Nitin Singhal, Phó Chủ tịch Kỹ thuật (Dữ liệu, Trí tuệ nhân tạo và Tích hợp) tại SnapLogic

Nitin Singhal là một nhà lãnh đạo công nghệ và sản phẩm có kinh nghiệm với hơn 25 năm trong ngành. Hiện tại, ông đang giữ vị trí Phó Chủ tịch Kỹ thuật tại SnapLogic, tập trung vào việc tích hợp ứng dụng và hệ thống một cách có trách nhiệm, tận dụng kiến trúc Agentic để mở khóa tiềm năng dữ liệu cho khán giả toàn cầu.

Trước khi giữ vị trí tại SnapLogic, Nitin là Giám đốc Kỹ thuật tại Twitter, nơi ông đã lãnh đạo các chức năng kỹ thuật quản lý dữ liệu và cơ sở hạ tầng bảo mật. Công việc của ông liên quan đến việc thiết lập các thực hành quản lý dữ liệu trong một giai đoạn quan trọng của công ty, đảm bảo sử dụng dữ liệu có trách nhiệm và tuân thủ các quy định về quyền riêng tư.

Nitin cũng đã giữ các vị trí lãnh đạo kỹ thuật và sản phẩm tại các tổ chức nổi bật, bao gồm Visa (V ), PayPal (PYPL ) và JPMorgan Chase, nơi ông đã đóng góp vào các tiến bộ đáng kể trong chiến lược và quản lý dữ liệu.

SnapLogic là một nền tảng tích hợp được hỗ trợ bởi trí tuệ nhân tạo, giúp đơn giản hóa các quy trình làm việc của dữ liệu và ứng dụng với các công cụ không cần mã và hơn 1.000 kết nối được xây dựng sẵn. Nó hỗ trợ ETL/ELT, tự động hóa, quản lý API và triển khai bảo mật trên các môi trường đám mây, tại chỗ và kết hợp. Các tính năng như SnapGPT và AutoSync giúp tăng cường hiệu quả, cho phép các tổ chức tích hợp và điều phối quy trình một cách liền mạch.

Bạn có gần 25 năm kinh nghiệm trong việc thúc đẩy đổi mới công nghệ. Điều gì đã đầu tiên truyền cảm hứng cho bạn theo đuổi sự nghiệp tập trung vào việc sử dụng công nghệ để giải quyết các vấn đề phức tạp, và làm thế nào đam mê đó đã phát triển cùng với sự trỗi dậy của trí tuệ nhân tạo?

Từ đầu sự nghiệp của tôi, tôi đã bị thu hút bởi thách thức của việc giải quyết các vấn đề và vẻ đẹp logic của toán học. Sự tò mò này tự nhiên dẫn tôi đến việc khám phá cách công nghệ có thể giải quyết các vấn đề phức tạp, thực tế. Sớm trong sự nghiệp của tôi, tôi đã được truyền cảm hứng bởi tiềm năng của công nghệ trong việc giải quyết các vấn đề như phát hiện gian lận giao dịch và rủi ro bảo mật dữ liệu. Đam mê của tôi chỉ tăng sâu sắc hơn khi trí tuệ nhân tạo phát triển, đặc biệt là với sự ra đời của Trí tuệ nhân tạo sinh (Generative AI). Tôi đã chứng kiến tác động chuyển đổi của trí tuệ nhân tạo, từ việc trao quyền cho nông dân với thông tin về cây trồng thông qua điện thoại thông minh đến việc cho phép người dùng hàng ngày, như cha tôi, dễ dàng thực hiện các nhiệm vụ như nộp thuế. Sự dân chủ hóa công nghệ trí tuệ nhân tạo khiến tôi hứng thú, cho phép chúng ta tạo ra sự khác biệt tích cực trong cuộc sống của mọi người. Hành trình này tiếp tục thúc đẩy cam kết của tôi trong việc thúc đẩy trí tuệ nhân tạo theo cách không chỉ đổi mới và hiệu quả mà còn an toàn, có trách nhiệm và dễ tiếp cận với tất cả mọi người.

Những rủi ro lớn nhất mà các doanh nghiệp phải đối mặt khi dựa vào công nghệ lỗi thời trong thời đại trí tuệ nhân tạo tiên tiến là gì?

Dựa vào công nghệ lỗi thời đặt ra những rủi ro đáng kể có thể đe dọa tương lai của một doanh nghiệp. Các hệ thống lỗi thời, đặc biệt là cơ sở hạ tầng cũ, dẫn đến sự kém hiệu quả tê liệt và ngăn cản các tổ chức tận dụng trí tuệ nhân tạo cho các nhiệm vụ có giá trị cao. Những công nghệ lỗi thời này gặp khó khăn trong việc tiếp cận và tích hợp dữ liệu, tạo ra các nút thắt hoạt động tốn kém và cản trở tự động hóa và đổi mới. Các chi phí ẩn của việc duy trì các hệ thống như vậy tích lũy, làm cạn kiệt tài nguyên trong khi khiến việc thu hút nhân tài hàng đầu trở nên khó khăn hơn, những người thích môi trường công nghệ hiện đại. Khi các công ty bị mắc kẹt trong chu kỳ trì trệ, họ bỏ lỡ các cơ hội tăng trưởng tiến bộ và rủi ro bị các đối thủ linh hoạt hơn vượt qua.

Sự lựa chọn là rõ ràng: phát triển như iPhone hoặc đối mặt với số phận của BlackBerry.

Làm thế nào các hệ thống cũ gặp khó khăn trong việc đáp ứng nhu cầu của các ứng dụng trí tuệ nhân tạo hiện đại, đặc biệt là về năng lượng, nhu cầu và cơ sở hạ tầng?

Các hệ thống cũ gặp phải những thách thức đáng kể trong việc đáp ứng nhu cầu của các ứng dụng trí tuệ nhân tạo hiện đại do những hạn chế vốn có của chúng. Những cơ sở hạ tầng lỗi thời này cần nhiều khả năng xử lý dữ liệu, khả năng mở rộng và linh hoạt hơn cho nhu cầu tính toán mạnh mẽ của trí tuệ nhân tạo. Chúng thường tạo ra các silo dữ liệu và nút thắt, cản trở việc xử lý dữ liệu thời gian thực và liên kết cần thiết cho trí tuệ nhân tạo. Sự không tương thích này cản trở việc triển khai các công nghệ trí tuệ nhân tạo tiên tiến và dẫn đến sử dụng tài nguyên không hiệu quả, tiêu thụ năng lượng tăng và có thể gây ra sự cố hệ thống. Do đó, các doanh nghiệp dựa vào hệ thống cũ gặp khó khăn trong việc tận dụng đầy đủ tiềm năng của trí tuệ nhân tạo trong các lĩnh vực quan trọng như nhắm mục tiêu chính xác, hòa giải lương và phát hiện gian lận, cuối cùng hạn chế lợi thế cạnh tranh của họ trong một cảnh quan được thúc đẩy bởi trí tuệ nhân tạo.

Chi phí “ẩn” của sự tự mãn cho các công ty nào do dự trong việc hiện đại hóa hệ thống của họ là gì?

Dựa vào công nghệ lỗi thời có nghĩa là các doanh nghiệp phụ thuộc vào các quy trình thủ công và dữ liệu bị cô lập, dẫn đến tăng chi phí và giảm năng suất. Theo thời gian, sự kém hiệu quả này tích lũy, dẫn đến bỏ lỡ cơ hội và mất lợi thế cạnh tranh khi các đối thủ linh hoạt hơn áp dụng các giải pháp trí tuệ nhân tạo. Hơn nữa, tiềm năng của nhân viên bị浪 phí trên các nhiệm vụ lặp đi lặp lại thay vì công việc chiến lược, gây ra sự thất vọng và có thể dẫn đến tỷ lệ thôi việc cao hơn. Khi các đối thủ tận dụng trí tuệ nhân tạo để tăng hiệu quả và đổi mới, các công ty chậm hiện đại hóa rủi ro tụt lại phía sau, cuối cùng đe dọa vị trí thị trường và tính bền vững lâu dài của họ trong một cảnh quan ngày càng số hóa.

Các tổ chức phải phân biệt giữa những lo ngại hợp lý xung quanh việc áp dụng trí tuệ nhân tạo và những trường hợp mà các bất an của con người tạo ra những câu chuyện bị xuyên tạc.

Làm thế nào các doanh nghiệp có thể đánh giá xem họ có đang tụt lại phía sau về khả năng sẵn sàng cơ sở hạ tầng cho trí tuệ nhân tạo hay không?

Các doanh nghiệp có thể đánh giá sự sẵn sàng của họ cho trí tuệ nhân tạo bằng cách đánh giá xem hệ thống hiện tại của họ có thể tích hợp với các công cụ trí tuệ nhân tạo hiện đại và mở rộng để đáp ứng nhu cầu dữ liệu ngày càng tăng hay không. Nếu họ gặp khó khăn trong việc xử lý các tập dữ liệu lớn một cách hiệu quả, tận dụng các giải pháp đám mây hoặc hỗ trợ tự động hóa, đó là một dấu hiệu rõ ràng rằng họ có thể đang tụt lại phía sau. Ngoài ra, các công ty nên kiểm tra xem hệ thống cũ có tạo ra các nút thắt hoặc yêu cầu can thiệp thủ công quá mức, cản trở năng suất. Các chỉ số chính của cơ sở hạ tầng tụt lại phía sau bao gồm các silo dữ liệu, phân tích thời gian thực không đầy đủ, khả năng tính toán không đủ cho các thuật toán phức tạp và thách thức trong việc thu hút nhân tài trí tuệ nhân tạo. Cuối cùng, các tổ chức luôn phải đuổi theo các khả năng trí tuệ nhân tạo rủi ro mất lợi thế cạnh tranh trong một cảnh quan số hóa ngày càng tăng. Tôi cũng muốn nhấn mạnh rằng các kỹ thuật quan sát, bảo mật và bảo vệ quyền riêng tư tiên tiến theo kiến trúc composable là rất quan trọng cho sự sẵn sàng trí tuệ nhân tạo liền mạch và có trách nhiệm.

Có những bước thực tế nào mà các tổ chức có thể thực hiện ngay hôm nay để bảo vệ tương lai cho các đổi mới trí tuệ nhân tạo?

Bước đầu tiên là đánh giá chồng công nghệ hiện tại và tìm kiếm các lĩnh vực mà trí tuệ nhân tạo có thể được tích hợp. Các tổ chức nên ưu tiên các giải pháp đám mây có thể mở rộng hỗ trợ tự động hóa được thúc đẩy bởi trí tuệ nhân tạo và giúp dễ dàng tích hợp các công nghệ mới. Đặc biệt, các nền tảng mã thấp có thể giúp các doanh nghiệp có nguồn lực hạn chế triển khai các tác nhân trí tuệ nhân tạo mà không cần chuyên môn kỹ thuật sâu. Doanh nghiệp cũng nên đảm bảo rằng họ có cơ sở hạ tầng dựa trên đám mây linh hoạt có thể mở rộng khi cần thiết để hỗ trợ các ứng dụng trí tuệ nhân tạo trong tương lai.

Theo quan điểm của bạn, những ngành nào sẽ được lợi nhiều nhất từ việc áp dụng nhanh chóng trí tuệ nhân tạo và nâng cấp hệ thống cũ?

Các ngành dựa trên quyết định dựa trên dữ liệu và nhiệm vụ lặp đi lặp lại sẽ được hưởng lợi nhiều nhất. Ví dụ, trong lĩnh vực dịch vụ tài chính, trí tuệ nhân tạo có thể tự động hóa các nhiệm vụ như hỗ trợ khách hàng, phát hiện gian lận và phê duyệt khoản vay, giúp tối ưu hóa hoạt động và nâng cao trải nghiệm khách hàng. Tương tự, các bộ phận bán hàng và dịch vụ khách hàng có thể thấy sự tăng năng suất đáng kể bằng cách sử dụng trí tuệ nhân tạo để xử lý các truy vấn thường xuyên hoặc xử lý các lead một cách hiệu quả hơn. Các công ty trong lĩnh vực chăm sóc sức khỏe, sản xuất và bán lẻ cũng có thể được hưởng lợi đáng kể từ trí tuệ nhân tạo, đặc biệt là khi các công cụ trí tuệ nhân tạo có thể giúp tối ưu hóa chuỗi cung ứng, dự đoán nhu cầu và tự động hóa công việc hành chính. Thay vì thực hiện các nhiệm vụ lặp đi lặp lại này, các chuyên gia trong lĩnh vực có thể tập trung vào công việc chiến lược, tạo ra lợi nhuận cao từ đầu tư vào trí tuệ nhân tạo.

Nền tảng của SnapLogic hỗ trợ các công ty trong việc thay thế cơ sở hạ tầng cũ bằng các giải pháp được thúc đẩy bởi trí tuệ nhân tạo như thế nào?

 Nền tảng của SnapLogic cho phép các doanh nghiệp thống nhất và tự động hóa các quy trình làm việc trên dữ liệu và ứng dụng, bắc cầu giữa các hệ thống cũ và cơ sở hạ tầng hiện đại sẵn sàng cho trí tuệ nhân tạo. Bằng cách kết nối liền mạch các nguồn dữ liệu phân mảnh và đơn giản hóa việc tích hợp trên các môi trường đám mây và tại chỗ, SnapLogic tăng tốc quá trình chuyển đổi sang một hệ thống thống nhất nơi trí tuệ nhân tạo có thể mang lại giá trị ngay lập tức.

Nền tảng này có giao diện mã thấp, bao gồm các công cụ như AgentCreator và SnapGPT, cho phép các công ty triển khai nhanh chóng các giải pháp được thúc đẩy bởi trí tuệ nhân tạo cho các trường hợp sử dụng khác nhau, từ tự động hóa tương tác khách hàng đến nâng cao báo cáo tài chính và hiệu quả tiếp thị. Công nghệ IRIS AI của SnapLogic cung cấp các khuyến nghị thông minh cho việc xây dựng đường ống dữ liệu, giảm đáng kể độ phức tạp của các nhiệm vụ tích hợp và làm cho nền tảng dễ tiếp cận hơn với người dùng có trình độ kỹ thuật khác nhau.

SnapLogic ưu tiên quản lý dữ liệu, tuân thủ và bảo mật trong các sáng kiến trí tuệ nhân tạo. Với các tính năng như mã hóa từ đầu đến cuối, ghi nhật ký toàn diện và xem trước hành động của tác nhân, các doanh nghiệp có thể tự tin mở rộng dự án trí tuệ nhân tạo của mình. Việc ra mắt gần đây của danh mục tích hợp và công cụ dòng dữ liệu cung cấp ngữ cảnh thiết yếu để bảo vệ dữ liệu nhạy cảm khỏi rò rỉ trong quá trình nhập và xuất. Ngoài ra, SnapLogic cung cấp khả năng tích hợp vào các hệ thống hiện đại theo cách composable, thúc đẩy các mục tiêu kinh doanh đồng thời cung cấp các giải pháp linh hoạt để giải quyết các thách thức về chi phí, tuân thủ và bảo trì.

Có những thách thức độc đáo nào mà bạn đã gặp phải tại SnapLogic trong việc phát triển các sản phẩm bắc cầu giữa các hệ thống cũ và hệ thống tích hợp trí tuệ nhân tạo hiện đại?

 Một thách thức độc đáo trong việc bắc cầu giữa các hệ thống cũ và hệ thống tích hợp trí tuệ nhân tạo hiện đại là đảm bảo rằng nền tảng SnapLogic của chúng tôi có thể thích nghi với sự cứng nhắc của các hệ thống cũ trong khi vẫn hỗ trợ sự linh hoạt và khả năng mở rộng cần thiết cho các ứng dụng trí tuệ nhân tạo. Thách thức khác là tạo ra một nền tảng có thể tiếp cận được với cả người dùng kỹ thuật và không kỹ thuật, điều này đòi hỏi sự cân bằng giữa chức năng tiên tiến và sự dễ sử dụng.

Để giải quyết điều này, chúng tôi đã phát triển các kết nối được xây dựng sẵn giúp tích hợp dữ liệu trên các nền tảng cũ và mới một cách liền mạch. Với SnapLogic AgentCreator, chúng tôi đã cho phép các tổ chức triển khai các tác nhân trí tuệ nhân tạo tự động hóa các nhiệm vụ, đưa ra quyết định thời gian thực và thích nghi trong các quy trình làm việc hiện có.

Có thể giải thích thêm về “Tích hợp Sinh” (Generative Integration) của SnapLogic và cách nó cho phép tự động hóa được thúc đẩy bởi trí tuệ nhân tạo trong các môi trường doanh nghiệp không?

Tích hợp Sinh của SnapLogic là một tính năng tiên tiến của nền tảng SnapLogic, sử dụng trí tuệ nhân tạo sinh và mô hình ngôn ngữ lớn (LLM) để tự động hóa việc tạo ra các đường ống tích hợp và quy trình làm việc. Cách tiếp cận đổi mới này cho phép các doanh nghiệp kết nối hệ thống, ứng dụng và nguồn dữ liệu một cách liền mạch, tạo điều kiện cho một quá trình chuyển đổi suôn sẻ sang các môi trường được thúc đẩy bởi trí tuệ nhân tạo. Bằng cách giải thích các lệnh ngôn ngữ tự nhiên, Tích hợp Sinh cho phép cả người dùng không chuyên về kỹ thuật phát triển, tùy chỉnh và triển khai tích hợp một cách nhanh chóng. Sự dân chủ hóa này của tích hợp tăng tốc chuyển đổi số và giảm sự phụ thuộc vào chuyên môn kỹ thuật rộng, cho phép các doanh nghiệp tập trung vào các sáng kiến chiến lược và nâng cao hiệu quả hoạt động.

Ngoài ra, SnapLogic cung cấp sự linh hoạt to lớn bằng cách cho phép khách hàng sử dụng bất kỳ mô hình LLM công khai nào được tùy chỉnh cho nhu cầu cụ thể của họ, đảm bảo rằng các tổ chức có thể tận dụng các công cụ tốt nhất có sẵn trong khi duy trì các tiêu chuẩn quản trị và tuân thủ vững chắc.

Cảm ơn vì cuộc phỏng vấn tuyệt vời, độc giả muốn tìm hiểu thêm có thể truy cập SnapLogic.