Preetpal Singh, Dyrektor Zarządzający Grupy w Xebia – Seria Wywiadów

Preetpal Singh jest Dyrektorem Zarządzającym Grupy w Xebia, gdzie kieruje globalnymi inicjatywami skupionymi na budowaniu i modernizacji platform cyfrowych, aplikacji przedsiębiorstw i systemów opartych na danych. Z ponad 26-letnim doświadczeniem w branżach finansowych, opieki zdrowotnej, produkcji, konsumenckiej i high-tech, pracował na styku realizacji technologicznej i transformacji biznesowej. Jego kariera obejmuje dostawę inżynieryjną, przywództwo w podejściu do rynku i dużą zmianę operacyjną, z ciągłym naciskiem na przekształcanie technologii wschodzących w systemy, które działają niezawodnie w środowiskach produkcyjnych.

Xebia to globalna firma inżynierii cyfrowej, która projektuje, buduje i modernizuje produkty i platformy cyfrowe dla przedsiębiorstw na całym świecie. Firma łączy inżynierię oprogramowania, modernizację chmury i danych, sztuczną inteligencję generatywną oraz automatyzację inteligentną, aby pomóc organizacjom rozwijać aplikacje skalowalne, nowoczesne architektury i zintegrowane możliwości AI. Z zespołami działającymi w wielu regionach, Xebia współpracuje z przedsiębiorstwami, aby wbudować nowe technologie w systemy rdzeniowe i platformy skierowane do klienta, zapewniając, że innowacje są wspierane przez silne podstawy inżynieryjne.

Przez ponad 26 lat kierowałeś inicjatywami technologicznymi, sprzedażowymi i transformacjami biznesowymi w wielu branżach. Jak ta podróż ukształtowała twoje podejście do innowacji i wzrostu dzisiaj?

Z czasem stałem się bardziej skupiony na trwałości niż nowości. Na początku mojej kariery byłem przyciągany przez samą moc technologiczną. Z doświadczeniem, zacząłem zwracać większą uwagę na to, co dzieje się po fazie pilotażowej, kiedy systemy muszą integrować się z platformami dziedzicznymi, przechodzić przeglądy zgodności i działać spójnie pod rzeczywistymi obciążeniami. W różnych branżach, punkt zwrotny zawsze wydaje się następować, kiedy obiecująca inicjatywa przechodzi do produkcji. Własność staje się krytyczna. Złożoność integracji pojawia się. Tolerancja ryzyka jest testowana. To tam transformacja albo dojrzewa, albo zatrzymuje się.

Dzisiaj podchodzę do innowacji przez praktyczną optykę. W Xebia, priorytetem jest budowanie i modernizowanie platform, które leżą u podstaw operacji. Myślimy o długoterminowej utrzymaniowości, audytowalności i skalowalności od samego początku, ponieważ wzrost utrzymuje się tylko wtedy, gdy podstawowe systemy są zaprojektowane tak, aby wytrzymać presję w czasie.

Gdzie przedsiębiorstwa mają największe trudności podczas wdrażania AI?

Wyzwania zwykle pojawiają się, gdy AI przechodzi poza eksperymenty i do systemów operacyjnych. Budowanie modelu to jeden kamień milowy, ale wbudowanie go w procesy underwritingu, systemy ERP lub platformy roszczeń wprowadza inny poziom złożoności.

W jednym scenariuszu wdrożeniowym model działał dobrze w środowiskach testowych. Gdy został połączony z żywym przepływem transakcji, pytania dotyczące logowania audytowego, uprawnień do zastępowania i mechanizmów wycofywania spowolniły wdrożenie. Zespoły ds. zgodności potrzebowały śledzenia. Zespoły ds. ryzyka wymagały jasności co do ścieżek eskalacji. Te operacyjne szczegóły ostatecznie określiły harmonogram.

Inicjatywy AI zyskują na impet, gdy środowiska danych są uporządkowane, monitoring produkcji jest na miejscu, a odpowiedzialność jest wyraźnie zdefiniowana. Organizacje, które planują te realia wcześnie, tendencję do łatwiejszego skalowania.

Jak odróżniać automatyzację, która poprawia wydajność i transformację, która zmienia biznes?

Automatyzacja ukierunkowana na efektywność często upraszcza kroki w ramach istniejącego procesu. Szeroka transformacja pojawia się, gdy zespoły ponownie rozważają, jak sam proces jest strukturyzowany.

Widziałem przypadki, w których organizacje przygotowywały się do zautomatyzowania łańcuchów zatwierdzeń, które obejmowały ponad tuzin punktów dotykowych. Gdy logika decyzyjna została zaprojektowana na nowo, a punkty kontrolne walidacji zostały skonsolidowane, przepływ pracy stał się znacznie prostszy. Wpływ rozciągał się poza czas cyklu; wpływał na odpowiedzialność i dystrybucję ryzyka.

Gdy upraszczasz przepływ decyzyjny z biznesem najpierw, automatyzacja staje się łatwiejsza, a zyski pozostają.

Co odróżnia transformację w branżach wysoko uregulowanych?

Branże wysoko uregulowane mają tendencję do wbudowywania uwag grawitacyjnych bezpośrednio w projekcie systemu. W branżach takich jak usługi finansowe i opieka zdrowotna, śledzenie i wyjaśnialność są wymogami przed wdrożeniem, a nie po.

Pracowałem z zespołami, które włączyły bramy walidacji modelu do potoków CI/CD i ustanowiły szczegółowe standardy logowania od samego początku. Ścieżki eskalacji i ramy monitorowania zostały zdefiniowane wcześnie w dyskusjach architektonicznych. Ta dyscyplina kształtuje bardziej wytrzymałe systemy i przygotowuje organizacje do zwiększonej autonomii w środowiskach napędzanych przez AI.

Jak zapewnić, że inwestycje w AI są zgodne z miernymi wynikami biznesowymi?

Zachęcam zespoły kierownicze do zdefiniowania przesunięcia operacyjnego, które oczekują. Mogłoby to oznaczać zmniejszenie czasu wdrożenia, zwiększenie pojemności usług bez proporcjonalnego wzrostu zatrudnienia lub obniżenie wskaźników błędów w przetwarzaniu roszczeń.

Instrumentacja odgrywa krytyczną rolę. Platformy, które dostarczamy, obejmują śledzenie dla przepływu, opóźnienia, dokładności decyzyjnej i wskaźników adopcji. Gdy te wskaźniki są widoczne w pulpitach produkcyjnych, liderzy biznesu mogą połączyć inwestycje technologiczne z wynikami operacyjnymi.Jak strategiczne partnerstwa przyspieszają AI na dużą skalę?

Inicjatywy AI przedsiębiorstw obejmują infrastrukturę, platformy danych, architekturę aplikacji i bezpieczeństwo. Współzgodna realizacja na tych warstwach wymaga głębi i wyrównania. Partnerstwa tworzą impet, gdy są bezpośrednio połączone z możliwościami inżynieryjnymi i wykonaniem operacyjnym.

Nasze rozszerzone partnerstwo z partnerami takimi jak Google Cloud, Anthropic i innymi obejmuje rozwój rozwiązań branżowych i ustanowienie globalnego Centrum Doskonałości w celu wspierania dostawy na dużą skalę. Struktury takie redukują tarcie integracyjne i zapewniają spójność podczas wdrożeń na różnych rynkach i jednostkach biznesowych.

Jakie złudzenia widzisz wokół gotowości do AI?

Wiele organizacji postrzega udane pilotaże jako dowód gotowości. W praktyce, gotowość pojawia się w środowiskach danych, stabilnych warstwach integracyjnych, zdefiniowanych protokołach rządzących i wyraźnych modelach odpowiedzialności.

Stabilność produkcji i dojrzałość rządząca kształtują długoterminowy sukces tak samo jak wydajność modelu. Model może działać dobrze w testach, ale gdy działa pod pełnym obciążeniem transakcyjnym, opóźnienie, monitoring i obsługa awarii stają się krytyczne. Zespoły potrzebują wyraźnych procedur wycofywania, wykrywania dryfu, standardów logowania i zdefiniowanej własności, gdy model jest na żywo.

Gdy systemy AI przechodzą z ról doradczych do ról decyzyjnych, klarowność wokół władzy zastępczej i ścieżek eskalacji staje się niezbędna. Gdy te barierki są wbudowane w architekturę wcześnie, skalowanie staje się znacznie bardziej zarządzalne.

Jak powinni myśleć liderzy o balansowaniu innowacji i ryzyka, gdy AI staje się wbudowane w operacje?

Odpowiedzialny AI jest wbudowany w system od samego początku i utrzymywany przez aktywny nadzór. Wyraźne kryteria dotyczące miejsc, w których systemy mogą działać niezależnie, i gdzie nadzór ludzki pozostaje niezbędny, pomaga uniknąć niejasności później.

Ciągły monitoring jest równie ważny, ponieważ wzorce danych i krajobrazy regulacyjne ewoluują. Systemy AI wymagają okresowego kalibrowania i przeglądu, aby utrzymać zgodność z oczekiwaniami biznesowymi i zgodności.

Jak utrzymać wyrównanie między wykonaniem inżynieryjnym a strategią wykonawczą?

Wyrównanie staje się łatwiejsze, gdy ludzie są szczerzy w sprawie kompromisów. Jeśli chcesz poruszać się szybciej, są techniczne implikacje. Jeśli dajesz systemom więcej autonomii, będziesz potrzebować silniejszego monitoringu. Jeśli dostosujesz głęboko, będziesz robił wybory dotyczące tego, jak łatwo będzie to utrzymać później.

Żadne z tego nie jest złe. Po prostu musi to być jawne. Gdy te realia są omawiane na początku, ambicja i dyscyplina nie konkurują ze sobą. Liderzy mogą posuwać się do przodu, inżynierowie mogą budować odpowiedzialnie, a wszyscy rozumieją, na co się zgadzają. Tego rodzaju transparentność buduje zaufanie i utrzymuje postęp stabilny w czasie.

Gdzie powinny przedsiębiorstwa skupić swoje strategiczne inwestycje w ciągu najbliższych kilku lat?

Dostosowanie się będzie oddzielać liderów od reszty. Zwykle sprowadza się to do silnych podstaw: czystych danych, skalowalnej infrastruktury chmury, dyscyplinowanego wdrożenia i wyraźnej widoczności, jak systemy działają.

Spółki, które inwestują w tę podstawę, i budują odpowiednie partnerstwa ekosystemowe wokół niej, mogą dostosować się do zmian na rynkach i regulacjach. W długiej perspektywie, przewaga pochodzi z budowania operacji i architektury, które mogą poradzić sobie z każdą falą, jaka nadchodzi.

Dziękujemy za wspaniały wywiad, czytelnicy, którzy chcą dowiedzieć się więcej, powinni odwiedzić Xebia.