الدكتور باندراج كامات، كبير مسؤولي التكنولوجيا في Persistent Systems – سلسلة المقابلات

الدكتور باندراج كامات هو كبير مسؤولي التكنولوجيا في شركة Persistent Systems (PERSISTENT.BO ) ، ويتولى مسؤولية البحث التكنولوجي المتقدم الذي يركز على إطلاق القيمة التجارية من خلال الابتكار على نطاق واسع. وهو قائد تكنولوجي مخضرم يساعد العملاء على تحسين تجربة المستخدم، وتنظيم العمليات التجارية، وإنشاء منتجات رقمية جديدة. رؤيته لشركة Persistent هي أن تكون قوة ابتكارية رائدة تثبت نظامًا عالميًا ومتنوعًا للابتكار، يتألف من الأكاديمية والشركات الناشئة.

انضم باندراج إلى شركة Persistent في عام 2012. قبل انضمامه إلى الشركة، كان مديرًا للتحليلات في شركة Ask.com لعمليات البحث والمحتوى، حيث قاد فريقًا عالميًا لإدارة منصة التحليلات في Ask. من قبل ذلك، ساعد في بناء اتصالات آمنة ووسائط رقمية في مختبرات Bell Labs وHP Labs، ومنصة بحث لاسلكي حائزة على جوائز في جامعة Rutgers.

شركة Persistent Systems هي شريك موثوق به في الهندسة الرقمية وعمليات تحديث المؤسسات للقادة العالميين في السوق عبر مختلف الصناعات.

ما هو ما جذبك في البداية إلى علوم الحاسوب وهندسة الحاسوب؟

لقد تم إثارة اهتمامي بعلوم الحاسوب وهندسة الحاسوب خلال دورة صيفية في المدرسة. تعلم بنية البرمجة وإنشاء ألعاب الحاسوب قد قدم لي المنطق المنظم الذي يدعم هذه المجالات. لقد كنت مسحورًا بقدرة كسر المشكلات المعقدة وحلها بطريقة منهجية. ما جذبني حقًا هو القوة الهائلة التي تقدمها البرامج المصممة جيدًا. يمكنها توفير المهام، وتنظيم العمليات، وتزويد الأفراد أو الفرق الصغيرة بالقدرة على تحقيق إنجازات ملحوظة. هذا المزيج من الإبداع وحل المشكلات والقدرة التحويلية لا يزال يحفزني. من تلك التجارب الأولى إلى رحلتي المستمرة، أظل متحمسًا للفرص اللانهائية التي تقدمها التكنولوجيا. علوم الحاسوب وهندسة الحاسوب لا تشكل فقط المستقبل بل توفر أيضًا طرقًا للابتكار والتقدم الذي يدفعني إلى الأمام.

كيف غيرت ظهور الذكاء الاصطناعي التوليدي طريقة عمل فريقك؟

لقد غيرت ظهور الذكاء الاصطناعي التوليدي (GenAI) طريقة عمل فريقنا في شركة Persistent، خاصة في تطوير البرمجيات للمؤسسات. هذا الاضطراب داخل صناعة تكنولوجيا المعلومات لا يقدم فقط تحديات بل فرصًا كبيرة لإعادة تخيل العمليات التجارية بشكل شامل.

كشركة هندسة رقمية مدعومة بالذكاء الاصطناعي، لقد اعتمدنا GenAI لتحويل جوانب مختلفة من دورة حياة هندسة البرمجيات. خلال العام الماضي، قمنا بتطوير أدوات وبرامج تُعيد تعريف العمليات مثل توليد الشفرة، وتوليد حالات الاختبار، وتنقل التقارير. في مشاريع تحديث التراث، تطور نهجنا بشكل كبير. نحن نستخدم الآن أدوات لتسهيل عمليات استلام الشفرة، وتقليل مخاطر المشروع، وتسريع عملية دمج أعضاء الفريق الجدد من خلال تزويداهم بفهم أعمق لقواعد الشفرة المعقدة. بالإضافة إلى ذلك، تعمل сотрудتنا مع مجالات الصناعة على تقديم حلول مخصصة باستخدام بيانات المؤسسة. من خلال تطوير مساعدين رقميين يمكنهم فهم لغة الأعمال وتقديم مراجع ذات صلة، نحن نعزز الكفاءة التشغيلية وعمليات اتخاذ القرار داخل المؤسسات. هذه المساعدين تتبع مبادئ الذكاء الاصطناعي المسؤول، مما يضمن الشفافية والمسؤولية والأمان والخصوصية مع تحسين دقة أدائهم بشكل مستمر من خلال التقييم الآلي للخرج.

ما هي بعض التحديات التي تواجهها عند تحديث الأنظمة التراثية باستخدام الذكاء الاصطناعي التوليدي؟

GenAI هو أداة قوية، لكنه ليس سحرًا سريعًا لتحديث الأنظمة التراثية بشكل كامل. يجب على المنظمات في جميع القطاعات أن تتبنى نهجًا مدمجًا، يستخدم الخبرة البشرية وقدرات الذكاء الاصطناعي. بينما يقدم GenAI إمكانيات كبيرة لتحديث التراث، هناك قيود له. تشمل التحديات الرئيسية:

• فهم محدود للنظم التراثية: تتطلب نماذج GenAI فهمًا شاملاً للنظم الحالية لتعمل بشكل فعال. غالبًا ما تفتقر الأنظمة التراثية إلى وثائق شاملة، مما يعوق قدرة الذكاء الاصطناعي على فهم العلاقات بينها بشكل فعال.
• جودة البيانات والتحيز: تؤثر جودة البيانات وتمثيلها على مخرجات نموذج الذكاء الاصطناعي. يمكن أن تظهر قيود بيانات التدريب في الشفرة المولدة، مما قد يؤدي إلى مشاكل جديدة.
• ضمان الجودة والأمان: بينما يمكن للذكاء الاصطناعي التوليدي توفير توليد الشفرة، فإن الناتج يتطلب اختبارات وتنقيح صارم لتحقيق معايير الجودة والوظيفية والأمان.
• نطاق محدود للتحديث: قد لا يكون GenAI مناسبًا لتحديث الأنظمة بشكل كامل. يمكن أن يتفوق في مهام محددة مثل إعادة هيكلة الشفرة أو توليد حالات الاختبار، لكن التغييرات المعمارية المعقدة لا تزال تتطلب تدخلًا يدويًا.
• إدارة التغيير والتوافق مع أصحاب المصلحة: إدارة التغيير التنظيمي واكتساب موافقة أصحاب المصلحة هما عوامل حاسمة في تحديد نجاح تحديث الأنظمة التراثية باستخدام GenAI. يمكن أن تساعد برامج الاتصالات الواضحة وبرامج التدريب ومبادرات إشراك أصحاب المصلحة في معالجة مقاومة التغيير وتسهيل التحولات السلسة.

إحدى التحديات التي تواجه الذكاء الاصطناعي التوليدي هي الاتساق، كيف تساعد شركة Persistent Systems في بناء تجربة مستخدم متسقة؟

الاتساق هو عنصر واحد من تقديم تجربة مستخدم متكاملة وآمنة ومستدامة مدعومة بالذكاء الاصطناعي التوليدي. نحن ننظر إلى العملية بشكل شامل.

نقدم الدعم الشامل عبر جميع مراحل تبني GenAI. توجيهنا الاستراتيجي وتحليلاتنا المeticulous لاختيار الحالات استخدامية تساعد المنظمات في اختيار أفضل نماذج الأساس (FMs) المخصصة لاحتياجاتها. من خلال الفحص والتشاور، نساعد العملاء في تحديد حالات استخدام واضحة واختيار FMs مستنير.

ثم، نركز على نهج متعدد، مثل التوجيه القليل أو حتى التعدين الدقيق، لضمان أن النماذج المستخدمة في التطبيقات متوافقة مع حالة الاستخدام والبيانات المؤسسية.

حلولنا لا تعتمد فقط على تقنيات RAG القياسية ولكن أيضًا على استراتيجيات متعددة للتوجيه والتقسيم البيانات لضمان أن البيانات الأكثر صلة يتم استرجاعها وتقديمها إلى نموذج الأساس خلال الاستدلال. نحن نتعزز دقة وملاءمة السياق باستخدام مخططات معرفة متقدمة لالتقاط العلاقات الخفية داخل بيانات المؤسسة.

نحن نستخدم أيضًا تقنيات التأصيل متعددة وضمانات لتحديد نطاق الاستدلال.

أخيرًا، نقوم بوضع التطبيق عبر إطار تقييم شاملا وآلي يضمن اتساق الاستدلال والتجربة، من إصدار إلى إصدار.

هل يمكنك تقديم أمثلة حقيقية حيث قامت حلول مدعومة بالذكاء الاصطناعي التوليدي بنجاح في ثورة تعاملات العملاء؟

لقد قامت شركة Persistent بتحويل تعاملات العملاء لمزود حلول برمجية رائدة من خلال حلول مدعومة بالذكاء الاصطناعي التوليدي. حيث واجهت الشركة تحديات في التوسع خلال فترات التشغيل القصوى، نفذت مستودع معرفة مركزي وفرق ذكاء اصطناعي محادثة. لقد سهل ذلك الوصول إلى المعلومات، مما أدى إلى تقليل وقت حل استفسارات العملاء بنسبة 80%. كما تحسنت جودة الإجابات بشكل كبير، مما أدى إلى تعزيز رضا العملاء.

كما ساعدنا شركة استثمار خاصة من خلال استخدام الذكاء الاصطناعي التوليدي لتحديث تقارير الاستثمار بالتفصيل. مع نظام مدعوم بالذكاء الاصطناعي، تم تقليل الوقت المطلوب لإنشاء التقارير بنسبة 90%. هذا النهج المُسهلrevolutionized عمليات الشركة، مما ساهم في اتخاذ القرارات بسرعة وفعالية. لم تكن الكفاءة فقط لتوفير الوقت القيم، بل ساهمت أيضًا في تعزيز التعاون بين أصحاب المصلحة وضمان لمسة شخصية في كل مذكرة، مما يعزز الفعالية العامة.

كيف تتعامل مع الابتكار المسؤول للذكاء الاصطناعي التوليدي؟

نهجنا في الابتكار المسؤول للذكاء الاصطناعي التوليدي يprioritizes الممارسات الأخلاقية والامتثال التنظيمي خلال عمليات التطوير والتنفيذ. نحن نؤكد على الشفافية والمسؤولية والعدالة في اتخاذ القرارات المدعومة بالذكاء الاصطناعي.

نحن نضع إرشادات أخلاقية صارمة تحكم تطوير ونشر ونشر أنظمة الذكاء الاصطناعي التوليدي. في سعينا لابتكار الذكاء الاصطناعي التوليدي المسؤول، نقوم باختبار وتنقيح أنظمتنا بدقة لتحديد المخاطر المحتملة مثل التحيزات والمعلومات الخاطئة وقضايا الخصوصية.

بالإضافة إلى ذلك، نؤكد على الشفافية والمسؤولية في عمليات اتخاذ القرار المدعومة بالذكاء الاصطناعي من خلال تقديم رؤى واضحة للمستخدمين حول عمليات النظام. في النهاية، يهدف نهجنا إلى تطوير ونشر أنظمة الذكاء الاصطناعي التوليدي التي تعزز الابتكار والكفاءة وتساهم إيجابًا في المجتمع.

ما هو رؤيتك لمستقبل الذكاء الاصطناعي؟

رؤيتي لمستقبل الذكاء الاصطناعي متعددة الأوجه. أولًا، في الهندسة الرقمية، أتوقع أن يصبح الذكاء الاصطناعي ليس فقط مساعدًا في البرمجة ولكن أيضًا شريكًا تعاونيًا، مشابهًا ل “شريك برمجة”. هذا يشمل مساعدة الذكاء الاصطناعي في مهام البرمجة والمشاركة الفعّالة في حل المشكلات من خلال رسم خرائط للمهام المعقدة وتنفيذ المهام الفرعية.

ثانيًا، أتوقع حقبة من وكلاء الذكاء الاصطناعي الشخصيين والمساعدين الذين يقدمون تجارب مخصصة للأفراد – نهج “تخصيص 1”. هؤلاء الوكلاء سيفهمون تفضيلات وتصرفات واحتياجات الأفراد الفريدة، وسيقدمون دعمًا ومساعدة مخصصة.

أخيرًا، أعتقد في تطور أنظمة الذكاء الاصطناعي المركبة، حيث تعمل نماذج الذكاء الاصطناعي المختلفة معًا لمعالجة احتياجات مختلفة. لن يكون هناك نموذج واحد مناسب لجميع الأغراض، بل مزيج من النماذج الكبيرة والصغيرة والشاملة والمتخصصة تعمل معًا في خدمات الذكاء الاصطناعي. هذا النهج يسمح بمزيد من المرونة والكفاءة والفعالية في حل مجموعة واسعة من المشكلات عبر مجالات مختلفة.

شكرًا على المقابلة الرائعة، القراء الذين يرغبون في معرفة المزيد يمكنهم زيارة شركة Persistent Systems.