Nitin Singhal, VP of Engineering (Data, AI, og Integrations) i SnapLogic

Nitin Singhal er en erfaren teknologi- og produktleder med over 25 års erfaring i bransjen. Han er for tiden Vice President of Engineering i SnapLogic, med fokus på ansvarlig integrering av applikasjoner og systemer, og utnytter Agentic-arkitektur for å låse opp datapotensialet for et globalt publikum.

Før sin rolle i SnapLogic, var Nitin Senior Director of Engineering i Twitter, der han ledet Data Management og Privacy Infrastructure engineering-funksjoner. Hans arbeid innebar å etablere datastyringspraksis under en kritisk periode for selskapet, og sikre ansvarlig databruk og overholdelse av personvernsregler.

Nitin har også hatt ulike ingeniør- og produktlederstillinger i fremtredende organisasjoner, inkludert Visa, PayPal og JPMorgan Chase, der han bidro til betydelige fremgang i datastrategi og -styring.

SnapLogic er en AI-drevet integreringsplattform som strømlinjeformer data- og applikasjonsarbeidsflyter med verktøy uten kode og over 1 000 forhåndsbygde koblinger. Den støtter ETL/ELT, automatisering, API-håndtering og sikre distribusjoner på tvers av sky, på stedet og hybride miljøer. Funksjoner som SnapGPT og AutoSync forbedrer effektiviteten, og muliggjør at organisasjoner kan integrere og orchestrere prosesser sømløst.

Du har nesten 25 års erfaring med å drive teknologisk innovasjon. Hva var det som først inspirerte deg til å søke en karriere som fokuserte på å bruke teknologi til å løse komplekse problemer, og hvordan har denne lidenskapen utviklet seg med oppblomstringen av AI?

Fra begynnelsen av min karriere, var jeg fanget av utfordringen med å løse pusler og den logiske skjønnheten i matematikk. Denne fascinasjonen ledet naturlig til å utforske hvordan teknologi kunne håndtere komplekse, virkelige problemer. Tidlig i min karriere, var jeg inspirert av potensialet for teknologi til å takle problemer som transaksjonsjuks og datapersonvernrisiko. Min lidenskap har bare dypnet seg etter hvert som AI har utviklet seg, særlig med oppblomstringen av Generativ AI. Jeg har vært vitne til AI sin transformative innvirkning, fra å gi bønder innsikt i avlinger via smarttelefoner til å muliggjøre at vanlige brukere, som min far, kan navigere oppgaver som skatteinnbetaling enkelt. Democratialiseringen av AI-teknologi begeistrer meg, og muliggjør at vi kan gjøre en positiv forskjell i folks liv. Denne pågående reisen driver min forpliktelse til å fremme AI på måter som ikke bare er innovative og effektive, men også trygge, ansvarlige og tilgjengelige for alle.

Hva er de største risikoenene bedriftene står overfor når de bruker foreldet teknologi i en tid med avansert AI?

Å bruke foreldet teknologi utgjør betydelige risikoer som kan true en bedrifts fremtid. Forældede systemer, særlig legacy-infrastrukturer, fører til lamslående ineffektivitet og forhindrer organisasjoner fra å utnytte AI til høyverdige oppgaver. Disse foreldede teknologiene sliter med data tilgjengelighet og integrering, og skaper kostbare operative flaskhalser som hindrer automatisering og innovasjon. De skjulte kostnadene ved å vedlikeholde slike systemer adderer seg opp, og tømmer ressurser, samtidig som det blir vanskelig å tiltrekke topp-talent som foretrekker moderne teknologi-miljøer. Etter hvert som selskapene blir fanget i en syklus av stagnasjon, går de glipp av progressive vekstmuligheter og risikerer å bli forbigått av mer agile konkurrenter.

Valget er klart: Utvikle deg som iPhone eller møte samme skjebne som BlackBerry.

Hvordan sliter legacy-systemer med å møte kravene til moderne AI-applikasjoner, særlig når det gjelder energi, etterspørsel og infrastruktur?

Legacy-systemer møter betydelige utfordringer i å møte kravene til moderne AI-applikasjoner på grunn av deres innebygde begrensninger. Disse foreldede infrastrukturer mangler data prosesserings-evne, skalerbarhet og fleksibilitet for AI sin intensive beregningsbehov. De skaper ofte data-siloer og flaskhalser, og hindrer sanntids, sammenkoblet datahåndtering som er kritisk for AI-drevne innsikter. Denne uforenligheten hindrer implementeringen av avanserte AI-teknologier og fører til ineffektiv ressursbruk, økt energiforbruk og potensielle systemfeil. Derfor sliter bedrifter som bruker legacy-systemer med å fullt ut nyttiggjøre AI sitt potensiale i kritiske områder som presisjonstargeting, lønnsutbetaling og juksbekjempelse, og begrenser deres konkurransefordel i et AI-drevet landskap.

Hva er de “skjulte” kostnadene ved å være tilbakeholdne for selskaper som tøler å modernisere sine systemer?

Å bruke foreldet teknologi betyr at bedrifter er avhengige av manuelle prosesser og siloede data, noe som fører til økte kostnader og redusert produktivitet. Over tid adderer denne ineffektiviteten seg opp, og resulterer i glipp av muligheter og en betydelig tap av konkurransefordel, ettersom mer agile konkurrenter adopterer AI-løsninger. Videre blir ansattes potensiale spilt bort på repetitive oppgaver i stedet for strategisk arbeid, og fører til frustrasjon og potensielt høyere frafallshastighet. Ettersom konkurrenter utnytter AI for økt effektivitet og innovasjon, risikerer selskaper som utsetter moderniseringen å falle enda lenger bak, og setter deres markedsposisjon og langsiktige levedyktighet i en stadig mer digitalt landskap.

Organisasjoner må skille mellom legitime bekymringer omkring AI-adoptsjon og tilfeller der menneskelige usikkerheter gir opphav til misvisende narrativer.

Hvordan kan bedrifter vurdere om de faller bak i forhold til infrastruktur-beredskap for AI?

Bedrifter kan vurdere sin AI-beredskap ved å se om deres nåværende systemer kan integreres med moderne AI-verktøy og skaleres for å møte økende datakrav. Hvis de sliter med å prosessere store datasamlinger effektivt, utnytte sky-løsninger eller støtte automatisering, er det et tydelig tegn på at de kan falle bak. Videre bør selskaper undersøke om legacy-systemer skaper flaskhalser eller krever eksessiv manuell inngripen, og hindrer produktivitet. Nøkkelindikatorer for tilbakestående infrastruktur inkluderer datasiloer, utilstrekkelig sanntidsanalyse, utilstrekkelig beregningskraft for komplekse algoritmer og utfordringer i å tiltrekke AI-talent. Til slutt risikerer organisasjoner som konstant spiller catch-up med AI-evnen å tape sin konkurransefordel i et stadig mer digitalt landskap. Jeg vil også understreke at fremtredende observasjon, sikkerhet og personvernsteknikker som følger kompositt-arkitektur er kritisk for sømløs og ansvarlig AI-beredskap.

Hva er noen praktiske skritt organisasjoner kan ta i dag for å fremtidssikre sine systemer for AI-innovasjoner?

Det første skrittet er å vurdere den nåværende teknologi-staken og se etter områder der AI kan integreres. Organisasjoner bør prioritere skalerbare sky-løsninger som støtter AI-drevet automatisering og gjør det enkelt å inkorporere nye teknologier. Spesielt kan lav-kode-plattformer hjelpe bedrifter med begrensede ressurser å raskt deployere AI-agenter uten å trenge dypt teknisk ekspertise. Bedrifter bør også sikre at de har fleksible, sky-baserte infrastrukturer som kan skaleres etter behov for å støtte fremtidige AI-applikasjoner.

I din mening, hvilke bransjer har mest å vinne på å raskt adoptere AI og oppgradere legacy-systemer?

Bransjer som er avhengige av data-drevne beslutninger og repetitive oppgaver har mest å vinne. For eksempel kan AI i finanssektoren automatisere oppgaver som kundeservice, juksbekjempelse og lånegodkjenning, og strømlinjeformer operasjoner og forbedre kundeopplevelsen. Tilsvarende kan salgs- og kundeserviceavdelinger se en betydelig produktivitetsøkning ved å bruke AI til å håndtere rutineforespørsler eller prosessere leads mer effektivt. Selskaper i helse, produksjon og detaljhandelsbransjene kan også nyttiggjøre seg betydelig av AI, særlig siden AI-verktøy kan hjelpe med å optimalisere forsyningskjeder, forutsi etterspørsel og automatisere administrative oppgaver. I stedet for å utføre disse repetitive oppgavene, kan domene-ekspertene fokusere på strategisk arbeid og skape en høy avkastning på AI-investeringen.

Hvordan støtter SnapLogic sin plattform spesifikt bedrifter i å erstatte fragmenterte, legacy-infrastrukturer med AI-drevne løsninger?

 SnapLogic sin plattform gir bedrifter mulighet til å samordne og automatisere arbeidsflyter på tvers av data og applikasjoner, og å brobygge mellom legacy-systemer og moderne, AI-klare infrastrukturer. Ved å sammenkoble fragmenterte datakilder og forenkle integrering på tvers av sky- og på-sted-miljøer, akselererer SnapLogic overgangen til et samordnet system der AI kan levere umiddelbar verdi.

Plattformens lav-kode-grensesnitt, inkludert verktøy som AgentCreator og SnapGPT, muliggjør at bedrifter raskt kan deployere AI-drevne løsninger for ulike brukstilfeller, fra å automatisere kundeinteraksjoner til å forbedre finansiell rapportering og markedsførings-effektivitet. SnapLogic sin IRIS AI-teknologi gir intelligente anbefalinger for å bygge datapiper, og reduserer betydelig kompleksiteten ved integreringsoppgaver, og gjør plattformen tilgjengelig for brukere med varierende teknisk ekspertise.

SnapLogic prioriterer datastyring, overholdelse og sikkerhet i AI-initiativer. Med funksjoner som end-to-end-kryptering, omfattende logging og agent-handlingsforhåndsvisning, kan bedrifter trygt skalerer AI-prosjektene sine. Den nylige lanseringen av en integreringskatalog og data-avstamningsverktøy gir essensiell kontekst for å beskytte følsomme data mot lekkasje under inngang og utgang. Videre tilbyr SnapLogic integreringsmuligheter til moderne systemer på en kompositt måte, og driver forretningsmål samtidig som de tilbyr fleksible løsninger for å håndtere kostnads-, overholdelses- og vedlikeholdsutfordringer.

Hva er noen unike utfordringer du har møtt i SnapLogic ved å utvikle produkter som brobygger mellom legacy- og moderne AI-integerte systemer?

 En unik utfordring i å brobygge mellom legacy- og moderne AI-integerte systemer, har vært å sikre at SnapLogic-plattformen kan akkommodere rigiditeten til eldre systemer, samtidig som den støtter fleksibiliteten og skalerbarheten som kreves for AI-applikasjoner. En annen utfordring har vært å skape en plattform som er tilgjengelig for både tekniske og ikke-tekniske brukere, noe som krever en balanse mellom avansert funksjonalitet og enkelhet.

Som et entreprise SAAS-selskap, balanserer SnapLogic de unike og generiske behovene til hundrevis av kunder over ulike bransjer, samtidig som plattformen kontinuerlig utvikles for å adoptere nye og moderne teknologier på en fleksibel, ansvarlig og bakover-kompatibel måte.

For å møte denne utfordringen, har vi utviklet forhåndsbygde koblinger som sammenkobler data på tvers av gamle og nye plattformer. Med SnapLogic AgentCreator, har vi også muliggjort at organisasjoner kan deployere AI-agenter som automatiserer oppgaver, tar sanntids-beslutninger og tilpasser seg innen eksisterende arbeidsflyter.

Kunne du forklare SnapLogic sin “Generative Integration” og hvordan den muliggjør sømløs AI-drevet automatisering i bedriftsmiljøer?

SnapLogic sin Generative Integration er en banebrytende funksjon i SnapLogic sin plattform som utnytter generativ AI og store språkmodeller (LLM) for å strømlinjeformer og automatisere opprettelsen av integrerings-piper og arbeidsflyter. Denne innovative tilnærmingen muliggjør at bedrifter kan sammenkoble systemer, applikasjoner og datakilder på en enkel måte, og fremmer en jevnere overgang til AI-drevne miljøer. Ved å tolke naturlige språkliggende påminnelser, muliggjør Generative Integration at selv ikke-tekniske brukere kan utvikle, tilpasse og deployere integrasjoner raskt. Denne demokratiseringen av integrasjon akselererer digital transformasjon og reduserer avhengigheten av omfattende kode-ekspertise, og lar bedrifter fokusere på strategiske initiativer og forbedre operativ effektivitet.

Videre tilbyr SnapLogic enorm fleksibilitet ved å tillate kunder å bruke offentlige LLM-modeller tilpasset deres spesifikke behov, og sikrer at organisasjoner kan utnytte de beste verktøyene tilgjengelige, samtidig som de opprettholder robuste styrings- og overholdelsesstandarder.

Takk for det flotte intervjuet, lesere som ønsker å lære mer, bør besøke SnapLogic.