Ramprakash Ramamoorthy, leder af AI-forskning hos ManageEngine – Interviewserie

Ramprakash Ramamoorthy er leder af AI-forskning hos ManageEngine, den enterprise IT-management afdeling af Zoho Corp. ManageEngine giver virksomheder mulighed for at tage kontrol over deres IT, fra sikkerhed, netværk og servere til deres applikationer, service desk, Active Directory, desktops og mobile enheder.

Hvordan blev du oprindeligt interesseret i datalogi og maskinlæring?

Da jeg voksede op, havde jeg en naturlig nysgerrighed over for computing, men at eje en personlig computer var uden for min families rækkevidde. Takket være min bedstefars stilling som professor i kemi på et lokalt college, fik jeg dog nogle gange mulighed for at bruge computere der efter lukketid.

Min interesse dybede sig i universitetet, hvor jeg endelig fik min egen PC. Der udviklede jeg et par webapplikationer til mit universitet. Disse applikationer er stadig i brug i dag – hele 12 år senere – hvilket underliner effekten og varigheden af mit tidlige arbejde. Denne oplevelse var en omfattende lektion i softwareingeniørvidenskab og de virkelige udfordringer ved at skala og installere applikationer.

Min professionelle rejse i teknologi startede med et praktikophold hos Zoho Corp. Til at begynde med var mit hjerte sat på mobilappudvikling, men min chef fik mig til at fuldføre et maskinlæringsprojekt, før jeg gik videre til appudvikling. Det viste sig at være et vendepunkt – jeg fik aldrig chancen for at lave mobilappudvikling – så det er lidt bittert.

Hos Zoho Corp har vi en kultur, der bygger på at lære ved at gøre. Vi tror på, at hvis du bruger nok tid på et problem, bliver du eksperten. Jeg er virkelig taknemlig for denne kultur og for vejledningen fra min chef; det er, hvad der kickstartede min rejse ind i verden af maskinlæring.

Som direktør for AI-forskning hos Zoho & ManageEngine, hvad ser din gennemsnitlige arbejdsdag ud til?

Min arbejdsdag er dynamisk og drejer sig om både team-samarbejde og strategisk planlægning. En betydelig del af min dag bliver brugt på at arbejde tæt sammen med et talentfuldt hold af ingeniører og matematikere. Sammen bygger og forbedrer vi vores AI-stack, som udgør rygmarven af vores tjenester.

Vi fungerer som det centrale AI-hold, der tilbyder AI-løsninger som en tjeneste til en bred vifte af produkter inden for både ManageEngine og Zoho. Denne rol kræver en dyb forståelse af de forskellige produktlinjer og deres unikke krav. Mine interaktioner er ikke kun begrænset til mit hold; jeg arbejder også omfattende med interne hold på tværs af organisationen. Dette samarbejde er afgørende for at tilpasse vores AI-strategi til kundernes specifikke behov, som konstant udvikler sig. Dette er en fantastisk mulighed for at omgås de smarteste hjerner i hele virksomheden.

På grund af den hurtige udvikling i AI, bruger jeg en betydelig del af min tid på at holde mig ajour med de seneste udviklinger og tendenser på området. Dette løbende læring er afgørende for at opretholde vores føring og sikre, at vores strategier forbliver relevante og effektive.

Derudover strækker min rol sig ud over kontorets rammer. Jeg har en passion for at tale og rejse, hvilket passer godt med mine ansvar. Jeg deltager ofte i møder med analytikere og deltagere i forskellige fora for at formidle vores AI-strategi. Disse interaktioner hjælper ikke kun med at sprede vores vision og præstationer, men giver også værdifulde indsigt, der føres tilbage til vores strategiske planlægning og gennemførelse.

Du har overværet AI’s udvikling, siden ManageEngine blev positioneret som en strategisk AI-pioner tilbage i 2013. Hvad var nogle af de maskinlæringsalgoritmer, der blev brugt i disse tidlige dage?

Vores første fokus var på at erstatte traditionelle statistiske teknikker med AI-modeller. For eksempel i afvigelsesdetektion, gik vi fra en klokkekurvemetode, der markerede ekstreme værdier, til AI-modeller, der var dygtige til at lære fra tidligere data, genkende mønstre og sæsonbestemmelse.

Vi integrerede en bred vifte af algoritmer – fra supportvektor-maskiner til beslutningstræ-baserede metoder – som grundlag for vores AI-platform. Disse algoritmer var afgørende for at identificere niche-brugsområder, hvor AI kunne udnytte tidligere data til mønstergenkendelse, prognose og rodårsagsanalyse. Forbløffende nok er mange af disse algoritmer stadig effektivt i produktion i dag, hvilket underlinerer deres relevans og effektivitet.

Kunne du diskutere, hvordan LLM’er og generativ AI har ændret arbejdsprocessen hos ManageEngine?

Store sprogmodeller (LLM’er) og generativ AI har bestemt skabt en stor opmærksomhed i forbruger-verdenen, men deres integration i enterprise-sfæren, herunder hos ManageEngine, har været mere gradvis. En af årsagerne til dette er den høje indgangsbarriere, især i forhold til omkostninger, og de betydelige data- og beregningskrav, disse modeller stiller.

Hos ManageEngine investerer vi strategisk i domænespecifikke LLM’er for at udnytte deres potentiale på en måde, der er tilpasset vores behov. Dette indebærer udvikling af modeller, der ikke kun er generiske i deres anvendelse, men også finjusteres til at løse specifikke områder inden for vores virksomhedsdrift. For eksempel arbejder vi på en LLM, der er dedikeret til sikkerhed, som kan markere sikkerhedsbegivenheder mere effektivt, og en anden, der fokuserer på infrastruktur-overvågning. Disse specialiserede modeller er i øjeblikket under udvikling i vores laboratorier, hvilket afspejler vores engagement i at udnytte de opdykkende egenskaber af LLM’er og generativ AI på en måde, der tilføjer konkrete værdier til vores enterprise IT-løsninger.

ManageEngine tilbyder en række forskellige AI-værktøjer til forskellige brugsområder, hvilket værktøj er du særligt stolt af?

Jeg er utrolig stolt af alle vores AI-værktøjer hos ManageEngine, men vores bruger- og enhedsadgangsanalyse (UEBA) står ud for mig. Lanceret i vores tidlige dage, er det stadig et stærkt og vitalt element i vores tilbud. Vi forstod markedets forventninger og tilføjede en forklaring til hver afvigelse som standardpraksis. Vores UEBA-kapacitet udvikler sig konstant, og vi fører læringene videre for at gøre det bedre.

ManageEngine tilbyder i øjeblikket AppCreator, en lavkode-platform for brugerdefineret applikationsudvikling, der låter IT-hold skabe tilpassede løsninger hurtigt og lancere dem på lokalt niveau. Hvad er dine synspunkter på fremtiden for lavkode- eller kodefrie applikationer? Vil de til sidst overtage?

Fremtiden for lavkode- og kodefrie applikationer, som vores AppCreator, er meget lovende, især i konteksten af udviklende forretningsbehov. Disse platforme bliver afgørende for virksomheder til at udvide og maksimere kapaciteten af deres eksisterende softwareaktiver. Da virksomheder vokser, og deres krav ændrer sig, tilbyder lavkode- og kodefrie løsninger en fleksibel og effektiv måde at tilpasse og innovere.

Desuden spiller disse platforme en afgørende rol i at aktivere virksomhederne til at udnytte teknologi. Ved at tilbyde udviklende teknologi, som AI som en tjeneste, sænker de betydeligt indgangsbarrieren for virksomheder til at prøve kraften af AI.

Kunne du dele dine egne synspunkter på AI-risici, herunder AI-forvrængning, og hvordan ManageEngine håndterer disse risici?

Hos ManageEngine erkender vi den alvorlige trussel, der udgøres af AI-risici, herunder AI-forvrængning, som kan udvide teknologi-adgangsgabet og påvirke kritiske forretningsfunktioner som HR og finans. For eksempel er historier om AI, der viser forvrængt adfærd i rekruttering, advarselshistorier, vi tager alvorligt.

For at mindske disse risici implementerer vi strenge politikker og arbejdsprocesser for at sikre, at vores AI-modeller minimiserer forvrængning på tværs af deres livscyklus. Det er afgørende at overvåge disse modeller kontinuerligt, da de kan starte upartiske, men potentielt udvikle forvrængning over tid på grund af ændringer i data.

Vi investerer også i avancerede teknologier som differentialprivatliv og homomorft kryptering for at styrke vores engagement i sikker og upartisk AI. Disse bestræbelser er afgørende for at sikre, at vores AI-værktøjer ikke kun er kraftfulde, men også bruges ansvarligt og etisk, og opretholder deres integritet for alle brugere og anvendelser.

Hvad er din vision for fremtiden for AI og robotteknologi?

Fremtiden for AI og robotteknologi tegner sig til at være både spændende og transformerende. AI har bestemt oplevet sin del af boom- og bust-cykler i fortiden. Men med fremskridt i dataindsamling og bearbejdningskapacitet, samt opdykkende omsætningsmodeller omkring data, er AI nu fast etableret og her for at blive.

AI er udviklet til en mainstream-teknologi, der har en betydelig indvirkning på, hvordan vi interagerer med software på både virksomheds- og personligt niveau. Dens generative egenskaber er allerede blevet en integreret del af vores daglige liv, og jeg forudser, at AI vil blive endnu mere tilgængelig og billig for virksomheder takket være nye tekniker og fremskridt.

En vigtig aspekt af denne fremtid er AI-udviklernes ansvar. Det er afgørende for byggere at sikre, at deres AI-modeller er robuste og fri for forvrængning. Desuden håber jeg at se, at lovgivningsrammer udvikler sig i takt med den hurtige udvikling af AI for effektivt at håndtere og mindske eventuelle lovgivningsmæssige problemer, der opstår.

Min vision for AI er en fremtid, hvor disse teknologier er nærmest integreret i vores daglige liv, forbedrer vores evner og oplevelser, mens de håndteres etisk og ansvarligt.

Tak for det gode interview, læsere, der ønsker at lære mere, skal besøge ManageEngine.