Прітпал Сінгх, Груповий виконавчий директор Xebia – Серія інтерв’ю

Прітпал Сінгх є Груповим виконавчим директором Xebia, де він очолює глобальні ініціативи, спрямовані на будівництво та модернізацію цифрових платформ, корпоративних додатків та систем, заснованих на даних. З більш ніж 26 років досвіду у сфері фінансових послуг, охорони здоров’я, виробництва, споживчої та високотехнологічної промисловості, він працював на перетині технологічної реалізації та бізнес-трансформації. Його кар’єра охоплює доставку інженерії, лідерство на ринку та великомасштабні операційні зміни, з постійним акцентом на перетворенні нових технологій у системи, які працюють надійно у виробничих середовищах.

Xebia є глобальною інженерною компанією, яка проектує, будує та модернізує цифрові продукти та платформи для підприємств усьому світі. Компанія поєднує інженерію програмного забезпечення, модернізацію хмарних та даних, генерацію штучного інтелекту та інтелектуальну автоматизацію, щоб допомогти організаціям розробляти масштабовані додатки, сучасні архітектури та інтегровані можливості штучного інтелекту. З командами, що працюють у декількох регіонах, Xebia співпрацює з підприємствами, щоб вбудувати нові технології у основні системи та платформи, що орієнтуються на клієнтів, забезпечуючи, щоб інновації підтримувалися сильними інженерними основами.

Ви провели понад 26 років, очолюючи технологічні, продажні та бізнесові трансформаційні ініціативи у декількох галузях. Як ця подорож сформувала ваш підхід до інновацій та зростання сьогодні?

З часом я став більш зосередженим на тривалості, ніж на новизні. На початку своєї кар’єри я був приваблений силою технологій самої по собі. З досвідом я почав звертати більшу увагу на те, що відбувається після фази пілотного проекту, коли системи повинні інтегруватися з платформами спадщини, проходити огляди відповідності та працювати стабільно під реальними робочими навантаженнями. У всіх галузях переломний момент завжди здається тим, коли перспективна ініціатива переходить до виробництва. Власність стає критичною. Комплексність інтеграції виходить на поверхню. Толерантність до ризику піддається випробуванню. Там трансформація або дозріває, або зупиняється.

Сьогодні я підходжу до інновацій з практичною лінзою. У Xebia ми пріоритезуємо будівництво та модернізацію платформ, які розташовані в центрі операцій. Ми думаємо про довгострокову підтримку, аудитованість та масштабованість з самого початку, оскільки зростання тільки підтримується, коли основні системи інженерно спроектовані для того, щоб витримувати тиск з часом.

Де підприємства найбільш сильно борються під час виконання штучного інтелекту?

Виходять виклики, як правило, після того, як штучний інтелект переходить за межі експериментів та у операційні системи. Будівництво моделі – це один етап, але вбудовування її у потоки підрахунку, системи ERP або платформи обробки вимог вводить інший рівень складності.

У одному сценарії розгортання модель добре працювала у тестових середовищах. Коли вона була підключена до живого потоку транзакцій, питання щодо реєстрації аудиту, влади перегляду та механізмів відкату сповільнили розгортання. Команди відповідності потребували прозорості. Команди ризику вимагали ясності щодо шляхів ескалації. Ці операційні деталі в кінцевому підсумку визначили графік.

Ініціативи штучного інтелекту набувають імпульсу, коли трубопроводи даних структуровані, моніторинг виробництва знаходиться на місці, та відповідальність чітко визначена. Організації, які планують ці реалії заздалегідь, мають тенденцію масштабуватися більш гладко.

Як ви відрізняєте автоматизацію, яка покращує ефективність, та трансформацію, яка змінює бізнес?

Автоматизація, орієнтована на підвищення ефективності, часто оптимізує кроки всередині існуючого процесу. Ширша трансформація виникає, коли команди переглядають структуру процесу самої по собі.

Я бачив випадки, коли організації готувалися до автоматизації ланцюгів схвалення, які охоплювали понад десяток точок дотику. Як тільки логіка прийняття рішень була перероблена та перевірочні точки були консолідовані, робочий процес став значно простішим. Вплив поширився за межі циклу часу; він вплинув на відповідальність та розподіл ризику.

Коли ви спрощуєте потік прийняття рішень з бізнесом спочатку, автоматизація стає легшою, а вигоди залишаються.

Що відрізняє трансформацію у високорегульованих галузях?

Високорегульовані сектори схильні вбудовувати урядові розгляди безпосередньо у проектування системи. У галузях, таких як фінансові послуги та охорона здоров’я, слідування та пояснюваність є вимогами до розгортання, а не після нього.

Я працював з командами, які включили ворота валідації моделі до конвеєрів CI/CD та встановили детальні стандарти реєстрації з самого початку. Шляхи ескалації та моніторингові рамках були визначені на ранньому етапі архітектурних обговорень. Ця дисципліна формує більш стійкі системи та готує організації до зростання автономності у середовищах, керованих штучним інтелектом.

Як ви забезпечуєте, щоб інвестиції у штучний інтелект відповідали вимірним бізнес-результатам?

Я заохочую команди керівників визначити операційний зсув, який вони очікують побачити. Це може означати скорочення часу реєстрації, збільшення обсягів обслуговування без пропорційного зростання кількості працівників, або зниження рівня помилок у обробці вимог.

Інструментування грає критичну роль. Платформи, які ми доставляємо, включають відстежування пропускної здатності, затримки, точності прийняття рішень та показників прийняття. Коли ці індикатори видимі у виробничих панелях, бізнес-лідери можуть зв’язати технологічні інвестиції з операційною продуктивністю. Як стратегічні партнерства прискорюють штучний інтелект у масштабі?

Ініціативи штучного інтелекту підприємств охоплюють інфраструктуру, платформи даних, архітектуру додатків та безпеку. Координована реалізація через ці шари вимагає глибини та узгодженості. Партнерства створюють імпульс, коли вони безпосередньо пов’язані з інженерною здатністю та операційною реалізацією.

Наша розширена співпраця з партнерами, такими як Google Cloud, Anthropic та інші, включає розвиток повторюваних галузевих рішень та створення глобального Центру досконалості для підтримки масштабованої доставки. Такі структури знижують тертя інтеграції та забезпечують узгодженість під час розгортання у різних регіонах та бізнес-підрозділах.

Які забобони ви бачите навколо готовності штучного інтелекту?

Багато організацій розглядають успішні пілотні проекти як доказ готовності. На практиці готовність проявляється у структурованих середовищах даних, стабільних шарах інтеграції, визначених протоколах урядових розглядов та чітких моделях відповідальності.

Стабільність виробництва та зрілість урядових розглядов формують довгостроковий успіх так само, як і продуктивність моделі. Модель може працювати добре у тестуванні, але як тільки вона працює на повному обсязі транзакцій, затримка, моніторинг та обробка відмов стають критичними. Командам потрібні чіткі процедури відкату, виявлення дрейфу, стандарти реєстрації та визначена власність, коли модель знаходиться у живому режимі.

Коли системи штучного інтелекту переходять від консультативних ролей до ролей прийняття рішень, ясність щодо влади перегляду та шляхів ескалації стає суттєвою. Коли ці поручні будуються у архітектуру з самого початку, масштабування стає значно більш керованим.

Як лідери повинні думати про баланс інновацій та ризику, коли штучний інтелект стає частиною операцій?

Відповідальний штучний інтелект будується у систему з самого початку та підтримується активним наглядом. Чіткі критерії щодо того, де системи можуть діяти незалежно, та де людський нагляд залишається суттєвим, допомагають запобігти двозначності пізніше.

Постійний моніторинг також є важливим, оскільки шаблони даних змінюються, а регуляторні ландшафти еволюціонують. Системи штучного інтелекту потребують періодичної калібрування та перегляду, щоб підтримувати узгодженість з бізнес- та відповідними очікуваннями.

Як ви підтримуєте узгодженість між інженерною реалізацією та виконавчою стратегією?

Узгодженість стає легшою, коли люди чесні щодо компромісів. Якщо ви хочете рухатися швидше, є технічні наслідки. Якщо ви даєте системам більше автономії, вам потрібно сильніше моніторинг. Якщо ви глибоко налаштовуєте, ви робите вибір щодо того, наскільки легко буде підтримувати пізніше.

Нічого поганого в цьому немає. Це просто потрібно зробити явним. Коли ці реалії обговорюються заздалегідь, амбіції та дисципліна не конкурують одна з одною. Лідери можуть рухатися вперед, інженери можуть будувати відповідально, а всі розуміють, на що вони підписуються. Така прозорість будує довіру та підтримує прогрес стабільним з часом.

Де підприємства повинні зосередити свої стратегічні інвестиції протягом наступних кількох років?

Адаптивність відокремить лідерів від інших. Це зазвичай складається зі сильних основ: чистих даних, масштабованої інфраструктури хмар, дисциплінованого розгортання та чіткої видимості того, як системи працюють.

Компанії, які інвестують у цю основу, і будують правильні партнерства екосистеми навколо неї, можуть пристосовуватися до змін ринку та регуляцій. У довгостроковій перспективі перевага виникає з будівництва операцій та архітектури, які можуть впоратися з будь-якою хвилею, яка надходить далі.

Дякуємо за велике інтерв’ю, читачам, які бажають дізнатися більше, слід відвідати Xebia.