พรีตพาล ซิงห์ ผู้อำนวยการบริหารกลุ่มที่ Xebia – ซีรีส์สัมภาษณ์

พรีตพาล ซิงห์ เป็นผู้อำนวยการบริหารกลุ่มที่ Xebia โดยมีหน้าที่นำการขยายตัวของธุรกิจและเทคโนโลยี เขามีประสบการณ์มากกว่า 26 ปีในอุตสาหกรรมต่างๆ เช่น การเงิน การดูแลสุขภาพ การผลิต ผู้บริโภค และเทคโนโลยี และได้ทำงานที่จุดตัดระหว่างการดำเนินงานทางเทคนิคและการเปลี่ยนแปลงธุรกิจ

Xebia เป็นบริษัทวิศวกรรมดิจิทัลระดับโลกที่ออกแบบ สร้าง และปรับปรุงผลิตภัณฑ์และแพลตฟอร์มดิจิทัลให้กับธุรกิจทั่วโลก บริษัทนี้รวมเอาวิศวกรรมซอฟต์แวร์ การปรับปรุงคลาวด์และข้อมูล การสร้าง AI และการทำงานอัตโนมัติเพื่อช่วยให้องค์กรพัฒนาแอปพลิเคชันที่มีความสามารถขยายตัว อาคารที่ทันสมัย และความสามารถ AI ที่รวมกัน

คุณมีประสบการณ์มากกว่า 26 ปีในการนำธุรกิจและเทคโนโลยีในหลายอุตสาหกรรม คุณมองเห็นความสำเร็จในด้านนวัตกรรมและการเติบโตอย่างไรในวันนี้?

เมื่อเวลาผ่านไป ฉันให้ความสำคัญกับการทนทานมากกว่าการเป็นนวัตกรรมใหม่ๆ ในช่วงแรกของอาชีพ ฉันถูกดึงดูดโดยพลังของเทคโนโลยีเอง แต่เมื่อเวลาผ่านไป ฉันเริ่มให้ความสำคัญกับสิ่งที่เกิดขึ้นหลังจากการขยายตัวของธุรกิจ เมื่อระบบต้องรวมกับแพลตฟอร์มที่มีอยู่แล้ว ผ่านการตรวจสอบความถูกต้อง และทำงานได้อย่างต่อเนื่องภายใต้ภาระงานจริง

ในวันนี้ ฉันเข้าใกล้การสร้างสรรค์นวัตกรรมด้วยมุมมองที่เป็นจริง เราที่ Xebia ให้ความสำคัญกับการสร้างและปรับปรุงแพลตฟอร์มที่เป็นศูนย์กลางของการดำเนินงาน เราคิดถึงความสามารถในการบำรุงรักษา ตรวจสอบ และขยายตัวในระยะยาว เนื่องจากการเติบโตจะยั่งยืนเมื่อระบบพื้นฐานถูกสร้างขึ้นเพื่อรับมือกับแรงกดดันในระยะยาว

ธุรกิจต่างๆ มักจะพบปัญหาในการดำเนินธุรกิจ AI ที่ไหน?

ความท้าทายมักจะเกิดขึ้นเมื่อ AI ขยายตัวออกไปนอกการลองใช้และเข้าสู่ระบบการดำเนินงาน การสร้างแบบจำลองเป็นเพียงจุดเริ่มต้น แต่การรวมแบบจำลองเข้ากับกระบวนการทำงาน อี آر พี หรือแพลตฟอร์มการอ้างสิทธิ์จะทำให้เกิดความซับซ้อนขึ้น

ในสถานการณ์การใช้งานหนึ่ง แบบจำลองทำงานได้ดีใน môi trườngทดสอบ แต่เมื่อมันถูกเชื่อมต่อกับกระบวนการธุรกรรมจริง คำถามเกี่ยวกับการบันทึกการตรวจสอบ การอนุมัติ และกลไกการยกเลิกทำให้การขยายตัวชะลอ下来 ทีมงานต้องการความสามารถในการตรวจสอบและติดตามผล

การดำเนินธุรกิจ AI จะได้รับการยอมรับเมื่อระบบข้อมูลถูกจัดระเบียบ การตรวจสอบการผลิตถูกนำไปใช้ และความรับผิดชอบถูกกำหนดไว้อย่างชัดเจน องค์กรที่วางแผนสำหรับความเป็นจริงเหล่านี้ตั้งแต่เนิ่นๆ มักจะขยายตัวได้อย่างราบรื่น

คุณแยกแยะระหว่างการทำงานอัตโนมัติที่ปรับปรุงประสิทธิภาพและการเปลี่ยนแปลงที่เปลี่ยนแปลงธุรกิจอย่างไร?

การทำงานอัตโนมัติที่เน้นประสิทธิภาพมักจะทำให้กระบวนการภายในธุรกิจเร็วขึ้น แต่การเปลี่ยนแปลงที่กว้างขึ้นเกิดขึ้นเมื่อทีมงานพิจารณาโครงสร้างกระบวนการใหม่

ฉันเห็นกรณีที่องค์กรเตรียมที่จะทำงานอัตโนมัติในกระบวนการอนุมัติที่มีจุดสัมผัสมากกว่า 12 จุด เมื่อหลักการการตัดสินใจถูกออกแบบใหม่และจุดตรวจสอบถูกย่อให้เล็ก กระบวนการทำงานกลายเป็นเรียบง่ายขึ้น ผลกระทบไม่เพียงแต่ส่งผลต่อเวลาในการวนรอบ แต่ยังรวมถึงความรับผิดชอบและการกระจายความเสี่ยงด้วย

เมื่อคุณทำให้กระบวนการตัดสินใจง่ายขึ้นก่อน การทำงานอัตโนมัติจะง่ายขึ้นและผลลัพธ์จะยั่งยืน

อะไรที่ทำให้การเปลี่ยนแปลงในอุตสาหกรรมที่มีการควบคุมอย่างเข้มงวดแตกต่าง?

อุตสาหกรรมที่มีการควบคุมอย่างเข้มงวดมักจะรวมการคำนึงถึงการกำกับดูแลเข้ากับการออกแบบระบบตั้งแต่แรก ในอุตสาหกรรม เช่น การเงินและการดูแลสุขภาพ ความสามารถในการตรวจสอบและอธิบายถึงความจำเป็นก่อนการนำไปใช้

ฉันทำงานร่วมกับทีมที่รวมการตรวจสอบแบบจำลองเข้ากับกระบวนการ CI/CD และกำหนดมาตรฐานการบันทึกอย่างละเอียดตั้งแต่แรก การกำหนดเส้นทางการยกเลิกและการติดตามผลถูกกำหนดไว้ตั้งแต่เนิ่นๆ ในการอภิปรายเกี่ยวกับการออกแบบ นั่นทำให้ระบบมีความทนทานมากขึ้นและเตรียมพร้อมสำหรับการทำงานอัตโนมัติในอนาคต

คุณรับรองว่าการลงทุนใน AI สอดคล้องกับผลลัพธ์ทางธุรกิจที่วัดผลได้อย่างไร?

ฉันขอแนะนำให้ทีมผู้นำกำหนดการเปลี่ยนแปลงการดำเนินงานที่คาดหวัง นั่นอาจหมายถึงการลดเวลาในการฝึกอบรม เพิ่มความสามารถในการให้บริการโดยไม่ต้องเพิ่มจำนวนพนักงาน หรือลดอัตราความผิดพลาดในการประมวลผลการอ้างสิทธิ์

การตรวจสอบมีบทบาทสำคัญ แพลตฟอร์มที่เรานำเสนอประกอบด้วยการตรวจสอบสำหรับการส่งต่อ ความล่าช้า ความแม่นยำในการตัดสินใจ และอัตราการนำไปใช้ เมื่อตัวบ่งชี้เหล่านั้นปรากฏในแดชบอร์ดการผลิต ผู้นำทางธุรกิจสามารถเชื่อมโยงการลงทุนด้านเทคโนโลยีกับการดำเนินงานได้

คุณมองเห็นความเข้าใจผิดเกี่ยวกับการเตรียมพร้อมของ AI อย่างไร?

หลายองค์กรมองว่าการลองใช้ AI ที่ประสบความสำเร็จเป็นหลักฐานของการเตรียมพร้อม ในทางปฏิบัติ การเตรียมพร้อมแสดงออกมาในระบบข้อมูลที่มีโครงสร้าง การเชื่อมต่อที่มีเสถียรภาพ โพรโทคอลการกำกับดูแลที่ชัดเจน และแบบจำลองความรับผิดชอบ

ความเสถียรของการผลิตและการเติบโตของการกำกับดูแลมีอิทธิพลต่อความสำเร็จในระยะยาวไม่แพ้กับการทำงานของแบบจำลอง เมื่อระบบ AI เข้าสู่การผลิตที่มีปริมาณการทำธุรกรรมเต็มรูปแบบ ความล่าช้า การติดตามผล และการรับมือความล้มเหลวจะกลายเป็นเรื่องสำคัญ ทีมงานต้องการกระบวนการยกเลิกที่ชัดเจน การตรวจจับการเปลี่ยนแปลง การบันทึกมาตรฐาน และความรับผิดชอบที่ชัดเจนเมื่อแบบจำลองอยู่ในสถานะการผลิต

ผู้นำควรพิจารณาการสร้างสมดุลระหว่างนวัตกรรมและการเสี่ยงเมื่อ AI ถูกฝังอยู่ในกระบวนการดำเนินงานอย่างไร?

การสร้าง AI ที่มีความรับผิดชอบถูกสร้างเข้าไปในระบบตั้งแต่วันแรกและดูแลอย่างต่อเนื่อง มาตรฐานที่ชัดเจนเกี่ยวกับสถานการณ์ที่ระบบสามารถดำเนินการได้ด้วยตนเองและที่ต้องการการกำกับดูแลของมนุษย์จะช่วยป้องกันความไม่แน่นอนในอนาคต

การตรวจสอบอย่างต่อเนื่องมีความสำคัญเช่นกัน เนื่องจากรูปแบบข้อมูลเปลี่ยนแปลงและภูมิทัศน์ทางกฎระเบียบพัฒนาไป AI ต้องการการปรับแต่งและการทบทวนอย่างสม่ำเสมอเพื่อรักษาความสอดคล้องกับความคาดหวังทางธุรกิจและการปฏิบัติตามกฎระเบียบ

คุณรักษาความสอดคล้องระหว่างการดำเนินงานด้านวิศวกรรมและการวางกลยุทธ์ของผู้บริหารอย่างไร?

ความสอดคล้องจะง่ายขึ้นเมื่อคนๆ มีความซื่อสัตย์เกี่ยวกับการแลกเปลี่ยน หากคุณต้องการเคลื่อนที่เร็วขึ้น จะมีผลกระทบทางเทคนิค หากคุณให้ระบบมีความเป็นอิสระมากขึ้น คุณจะต้องการการตรวจสอบที่เข้มงวดมากขึ้น หากคุณปรับแต่งอย่างลึก คุณกำลังตัดสินใจเกี่ยวกับวิธีการบำรุงรักษาในอนาคต

ไม่มีอะไรที่ไม่ดี มันแค่ต้องชัดเจน เมื่อความเป็นจริงเหล่านั้นถูกอภิปรายตั้งแต่เนิ่นๆ ความทะเยอทะยานและการมีวินัยไม่แข่งขันกัน ผู้นำสามารถผลักดันไปข้างหน้า วิศวกรสามารถสร้างอย่างมีความรับผิดชอบ และทุกคนเข้าใจสิ่งที่พวกเขากำลังลงนามไว้ ความโปร่งใสแบบนั้นสร้างความไว้วางใจและรักษาความก้าวหน้าอย่างต่อเนื่อง

ธุรกิจควรให้ความสำคัญกับการลงทุนเชิงกลยุทธ์ในด้านใดในช่วงหลายปีที่จะมาถึง?

ความสามารถในการปรับตัวจะแยกผู้นำออกจากผู้อื่น สิ่งนั้นมักจะลดลงมาจากพื้นฐานที่แข็งแกร่ง: ข้อมูลที่สะอาด โครงสร้างพื้นฐานคลาวด์ที่ขยายตัวได้ การใช้งานที่มีวินัย และการมองเห็นอย่างชัดเจนถึงวิธีการทำงานของระบบ

บริษัทที่ลงทุนในพื้นฐานนั้น และสร้างความร่วมมือทางนิเวศวิทยาที่เหมาะสมรอบๆ มัน สามารถปรับตัวให้เข้ากับการเปลี่ยนแปลงของตลาดและการควบคุมในระยะยาว ในระยะยาว ความได้เปรียบมาจากการสร้างการดำเนินงานและสถาปัตยกรรมที่สามารถรับมือกับคลื่นลูกต่อไปได้

ขอขอบคุณสำหรับการสัมภาษณ์ที่ยอดเยี่ยม ผู้อ่านสามารถเยี่ยมชม Xebia เพื่อเรียนรู้เพิ่มเติม