Nitin Singhal，SnapLogic 数据、AI 和集成副总裁

Nitin Singhal 是一位经验丰富的技术和产品领导者，在行业中拥有超过 25 年的经验。他目前担任 SnapLogic 的工程副总裁，专注于应用程序和系统的负责任集成，利用 Agentic 架构解锁数据潜力，为全球受众提供服务。

在加入 SnapLogic 之前，Nitin 曾在 Twitter 担任工程高级总监，他领导了数据管理和隐私基础设施工程职能。他的工作涉及在公司的关键时期建立数据治理实践，确保负责任的数据使用和遵守隐私法规。

Nitin 还曾在 Visa、PayPal 和 JPMorgan Chase 等著名组织担任过各种工程和产品领导职位，他为数据战略和管理做出了重大贡献。

SnapLogic 是一个 AI 驱动的集成平台，使用无代码工具和超过 1,000 个预建连接器来简化数据和应用程序工作流。它支持 ETL/ELT、自动化、API 管理和跨云、内部和混合环境的安全部署。像 SnapGPT 和 AutoSync 这样的功能可以提高效率，允许组织无缝地集成和编排流程。

您拥有近 25 年的经验，推动技术创新。是什么最初激发您从事专注于使用技术解决复杂问题的职业，并且随着 AI 的兴起，您的热情如何演变？

从我职业生涯的开始，我就被解谜的挑战和数学的逻辑美所吸引。这自然让我探索如何使用技术解决复杂的现实世界问题。早在我的职业生涯初期，我就被技术解决问题的潜力所激发，例如交易欺诈检测和数据隐私风险。随着 AI 的演变，特别是生成式 AI 的出现，我的热情更加深厚。我见证了 AI 的变革性影响，从通过智能手机为农民提供作物洞察到让普通用户（如我的父亲）轻松完成任务（如税务申报）。AI 技术的民主化令我兴奋，因为它使我们能够对人们的生活产生积极的影响。这段不断的旅程激发了我推进 AI 的决心，使其不仅创新和高效，还要安全、负责任和普遍可及。

企业在依赖过时技术的时代面临的最大风险是什么？

依赖过时的技术会带来巨大的风险，可能会危及企业的未来。过时的系统，特别是遗留的基础设施，会导致效率低下，阻止组织利用 AI 进行高价值任务。这些过时的技术难以实现数据可访问性和集成，造成昂贵的运营瓶颈，阻碍自动化和创新。维护这些系统的隐性成本会增加，耗尽资源，同时使得吸引顶尖人才变得困难，因为他们更喜欢现代技术环境。随着公司陷入停滞的循环，他们会错过渐进式增长的机会，并面临被更敏捷的竞争对手超越的风险。

选择很明确：像 iPhone 一样进化，或者面临 BlackBerry 的命运。

遗留系统如何难以满足现代 AI 应用的需求，特别是在能耗、需求和基础设施方面？

遗留系统由于其固有的局限性，在满足现代 AI 应用的需求方面面临着重大挑战。这些过时的基础设施需要更多的数据处理能力、可扩展性和灵活性，以满足 AI 的密集计算需求。它们经常创建数据孤岛和瓶颈，阻碍实时、相互连接的数据处理，这对于 AI 驱动的洞察至关重要。这种不兼容性阻碍了先进 AI 技术的实施，并导致资源利用效率低下、能耗增加和潜在的系统故障。因此，依赖遗留系统的企业难以充分利用 AI 在关键领域（如精确定位、工资对账和欺诈检测）的潜力，最终限制了他们在 AI 驱动的环境中的竞争优势。

对于犹豫不决的公司来说，现代化系统的“隐藏”成本是什么？

依赖过时的技术意味着企业依赖手动流程和数据孤岛，导致成本增加和生产力降低。随着时间的推移，这种低效率会积累，导致错失机会和竞争优势的显著丧失，因为更敏捷的竞争对手采用了 AI 解决方案。此外，员工的潜力被浪费在重复性任务上，而不是战略性工作，导致沮丧和潜在的高离职率。随着对手利用 AI 实现更高的效率和创新，延迟现代化的公司面临着进一步落后的风险，最终危及他们在日益数字化的环境中的市场地位和长期可行性。

组织必须区分合理的 AI 采用担忧和人类不安全感引发的误导性叙述。

企业如何评估他们是否在基础设施准备方面落后于 AI？

企业可以通过评估当前系统是否能够与现代 AI 工具集成并扩展以满足日益增长的数据需求来评估其 AI 准备就绪度。如果他们难以高效地处理大型数据集、利用云解决方案或支持自动化，那么这是一个明显的迹象，表明他们可能正在落后。此外，公司应该检查遗留系统是否会产生瓶颈或需要过多的手动干预，从而阻碍生产力。基础设施滞后的一些关键指标包括数据孤岛、不足的实时分析、复杂算法的计算能力不足以及吸引 AI 人才的挑战。最终，企业不断落后于 AI 能力的竞争对手会在日益数字化的环境中失去竞争优势。我还强调，采用先进的可观察性、安全性和隐私保护技术以遵循可组合架构对于无缝和负责任的 AI 准备至关重要。

组织可以采取哪些实际步骤来确保他们的系统为未来的 AI 创新做好准备？

第一步是评估当前的技术栈，并寻找可以集成 AI 的领域。组织应该优先考虑可扩展的云解决方案，以支持 AI 驱动的自动化，并使集成新技术变得容易。特别是，低代码平台可以帮助资源有限的企业快速部署 AI 代理，而无需深入的技术专业知识。企业还应该确保他们拥有灵活的、基于云的基础设施，可以根据需要扩展以支持未来的 AI 应用。

您认为哪些行业可以通过快速采用 AI 和升级遗留系统来获得最大的收益？

依赖数据驱动决策和重复任务的行业可以获得最大的收益。例如，在金融服务领域，AI 可以自动执行客户支持、欺诈检测和贷款审批等任务，简化运营并增强客户体验。销售和客户服务部门也可以通过使用 AI 处理常规查询或更高效地处理潜在客户来显著提高生产力。医疗保健、制造和零售等行业也可以从 AI 中受益，特别是因为 AI 工具可以帮助优化供应链、预测需求和自动执行行政任务。领域专家可以专注于战略性工作，而不是执行这些重复性任务，从而为 AI 投资带来高回报。

SnapLogic 的平台如何支持公司用 AI 驱动的解决方案替换分散的遗留基础设施？

SnapLogic 的平台使企业能够统一和自动化数据和应用程序的工作流程，将遗留系统与现代的 AI 准备就绪基础设施连接起来。通过无缝连接分散的数据源并简化云和内部环境之间的集成，SnapLogic 加速了向统一系统的转变，在该系统中 AI 可以提供即时价值。

该平台的低代码界面，包括 AgentCreator 和 SnapGPT 等工具，允许公司快速部署 AI 驱动的解决方案，用于各种用例，从自动化客户互动到增强财务报告和营销有效性。SnapLogic 的 IRIS AI 技术提供了构建数据管道的智能建议，显著降低了集成任务的复杂性，并使平台对具有不同技术专业知识水平的用户都具有可访问性。

SnapLogic 优先考虑 AI 计划中的数据治理、合规性和安全性。凭借端到端加密、全面日志记录和代理操作预览等功能，企业可以自信地扩大其 AI 项目。最近推出的集成目录和数据血统工具为保护敏感数据免受泄露提供了必要的上下文，在数据输入和输出期间。另外，SnapLogic 提供了对现代系统的集成能力，以一种可组合的方式推动业务目标，同时提供灵活的解决方案来解决成本、合规性和维护挑战。

您在 SnapLogic 遇到的开发产品以连接遗留和现代 AI 集成系统的独特挑战是什么？

连接遗留和现代 AI 集成系统的独特挑战之一是确保 SnapLogic 平台既能适应旧系统的刚性，又能支持 AI 应用的灵活性和可扩展性。另一个挑战是创建一个既能满足技术和非技术用户的需求的平台，这需要在高级功能和易用性之间取得平衡。

作为一家企业 SAAS 公司，SnapLogic 平衡了来自不同行业的 100 多个客户的独特和通用需求，同时不断演进平台以采用新的和现代的技术，以一种灵活、负责任和向后兼容的方式。

为了解决这个问题，我们开发了可以在旧平台和新平台之间无缝集成数据的预建连接器。使用 SnapLogic AgentCreator，我们还使组织能够部署可以自动执行任务、实时做出决策并适应现有工作流程的 AI 代理。

您能否详细介绍 SnapLogic 的“生成式集成”以及它如何实现企业环境中的无缝 AI 驱动自动化？

SnapLogic 的生成式集成是 SnapLogic 平台的一项尖端功能，它利用生成式 AI 和大型语言模型 (LLM) 来简化和自动化集成管道和工作流程的创建。这种创新方法使企业能够无缝地连接系统、应用程序和数据源，促进向 AI 驱动环境的平滑过渡。通过解释自然语言提示，生成式集成使非技术用户也能轻松快速地开发、定制和部署集成。这种集成的民主化加速了数字化转型，并降低了对广泛编码专业知识的依赖，使企业能够专注于战略性计划并提高运营效率。

此外，SnapLogic 提供了巨大的灵活性，允许客户利用任何公共 LLM 模型来满足他们的特定需求，确保组织可以利用最好的工具，同时保持强大的治理和合规标准。

感谢这次精彩的采访，希望了解更多的读者可以访问 SnapLogic。