Preetpal Singh, Diretor Geral do Grupo da Xebia – Série de Entrevistas

Preetpal Singh é o Diretor Geral do Grupo da Xebia, onde lidera iniciativas globais focadas em construir e modernizar plataformas digitais, aplicações empresariais e sistemas baseados em dados. Com mais de 26 anos de experiência em serviços financeiros, saúde, manufatura, consumo e indústrias de alta tecnologia, ele trabalhou na interseção da execução tecnológica e da transformação empresarial. Sua carreira abrange entrega de engenharia, liderança de marketing e mudanças operacionais em larga escala, com um foco constante em transformar tecnologias emergentes em sistemas que operam de forma confiável em ambientes de produção.

Xebia é uma empresa global de engenharia digital que projeta, constrói e moderniza produtos e plataformas digitais para empresas em todo o mundo. A empresa combina engenharia de software, modernização de nuvem e dados, Inteligência Artificial Geradora e automação inteligente para ajudar as organizações a desenvolver aplicações escaláveis, arquiteturas modernas e capacidades de IA integradas. Com equipes operando em várias regiões, a Xebia trabalha com empresas para incorporar novas tecnologias em sistemas e plataformas de enfrentamento ao cliente, garantindo que a inovação seja apoiada por fundamentos de engenharia sólidos.

Você passou mais de 26 anos liderando iniciativas de tecnologia, vendas e transformação empresarial em várias indústrias. Como essa jornada moldou sua abordagem à inovação e ao crescimento hoje?

Com o tempo, eu me tornei muito mais focado em durabilidade do que em novidade. No início da minha carreira, eu era atraído pelo poder da tecnologia em si. Com a experiência, eu comecei a prestar mais atenção ao que acontece após a fase de piloto, quando os sistemas têm que se integrar com plataformas legadas, passar por revisões de conformidade e performar consistentemente sob cargas de trabalho reais. Em todas as indústrias, o ponto de inflexão sempre parece ocorrer quando uma iniciativa promissora se move para a produção. A propriedade se torna crítica. A complexidade de integração surge. A tolerância ao risco é testada. É aí que a transformação amadurece ou estagna.

Hoje, eu abordo a inovação com uma lente prática. Na Xebia, priorizamos a construção e a modernização das plataformas que estão no cerne das operações. Pensamos em manutenção de longo prazo, auditoria e escalabilidade desde o início, porque o crescimento só se sustenta quando os sistemas subjacentes são projetados para lidar com a pressão ao longo do tempo.

Onde as empresas lutam mais quando executam a IA?

Os desafios geralmente aparecem uma vez que a IA se move além da experimentação e para os sistemas operacionais. Construir um modelo é um marco, mas incorporá-lo em fluxos de trabalho de underwriting, sistemas ERP ou plataformas de reclamações introduz uma camada diferente de complexidade.

Em um cenário de implantação, um modelo havia performado bem em ambientes de teste. Quando foi conectado a um fluxo de transação ao vivo, questões sobre logging de auditoria, autoridade de substituição e mecanismos de rollback retardaram a implantação. Equipes de conformidade precisavam de rastreabilidade. Equipes de risco exigiam clareza sobre caminhos de escalada. Esses detalhes operacionais determinaram, em última análise, o cronograma.

Iniciativas de IA ganham tração quando os ambientes de dados são estruturados, o monitoramento de produção está em vigor e a responsabilidade é claramente definida. As organizações que planejam essas realidades cedo tendem a escalar de forma mais suave.

Como você distingue entre automação que melhora a eficiência e transformação que reestrutura um negócio?

A automação focada em eficiência geralmente otimiza etapas dentro de um processo existente. Uma transformação mais ampla emerge quando as equipes reconsideram como o próprio processo é estruturado.

Eu vi casos em que as organizações estavam preparando para automatizar cadeias de aprovação que abrangiam mais de uma dúzia de pontos de contato. Uma vez que a lógica de decisão foi redesenhada e os pontos de verificação de validação foram consolidados, o fluxo de trabalho se tornou significativamente mais simples. O impacto se estendeu além do tempo de ciclo; influenciou a responsabilidade e a distribuição de risco também.

Quando você simplifica o fluxo de decisão com o negócio primeiro, a automação se torna mais fácil e os ganhos persistem.

O que distingue a transformação em indústrias altamente regulamentadas?

Setores altamente regulamentados tendem a incorporar considerações de governança diretamente no design do sistema. Em indústrias como serviços financeiros e saúde, rastreabilidade e explicabilidade são requisitos antes da implantação, não depois.

Eu trabalhei com equipes que incorporaram portas de validação de modelo em pipelines de CI/CD e estabeleceram padrões de logging detalhados desde o início. Caminhos de escalada e estruturas de monitoramento foram definidos cedo nas discussões de arquitetura. Essa disciplina forma sistemas mais resilientes e prepara as organizações para uma autonomia crescente em ambientes impulsionados por IA.

Como você garante que os investimentos em IA estejam alinhados com resultados de negócios mensuráveis?

Eu encorajo as equipes de liderança a definir a mudança operacional que elas esperam ver. Isso pode significar reduzir o tempo de integração, aumentar a capacidade de serviço sem um crescimento proporcional de pessoal, ou reduzir as taxas de erro no processamento de reclamações.

Instrumentação desempenha um papel crítico. As plataformas que entregamos incluem rastreamento para throughput, latência, precisão de decisão e taxas de adoção. Quando esses indicadores são visíveis em dashboards de produção, os líderes de negócios podem conectar investimentos tecnológicos ao desempenho operacional.

O que são concepções errôneas sobre a prontidão para IA?

Muitas organizações veem pilotos bem-sucedidos como evidência de prontidão. Na prática, a prontidão se manifesta em ambientes de dados estruturados, camadas de integração estáveis, protocolos de governança definidos e modelos de responsabilidade claros.

A estabilidade de produção e a maturidade da governança moldam o sucesso de longo prazo tanto quanto o desempenho do modelo. Um modelo pode performar bem em testes, mas uma vez que está operando em volume de transação total, latência, monitoramento e tratamento de falhas se tornam críticos. As equipes precisam de procedimentos de rollback claros, detecção de deriva, padrões de logging e propriedade definida uma vez que o modelo está ao vivo.

À medida que os sistemas de IA transitam de funções consultivas para funções de tomada de decisão, a clareza sobre a autoridade de substituição e os caminhos de escalada se torna essencial. Quando esses guardrails são construídos na arquitetura cedo, a escalada se torna muito mais gerenciável.

Como os líderes devem pensar sobre o equilíbrio entre inovação e risco à medida que a IA se incorpora nas operações?

IA responsável é construída no sistema desde o início e mantida por meio de supervisão ativa. Critérios claros sobre onde os sistemas podem agir de forma independente e onde a supervisão humana permanece essencial ajudam a prevenir ambiguidade mais tarde.

O monitoramento contínuo é igualmente importante, à medida que os padrões de dados mudam e os cenários regulamentares evoluem. Os sistemas de IA exigem recalibração e revisão periódicas para manter o alinhamento com as expectativas de negócios e conformidade.

Como você mantém o alinhamento entre a execução de engenharia e a estratégia executiva?

O alinhamento se torna mais fácil quando as pessoas são honestas sobre as compensações. Se você quer se mover mais rápido, há implicações técnicas. Se você dá aos sistemas mais autonomia, você precisará de monitoramento mais forte. Se você personaliza profundamente, você está fazendo escolhas sobre quão fácil será mantê-lo mais tarde.

Nada disso é ruim. Isso apenas precisa ser explícito. Quando essas realidades são discutidas antecipadamente, a ambição e a disciplina não competem entre si. Os líderes podem impulsionar o progresso, os engenheiros podem construir de forma responsável e todos entendem o que estão assinando. Esse tipo de transparência constrói confiança e mantém o progresso constante ao longo do tempo.

Onde as empresas devem focar seus investimentos estratégicos nos próximos anos?

A adaptabilidade separará os líderes do restante. Isso geralmente se resume a fundamentos sólidos: dados limpos, infraestrutura de nuvem escalável, implantação disciplinada e visibilidade clara de como os sistemas estão performando.

As empresas que investem nessa base e constroem as parcerias de ecossistema certas em torno dela podem se adaptar à medida que os mercados e as regulamentações mudam. No longo prazo, a vantagem vem de construir operações e arquitetura que possam lidar com qualquer onda que venha a seguir.

Obrigado pela grande entrevista, leitores que desejam aprender mais devem visitar Xebia.