Dr. Pandurang Kamat, Chief Technology Officer, Persistent Systems – Rozhovorová série

Dr. Pandurang Kamat je Chief Technology Officer ve společnosti Persistent Systems (PERSISTENT.BO ), kde je zodpovědný za pokročilý technologický výzkum zaměřený na odemknutí obchodního potenciálu prostřednictvím inovací ve velkém měřítku. Je zkušený technologický lídr, který pomáhá zákazníkům zlepšit uživatelský zážitek, optimalizovat obchodní procesy a vytvářet nové digitální produkty. Jeho vize pro Persistent Systems je být inovačním lídrem, který kotví globální a rozmanitou inovační ekosystém, složený z akademie a startupů.

Pandurang se připojil k Persistent Systems v roce 2012. Předtím byl ředitelem analytiky pro vyhledávací a obsahové podniky Ask.com, kde vedl globální tým pro správu analytické platformy. Předtím pomáhal budovat zabezpečené komunikační a digitální média produkty v Bell Labs a HP Labs a oceněnou bezdrátovou výzkumnou platformu na Rutgers University.

Persistent Systems je důvěryhodným partnerem pro digitální inženýrství a modernizaci podniků pro globální lídry napříč odvětvími.

Co vás původně přitáhlo k počítačovým vědám a počítačovému inženýrství?

Můj zájem o počítačové vědy a inženýrství se udál během letního kurzu ve škole. Učení programovacích konstrukcí a vytváření počítačových her mě seznámilo se strukturovanou logikou, která podporuje tyto obory. Byl jsem okouzlen možností rozložit komplexní problémy a řešit je systematicky. Co mě skutečně přitáhlo, byla obrovská výhoda, kterou dobře navržené programy nabízejí. Mohou automatizovat úkoly, optimalizovat procesy a umožnit jednotlivcům nebo malým týmům dosáhnout pozoruhodných výkonů. Tato kombinace kreativity, řešení problémů a transformačního potenciálu mě nadále inspiruje. Od těch počátečních zkušeností až po mé současné aktivity zůstávám vášnivým stoupencem nekonečných možností, které technologie nabízí. Počítačové vědy a inženýrství nejen formují budoucnost, ale také nabízejí cesty pro inovace a pokrok, které mě pohánějí vpřed.

Jak se změnil způsob, jakým vaše tým operuje, s příchodem generativní umělé inteligence?

Příchod generativní umělé inteligence (GenAI) změnil, jak náš tým operuje v Persistent Systems, zejména při vývoji softwaru pro podniky. Tato změna v IT průmyslu představuje nejen výzvy, ale také významné příležitosti pro kompletní přepracování obchodních operací.

Jako podnik pro digitální inženýrství a modernizaci podniků, který využívá GenAI, jsme přijali GenAI pro revolucionalizaci různých aspektů softwarového inženýrství. Za poslední rok jsme vyvinuli nástroje a sady, které kompletně přebudují procesy, jako je generování kódu, generování testovacích případů a migrace zpráv. V projektech modernizace dědictví se náš přístup výrazně změnil. Nyní využíváme nástroje pro zefektivnění procesů převzetí kódu, zmírnění projektových rizik a urychlení nástupu nových členů týmu tím, že jim poskytujeme hlubší pochopení komplexních kódových základů. Kromě toho naše spolupráce s průmyslovými doménami umožňuje dodávat přizpůsobené řešení využívající firemní data. Vyvíjíme digitální asistenty, kteří rozumí obchodnímu jazyku a poskytují relevantní odkazy, a tím zvyšujeme provozní efektivitu a rozhodování uvnitř podniků. Tyto asistenty dodržují zásady odpovědné umělé inteligence, zajišťují transparentnost, odpovědnost, bezpečnost a soukromí a neustále zlepšují svou přesnost a výkon prostřednictvím automatizovaného hodnocení modelového výstupu.

Jaké jsou některé výzvy kompletní modernizace dědictví systémů pomocí generativní umělé inteligence?

GenAI je mocný nástroj, ale není to stříbrná kulka pro kompletní modernizaci dědictví systémů. Organizace napříč odvětvími musí přijmout kombinovaný přístup, který spojuje lidskou odbornost a schopnosti umělé inteligence. Zatímco GenAI nabízí značný potenciál pro modernizaci, má také své omezení. Mezi klíčové výzvy patří:

• Omezené pochopení dědictví systémů: Modely GenAI vyžadují komplexní pochopení stávajících systémů, aby fungovaly efektivně. Dědictví systémy často postrádají komplexní dokumentaci, což brání schopnosti umělé inteligence pochopit jejich vzájemné závislosti.
• Kvalita a reprezentativnost dat: Kvalita a reprezentativnost dat použitých pro výcvik modelu GenAI mají významný dopad na jeho výstup. Omezení výcvikových dat se mohou projevit v generovaném kódu, potenciálně zavádějících nová problémy.
• Zajištění kvality a bezpečnosti: Zatímco GenAI může automatizovat generování kódu, výstup vyžaduje důkladné testování a ověření, aby splňoval standardy kvality, funkčních požadavků a bezpečnostních norem.
• Omezený rozsah modernizace: GenAI může být nevhodný pro kompletní přebudování systémů. Může excelovat v konkrétních úkolech, jako je refaktoring kódu nebo generování testovacích případů, ale komplexní architektonické změny stále vyžadují manuální zásah.
• Správa změn a zarovnání zúčastněných stran: Správa organizačních změn a zarovnání zúčastněných stran jsou kritickými faktory pro úspěch modernizace dědictví systémů pomocí GenAI. Čisté komunikace, školicí programy a iniciativy pro zarovnání zúčastněných stran mohou pomoci řešit odpor vůči změnám a usnadnit plynulé přechody.

Jedna z výzev Generativní umělé inteligence je konzistence, jak Persistent Systems pomáhá budovat konzistentní uživatelský zážitek?

Konzistence je jedním z prvků poskytování celkového podnikového, bezpečného uživatelského zážitku a výsledků GenAI. Podívejte se na proces holisticky.

Nabízíme komplexní podporu ve všech fázích přijetí GenAI. Naše strategické vedení a pečlivé analýzy případů použití pomáhají organizacím vybrat nejvhodnější základní modely (FMs) přizpůsobené jejich specifickým požadavkům. Prostřednictvím podrobného vyšetření a konzultace pomáháme klientům definovat jasná použití a dělat informovaná rozhodnutí o výběru FM.

Pak se zaměřujeme na několik přístupů, jako je few-shot prompting nebo fine-tuning, aby zajistili, že modely používané v aplikacích jsou přizpůsobeny použití a firemním datům.

Naše řešení nejen využívají standardní RAG techniky, ale také jdou hlouběji do více promptů a strategií chunkingu dat, aby zajistily, že nejrelevantnější data jsou získána a poskytnuta FM během inference. Dále zvyšujeme přesnost a relevanci tohoto kontextu pomocí pokročilých znalostních grafů pro zachycení skrytých vztahů uvnitř firemních dat.

Také využíváme několik techniky zajištění a ochrany, aby omezily a zaměřily rozsah inference.

Nakonec procházíme aplikaci důkladným a automatizovaným evaluačním rámcem, který zajišťuje konzistenci inference a zážitku, vydání po vydání.

Můžete poskytnout reálné příklady, kde GenAI poháněná řešení úspěšně revolucionalizovala zákaznické interakce?

Persistent transformoval zákaznické interakce pro předního poskytovatele softwarových řešení prostřednictvím GenAI poháněných řešení. Čelící výzvám škálovatelnosti během špičkových provozních období, společnost implementovala Centrální znalostní repozitář a Konverzační AI Teams BOT. To streaminovalo přístup k informacím, vedoucí k 80% snížení doby řešení zákaznických dotazů. Kvalita odpovědí se také významně zlepšila, což vedlo k vyšší spokojenosti zákazníků.

Také jsme pomohli soukromé kapitálové firmě využitím GenAI pro automatizaci vytváření podrobných investičních zpráv. S GenAI poháněným systémem se čas potřebný pro generování zpráv snížil o 90%. Tento streaminovaný přístup revolucionalizoval operace firmy, umožňující rychlá a efektivní rozhodování. Efektivita nejen ušetřila cenný čas, ale také podpořila větší spolupráci mezi zúčastněnými stranami a zajistila osobní dotek v každé poznámce, zvyšující celkovou efektivitu.

Jak přistupujete k odpovědné inovaci Generativní umělé inteligence?

Náš přístup k odpovědné inovaci Generativní umělé inteligence priorizuje etické postupy a soulad s předpisy po celou dobu vývoje a implementace. Klademe důraz na transparentnost, odpovědnost a spravedlnost v rozhodování poháněném umělou inteligencí.

Stanovujeme robustní etické směrnice, které řídí vývoj, nasazení a použití systémů GenAI. V našem úsilí o odpovědnou inovaci GenAI důkladně testujeme a ověřujeme naše systémy, aby se minimalizovaly potenciální rizika, jako jsou předpojatosti, dezinformace a problémy s ochranou soukromí.

Dále klademe důraz na transparentnost a odpovědnost v rozhodování poháněném umělou inteligencí, poskytujícím uživatelům jasný přehled o operacích systému. Naším konečným cílem je vyvinout a nasadit systémy GenAI, které pohánějí inovace a efektivitu, zatímco pozitivně přispívají k společnosti.

Jaká je vaše vize pro budoucnost umělé inteligence?

Má vize pro budoucnost umělé inteligence je vícesměrná. Především v digitálním inženýrství vidím umělou inteligenci nejen jako pomocníka při kódování, ale také jako spolupracovníka, podobného “spolu-programátorovi”. To zahrnuje pomoc při úkolech kódování a aktivní účast na řešení problémů tím, že mapuje komplexní úkoly a provádí sub-úkoly.

Zadruhé, předvídám éru personalizovaných agentů a asistentů umělé inteligence, nabízejících přizpůsobené zkušenosti jednotlivcům – “personalizaci 1” přístup. Tyto agenti budou rozumět jedinečným preferencím, chováním a potřebám uživatelů, poskytujícím vysoce přizpůsobenou podporu a služby.

Zatřetí, věřím v evoluci složitých systémů umělé inteligence, kde různé modely umělé inteligence spolupracují, aby řešily různé potřeby. Nebude existovat jediný “univerzální” model, ale spíše kombinace velkých a malých, obecných a specializovaných modelů, které spolupracují v službách umělé inteligence. Tento přístup umožňuje větší flexibilitu, efektivitu a účinnost při řešení širokého spektra problémů napříč různými doménami.

Děkuji za skvělý rozhovor, čtenáři, kteří chtějí se dozvědět více, by měli navštívit Persistent Systems.