Nitin Singhal, VP di Ingegneria (Dati, AI e Integrazioni) di SnapLogic

Nitin Singhal è un esperto di tecnologia e prodotti con oltre 25 anni di esperienza nel settore. Attualmente ricopre il ruolo di Vice Presidente di Ingegneria presso SnapLogic, concentrandosi sull’integrazione responsabile di applicazioni e sistemi, sfruttando l’architettura Agentic per sbloccare il potenziale dei dati per un pubblico globale.

Prima del suo ruolo presso SnapLogic, Nitin era il Direttore Senior di Ingegneria presso Twitter, dove ha guidato le funzioni di ingegneria relative alla gestione dei dati e alla privacy. Il suo lavoro ha comportato l’istituzione di pratiche di governance dei dati durante un periodo critico per l’azienda, garantendo l’utilizzo responsabile dei dati e la conformità con le norme sulla privacy.

Nitin ha anche ricoperto vari ruoli di ingegneria e leadership di prodotti presso importanti organizzazioni, tra cui Visa (V ), PayPal (PYPL ) e JPMorgan Chase, dove ha contribuito a significativi progressi nella strategia e gestione dei dati.

SnapLogic è una piattaforma di integrazione alimentata da AI che semplifica i flussi di lavoro dei dati e delle applicazioni con strumenti senza codice e oltre 1.000 connettori preconfigurati. Supporta ETL/ELT, automazione, gestione API e distribuzioni sicure in ambienti cloud, on-premises e ibridi. Funzionalità come SnapGPT e AutoSync migliorano l’efficienza, consentendo alle organizzazioni di integrare e orchestrare i processi in modo fluido.

Ha quasi 25 anni di esperienza nel guidare l’innovazione tecnologica. Cosa l’ha ispirato a intraprendere una carriera focalizzata sull’utilizzo della tecnologia per risolvere problemi complessi e come è evoluta la sua passione con l’avvento dell’AI?

Fin dall’inizio della mia carriera, sono stato affascinato dalla sfida di risolvere puzzle e dalla bellezza logica della matematica. Questo interesse naturale mi ha portato a esplorare come la tecnologia potesse affrontare problemi complessi e reali. All’inizio della mia carriera, sono stato ispirato dal potenziale della tecnologia per affrontare questioni come la rilevazione delle frodi transazionali e i rischi per la privacy dei dati. La mia passione è solo cresciuta con l’evoluzione dell’AI, in particolare con l’avvento dell’AI generativa. Ho visto l’impatto trasformativo dell’AI, dal consentire ai contadini di ottenere informazioni sui raccolti tramite smartphone all’abilitare gli utenti comuni, come mio padre, a navigare facilmente in compiti come la dichiarazione dei redditi. La democratizzazione della tecnologia AI mi entusiasma, poiché ci consente di fare una differenza positiva nella vita delle persone. Questo percorso continua a nutrire il mio impegno per avanzare l’AI in modi che siano non solo innovativi ed efficienti, ma anche sicuri, responsabili e accessibili a tutti.

Quali sono i rischi più grandi che le aziende affrontano quando si affidano a tecnologie obsolete nell’era dell’AI avanzata?

Affidarsi a tecnologie obsolete comporta rischi significativi che possono mettere in pericolo il futuro di un’azienda. I sistemi obsoleti, in particolare le infrastrutture legacy, portano a inefficienze debilitanti e impediscono alle organizzazioni di sfruttare l’AI per compiti ad alto valore. Queste tecnologie obsolete lottano per l’accessibilità e l’integrazione dei dati, creando costosi colli di bottiglia operativi che ostacolano l’automazione e l’innovazione. I costi nascosti della manutenzione di tali sistemi si accumulano, prosciugando le risorse e rendendo difficile attirare i migliori talenti che preferiscono ambienti tecnologici moderni. Mentre le aziende rimangono intrappolate in un ciclo di stagnazione, perdono opportunità di crescita progressiva e rischiano di essere superate da competitor più agili.

La scelta è chiara: evolversi come l’iPhone o affrontare il destino di BlackBerry.

Come le infrastrutture legacy lottano per soddisfare le esigenze delle applicazioni AI moderne, in particolare per quanto riguarda energia, domanda e infrastruttura?

Le infrastrutture legacy affrontano sfide significative nel soddisfare le esigenze delle applicazioni AI moderne a causa delle loro limitazioni intrinseche. Queste infrastrutture obsolete necessitano di maggiore capacità di elaborazione dei dati, scalabilità e flessibilità per le esigenze computazionali intensive dell’AI. Spesso creano silos di dati e colli di bottiglia, ostacolando la gestione dei dati in tempo reale e interconnessa cruciale per le informazioni guidate dall’AI. Questa incompatibilità impedisce l’implementazione di tecnologie AI avanzate e conduce a un uso inefficiente delle risorse, aumento del consumo di energia e potenziali malfunzionamenti del sistema. Di conseguenza, le aziende che si affidano a infrastrutture legacy lottano per sfruttare appieno il potenziale dell’AI in aree critiche come la precisione di targeting, la riconciliazione dei pagamenti e la rilevazione delle frodi, limitando così il loro vantaggio competitivo in un panorama guidato dall’AI.

Quali sono i “costi nascosti” della compiacenza per le aziende che esitano a modernizzare i loro sistemi?

Affidarsi a tecnologie obsolete significa che le aziende dipendono da processi manuali e dati isolati, portando a costi aumentati e produttività ridotta. Nel tempo, questa inefficienza si accumula, risultando in opportunità perse e in una significativa perdita di vantaggio competitivo mentre competitor più agili adottano soluzioni AI. Inoltre, il potenziale degli impiegati viene sprecato in compiti ripetitivi invece di lavori strategici, causando frustrazione e potenziali tassi di turnover più alti. Mentre i rivali sfruttano l’AI per una maggiore efficienza e innovazione, le aziende che ritardano la modernizzazione rischiano di rimanere sempre più indietro, mettendo in pericolo la loro posizione di mercato e la loro vitalità a lungo termine in un panorama sempre più digitale.

Le organizzazioni devono distinguere tra preoccupazioni legittime relative all’adozione dell’AI e casi in cui le insicurezze umane danno origine a narrazioni fuorvianti.

Come le aziende possono valutare se stanno rimanendo indietro in termini di prontezza dell’infrastruttura per l’AI?

Le aziende possono valutare la loro prontezza per l’AI valutando se i loro sistemi attuali possono integrarsi con strumenti AI moderni e scalare per soddisfare le crescenti esigenze di dati. Se lottano per elaborare grandi set di dati in modo efficiente, sfruttare soluzioni cloud o supportare l’automazione, è un chiaro segno che potrebbero rimanere indietro. Inoltre, le aziende dovrebbero esaminare se le infrastrutture legacy creano colli di bottiglia o richiedono un’eccessiva intervento manuale, ostacolando la produttività. Indicatori chiave di infrastrutture in ritardo includono silos di dati, analisi in tempo reale inadeguate, potenza di calcolo insufficiente per algoritmi complessi e sfide nell’attrarre talenti AI. Infine, le organizzazioni che giocano costantemente a rimonta con le capacità AI rischiano di perdere il loro vantaggio competitivo in un panorama sempre più digitale. Sottolineerò anche che tecniche di osservabilità, sicurezza e protezione della privacy all’avanguardia che seguono l’architettura componibile sono fondamentali per una prontezza AI fluida e responsabile.

Quali sono i passi pratici che le organizzazioni possono intraprendere oggi per rendere future-proof i loro sistemi per le innovazioni AI?

Il primo passo è valutare l’attuale stack tecnologico e cercare aree in cui l’AI può essere integrata. Le organizzazioni dovrebbero dare priorità a soluzioni cloud scalabili che supportino l’automazione guidata da AI e rendano facile l’integrazione di nuove tecnologie. In particolare, le piattaforme a basso codice possono aiutare le aziende con risorse limitate a distribuire rapidamente agenti AI senza richiedere una profonda esperienza tecnica. Le aziende dovrebbero anche assicurarsi di avere un’infrastruttura cloud-based flessibile che possa scalare come necessario per supportare future applicazioni AI.

Secondo lei, quali settori trarranno il maggior beneficio dall’adozione rapida dell’AI e dall’aggiornamento dei sistemi legacy?

I settori che si basano sulla presa di decisioni basate sui dati e sui compiti ripetitivi trarranno il maggior beneficio. Ad esempio, nel settore dei servizi finanziari, l’AI può automatizzare compiti come il supporto clienti, la rilevazione delle frodi e l’approvazione dei prestiti, semplificando le operazioni e migliorando l’esperienza del cliente. Allo stesso modo, i dipartimenti di vendita e servizio clienti possono vedere un significativo aumento della produttività utilizzando l’AI per gestire query di routine o elaborare lead in modo più efficiente. Le aziende nei settori sanitario, manifatturiero e retail possono anche trarre grandi benefici dall’AI, specialmente poiché gli strumenti AI possono aiutare a ottimizzare le catene di approvvigionamento, prevedere la domanda e automatizzare il lavoro amministrativo. Invece di eseguire questi compiti ripetitivi, gli esperti di dominio possono concentrarsi sul lavoro strategico, creando un alto ritorno sugli investimenti AI.

Come la piattaforma di SnapLogic supporta specificamente le aziende nel sostituire le infrastrutture legacy frammentate con soluzioni guidate da AI?

 La piattaforma di SnapLogic consente alle aziende di unificare e automatizzare i flussi di lavoro attraverso i dati e le applicazioni, collegando le infrastrutture legacy con sistemi moderni e pronti per l’AI. Collegando in modo fluido le fonti di dati frammentate e semplificando l’integrazione attraverso ambienti cloud e on-premises, SnapLogic accelera la transizione verso un sistema unificato in cui l’AI può fornire valore immediato.

La piattaforma, con la sua interfaccia a basso codice che include strumenti come AgentCreator e SnapGPT, consente alle aziende di distribuire rapidamente soluzioni guidate da AI per vari casi d’uso, dall’automatizzazione delle interazioni con i clienti al miglioramento della reportistica finanziaria e dell’efficacia del marketing. La tecnologia IRIS AI di SnapLogic fornisce raccomandazioni intelligenti per la costruzione di pipeline di dati, riducendo significativamente la complessità dei compiti di integrazione e rendendo la piattaforma accessibile a utenti con livelli di competenza tecnica variabili.

SnapLogic dà priorità alla governance dei dati, alla conformità e alla sicurezza nelle iniziative AI. Con funzionalità come la crittografia end-to-end, la registrazione completa e l’anteprima delle azioni degli agenti, le aziende possono espandere con fiducia i loro progetti AI. Il recente lancio di un catalogo di integrazione e strumenti di lineage dei dati fornisce il contesto essenziale per proteggere i dati sensibili da perdite durante l’ingresso e l’uscita. Inoltre, SnapLogic offre capacità di integrazione in sistemi moderni in modo componibile, guidando gli obiettivi aziendali e fornendo soluzioni flessibili per affrontare le sfide di costo, conformità e manutenzione.

Quali sfide uniche ha incontrato in SnapLogic nello sviluppare prodotti che collegano le infrastrutture legacy con sistemi AI-integrati moderni?

 Una sfida unica nel collegare le infrastrutture legacy con sistemi AI-integrati moderni è stata assicurarsi che la piattaforma SnapLogic possa adattarsi alla rigidità dei sistemi più vecchi mentre supporta la flessibilità e la scalabilità richieste per le applicazioni AI. Un’altra sfida è stata creare una piattaforma accessibile sia agli utenti tecnici che a quelli non tecnici, il che richiede un equilibrio tra funzionalità avanzate e facilità d’uso.

Come azienda SAAS per imprese, SnapLogic bilancia le esigenze uniche e generiche di centinaia di clienti in vari settori, continuando a evolvere la piattaforma per adottare nuove tecnologie in modo flessibile, responsabile e compatibile con le versioni precedenti.

Per affrontare questo, abbiamo sviluppato connettori preconfigurati che integrano in modo fluido i dati attraverso piattaforme vecchie e nuove. Con SnapLogic AgentCreator, abbiamo anche abilitato le organizzazioni a distribuire agenti AI che automatizzano compiti, prendono decisioni in tempo reale e si adattano all’interno dei flussi di lavoro esistenti.

Può spiegare meglio l'”Integrazione Generativa” di SnapLogic e come consente un’automazione AI-driven fluida negli ambienti aziendali?

L’Integrazione Generativa di SnapLogic è una funzionalità all’avanguardia della piattaforma che utilizza l’AI generativa e i grandi modelli linguistici (LLM) per semplificare e automatizzare la creazione di pipeline di integrazione e flussi di lavoro. Questo approccio innovativo consente alle aziende di collegare in modo fluido sistemi, applicazioni e fonti di dati, facilitando una transizione più agevole agli ambienti guidati da AI. Interpretando i prompt in linguaggio naturale, l’Integrazione Generativa consente anche agli utenti non tecnici di sviluppare, personalizzare e distribuire integrazioni in modo rapido. Questa democratizzazione dell’integrazione accelera la trasformazione digitale e riduce la dipendenza da competenze tecniche estese, permettendo alle aziende di concentrarsi su iniziative strategiche e migliorare l’efficienza operativa.

Inoltre, SnapLogic offre un’enorme flessibilità consentendo ai clienti di utilizzare qualsiasi modello LLM pubblico personalizzato in base alle loro esigenze specifiche, garantendo che le organizzazioni possano sfruttare gli strumenti migliori disponibili mentre mantengono standard di governance e conformità robusti.

Grazie per la grande intervista, i lettori che desiderano saperne di più possono visitare SnapLogic.