Нитин Сингхал, Вице-президент по инженерии (Данные, ИИ и интеграции) в SnapLogic

Нитин Сингхал – опытный технологический и продуктовый лидер с более чем 25-летним опытом работы в отрасли. В настоящее время он занимает должность Вице-президента по инженерии в SnapLogic, где он фокусируется на ответственной интеграции приложений и систем, используя архитектуру Agentic для раскрытия потенциала данных для глобальной аудитории.

До своей работы в SnapLogic Нитин был Старшим директором по инженерии в Twitter, где он возглавлял функции инженерии управления данными и инфраструктуры конфиденциальности. Его работа включала в себя создание практик управления данными в критический период для компании, обеспечивая ответственное использование данных и соблюдение правил конфиденциальности.

Нитин также занимал различные инженерные и продуктовые лидерские позиции в известных организациях, включая Visa (V ), PayPal (PYPL ) и JPMorgan Chase, где он внес значительный вклад в развитие стратегии и управления данными.

SnapLogic – это платформа интеграции, работающая на основе ИИ, которая упрощает потоки данных и приложений с помощью инструментов без кода и более 1000 предварительно созданных соединителей. Она поддерживает ETL/ELT, автоматизацию, управление API и безопасные развертывания в облаке, на месте и в гибридных средах. Функции, такие как SnapGPT и AutoSync, повышают эффективность, позволяя организациям интегрировать и оркестрировать процессы без проблем.

У вас почти 25 лет опыта внедрения технологических инноваций. Что первоначально вдохновило вас на карьеру, ориентированную на использование технологий для решения сложных проблем, и как эта страсть эволюционировала с развитием ИИ?

С самого начала своей карьеры меня увлекала задача решения головоломок и логическая красота математики. Этот интерес естественным образом привел меня к изучению того, как технологии могут решать сложные, реальные проблемы. В начале своей карьеры меня вдохновлял потенциал технологий для решения проблем, таких как обнаружение мошенничества с транзакциями и риски, связанные с конфиденциальностью данных. Моя страсть только углубилась, когда ИИ развивался, особенно с появлением Генеративного ИИ. Я стал свидетелем трансформационного воздействия ИИ, от предоставления фермерам информации о посевах через смартфоны до того, чтобы обычные пользователи, такие как мой отец, могли легко ориентироваться в задачах, таких как подача налоговой декларации. Демократизация технологий ИИ вдохновляет меня, позволяя нам положительно влиять на жизнь людей. Это непрерывное путешествие питает мою приверженность продвижению ИИ способами, которые не только инновационны и эффективны, но и безопасны, ответственные и доступны всем.

Каковы самые большие риски, с которыми сталкиваются компании, когда они полагаются на устаревшие технологии в эпоху передового ИИ?

Полагаться на устаревшие технологии представляет значительные риски, которые могут поставить под угрозу будущее бизнеса. Устаревшие системы, особенно устаревшие инфраструктуры, приводят к разрушительным неэффективностям и не позволяют организациям использовать ИИ для высокоценных задач. Эти устаревшие технологии испытывают трудности с доступностью и интеграцией данных, создавая дорогостоящие операционные瓶颈, которые препятствуют автоматизации и инновациям. Скрытые затраты на поддержание таких систем накапливаются, истощая ресурсы и затрудняя привлечение лучших талантов, которые предпочитают современные технологические среды. Когда компании попадают в цикл застоя, они упускают прогрессивные возможности роста и рискуют быть обогнанными более гибкими конкурентами.

Выбор очевиден: эволюционировать, как iPhone, или столкнуться с судьбой BlackBerry.

Как устаревшие системы испытывают трудности в удовлетворении требований современных приложений ИИ, особенно в отношении энергии, спроса и инфраструктуры?

Устаревшие системы сталкиваются с значительными проблемами в удовлетворении требований современных приложений ИИ из-за своих внутренних ограничений. Эти устаревшие инфраструктуры нуждаются в большей мощности обработки данных, масштабируемости и гибкости для интенсивных вычислительных потребностей ИИ. Они часто создают данные в изоляции и препятствуют потоку данных в режиме реального времени, что необходимо для получения информации, основанной на ИИ. Эта несовместимость препятствует внедрению передовых технологий ИИ и приводит к неэффективному использованию ресурсов, увеличению энергопотребления и потенциальным сбоям в работе системы. В результате компании, полагающиеся на устаревшие системы, испытывают трудности в полном использовании потенциала ИИ в критических областях, таких как точная нацеливание, расчет заработной платы и обнаружение мошенничества, что в конечном итоге ограничивает их конкурентное преимущество в ландшафте, управляемом ИИ.

Каковы “скрытые” затраты на бездействие для компаний, которые колеблются в модернизации своих систем?

Полагаться на устаревшие технологии означает, что компании полагаются на ручные процессы и изолированные данные, что приводит к увеличению затрат и снижению производительности. Со временем эта неэффективность накапливается, что приводит к упущенным возможностям и значительной потере конкурентного преимущества, поскольку более гибкие конкуренты принимают решения ИИ. Кроме того, потенциал сотрудников растрачивается на повторяющиеся задачи вместо стратегической работы, что вызывает разочарование и потенциально более высокие показатели текучести кадров. Когда конкуренты используют ИИ для большей эффективности и инноваций, компании, которые задерживают модернизацию, рискуют отстать еще больше, в конечном итоге подвергая свою рыночную позицию и долгосрочную жизнеспособность в все более цифровом ландшафте.

Организации должны различать обоснованные опасения, связанные с принятием ИИ, и случаи, когда человеческие неуверенности порождают вводящие в заблуждение повествования.

Как компании могут оценить, отстают ли они в плане готовности инфраструктуры для ИИ?

Компании могут оценить свою готовность к ИИ, оценив, могут ли их текущие системы интегрироваться с современными инструментами ИИ и масштабироваться для удовлетворения растущих потребностей в данных. Если они испытывают трудности с эффективной обработкой больших наборов данных, использованием облачных решений или поддержкой автоматизации, это явный признак того, что они могут отстать. Кроме того, компании должны проверить, создают ли устаревшие системы препятствия или требуют ли они чрезмерного ручного вмешательства, препятствуя производительности. Ключевые индикаторы отставшей инфраструктуры включают данные в изоляции, неадекватную аналитику в режиме реального времени, недостаточную мощность вычислений для сложных алгоритмов и трудности в привлечении талантов ИИ. В конечном итоге организации, которые постоянно отстают от возможностей ИИ, рискуют потерять свое конкурентное преимущество в все более цифровом ландшафте. Я также подчеркну, что передовые методы наблюдения, безопасности и защиты данных, следующих архитектуре, являются важными для беспрепятственной и ответственной готовности ИИ.

Какие практические шаги организации могут предпринять сегодня, чтобы обеспечить будущую безопасность своих систем для инноваций ИИ?

Первым шагом является оценка текущего технологического стека и поиск областей, где можно интегрировать ИИ. Организации должны отдавать приоритет масштабируемым облачным решениям, которые поддерживают автоматизацию, управляемую ИИ, и делают легким включение новых технологий. В частности, платформы с низким кодом могут помочь компаниям с ограниченными ресурсами быстро развертывать агентов ИИ без необходимости глубоких технических знаний. Предприятия также должны обеспечить, чтобы у них была гибкая, облачная инфраструктура, которая может масштабироваться по мере необходимости для поддержки будущих приложений ИИ.

По вашему мнению, какие отрасли больше всего выигрывают от быстрого принятия ИИ и модернизации устаревших систем?

Отрасли, которые полагаются на принятие решений на основе данных и повторяющихся задач, больше всего выигрывают. Например, в финансовом секторе ИИ может автоматизировать задачи, такие как поддержка клиентов, обнаружение мошенничества и одобрение кредитов, оптимизируя операции и улучшая опыт клиентов. Аналогично, отделы продаж и обслуживания клиентов могут увидеть значительный прирост производительности, используя ИИ для обработки обычных запросов или обработки лидов более эффективно. Компании в сфере здравоохранения, производства и розничной торговли также могут получить значительную выгоду от ИИ, особенно поскольку инструменты ИИ могут помочь оптимизировать цепочки поставок, прогнозировать спрос и автоматизировать административную работу. Вместо выполнения этих повторяющихся задач эксперты в области могут сосредоточиться на стратегической работе, создавая высокую отдачу от инвестиций в ИИ.

Как платформа SnapLogic в частности поддерживает компании в замене фрагментированных, устаревших инфраструктур на решения, управляемые ИИ?

 Платформа SnapLogic позволяет компаниям объединять и автоматизировать рабочие процессы по данным и приложениям, соединяя устаревшие системы с современной, готовой к ИИ инфраструктурой. Обеспечивая беспрепятственное подключение фрагментированных источников данных и упрощая интеграцию в облаке и на месте, SnapLogic ускоряет переход к единой системе, где ИИ может обеспечить немедленную ценность.

Интерфейс платформы с низким кодом, включая инструменты, такие как AgentCreator и SnapGPT, позволяет компаниям быстро развертывать решения, управляемые ИИ, для различных случаев использования, от автоматизации взаимодействия с клиентами до улучшения финансовой отчетности и маркетинговой эффективности. Технология IRIS AI от SnapLogic обеспечивает интеллектуальные рекомендации для создания конвейеров данных, значительно снижая сложность задач интеграции и делая платформу доступной для пользователей с различным уровнем технической экспертизы.

SnapLogic отдает приоритет управлению данными, соблюдению требований и безопасности в инициативах ИИ. С функциями, такими как шифрование от конца до конца, комплексное ведение журналов и предварительный просмотр действий агентов, предприятия могут уверенно масштабировать свои проекты ИИ. Недавний запуск каталога интеграции и инструментов управления данными обеспечивает важный контекст для защиты конфиденциальных данных от утечки во время передачи и получения. Кроме того, SnapLogic предлагает возможности интеграции в современные системы в составной форме, стимулируя бизнес-цели, обеспечивая гибкие решения для решения проблем стоимости, соблюдения требований и обслуживания.

Какие уникальные проблемы вы столкнулись в SnapLogic при разработке продуктов, которые соединяют устаревшие и современные системы, интегрированные с ИИ?

 Одной из уникальных проблем в соединении устаревших и современных систем, интегрированных с ИИ, было обеспечение того, чтобы платформа SnapLogic могла вместить жесткость старых систем, сохраняя при этом гибкость и масштабируемость, необходимые для приложений ИИ. Другой проблемой было создание платформы, доступной как для технических, так и для нетехнических пользователей, что требует баланса между продвинутой функциональностью и простотой использования.

Как компания SAAS для предприятий, SnapLogic балансирует уникальные и общие потребности сотен своих клиентов из разных отраслей, постоянно развивая платформу для принятия новых и современных технологий в гибкой, ответственной и обратно совместимой форме

Для решения этой проблемы мы разработали предварительно созданные соединители, которые без проблем интегрируют данные на старых и новых платформах. С помощью SnapLogic AgentCreator мы также позволили организациям развертывать агентов ИИ, которые автоматизируют задачи, принимают решения в режиме реального времени и адаптируются внутри существующих рабочих процессов.

Можете ли вы рассказать больше о “Генеративной интеграции” SnapLogic и о том, как она обеспечивает беспрепятственную автоматизацию, управляемую ИИ, в корпоративных средах?

Генеративная интеграция SnapLogic – это передовая функция платформы SnapLogic, которая использует генеративный ИИ и большие языковые модели (LLM) для упрощения и автоматизации создания конвейеров интеграции и рабочих процессов. Этот инновационный подход позволяет бизнесу без проблем соединять системы, приложения и источники данных, облегчая переход в среды, управляемые ИИ. Интерпретируя естественные языковые подсказки, Генеративная интеграция позволяет даже нетехническим пользователям быстро разрабатывать, настраивать и развертывать интеграции. Эта демократизация интеграции ускоряет цифровую трансформацию и снижает зависимость от обширных технических знаний, позволяя предприятиям сосредоточиться на стратегических инициативах и повысить операционную эффективность.

Кроме того, SnapLogic предлагает огромную гибкость, позволяя клиентам использовать любые публичные модели LLM, адаптированные к их конкретным потребностям, обеспечивая, чтобы организации могли использовать лучшие доступные инструменты, сохраняя при этом прочные стандарты управления и соблюдения требований.

Благодарим за отличное интервью, читатели, которые хотят узнать больше, могут посетить SnapLogic.