الدكتور باندورانج كامات، الرئيس التنفيذي للتكنولوجيا، الأنظمة الثابتة - سلسلة المقابلات

الدكتور Pandurang Kamat هو كبير مسؤولي التكنولوجيا في Persistent Systems ، وهو مسؤول عن أبحاث التكنولوجيا المتقدمة التي تركز على إطلاق العنان لقيمة الأعمال من خلال الابتكار على نطاق واسع. إنه رائد تقني متمرس يساعد العملاء على تحسين تجربة المستخدم ، وتحسين العمليات التجارية ، وإنشاء منتجات رقمية جديدة. تتمثل رؤيته لـ Persistent في أن يكون قوة ابتكارية ترتكز على نظام إيكولوجي عالمي ومتنوع للابتكار ، يتألف من الأوساط الأكاديمية والشركات الناشئة.

انضم Pandurang إلى Persistent في عام 2012. وقبل انضمامه إلى Persistent، كان يشغل منصب مدير التحليلات لأعمال البحث والمحتوى في Ask.com، حيث قاد فريقًا عالميًا لإدارة منصة التحليلات الخاصة بـ Ask. وقبل ذلك، ساعد في بناء منتجات اتصالات ووسائط رقمية آمنة في Bell Labs وHP Labs ومنصة أبحاث لاسلكية حائزة على جوائز في جامعة روتجرز.

الأنظمة الثابتة هي شريك موثوق به في الهندسة الرقمية وتحديث المؤسسات لقادة السوق العالمية عبر الصناعات.

ما الذي جذبك في البداية إلى علوم الكمبيوتر وهندسة الكمبيوتر؟

بدأ اهتمامي بعلوم الكمبيوتر والهندسة خلال دورة صيفية في المدرسة. لقد عرّفني تعلم بناء البرمجة وإنشاء ألعاب الكمبيوتر على المنطق المنظم الذي يدعم هذه المجالات. لقد أذهلتني القدرة على تحليل المشكلات المعقدة وحلها بشكل منهجي. ما جذبني حقًا هو النفوذ الهائل الذي توفره البرامج المصممة جيدًا. يمكنهم أتمتة المهام، وتحسين العمليات، وتمكين الأفراد أو الفرق الصغيرة من تحقيق إنجازات رائعة. لا يزال هذا المزيج من الإبداع وحل المشكلات وإمكانات التحويل يلهمني. ومن تلك التجارب الأولية إلى رحلتي المستمرة، ما زلت متحمسًا للإمكانيات اللامتناهية التي توفرها التكنولوجيا. إن علوم الكمبيوتر والهندسة لا تشكل المستقبل فحسب، بل توفر أيضًا طرقًا للابتكار والتقدم التي تدفعني إلى الأمام.

يأتي الجزء الأكبر من أعمال الأنظمة المستمرة من بناء البرامج للمؤسسات، كيف أدى ظهور الذكاء الاصطناعي التوليدي إلى تغيير طريقة عمل فريقك؟

لقد أدى ظهور الذكاء الاصطناعي التوليدي (GenAI) إلى تغيير طريقة عمل فريقنا في Persistent، لا سيما في مجال تطوير برمجيات المؤسسات. لا يمثل هذا الاضطراب في صناعة تكنولوجيا المعلومات تحديات فحسب، بل يمثل أيضًا فرصًا كبيرة لإعادة تصور العمليات التجارية بشكل كلي.

باعتبارها مؤسسة هندسة رقمية مدعومة بالذكاء الاصطناعي، تبنت شركة Persistent GenAI لإحداث ثورة في الجوانب المختلفة لدورة حياة هندسة البرمجيات. على مدار العام الماضي، قمنا بتطوير الأدوات والمجموعات التي تعيد تعريف العمليات بشكل كامل مثل إنشاء التعليمات البرمجية وإنشاء حالات الاختبار وترحيل التقارير. في مشاريع التحديث القديمة، تطور نهجنا بشكل ملحوظ. نحن الآن نستفيد من الأدوات لتبسيط عمليات الاستيلاء على التعليمات البرمجية، والتخفيف من مخاطر المشروع، وتسريع عملية تأهيل أعضاء الفريق الجدد من خلال تزويدهم بفهم أعمق لقواعد التعليمات البرمجية المعقدة. علاوة على ذلك، يتيح لنا تعاوننا مع مجالات الصناعة تقديم حلول مخصصة تستفيد من بيانات المؤسسة. ومن خلال تطوير مساعدين رقميين قادرين على فهم لغة الأعمال وتوفير المراجع ذات الصلة، فإننا نعزز الكفاءة التشغيلية وصنع القرار داخل المؤسسات. يلتزم هؤلاء المساعدون بمبادئ الذكاء الاصطناعي المسؤول، مما يضمن الشفافية والمساءلة والأمن والخصوصية مع تحسين دقتهم وأدائهم بشكل مستمر من خلال التقييم الآلي لمخرجات النموذج.

ما هي بعض التحديات التي تواجه التحديث الكامل للأنظمة القديمة باستخدام الذكاء الاصطناعي التوليدي؟

تعد GenAI أداة قوية، ولكنها ليست الحل السحري للتحديث الكامل للنظام القديم. يجب على المؤسسات عبر الصناعات أن تتبنى نهجًا مشتركًا، وتسخير الخبرات البشرية وقدرات الذكاء الاصطناعي. في حين أن GenAI يوفر إمكانات كبيرة للتحديث، إلا أن له حدوده. تشمل التحديات الرئيسية ما يلي:

• الفهم المحدود للأنظمة القديمة: تتطلب نماذج GenAI فهمًا شاملاً للأنظمة الحالية لتعمل بفعالية. غالبًا ما تفتقر الأنظمة القديمة إلى التوثيق الشامل، مما يعيق قدرة الذكاء الاصطناعي على فهم أوجه الترابط فيما بينها بشكل فعال.
• جودة البيانات والتحيز: إن جودة وتمثيل البيانات المستخدمة لتدريب نموذج الذكاء الاصطناعي لهما تأثير كبير على مخرجاته. يمكن أن تنعكس القيود المفروضة على بيانات التدريب في التعليمات البرمجية التي تم إنشاؤها، مما قد يؤدي إلى ظهور مشاكل جديدة.
• ضمان الجودة والأمان: بينما يمكن لـ GenAI أتمتة إنشاء التعليمات البرمجية، فإن المخرجات تحتاج إلى اختبارات وتحقق صارم لتلبية الجودة والمتطلبات الوظيفية ومعايير الأمان.
• نطاق التحديث المحدود: قد يكون GenAI غير مناسب لإجراء إصلاحات شاملة للنظام. ويمكنه التفوق في مهام محددة مثل إعادة هيكلة التعليمات البرمجية أو إنشاء حالات الاختبار، ولكن التغييرات المعمارية المعقدة لا تزال تتطلب التدخل اليدوي.
• إدارة التغيير ومواءمة أصحاب المصلحة: تعد إدارة التغيير التنظيمي وكسب تأييد أصحاب المصلحة من العوامل الحاسمة في تحديد نجاح تحديث الأنظمة القديمة باستخدام GenAI. يمكن أن تساعد برامج التواصل والتدريب الواضحة ومبادرات مشاركة أصحاب المصلحة في معالجة مقاومة التغيير وتسهيل التحولات السلسة.

أحد تحديات الذكاء الاصطناعي التوليدي هو الاتساق، كيف تساعد الأنظمة المستمرة في بناء تجربة مستخدم متسقة؟

يعد الاتساق أحد عناصر توفير تجربة مستخدم ونتائج شاملة مدعومة بتقنية GenAI على مستوى المؤسسة وآمنة على مستوى المؤسسة. نحن ننظر إلى العملية بشكل كلي.

نحن نقدم الدعم الشامل عبر جميع مراحل اعتماد GenAI. تعمل إرشاداتنا الإستراتيجية وحالة الاستخدام الدقيق على تحليل مساعدة المنظمات في اختيار نماذج الأساس الأكثر ملاءمة (FMs) المصممة وفقًا لمتطلباتها المحددة. ومن خلال الفحص التفصيلي والاستشارات، نساعد العملاء في تحديد حالات الاستخدام الواضحة وإجراء اختيارات مستنيرة لإدارة المرافق.

بعد ذلك، نركز على أساليب متعددة، مثل المطالبة بعدد قليل من اللقطات أو حتى الضبط الدقيق، لضمان توافق النماذج المستخدمة في التطبيقات مع حالة الاستخدام وبيانات المؤسسة.

لا تستخدم حلولنا تقنيات RAG القياسية فحسب، بل تتعمق أيضًا في استراتيجيات المطالبة وتجميع البيانات المتعددة لضمان استرداد البيانات الأكثر صلة وإعطاؤها إلى FM أثناء الاستدلال. نحن نعمل أيضًا على تعزيز دقة وملاءمة هذا السياق باستخدام الرسوم البيانية المعرفية المتقدمة لالتقاط العلاقات المخفية داخل بيانات المؤسسة.

نحن نستخدم أيضًا تقنيات التأريض المتعددة وحواجز الحماية للحد من نطاق الاستدلال وتركيزه.

أخيرًا، نقوم بإخضاع الطلب لإطار تقييم آلي صارم يضمن اتساق الاستدلال والخبرة، إصدارًا بعد إصدار.

هل يمكنك تقديم أمثلة واقعية حيث نجحت الحلول التي تدعمها GenAI في إحداث ثورة في تفاعلات العملاء؟

قامت شركة Persistent بتحويل تفاعلات العملاء لصالح مزود حلول برمجية رائد من خلال الحلول التي تدعمها GenAI. وفي مواجهة تحديات قابلية التوسع خلال فترات الذروة التشغيلية، قامت الشركة بتنفيذ مستودع المعرفة المركزي وفرق الذكاء الاصطناعي للمحادثة (BOT). لقد تم تبسيط الوصول إلى المعلومات، مما أدى إلى تقليل الوقت اللازم لحل استفسارات العملاء بنسبة 80%. كما تحسنت جودة الاستجابات بشكل ملحوظ، مما أدى إلى تعزيز رضا العملاء.

لقد ساعدنا أيضًا إحدى شركات الأسهم الخاصة من خلال الاستفادة من GenAI لأتمتة إنشاء تقارير استثمارية مفصلة. بفضل النظام الذي يعمل بنظام GenAI، تم تقليل الوقت اللازم لإنشاء التقارير بنسبة 90%. وقد أحدث هذا النهج المبسط ثورة في عمليات الشركة، مما سهل عملية اتخاذ القرار السريعة والفعالة. ولم توفر الكفاءة وقتًا ثمينًا فحسب، بل عززت أيضًا زيادة التعاون بين أصحاب المصلحة وضمنت لمسة شخصية في كل مذكرة، مما أدى إلى تعزيز الفعالية الشاملة.

كيف تتعامل مع ابتكار GenAI المسؤول؟

إن نهجنا تجاه ابتكار GenAI المسؤول يعطي الأولوية للممارسات الأخلاقية والامتثال التنظيمي خلال عمليات التطوير والتنفيذ. نحن نؤكد على الشفافية والمساءلة والعدالة في عملية صنع القرار القائمة على الذكاء الاصطناعي.

نحن نضع مبادئ توجيهية أخلاقية قوية تحكم تطوير ونشر واستخدام أنظمة GenAI. في سعينا لتحقيق ابتكارات GenAI المسؤولة، نقوم باختبار أنظمتنا والتحقق من صحتها بدقة للتخفيف من المخاطر المحتملة مثل التحيزات والمعلومات الخاطئة ومشكلات الخصوصية.

علاوة على ذلك، فإننا نعطي الأولوية للشفافية والمساءلة في عمليات صنع القرار المعتمدة على الذكاء الاصطناعي من خلال تزويد المستخدمين برؤى واضحة حول عمليات النظام. في نهاية المطاف، يهدف نهجنا إلى تطوير ونشر أنظمة GenAI التي تدفع الابتكار والكفاءة مع المساهمة بشكل إيجابي في المجتمع.

ما هي رؤيتك لمستقبل الذكاء الاصطناعي؟

رؤيتي لمستقبل الذكاء الاصطناعي متعددة الأوجه. أولاً، في الهندسة الرقمية، أتصور الذكاء الاصطناعي ليس فقط كمساعد للبرمجة ولكن أيضًا كشريك تعاوني، على غرار "المبرمج المزدوج". يتضمن ذلك مساعدة الذكاء الاصطناعي في مهام البرمجة والمشاركة بنشاط في حل المشكلات من خلال تحديد المهام المعقدة وتنفيذ المهام الفرعية.

ثانيا، أتوقع عصرا من وكلاء ومساعدي الذكاء الاصطناعي الذين يقدمون تجارب مصممة خصيصا للأفراد - وهو نهج "تخصيص 1". سوف يفهم هؤلاء الوكلاء التفضيلات والسلوكيات والاحتياجات الفريدة للمستخدمين، مما يوفر دعمًا وخدمات مخصصة للغاية.

أخيرًا، أنا أؤمن بتطور أنظمة الذكاء الاصطناعي المركب، حيث تتعايش نماذج الذكاء الاصطناعي المختلفة معًا لتلبية الاحتياجات المختلفة. لن يكون هناك نموذج واحد "مقاس واحد يناسب الجميع"، بل مزيج من النماذج الكبيرة والصغيرة والعامة والمخصصة لغرض معين والتي تعمل معًا في خدمات الذكاء الاصطناعي. يتيح هذا النهج قدرًا أكبر من المرونة والكفاءة والفعالية في حل مجموعة واسعة من المشكلات عبر مجالات مختلفة.

شكرا لك على المقابلة الرائعة ، القراء الذين يرغبون في معرفة المزيد يجب أن يزوروا الأنظمة الثابتة.