang intensif. Mereka sering menciptakan silo data dan bottleneck, menghambat penanganan data waktu nyata yang terhubung yang penting untuk wawasan AI. Ketidakcocokan ini menghambat implementasi teknologi AI canggih dan menyebabkan penggunaan sumber daya yang tidak efisien, konsumsi energi yang meningkat, dan potensi kegagalan sistem. Akibatnya, bisnis yang mengandalkan sistem warisan mengalami kesulitan untuk memanfaatkan potensi AI secara penuh di area kritis seperti penargetan presisi, rekonsiliasi gaji, dan deteksi penipuan, yang pada akhirnya membatasi keunggulan kompetitif mereka dalam lanskap yang ditenagai AI.

Apa “biaya tersembunyi” dari ketidakaktifan bagi perusahaan yang ragu-ragu untuk memodernisasi sistem mereka?

Mengandalkan teknologi usang berarti bisnis bergantung pada proses manual dan data yang terisolasi, menyebabkan biaya yang meningkat dan produktivitas yang menurun. Seiring waktu, ketidakefisienan ini berkompound, menghasilkan kesempatan yang terlewat dan kehilangan keunggulan kompetitif yang signifikan karena kompetitor yang lebih gesit mengadopsi solusi AI. Selain itu, potensi karyawan terbuang pada tugas berulang-ulang bukan pada pekerjaan strategis, menyebabkan frustrasi dan potensi tingkat turnover yang lebih tinggi. Ketika pesaing memanfaatkan AI untuk efisiensi dan inovasi yang lebih besar, perusahaan yang menunda modernisasi berisiko semakin tertinggal, pada akhirnya membahayakan posisi pasar dan kelangsungan jangka panjang mereka dalam lanskap digital yang semakin berkembang.

Organisasi harus membedakan antara kekhawatiran yang sah seputar adopsi AI dan kasus di mana ketidakamanan manusia memberikan narasi yang menyesatkan.

Bagaimana bisnis dapat mengevaluasi apakah mereka tertinggal dalam hal kesiapan infrastruktur untuk AI?

Bisnis dapat mengevaluasi kesiapan AI mereka dengan menilai apakah sistem mereka saat ini dapat terintegrasi dengan alat AI modern dan skala untuk memenuhi permintaan data yang meningkat. Jika mereka mengalami kesulitan dalam memproses dataset besar dengan efisien, memanfaatkan solusi cloud, atau mendukung otomatisasi, itu adalah tanda jelas bahwa mereka mungkin tertinggal. Selain itu, perusahaan harus memeriksa apakah sistem warisan menciptakan bottleneck atau memerlukan intervensi manual yang berlebihan, menghambat produktivitas. Indikator kunci dari infrastruktur yang tertinggal termasuk silo data, analitik waktu nyata yang tidak memadai, kekuatan komputasi yang tidak cukup untuk algoritma kompleks, dan tantangan dalam menarik talenta AI. Pada akhirnya, organisasi yang terus-menerus berusaha untuk mengimbangi kemampuan AI berisiko kehilangan keunggulan kompetitif mereka dalam lanskap digital yang semakin berkembang. Saya juga menekankan bahwa teknik observasi, keamanan, dan perlindungan privasi yang mutakhir mengikuti arsitektur komposabel sangat penting untuk kesiapan AI yang lancar dan bertanggung jawab.

Apa langkah-langkah praktis yang dapat diambil organisasi hari ini untuk memastikan sistem mereka siap untuk inovasi AI?

Langkah pertama adalah mengevaluasi tumpukan teknologi saat ini dan mencari area di mana AI dapat diintegrasikan. Organisasi harus memprioritaskan solusi cloud yang dapat diskalakan yang mendukung otomatisasi yang ditenagai AI dan membuatnya mudah untuk mengintegrasikan teknologi baru. Khususnya, platform low-code dapat membantu bisnis dengan sumber daya terbatas untuk segera mengirimkan agen AI tanpa memerlukan keahlian teknis yang mendalam. Perusahaan harus memastikan bahwa mereka memiliki infrastruktur berbasis cloud yang fleksibel yang dapat diskalakan sesuai kebutuhan untuk mendukung aplikasi AI di masa depan.

Menurut Anda, industri mana yang akan mendapatkan manfaat paling besar dengan mengadopsi AI dan memodernisasi sistem warisan?

Industri yang bergantung pada pengambilan keputusan berbasis data dan tugas berulang-ulang akan mendapatkan manfaat paling besar. Misalnya, di sektor jasa keuangan, AI dapat mengotomatisasi tugas seperti dukungan pelanggan, deteksi penipuan, dan persetujuan pinjaman, memudahkan operasi dan meningkatkan pengalaman pelanggan. Demikian pula, departemen penjualan dan layanan pelanggan dapat melihat peningkatan produktivitas yang signifikan dengan menggunakan AI untuk menangani kueri rutin atau memproses lead dengan lebih efisien. Perusahaan di industri kesehatan, manufaktur, dan ritel juga dapat mendapatkan manfaat signifikan dari AI, terutama karena alat AI dapat membantu mengoptimalkan rantai pasokan, memprediksi permintaan, dan mengotomatisasi pekerjaan administratif. Daripada melakukan tugas berulang-ulang ini, ahli domain dapat fokus pada pekerjaan strategis, menciptakan return on investment AI yang tinggi.

Bagaimana platform SnapLogic secara khusus mendukung perusahaan dalam menggantikan infrastruktur warisan yang terfragmentasi dengan solusi yang ditenagai AI?

 Platform SnapLogic memberdayakan bisnis untuk mempersatukan dan mengotomatisasi alur kerja di seluruh data dan aplikasi, menjembatani sistem warisan dengan infrastruktur modern yang siap AI. Dengan menghubungkan sumber data yang terfragmentasi dan menyederhanakan integrasi di seluruh lingkungan cloud dan on-premises, SnapLogic mempercepat transisi ke sistem terpadu di mana AI dapat memberikan nilai segera.

Antarmuka low-code platform, termasuk alat seperti AgentCreator dan SnapGPT, memungkinkan perusahaan untuk segera mengirimkan solusi yang ditenagai AI untuk berbagai kasus penggunaan, dari mengotomatisasi interaksi pelanggan hingga meningkatkan pelaporan keuangan dan efektivitas pemasaran. Teknologi IRIS AI SnapLogic menyediakan rekomendasi cerdas untuk membangun pipa data, secara signifikan mengurangi kompleksitas tugas integrasi dan membuat platform lebih mudah diakses oleh pengguna dengan berbagai tingkat keahlian teknis.

SnapLogic memprioritaskan tata kelola data, kepatuhan, dan keamanan dalam inisiatif AI. Dengan fitur seperti enkripsi ujung-ke-ujung, logging komprehensif, dan pratinjau tindakan agen, perusahaan dapat dengan percaya diri memperluas proyek AI mereka. Peluncuran katalog integrasi dan alat jejak data menyediakan konteks esensial untuk melindungi data sensitif dari kebocoran selama ingress dan egress. Selain itu, SnapLogic menawarkan kemampuan integrasi ke sistem modern dengan cara yang komposabel, mendorong tujuan bisnis sambil menyediakan solusi fleksibel untuk menangani tantangan biaya, kepatuhan, dan pemeliharaan.

Apa tantangan unik yang Anda hadapi di SnapLogic dalam mengembangkan produk yang menjembatani sistem warisan dan sistem modern yang terintegrasi dengan AI?

 Satu tantangan unik dalam menjembatani sistem warisan dan sistem modern yang terintegrasi dengan AI adalah memastikan bahwa Platform SnapLogic dapat menampung kaku sistem lama sambil mendukung fleksibilitas dan skalabilitas yang diperlukan untuk aplikasi AI. Tantangan lainnya adalah menciptakan platform yang dapat diakses oleh pengguna teknis dan non-teknis, yang memerlukan keseimbangan antara fungsi lanjutan dan kemudahan penggunaan.

Sebagai perusahaan SAAS perusahaan, SnapLogic menyeimbangkan kebutuhan unik dan generik dari ratusan pelanggan di berbagai industri sambil terus mengembangkan platform untuk mengadopsi teknologi baru dan modern dengan cara yang fleksibel, bertanggung jawab, dan kompatibel dengan versi sebelumnya

Untuk mengatasi ini, kami mengembangkan konektor pra-bangun yang mengintegrasikan data secara lancar di seluruh platform lama dan baru. Dengan SnapLogic AgentCreator, kami juga memungkinkan organisasi untuk mengirimkan agen AI yang mengotomatisasi tugas, membuat keputusan waktu nyata, dan beradaptasi dalam alur kerja yang ada.

Bisakah Anda menjelaskan lebih lanjut tentang “Integrasi Generatif” SnapLogic dan bagaimana itu memungkinkan otomatisasi yang ditenagai AI yang lancar di lingkungan perusahaan?

Integrasi Generatif SnapLogic adalah fitur canggih dari platform SnapLogic yang menggunakan AI generatif dan model bahasa besar (LLM) untuk menyederhanakan dan mengotomatisasi pembuatan pipa integrasi dan alur kerja. Pendekatan inovatif ini memungkinkan bisnis untuk menghubungkan sistem, aplikasi, dan sumber data dengan lancar, memfasilitasi transisi yang lebih mulus ke lingkungan yang ditenagai AI. Dengan menafsirkan prompt bahasa alami, Integrasi Generatif memberdayakan bahkan pengguna non-teknis untuk mengembangkan, menyesuaikan, dan mengirimkan integrasi dengan cepat. Demokratisasi integrasi ini mempercepat transformasi digital dan mengurangi ketergantungan pada keahlian coding yang luas, memungkinkan perusahaan untuk fokus pada inisiatif strategis dan meningkatkan efisiensi operasional.

Selain itu, SnapLogic menawarkan fleksibilitas yang luar biasa dengan memungkinkan pelanggan untuk menggunakan model LLM publik yang disesuaikan dengan kebutuhan spesifik mereka, memastikan bahwa organisasi dapat memanfaatkan alat terbaik yang tersedia sambil mempertahankan standar tata kelola dan kepatuhan yang kuat.

Terima kasih atas wawancara yang luar biasa, pembaca yang ingin mempelajari lebih lanjut dapat mengunjungi SnapLogic.