Preetpal Singh, Group Managing Director di Xebia – Seri Wawancara

Preetpal Singh adalah Group Managing Director di Xebia, di mana ia memimpin inisiatif global yang berfokus pada membangun dan memodernisasi platform digital, aplikasi perusahaan, dan sistem yang didorong oleh data. Dengan lebih dari 26 tahun pengalaman di berbagai industri, termasuk jasa keuangan, kesehatan, manufaktur, konsumen, dan teknologi tinggi, ia telah bekerja di persimpangan antara eksekusi teknologi dan transformasi bisnis. Karirnya mencakup pengiriman rekayasa, kepemimpinan go-to-market, dan perubahan operasional skala besar, dengan fokus konsisten pada mengubah teknologi yang muncul menjadi sistem yang beroperasi secara handal di lingkungan produksi.

Xebia adalah perusahaan rekayasa digital global yang merancang, membangun, dan memodernisasi produk dan platform digital untuk perusahaan di seluruh dunia. Perusahaan ini menggabungkan rekayasa perangkat lunak, modernisasi cloud dan data, AI Generatif, dan otomatisasi cerdas untuk membantu organisasi mengembangkan aplikasi yang dapat diskalakan, arsitektur modern, dan kemampuan AI yang terintegrasi. Dengan tim yang beroperasi di berbagai wilayah, Xebia bekerja dengan perusahaan untuk memasukkan teknologi baru ke dalam sistem inti dan platform yang menghadap pelanggan, memastikan bahwa inovasi didukung oleh fondasi rekayasa yang kuat.

Anda telah menghabiskan lebih dari 26 tahun memimpin inisiatif teknologi, penjualan, dan transformasi bisnis di berbagai industri. Bagaimana perjalanan itu telah membentuk cara Anda mendekati inovasi dan pertumbuhan hari ini?

Seiring waktu, saya telah menjadi lebih fokus pada kekuatan daripada kebaruan. Awal karir saya, saya tertarik dengan kekuatan teknologi itu sendiri. Dengan pengalaman, saya mulai memperhatikan lebih dekat apa yang terjadi setelah fase pilot, ketika sistem harus terintegrasi dengan platform warisan, melewati tinjauan kepatuhan, dan berkinerja secara konsisten di bawah beban kerja nyata. Di seluruh industri, titik balik selalu tampaknya datang ketika inisiatif yang menjanjikan bergerak ke produksi. Kepemilikan menjadi kritis. Kompleksitas integrasi muncul. Toleransi risiko diuji. Itulah tempat transformasi matang atau macet.

Hari ini, saya mendekati inovasi dengan lensa yang praktis. Di Xebia, kami memprioritaskan membangun dan memodernisasi platform yang berada di inti operasi. Kami memikirkan kemaintan jangka panjang, kemampuan audit, dan skalabilitas dari awal, karena pertumbuhan hanya berkelanjutan ketika sistem yang mendasarinya direkayasa untuk menangani tekanan seiring waktu.

Di mana perusahaan mengalami kesulitan paling besar saat melaksanakan AI?

Tantangan biasanya muncul sekali AI bergerak melampaui eksperimen dan ke dalam sistem operasional. Membangun model adalah satu tonggak, tetapi memasukkannya ke dalam alur transaksi langsung, sistem ERP, atau platform klaim memperkenalkan lapisan kompleksitas yang berbeda.

Dalam satu skenario penerapan, model telah berkinerja baik di lingkungan pengujian. Ketika itu terhubung ke alur transaksi langsung, pertanyaan seputar logging audit, otoritas pengambilalihan, dan mekanisme rollback memperlambat peluncuran. Tim kepatuhan membutuhkan jejak. Tim risiko memerlukan kejelasan tentang jalur eskalasi. Detail operasional tersebut pada akhirnya menentukan timeline.

Inisiatif AI mendapatkan traksi ketika pipa data terstruktur, pemantauan produksi ada, dan akuntabilitas didefinisikan dengan jelas. Organisasi yang merencanakan kenyataan-kenyataan tersebut dari awal cenderung menskalakan lebih lancar.

Bagaimana Anda membedakan antara otomatisasi yang meningkatkan efisiensi dan transformasi yang membentuk kembali bisnis?

Otomatisasi yang berfokus pada efisiensi sering mempermudah langkah-langkah dalam proses yang ada. Transformasi yang lebih luas muncul ketika tim mempertimbangkan kembali bagaimana proses itu sendiri terstruktur.

Saya telah melihat kasus di mana organisasi bersiap untuk mengotomatisasi rantai persetujuan yang mencakup lebih dari selusin titik sentuh. Sekali logika keputusan didesain ulang dan titik periksa konsolidasi, alur kerja menjadi jauh lebih sederhana. Dampaknya meluas melampaui waktu siklus; itu mempengaruhi akuntabilitas dan distribusi risiko juga.

Ketika Anda menyederhanakan alur keputusan dengan bisnis terlebih dahulu, otomatisasi menjadi lebih mudah dan keuntungan bertahan.

Apa yang membedakan transformasi di industri yang sangat diatur?

Sektor yang sangat diatur cenderung memasukkan pertimbangan tata kelola langsung ke dalam desain sistem. Di industri seperti jasa keuangan dan kesehatan, jejakability dan keterjelasan adalah persyaratan sebelum penerapan, bukan setelahnya.

Saya telah bekerja dengan tim yang mengintegrasikan gerbang validasi model ke dalam pipa CI/CD dan menetapkan standar logging rinci dari awal. Jalur eskalasi dan kerangka pemantauan didefinisikan awal dalam diskusi arsitektur. Disiplin itu membentuk sistem yang lebih tangguh dan mempersiapkan organisasi untuk otonomi yang meningkat di lingkungan yang didorong oleh AI.

Bagaimana Anda memastikan investasi AI selaras dengan hasil bisnis yang dapat diukur?

Saya mendorong tim kepemimpinan untuk mendefinisikan pergeseran operasional yang mereka harapkan. Itu bisa berarti mengurangi waktu penerimaan, meningkatkan kapasitas layanan tanpa pertumbuhan kepemilikan yang sebanding, atau menurunkan tingkat kesalahan dalam pemrosesan klaim.

Instrumentasi memainkan peran kritis. Platform yang kami kirimkan termasuk pelacakan untuk throughput, latency, akurasi keputusan, dan tingkat adopsi. Ketika indikator-indikator tersebut terlihat di dasbor produksi, pemimpin bisnis dapat menghubungkan investasi teknologi dengan kinerja operasional.Bagaimana kemitraan strategis mempercepat AI pada skala besar?

Inisiatif AI perusahaan meliputi infrastruktur, platform data, arsitektur aplikasi, dan keamanan. Eksekusi terkoordinasi di seluruh lapisan tersebut memerlukan kedalaman dan keselarasan. Kemitraan menciptakan momentum ketika mereka terhubung langsung dengan kemampuan rekayasa dan eksekusi operasional.

Kolaborasi kami yang diperluas dengan mitra seperti Google Cloud, Anthropic dan lain-lain termasuk pengembangan solusi industri yang dapat diulang dan pembentukan Pusat Keunggulan global untuk mendukung pengiriman yang dapat diskalakan. Struktur seperti itu mengurangi gesekan integrasi dan menyediakan konsistensi ketika penerapan diperluas di seluruh wilayah dan unit bisnis.

Apa kesalahpahaman yang Anda lihat sekitar kesiapan AI?

Banyak organisasi memandang pilot yang sukses sebagai bukti kesiapan. Dalam praktek, kesiapan muncul di lingkungan data yang terstruktur, lapisan integrasi yang stabil, protokol tata kelola yang didefinisikan, dan model akuntabilitas yang jelas.

Stabilitas produksi dan kematangan tata kelola membentuk kesuksesan jangka panjang sama seperti kinerja model. Model dapat berkinerja baik dalam pengujian, tetapi sekali beroperasi pada volume transaksi penuh, latency, pemantauan, dan penanganan kegagalan menjadi kritis. Tim memerlukan prosedur rollback yang jelas, deteksi drift, standar logging, dan kepemilikan yang didefinisikan sekali model tersebut hidup.

Ketika sistem AI beralih dari peran penasihat ke peran pengambil keputusan, kejelasan tentang otoritas pengambilalihan dan jalur eskalasi menjadi penting. Ketika penghalang-penghalang tersebut dibangun ke dalam arsitektur dari awal, penskalaan menjadi jauh lebih mudah.

Bagaimana pemimpin harus memikirkan tentang keseimbangan inovasi dan risiko saat AI menjadi tertanam dalam operasi?

AI yang bertanggung jawab dibangun ke dalam sistem dari hari pertama dan dipertahankan melalui pengawasan aktif. Kriteria yang jelas sekitar di mana sistem dapat bertindak secara independen dan di mana pengawasan manusia tetap penting membantu mencegah ketidakjelasan kemudian.

Pemantauan berkelanjutan sama pentingnya, karena pola data bergeser dan lanskap regulasi berkembang. Sistem AI memerlukan kalibrasi ulang dan tinjauan berkala untuk mempertahankan keselarasan dengan harapan bisnis dan kepatuhan.

Bagaimana Anda mempertahankan keselarasan antara eksekusi rekayasa dan strategi eksekutif?

Keselarasan menjadi lebih mudah ketika orang-orang jujur tentang pertukaran. Jika Anda ingin bergerak lebih cepat, ada implikasi teknis. Jika Anda memberikan sistem lebih otonom, Anda memerlukan pemantauan yang lebih kuat. Jika Anda mengkustomisasi secara mendalam, Anda membuat pilihan tentang seberapa mudah itu akan dipertahankan kemudian.

Tidak ada yang buruk. Itu hanya perlu diekspresikan dengan jelas. Ketika kenyataan-kenyataan tersebut didiskusikan dari awal, ambisi dan disiplin tidak bersaing satu sama lain. Pemimpin dapat mendorong maju, insinyur dapat membangun secara bertanggung jawab, dan semua orang memahami apa yang mereka tandatangani. Transparansi seperti itu membangun kepercayaan dan menjaga kemajuan stabil seiring waktu.

Di mana perusahaan harus fokus investasi strategis mereka selama beberapa tahun ke depan?

Adaptabilitas akan memisahkan pemimpin dari yang lain. Itu biasanya turun ke fondasi yang kuat: data yang bersih, infrastruktur cloud yang dapat diskalakan, penerapan yang disiplin, dan visibilitas yang jelas ke dalam bagaimana sistem berkinerja.

Perusahaan yang berinvestasi di fondasi tersebut, dan membangun kemitraan ekosistem yang tepat di sekitarnya, dapat menyesuaikan diri ketika pasar dan peraturan bergeser. Dalam jangka panjang, keunggulan datang dari membangun operasi dan arsitektur yang dapat menangani apa pun yang datang selanjutnya.

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