مقابلات
يوري ميسنيك، رئيس قسم التكنولوجيا في inDrive – سلسلة المقابلات
يوري ميسنيك هو رئيس قسم 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 عليا في Microsoft وAWS. لاحقًا شغل منصب المدير التنفيذي الرقمي في HSBC، والمدير التنفيذي للشؤون المالية في بنك أستراليا الوطني، والمدير التنفيذي للتقنية في بنك أبوظبي الأول، حيث قام بتحديث بيئات معقدة ومنظمة بشكل كبير من خلال السحابة والتفكير المُتكرر والهندسة المرتكزة على المنتج.
بدأ ميسنيك مسيرته المهنية في هندسة الفضاء الجوي، حيث ساهم في تصميم طائرة بوينغ 787 قبل الانتقال إلى هندسة البرمجيات وأنظمة التداول عبر الإنترنت. ويتحدث بfluently في منصات التراث والهياكل الموزعة الحديثة، وهو معروف بتقديم الأنظمة التأسيسية مع الابتكار الحداثي.
في inDrive، يركز على بناء الأنظمة والفرق والمنصات التي ستقود المرحلة التالية من النمو العالمي للشركة.
inDrive هي منصة عالمية للتنقل والخدمات الحضرية التي توفر وصلات بين المستخدمين وسائقي السيارات ومقدمي الخدمات عبر خدمات النقل والاستلام والخدمات حسب الطلب. تأسست الشركة في عام 2013، وتعمل في أكثر من 48 دولة وأكثر من 1000 مدينة، مع ملايين التنزيلات حول العالم. يتميزها نموذج التسعير من نظير إلى نظير الذي يسمح للركاب وسائقي السيارات بالتفاوض على الأسعار مباشرة، بدلاً من الاعتماد على التسعير الخوارزمي، بهدف خلق معاملات أكثر شفافية وعدالة. بالإضافة إلى النقل، توسعت inDrive في مجالات مثل السفر بين المدن وخدمات التوصيل وخدمات التمويل الرقمي وحتى توصيل البقالة، مما يجعلها تطبيقًا شاملاً يركز على الخدمات الحضرية المتاحة والمناسبة.
بدأت في النمذجة الرياضية والتحليل العنصري المنتهي قبل الانتقال من خلال Microsoft وAWS وHSBC والبنك الأسترالي الوطني، والآن تقود تحولًا في الذكاء الاصطناعي في inDrive. كيف ساهمت هذه الرحلة في تشكيل تفكيرك في بناء أنظمة ذكاء اصطناعي طموحة تقنيًا ولكنها لا تزال متأصلة في العدالة والمرونة والقيود العالمية؟
بدأت مسيرتي المهنية في الرياضيات التطبيقية والتحليل العنصري المنتهي، وهو في الأساس فهم حيث انهيار نموذجك، وليس الاحتفال بحيث يعمل.
في Microsoft وAWS، حيث قضيت أكثر من عقد، تعلمت ما يحدث عند بناء منصات على نطاق عالمي. تفترض أن الأنظمة سوف تتحلل، والشبكات سوف تفشل، والمكونات سوف تتصرف بشكل غير متوقع. في inDrive، التي تعمل عبر أكثر من 1000 مدينة في 48 دولة، أثبت هذا التفكير أنه ضروري تمامًا.
HSBC والبنك الأسترالي الوطني جلبتا عدسة مختلفة. في HSBC، كنت أبني القدرات الرقمية للبيع بالتجزئة عبر عشرات الأنظمة التنظيمية. في البنك الأسترالي الوطني، قادت التحول السحابي، نقلت التطبيقات المصرفية الحيوية إلى AWS. في تلك البيئات، كل قرار تكنولوجي يحمل عواقب تنظيمية وسمعة ومالية. نموذج الذكاء الاصطناعي أو التعلم الآلي الذي لا يمكن تفسير قراراته بطريقة يمكن لمشرف أو عميل فهمها ليس актиفًا، بل هو عبئ.
المنتج يجب أن يعكس احتياجات الناس، وليس يبرز تعقيد كومك.
هذا يعني بناء أنظمة ذكاء اصطناعي تزويد المعلومات وتقديم المساعدة، على سبيل المثال، من خلال توصية بسعر عادل دون إزالة السيطرة على الأشخاص في السوق.
معظم المنصات تستخدم الذكاء الاصطناعي لتحديد الأسعار. في حين أن inDrive يستخدم التفاوض. لذلك، كيف يلائم التعلم الآلي نموذجك وأين عبر المنصة يقدم القيمة الأكبر دون المساس بالشفافية التي تجعل inDrive مختلفة؟
الذكاء الاصطناعي في inDrive ليس فقط حول التسعير؛ إنه متجمد عبر جميع أعمال الشركة، يشمل التسويق والنمو وتحسين التطبيق، ودعم العملاء، والذكاء الجغرافي المكاني، والأدوات الداخلية، ومنع الاحتيال والمزيد. أكثر من 80% من قوتنا العاملة تستخدم مجموعة من أدوات الذكاء الاصطناعي من دعم العملاء والتسويق إلى البرمجة والتحليل. الذكاء الاصطناعي يقوم بعمل كبير في البنية التحتية المحيطة – في عام 2025، حققنا تحسنًا بنسبة 14% في دقة وقت وصول مقارنة بعام 2024 بفضل نماذج التعلم العميق. لذلك، عندما يسأل الناس عن الذكاء الاصطناعي والتسعير، من المهم فهم أن هذا هو بُعد واحد فقط من قدرة أوسع.
تأسست inDrive في ياكوتسك لمكافحة أسعار التاكسي غير العادلة والمتآمرة. هويتنا التنافسية الأساسية هي نموذج التفاوض من نظير إلى نظير — يُقترح على الركاب، يقبل السائقون أو يعيدون التفاوض أو يرفضون. هذا التدفق المفتوح للعرض هو أساسي.
ماذا يعني “تطبيق الذكاء الاصطناعي أولاً” في الممارسة في inDrive وأي أجزاء من المنصة هي الأكثر ملاءمة للذكاء الاصطناعي اليوم: مطابقة السوق، السلامة، دعم العملاء، الخدمات المالية، أو شيء آخر؟
معظم الشركات التي تقول “الذكاء الاصطناعي أولاً” تعني أنها أضافت روبوتًا لل聊. هذا ليس ما نقوم به.
الذكاء الاصطناعي أولاً يعني أن الذكاء الاصطناعي يجلس في طبقة التشغيل للمنصة، وليس في طبقة الميزة. كل قرار منتج يبدأ بالسؤال: ما البيانات التي لدينا، وكيف يجب أن تشكل الذكاء هذه التجربة؟ على عكس تطبيقات السوبر القديمة التي نمت قبل عصر الذكاء الاصطناعي، نحن ندمج هذه القدرات من الأساس أثناء التوسع عبر ثمانية رأس مال: النقل، الرحلات بين المدن، التوصيل، الشحن، توصيل البقالة، الخدمات الحضرية، والمنتجات المالية.
inDrive قوية بشكل خاص في الأسواق الناشئة والحدودية، حيث يمكن أن تختلف ظروف التشغيل بشكل كبير. كيف تصمم أنظمة ذكاء اصطناعي تعمل جيدًا عبر المناطق التي تختلف فيها البنية التحتية و习وض الدفع والبيئات التنظيمية وتوقعات المستخدمين بشكل كبير؟
الصعوبة تكمن في إنشاء نموذج موحد يعمل بشكل موثوق عبر 48 دولة وأكثر من 1000 مدينة في 8 مناطق متميزة. نحن نعالج هذا من خلال منصة عالية التكوين حيث يتم معظم العمل الذي نقوم به لبدء تشغيل بلد جديد من خلال تغييرات التكوين، وليس كود جديد. هذا يركز جهدنا الهندسي على المتطلبات المحلية: التحقق من هوية السائق، التحقق من الوثائق، والتكامل مع قواعد البيانات الحكومية.
لقد قادت جهود تحويلية كبيرة في السحابة والتحول الرقمي في مؤسسات مثل HSBC وNAB. ما هي الدروس من البيئات التنظيمية المالية المنظمة التي تثبت أنها الأكثر قيمة أثناء توسع inDrive في خدمات مثل التمويل الرقمي وبناء أنظمة اتخاذ قرارات مدفوعة بالذكاء الاصطناعي؟
ثلاثة دروس من HSBC وNAB تنتقل تقريبًا بشكل مباشر.
أولاً، المراقبة والسيطرات حول البيانات ليست اختيارية. في المصارف، كل عنصر بيانات حاسم، كل قرار يؤثر على عميل يجب أن يكون محاطًا بسيطرات مناسبة تحمي السلامة والاتساق. كل شيء يجب أن يكون قابلاً للتعقب ويمكن تفسيره. وفي العالم الرقمي، عليك أن تجمع السرعة مع السيطرات، مما يعني أن جميع المتطلبات التنظيمية يجب أن تكون آليّة من البداية.
كثير من الشركات تتحدث عن الحفاظ على “البشر في الحلقة”. لكن هذا العبارة غالبًا ما تبقى غامضة. في inDrive، أين تعتقد أن الحكم البشري يجب أن يبقى غير قابل للتفاوض حتى مع زيادة قدرات سير العمل والتحكم الآلي؟
أنا أتبع مبدأ بسيط: أوتوماتيكية الإعادة؛ احتفظ بالبشر في غير القابل للعكس. إذا كان القرار الخاطئ قابلًا للعكس بسهولة، أوتوماتيكية. إذا كان يمكن أن يدمر الثقة أو المعيشة أو السلامة، يبقى الحكم البشري.
ما هو أكبر عائق في تحويل الذكاء الاصطناعي من حالات استخدام معزولة إلى طبقة تشغيل عبر الشركة؟
الجميع يقدم الجواب اللطيف: جودة البيانات. هذا صحيح ولكن غير كاف. العائق الحقيقي هو تنظيمي.
الأمر الأكثر صعوبة ليس أي مشكلة تقنية فردية، بل الانتقال من ثقافة التجارب الفردية للذكاء الاصطناعي إلى ثقافة عمليات الذكاء الاصطناعي المنتظمة. يتطلب هذا التحول تغييرًا في كيفية تفكير الفرق في ملكية والمسؤولية والقياس.
تتم معالجة كميات هائلة من بيانات السلوك الحقيقي في منصات النقل. كيف توازن بين فرصة استخدام هذه البيانات لتحسين التخصيص والتنبؤ مع الحاجة إلى الحفاظ على الثقة والخصوصية والعدالة لكل من السائقين والركاب؟
ميزة البيانات في النقل حقيقية. عندما تُجمع مع بيانات التوصيل وخدمات التمويل الرقمي، تصبح مجموعة بيانات سلوكية غنية بشكل استثنائي. إغراء الاستغلال المفرط لهذه البيانات هو بالضبط ما نرفض فعله.
نظرًا إلى ثلاث إلى خمس سنوات قادمة، أين تعتقد أن الذكاء الاصطناعي سيكون له أكبر فرق تنافسي في منصات النقل: التنبؤ بالطلب، والسلامة والأمان، والتشغيل التلقائي، وتحسين الدعم، واقتصاد السائق، أو خدمات جديدة لا توجد بعد؟
الذكاء الاصطناعي سيتأثر بجميع هذه، ولكن درجة الفصل ستختلف.
في غضون ثلاث سنوات، من المحتمل أن يكون كل منصة نقل جادة تتمتع بتنبؤات طلب كفئة. سوف تكون ميزات السلامة والأمان معايير أساسية. الدعم سوف يُ автомم بسرعة مع نمو LLMs.
منطقة رئيسية للتمييز عبر الصناعة، مع ذلك، هي احتمالًا خدمات جديدة لا توجد بعد. الجمع بين بيانات الموقع الحقيقي والبيانات السلوكية وبيانات الدفع والمعلومات السوقية المحلية يخلق الأساس لخدمات لم نفكر فيها بعد في مجالات مثل التجارة المحلية والرعاية الصحية أو اللوجستيات التنبؤية.
شكرًا على المقابلة الرائعة، القراء الذين يرغبون في معرفة المزيد يجب أن يزوروا inDrive.
