Ramprakash Ramamoorthy, Leiter der AI-Forschung bei ManageEngine – Interview-Serie

Ramprakash Ramamoorthy ist der Leiter der AI-Forschung bei ManageEngine, der Unternehmens-IT-Management-Sparte von Zoho Corp. ManageEngine ermöglicht es Unternehmen, die Kontrolle über ihre IT zu übernehmen, von Sicherheit, Netzwerken und Servern bis hin zu Anwendungen, Service-Desk, Active Directory, Desktops und mobilen Geräten.

Wie sind Sie ursprünglich an die Informatik und das Maschinenlernen herangekommen?

Als ich aufwuchs, hatte ich eine natürliche Neugier auf das Rechnen, aber der Besitz eines persönlichen Computers war über die finanziellen Mittel meiner Familie hinaus. Dank der Position meines Großvaters als Professor für Chemie an einem lokalen College bekam ich jedoch manchmal die Chance, die Computer dort nach den Stunden zu benutzen.

Mein Interesse vertiefte sich im College, wo ich endlich meinen eigenen PC bekam. Dort entwickelte ich ein paar Webanwendungen für meine Universität. Diese Anwendungen werden noch heute verwendet – ganze 12 Jahre später -, was wirklich die Auswirkungen und die Langlebigkeit meiner frühen Arbeit unterstreicht. Diese Erfahrung war eine umfassende Lektion in Software-Engineering und den realen Herausforderungen bei der Skalierung und dem Einsatz von Anwendungen.

Meine berufliche Reise in der Technologie begann mit einem Praktikum bei Zoho Corp. Anfangs war mein Herz auf die Entwicklung von Mobile-Apps gesetzt, aber mein Chef ermutigte mich, ein Maschinenlernen-Projekt abzuschließen, bevor ich zur App-Entwicklung überging. Dies erwies sich als Wendepunkt – ich bekam nie die Gelegenheit, Mobile-App-Entwicklung zu betreiben -, also ist es ein bisschen bitter.

Bei Zoho Corp haben wir eine Kultur des Lernens durch Tun. Wir glauben, dass wenn man genug Zeit mit einem Problem verbringt, man zum Experten wird. Ich bin wirklich dankbar für diese Kultur und für die Führung meines Chefs; es ist das, was meine Reise in die Welt des Maschinenlernens eingeleitet hat.

Als Leiter der AI-Forschung bei Zoho und ManageEngine, wie sieht Ihr durchschnittlicher Arbeitstag aus?

Mein Arbeitstag ist dynamisch und dreht sich um Teamzusammenarbeit und strategische Planung. Ein wesentlicher Teil meines Tages wird mit der engen Zusammenarbeit mit einem talentierten Team von Ingenieuren und Mathematikern verbracht. Zusammen bauen wir unsere AI-Plattform auf und verbessern sie, die das Rückgrat unserer Dienstleistungen bildet.

Wir arbeiten als zentrales AI-Team und bieten AI-Lösungen als Dienstleistung für eine breite Palette von Produkten innerhalb von ManageEngine und Zoho an. Diese Rolle erfordert ein tiefes Verständnis der verschiedenen Produktlinien und ihrer einzigartigen Anforderungen. Meine Interaktionen sind nicht nur auf mein Team beschränkt; ich arbeite auch umfassend mit internen Teams innerhalb der Organisation zusammen. Diese Zusammenarbeit ist entscheidend, um unsere AI-Strategie mit den spezifischen Bedürfnissen unserer Kunden in Einklang zu bringen, die ständig evolvieren. Dies ist eine großartige Gelegenheit, mit den intelligentesten Köpfen im Unternehmen zusammenzuarbeiten.

Angesichts des rasanten Tempos der Fortschritte im Bereich KI widme ich einen erheblichen Teil meiner Zeit der Auseinandersetzung mit den neuesten Entwicklungen und Trends in diesem Bereich. Dieses kontinuierliche Lernen ist unerlässlich, um unseren Vorsprung zu erhalten und unsere Strategien relevant und effektiv zu halten.

Zusätzlich geht meine Rolle über die Bürogrenzen hinaus. Ich habe eine Leidenschaft für das Sprechen und Reisen, die sich gut mit meinen Verantwortlichkeiten verträgt. Ich engagiere mich häufig mit Analysten und nehme an verschiedenen Foren teil, um unsere AI-Strategie zu verbreiten. Diese Interaktionen helfen nicht nur dabei, unsere Vision und Errungenschaften zu verbreiten, sondern liefern auch wertvolle Einblicke, die in unsere strategische Planung und Umsetzung einfließen.

Sie haben die Evolution von KI seit der Positionierung von ManageEngine als strategischer KI-Pionier im Jahr 2013 miterlebt. Welche Maschinenlernalgorithmen wurden in diesen frühen Tagen verwendet?

Unser anfänglicher Fokus lag auf der Ersetzung traditioneller statistischer Techniken durch KI-Modelle. Zum Beispiel bei der Anomalie-Erkennung wechselten wir von einer Glockenkurven-Methode, die Extreme markierte, zu KI-Modellen, die in der Lage waren, aus vergangenen Daten zu lernen, Muster und Saisonalität zu erkennen.

Wir integrierten eine breite Palette von Algorithmen – von Support-Vektor-Maschinen bis hin zu Entscheidungsbaum-basierten Methoden – als Grundlage unserer KI-Plattform. Diese Algorithmen waren von entscheidender Bedeutung bei der Identifizierung von Nischenanwendungsfällen, in denen KI vergangene Daten für Mustererkennung, Vorhersage und Ursachenanalyse erheblich nutzen konnte. Bemerkenswerterweise sind viele dieser Algorithmen noch heute effektiv in Produktion, was ihre Relevanz und Effizienz unterstreicht.

Können Sie erläutern, wie LLMs und generative KI den Arbeitsablauf bei ManageEngine verändert haben?

Große Sprachmodelle (LLMs) und generative KI haben sicherlich Wellen in der Verbraucherwelt geschlagen, aber ihre Integration in den Unternehmensbereich, einschließlich ManageEngine, war eher allmählich. Ein Grund dafür ist die hohe Einstiegshürde, insbesondere in Bezug auf Kosten, und die erheblichen Daten- und Rechenanforderungen, die diese Modelle erfordern.

Bei ManageEngine investieren wir strategisch in domänen-spezifische LLMs, um ihr Potenzial auf eine Weise zu nutzen, die auf unsere Bedürfnisse zugeschnitten ist. Dazu gehören die Entwicklung von Modellen, die nicht nur generisch in ihrer Anwendung sind, sondern fein abgestimmt sind, um spezifische Bereiche innerhalb unserer Unternehmensoperationen anzusprechen. Zum Beispiel arbeiten wir an einem LLM, das sich auf Sicherheit konzentriert und Sicherheitsereignisse effizienter markieren kann, und an einem anderen, das sich auf Infrastruktur-Überwachung konzentriert. Diese spezialisierten Modelle sind derzeit in unseren Labors in Entwicklung und spiegeln unser Engagement wider, das emergente Verhalten von LLMs und generativer KI auf eine Weise zu nutzen, die unseren Unternehmens-IT-Lösungen einen greifbaren Mehrwert verleiht.

ManageEngine bietet eine Vielzahl von verschiedenen KI-Tools für verschiedene Anwendungsfälle. Welches Tool sind Sie besonders stolz darauf?

Ich bin unglaublich stolz auf alle unsere KI-Tools bei ManageEngine, aber unser Benutzer- und Entitätsverhaltensanalyse-Tool (UEBA) ragt für mich heraus. Es wurde in unseren frühen Tagen gestartet und ist immer noch ein starkes und vitales Teil unseres Angebots. Wir haben die Markterwartungen verstanden und eine Erklärung für jede Anomalie als Standardpraxis hinzugefügt. Unser UEBA-Verfahren entwickelt sich ständig weiter und wir übernehmen die Erkenntnisse, um es zu verbessern.

ManageEngine bietet derzeit den AppCreator, eine Plattform für die Entwicklung von benutzerdefinierten Anwendungen mit geringem Code, mit der IT-Teams benutzerdefinierte Lösungen schnell erstellen und vor Ort bereitstellen können. Was sind Ihre Ansichten zur Zukunft von No-Code- oder Low-Code-Anwendungen? Werden diese letztendlich die Oberhand gewinnen?

Die Zukunft von Low-Code- und No-Code-Anwendungen wie unserem AppCreator ist sehr vielversprechend, insbesondere im Kontext der sich entwickelnden Geschäftsanforderungen. Diese Plattformen werden für Unternehmen von entscheidender Bedeutung, um die Fähigkeiten ihrer bestehenden Software-Assets zu erweitern und zu maximieren. Da Unternehmen wachsen und ihre Anforderungen ändern, bieten Low-Code- und No-Code-Lösungen eine flexible und effiziente Möglichkeit, sich anzupassen und zu innovieren.

Können Sie Ihre eigenen Ansichten zu KI-Risiken, einschließlich KI-Verzerrung, teilen und wie ManageEngine diese Risiken bewältigt?

Bei ManageEngine erkennen wir die ernsthafte Bedrohung, die durch KI-Risiken, einschließlich KI-Verzerrung, entsteht, die die technologische Zugangskluft vergrößern und kritische Geschäftsfunktionen wie HR und Finanzen beeinträchtigen kann. Zum Beispiel sind Geschichten über KI, die ein verzerrtes Verhalten in der Rekrutierung zeigt, warnende Beispiele, die wir ernst nehmen.

Um diese Risiken zu mindern, implementieren wir strenge Richtlinien und Workflows, um sicherzustellen, dass unsere KI-Modelle die Verzerrung während ihres gesamten Lebenszyklus minimieren. Es ist entscheidend, diese Modelle kontinuierlich zu überwachen, da sie ursprünglich unvoreingenommen sein können, aber im Laufe der Zeit aufgrund von Änderungen in den Daten Verzerrungen entwickeln können.

Was ist Ihre Vision für die Zukunft von KI und Robotik?

Die Zukunft von KI und Robotik gestaltet sich als aufregend und transformierend. KI hat sicherlich ihre Boom- und Bust-Zyklen in der Vergangenheit erlebt. Allerdings haben die Fortschritte in der Datenerfassung und -verarbeitung sowie die entstehenden Umsatzmodelle um Daten herum KI nun fest etabliert und sie ist hier, um zu bleiben.

KI hat sich zu einer Mainstream-Technologie entwickelt, die erheblich die Art und Weise beeinflusst, wie wir mit Software auf Unternehmens- und persönlicher Ebene interagieren. Ihre generativen Fähigkeiten sind bereits ein integraler Bestandteil unseres täglichen Lebens und ich sehe vorher, dass KI für Unternehmen noch zugänglicher und erschwinglicher wird, dank neuer Techniken und Fortschritte.

Ein wichtiger Aspekt dieser Zukunft ist die Verantwortung der KI-Entwickler. Es ist entscheidend, dass die Erbauer sicherstellen, dass ihre KI-Modelle robust und frei von Verzerrung sind. Zusätzlich hoffe ich, dass rechtliche Rahmenbedingungen sich mit dem rasanten Fortschritt der KI entwickeln, um effektiv alle rechtlichen Probleme zu bewältigen, die entstehen.

Meine Vision für KI ist eine Zukunft, in der diese Technologien nahtlos in unser tägliches Leben integriert sind, unsere Fähigkeiten und Erfahrungen erweitern und verbessern, während sie ethisch und verantwortungsvoll gesteuert werden.

Vielen Dank für das großartige Interview. Leser, die mehr erfahren möchten, sollten ManageEngine besuchen: ManageEngine.