مقابلات
يوري ميسنيك، كبير مسؤولي التكنولوجيا في inDrive – سلسلة المقابلات
أضف Unite.AI إلى مصادرك المفضلة على Google
يوري ميسنيك هو كبير مسؤولي التكنولوجيا في inDrive، حيث يقود استراتيجية الشركة التكنولوجية العالمية. مع أكثر من عقدين من الخبرة الدولية، بنى ميسنيك وقيادة برامج تكنولوجية ذات تأثير كبير عبر السحابة والخدمات المالية والتحول الرقمي على نطاق واسع.
قبل انضمامه إلى inDrive، شغل مناصب رفيعة المستوى في Microsoft (MSFT ) وAWS. ثم شغل منصب المدير التنفيذي الرقمي في HSBC، والمدير التنفيذي في بنك أستراليا الوطني، والمدير التنفيذي للمجموعة في بنك أبوظبي الأول، حيث قام بتحديث بيئات معقدة ومنظمة بشكل كبير من خلال السحابة وAgile وDevOps ونمذجة هندسية منتجات.
بدأ ميسنيك مسيرته المهنية في هندسة الفضاء الجوي، حيث ساهم في تصميم طائرة Boeing 787 قبل الانتقال إلى هندسة البرمجيات وأنظمة التداول عبر الإنترنت. ويتحدث بسهولة مع منصات التراث والحديث الموزعة، ويُعرف بتقديم الأنظمة الأساسية مع الابتكارات الحديثة.
في inDrive، يركز على بناء الأنظمة والفرق والمنصات التي ستقود نمو الشركة في المرحلة القادمة.
inDrive هي منصة عالمية للتنقل والخدمات الحضرية التي توفر خدمات لركاب وسائقين ومقدمي خدمات عبر خدمات النقل وال توصيل وغيرها من الخدمات حسب الطلب. تأسست الشركة في عام 2013، وتعمل في أكثر من 48 دولة وأكثر من 1000 مدينة، مع ملايين التنزيلات في جميع أنحاء العالم. وتميزها الرئيسي هو نموذج التسعير من نظير إلى نظير الذي يسمح للركاب والسائقين بالتفاوض على الأسعار مباشرة، بدلاً من الاعتماد على التسعير الخوارزمي، بهدف خلق معاملات أكثر شفافية وعدلا.
بدأت في النمذجة الرياضية والتحليل العنصري قبل الانتقال إلى Microsoft وAWS وHSBC والبنك الأسترالي الوطني، والآن تقود تحول AI في inDrive. كيف شكلت هذه الرحلة الطريقة التي تفكر بها حول بناء أنظمة AI طموحة تقنياً ولكنها متأصلة في العدالة والمتانة والقيود الواقعية؟
بدأت مسيرتي المهنية في الرياضيات التطبيقية والتحليل العنصري، وهو في الأساس حول فهم حيث انهيار نموذجك، وليس الاحتفال بما يعمل. هذا هو بالضبط كيفية نهجي لأنظمة AI اليوم.
في Microsoft وAWS، حيث قضيت أكثر من عقد، تعلمت ما يحدث عند بناء منصات على نطاق عالمي. تفترض أن الأنظمة سوف تتفكك، والشبكات سوف تفشل، والمكونات سوف تتصرف بشكل غير متوقع. في inDrive، التي تعمل في أكثر من 1000 مدينة في 48 دولة، أثبتت هذه التفكير أنها حاسمة.
HSBC والبنك الأسترالي الوطني جاءتا بنظرة مختلفة. في HSBC، كنت أبني قدرات رقمية للبيع بالتجزئة عبر عشرات الأنظمة التنظيمية. في NAB، قادت التحول السحابي، ونقلت التطبيقات المصرفية الحيوية إلى AWS. في تلك البيئات، كل قرار تكنولوجي يحمل عواقب تنظيمية وسمعة ومالية. نموذج AI أو ML الذي لا يستطيع تفسير قراراته بطريقة يمكن للمشرع أو العميل فهمها ليس актиفاً، بل هو عبء.
المنتج يجب أن يعكس احتياجات الناس، وليس يبرز تعقيد كومك. هذا المبدأ هو ما يحافظ على الطموح التكنولوجي على أرضية من العدالة والقيود الواقعية.
أيضًا، يعني ذلك بناء أنظمة AI التي توفر معلومات وتساعد، على سبيل المثال، من خلال توفير سعر عادل دون إزالة السيطرة على الأشخاص في السوق.
معظم المنصات تستخدم AI لتحديد الأسعار. في inDrive، تستخدم التفاوض. كيف يتم دمج التعلم الآلي في نموذجك وأين يقدم القيمة الأكبر دون المساس بالشفافية التي تميز inDrive؟
AI في inDrive ليس فقط حول التسعير، بل هو متأصل في جميع أنحاء الأعمال، ويشمل التسويق والنمو وتحسين الخدمة الشخصية ودعم العملاء والذكاء الجغرافي والادوات الداخلية ومنع الاحتيال والمزيد. أكثر من 80٪ من قوتنا العاملة تستخدم مجموعة متنوعة من أدوات AI، من دعم العملاء والتسويق إلى البرمجة والتحليلات.
inDrive تأسست في ياكوتسك لمكافحة أسعار التاكسي غير العادلة والمتآمرة. هويتنا التنافسية الأساسية هي نموذج التفاوض من نظير إلى نظير — يُقترح الركاب، يقبل السائقون أو يعترضون أو يرفضون. هذا التدفق المفتوح للعرض هو أساسي.
ما هو معنى “ال超 تطبيق AI” في الممارسة في inDrive، وأي أجزاء من المنصة هي الأكثر ملاءمة للاستفادة من AI اليوم: مطابقة السوق، وأمان، ودعم العملاء، والخدمات المالية، أو شيء آخر؟
الشركات التي تقول “AI-first” تعني أنها أضافت روبوت محادثة. هذا ليس ما نقوم به.
AI-first يعني أن AI يجلس في طبقة التشغيل للمنصة، وليس في طبقة الميزة. كل قرار منتج — من مطابقة السوق إلى دعم العملاء إلى تقييم الائتمان — يبدأ بالسؤال: ما البيانات التي لدينا، وكيف يجب أن تشكل الذكاء هذا الخبرة؟
نحن نعمل في 48 دولة وأكثر من 1000 مدينة في 8 مناطق متميزة. نحن نبني قدرات مالية من خلال inDrive.Money، ونستخدم بيانات السائقين لإنشاء نماذج ائتمان بديلة لا يمكن للمصارف التقليدية复licationها بمفردها.
نحن نستخدم AI لتحسين واجهات المستخدم للعملاء ذوي القدرات المنخفضة أو الإعاقة.
inDrive قوية بشكل خاص في الأسواق الناشئة والحدودية، حيث يمكن أن تختلف ظروف العمل بشكل كبير. كيف تصمم أنظمة AI التي تعمل بشكل جيد عبر مناطق ذات بنية تحتية و习وات دفع وبيئات تنظيمية وتوقعات مستخدم مختلفة بشكل كبير؟
الصعوبة تكمن في إنشاء نموذج موحد يعمل بشكل موثوق في 48 دولة وأكثر من 1000 مدينة في 8 مناطق متميزة. نحن نعالج هذا من خلال منصة موحدة عالية التكوين، حيث يتم معظم العمل الذي نقوم به لإطلاق دولة جديدة يتغير التكوين، وليس الكود الجديد.
نحن نبني قدرات هندسية في أمريكا اللاتينية لخدمة هذا السوق بشكل أفضل مع وجود هندسي قريب.
لقد قادت تحولات سحابة و 数字ية كبيرة في مؤسسات مثل HSBC وNAB. ما هي الدروس من البيئات المالية المنظمة التي تثبت أكثر قيمة أثناء توسع inDrive في خدمات مثل التكنولوجيا المالية و بناء أنظمة اتخاذ القرار التي تعتمد على AI؟
ثلاثة دروس من HSBC وNAB تنتقل تقريبا بشكل مباشر.
أولاً، تدقيقية البيانات والسيطرة عليها ليستا اختياريا. في البنوك، كل عنصر بيانات حاسم، كل قرار يؤثر على العميل يجب أن يكون محاطاً بسيطرات مناسبة لحماية الصحة والاستمرارية.
ثانياً، حوكمة البيانات تسبق علوم البيانات. في NAB وHSBC، تعلمت أن أكبر عائق للاستفادة من AI ليس النموذج — بل البيانات. من يملكها؟ هل هي نظيفة؟ هل هي موافقة؟ هل هي محددة بشكل صحيح؟
ثالثاً، متانة التشغيل أكثر أهمية من أداء النموذج. البنوك علمتني أن نموذجًا ذا دقة 99.9٪ الذي يفشل بشكل كارثي في الحالة 0.1٪ هو أسوأ من نموذج ذا دقة 95٪ مع انخفاض أنيق.
كثير من الشركات تتحدث عن الحفاظ على “البشر في الحلقة”، ولكن هذا العبارة غالباً ما تبقى غامضة. في inDrive، أين تعتقد أن الحكم البشري يجب أن يبقى غير قابل للتفاوض حتى مع زيادة قدرات سير العمل والتحكم الآلي؟
مبدأ بسيط: أوتوماتيكية الإعادة؛ احتفظ بالبشر على غير القابل لل đảo.
سلطة التسعير هي المثال الأكثر وضوحاً، وهي التي تحدد inDrive. الإنسان — كلا الراكب والسائق — دائما لديه الكلمة النهائية حول السعر.
ما هو أكبر عائق في تحويل AI من حالات استخدام معزولة إلى طبقة تشغيل عبر الأعمال؟
الجميع يعطي الجواب اللطيف: جودة البيانات. هذا صحيح ولكن غير كاف.
العائق الحقيقي هو تنظيمي.
منصات النقل تتعامل مع كميات هائلة من البيانات السلوكية في العالم الحقيقي. كيف توازن بين فرصة استخدام هذه البيانات لتحسين التخصيص والتنبؤ والحفاظ على الثقة والخصوصية والعدالة لكل من السائقين والركاب؟
ميزة البيانات في منصات النقل حقيقية. ومع بيانات التوصيل والخدمات المالية، تصبح هذه مجموعة بيانات سلوكية غير عادية.
نحن نطبق مبدأ التقييد الغرضي بدقة. نحن نستخدم البيانات التي تم جمعها لتحسين الركوب. لا يتم إعادة توجيهها للتصويب الإعلاني أو بيعها للطرف الثالث.
نماذج التطبيق الفائق نجحت بشكل كبير في بعض أجزاء آسيا، ولكن من الصعب تكرارها عبر أسواق عالمية منقسمة. ما يجب أن يكون صحيحاً، من الناحية التكنولوجية والذكاء الاصطناعي، لكي يعمل تطبيق فائق عبر عشرات الدول بدلاً من نظام متكامل واحد؟
نموذج التطبيق الفائق، الذي أصبح شائعًا في آسيا، عمل في بيئات تنظيمية وبنيات تحتية متجانسة، مع تكامل عميق عبر المدفوعات والاجتماعية والتجارة التي لم تكن هناك بديلاً قوياً مستقلًا.
الأساس يجب أن يكون عالمياً افتراضياً، ومحلياً بالتصميم. نحن نطرح خدمات المنصة المشتركة — الهوية، المحفظة، الإشعارات، التحليلات، الخرائط، الدعم — كقواعد مستقرة يمكن للشركاء ربطها بسرعة.
متى تتوقع أن يخلق AI أكبر فرق تنافسي في منصات النقل: التنبؤ بالطلب، وأمان وسلامة، وتشغيل آلي، وتحسين دعم العملاء، واقتصاد السائقين، أو خدمات جديدة لا توجد بعد؟
AI سوف يلمس كل هذه، ولكن درجة الفصل سوف تختلف.
في غضون ثلاث سنوات، كل منصة نقل جادة سوف يكون لها تنبؤ بالطلب كفء. ميزات الأمان والثقة سوف تكون أشياء أساسية. الدعم سوف يصبح آلياً مع نضج LLMs.
منطقة رئيسية للتفريق عبر الصناعة هي احتمالاً خدمات جديدة لا توجد بعد. الجمع بين بيانات الموقع الحقيقي والبيانات السلوكية وبيانات الدفع والمعلومات السوقية المحلية يخلق أساساً لخدمات لم نخترعها بعد في مجالات مثل التجارة المحلية والرعاية الصحية أو اللوجستيات التنبؤية.
AI لا يخلق ميزة تنافسية بمفرده. يخلق ميزة عندما ي 结ب مع بيانات فريدة وموقع سوقي وفضيلة تشغيلية لتنفيذ.
موقع inDrive — تطبيق النقل الثاني الأكثر تنزилаً في العالم، مع مواقع رائدة في الأسواق الحدودية، وأكثر من 400 مليون تنزيل، و علامة تجارية مبنية على العدالة — هو الأساس. AI هو المضخم. بدون الأساس، المضخم لا شيء ليضخمه.
شكراً لمقابلة رائعة، القراء الذين يرغبون في التعلم أكثر يجب أن يزوروا inDrive.
