Συνεντεύξεις
Ράιαν Ρις, Αρχισυντάκτης AI & Επιστήμονας Δεδομένων στην Mission – Σειρά Συνεντεύξεων

Ο Δρ. Ράιαν Ρις είναι ένας αναγνωρισμένος επιστήμονας δεδομένων με περισσότερες από 15 χρόνια ηγετικής εμπειρίας σε δεδομένα και μηχανική σε εταιρείες τεχνολογίας που αναπτύσσονται γρήγορα. Ο Δρ. Ρις έχει περισσότερες από 20 χρόνια εμπειρίας εργασίας με το AI και 5+ χρόνια βοηθώντας τους πελάτες να κατασκευάζουν την υποδομή δεδομένων και τα μοντέλα AI του AWS. Μετά την απόκτηση του διδακτορικού του στη Βιοφυσική Χημεία στο UCLA και το Caltech, ο Δρ. Ρις έχει βοηθήσει στην ανάπτυξη προηγμένων λύσεων δεδομένων για το Υπουργείο Άμυνας των Ηνωμένων Πολιτειών και πολλές εταιρείες Fortune 500.
Ως Αρχισυντάκτης AI και Επιστήμονας Δεδομένων για την Mission, ο Ράιαν έχει δημιουργήσει μια επιτυχημένη ομάδα Μηχανικών Δεδομένων, Αρχιτεκτόνων Δεδομένων, Μηχανικών ML και Επιστημόνων Δεδομένων για να λύσει einige από τα πιο δύσκολα προβλήματα στον κόσμο χρησιμοποιώντας την υποδομή του AWS.
Η Mission είναι ένας ηγέτης στην παροχή υπηρεσιών διαχείρισης και συμβουλευτικής που γεννήθηκε στο cloud, προσφέροντας ολοκληρωμένες υπηρεσίες cloud, καινοτόμες λύσεις AI και λογισμικό για τους πελάτες του AWS. Ως συνεργάτης του AWS Premier Tier, η εταιρεία βοηθά τις επιχειρήσεις να βελτιώσουν τις επενδύσεις τεχνολογίας, να ενισχύσουν την απόδοση και τη διακυβέρνηση, να αναπτύξουν με αποτελεσματικότητα, να ασφαλίσουν τα δεδομένα και να υιοθετήσουν την καινοτομία με εμπιστοσύνη.
Έχετε μια εντυπωσιακή πορεία – από την κατασκευή υλικού AR στη DAQRI μέχρι τον Αρχισυντάκτη AI στην Mission. Ποια προσωπικά βιώματα ή στροφές έχουν διαμορφώσει περισσότερο την άποψή σας για τον ρόλο του AI στην επιχείρηση;
Η πρώιμη ανάπτυξη του AI ήταν nặngα περιορισμένη από την υπολογιστική ισχύ και τις προκλήσεις της υποδομής. Συχνά έπρεπε να γράψουμε χειροκίνητα μοντέλα από ερευνητικές εργασίες, που ήταν χρονοβόρα και σύνθετα. Μια σημαντική στροφή ήρθε με την άνοδο της Python και των ανοικτών βιβλιοθηκών AI, που έκανε την πειραματική και την κατασκευή μοντέλων πολύ πιο γρήγορη. Ωστόσο, η μεγαλύτερη στροφή συνέβη όταν οι υπερ-παραγωγοί όπως το AWS έκαναν τη μεγάλης κλίμακας υπολογιστική και αποθήκευση ευρέως προσβάσιμες.
Αυτή η εξέλιξη αντικατοπτρίζει μια συνεχιζόμενη πρόκληση στην ιστορία του AI – το να εξαντλούνται η αποθήκευση και η υπολογιστική ικανότητα. Αυτά τα όρια προκάλεσαν τις προηγούμενες “χειμώνες AI” και η υπέρβαση τους έχει sido θεμελιώδους σημασίας για τη σημερινή “αιωνόβια αναγέννηση του AI”.
Πώς το ολοκληρωμένο μοντέλο υπηρεσιών cloud της Mission βοηθά τις εταιρείες να αναπτύξουν τις εργασίες AI τους στο AWS με μεγαλύτερη αποτελεσματικότητα και ασφάλεια;
Στην Mission, η ασφάλεια είναι ενσωματωμένη σε όλα όσα κάνουμε. Έχουμε sido ο συνεργάτης ασφαλείας της χρονιάς με το AWS για δύο χρόνια, αλλά ενδιαφέρον είναι ότι δεν έχουμε μια αφιερωμένη ομάδα ασφαλείας. Αυτό είναι επειδή όλοι στην Mission κατασκευάζουν με ασφάλεια στο μυαλό τους σε κάθε φάση της ανάπτυξης. Με το γεννητικό AI του AWS, οι πελάτες επωφελούνται από τη χρήση του στρώματος Bedrock, το οποίο διατηρεί τα δεδομένα, συμπεριλαμβανομένων των ευαίσθητων πληροφοριών όπως τα PII, ασφαλή μέσα στην οικογένεια του AWS. Αυτή η ολοκληρωμένη προσέγγιση διασφαλίζει ότι η ασφάλεια είναι θεμελιώδους σημασίας, όχι μια μετάνοια.
Η κλιμακωσιμότητα είναι επίσης ένα βασικό εστιακό σημείο στην Mission. Έχουμε εκτεταμένη εμπειρία στην κατασκευή трубων MLOps που διαχειρίζονται την υποδομή AI για εκπαίδευση και inference. Ενώ πολλοί συνδέουν το γεννητικό AI με μεγάλες δημόσιες συστήματα όπως το ChatGPT, οι περισσότερες επιχειρηματικές περιπτώσεις είναι εσωτερικές και απαιτούν πιο διαχειρίσιμη κλιμακωσιμότητα. Το στρώμα API του Bedrock βοηθά στην παροχή κλιμακωσιμότητας, ασφάλειας και απόδοσης για πραγματικές εργασίες.
Μπορείτε να μας οδηγήσετε μέσα από μια τυπική επιχειρηματική εμπλοκή – από τη μετεγκατάσταση cloud μέχρι την ανάπτυξη λύσεων γεννητικού AI – χρησιμοποιώντας τις υπηρεσίες της Mission;
Στην Mission, αρχίζουμε να κατανοούμε τις επιχειρηματικές ανάγκες και τις περιπτώσεις χρήσης της εταιρείας. Η μετεγκατάσταση cloud αρχίζει με την αξιολόγηση του τρέχοντος περιβάλλοντος on-premise και τη σχεδίαση μιας κλιμακωσιμότητας cloud. Αντιθέτως με τις εγκαταστάσεις on-premise, όπου πρέπει να προβλέψετε για την πικρή ικανότητα, το cloud σας επιτρέπει να κλιμακωθείτε τις πόρους με βάση τις μέσες εργασίες, μειώνοντας τους κόστους. Όχι όλες οι εργασίες χρειάζονται μετεγκατάσταση – μερικές μπορούν να αποσυρθούν, να ανακατασκευαστούν ή να ξαναχτιστούν για αποτελεσματικότητα. Μετά την απογραφή και τη σχεδίαση, εκτελούμε μια μετεγκατάσταση φάσης.
Με το γεννητικό AI, έχουμε μετακινηθεί πέρα από τις φάσεις απόδειξης-ενός-σχεδίου. Βοηθάμε τις εταιρείες να σχεδιάσουν αρχιτεκτονικές, να τρέξουν πιλότους για να βελτιώσουν τις προτροπές και να αντιμετωπίσουν περιπτώσεις άκρων, και στη συνέχεια να μεταβούν σε παραγωγή. Για τα δεδομένα-κίνητα AI, βοηθάμε τις εταιρείες να μετεγκαταστήσουν τα δεδομένα on-premises στο cloud, ξεκλείδοντας μεγαλύτερη αξία. Αυτή η ολοκληρωμένη προσέγγιση διασφαλίζει ότι οι λύσεις γεννητικού AI είναι ρομποτικές, κλιμακωσιμότητας και επιχειρηματικά έτοιμες από την πρώτη ημέρα.
Η Mission τονίζει την “καινοτομία με εμπιστοσύνη”. Τι σημαίνει αυτό σε πρακτικούς όρους για τις επιχειρήσεις που υιοθετούν το AI σε κλίμακα;
Σημαίνει ότι έχετε μια ομάδα με πραγματική εμπειρία AI – όχι μόνο απόφοιτους bootcamp, αλλά και εποικισμένους επιστήμονες δεδομένων. Οι πελάτες μπορούν να εμπιστευτούν ότι δεν πειραματίζουμε πάνω τους. Οι άνθρωποί μας κατανοούν πώς λειτουργούν τα μοντέλα και πώς να τα εφαρμόσουν ασφαλώς και σε κλίμακα. Αυτός είναι ο τρόπος με τον οποίο βοηθάμε τις επιχειρήσεις να καινοτομούν χωρίς να λαμβάνουν άσκοπους κινδύνους.
Έχετε εργαστεί σε προβλέψιμες αναλύσεις, NLP και οπτική υπολογιστή. Πού βλέπετε το γεννητικό AI να φέρνει την μεγαλύτερη αξία στις επιχειρήσεις σήμερα – και πού η υπερβολή ξεπερνά την πραγματικότητα;
Το γεννητικό AI παρέχει σημαντική αξία στις επιχειρήσεις κυρίως μέσω της έξυπνης επεξεργασίας εγγράφων (IDP) και των chatbot. Πολλλές επιχειρήσεις δυσκολεύονται να κλιμακωθούν τις επιχειρήσεις τους με την προσθήκη περισσότερων ανθρώπων, οπότε το γεννητικό AI βοηθά στην αυτοματοποίηση επαναλαμβανόμενων εργασιών και στην ταχύτητα των ροών εργασιών. Για παράδειγμα, η IDP έχει μειώσει τον χρόνο αναθεώρησης των αιτήσεων ασφάλισης κατά 50% και έχει βελτιώσει τη συντονισμό φροντίδας ασθενών στη φροντίδα υγείας. Τα chatbot συχνά ενεργούν ως διεπαφές σε άλλα εργαλεία AI ή συστήματα, επιτρέποντας στις εταιρείες να αυτοματοποιούν τις ρουτίνας αλληλεπιδράσεις και εργασίες αποτελεσματικά.
Ωστόσο, η υπερβολή γύρω από τις γεννητικές εικόνες και τα βίντεο συχνά ξεπερνά την πραγματική επιχειρηματική χρήση. Ενώ είναι οπτικά εντυπωσιακά, αυτές οι τεχνολογίες έχουν περιορισμένες πρακτικές εφαρμογές πέρα από την.marketing και τα δημιουργικά έργα. Οι περισσότερες επιχειρήσεις βρίσκουν ότι είναι δύσκολο να κλιμακωθούν τις λύσεις γεννητικών μέσων σε βασικές επιχειρηματικές λειτουργίες, καθιστώντας τις περισσότερο μια νεωτερικότητα παρά ένα θεμελιώδες επιχειρηματικό εργαλείο.
“Vibe Coding” είναι ένας αναδυόμενος όρος – μπορείτε να εξηγήσετε τι σημαίνει στον κόσμο σας και πώς αντικατοπτρίζει την ευρύτερη πολιτιστική στροφή στην ανάπτυξη AI;
Το “Vibe Coding” αναφέρεται στους προγραμματιστές που χρησιμοποιούν μεγάλες μονάδες γλώσσας για να δημιουργήσουν κώδικα με βάση περισσότερο την直觉 ή την φυσική γλώσσα παρά την δομημένη σχεδίαση. Είναι υπέροχο για την ταχύτητα της επανάληψης και της πρωτοτυπίας – οι προγραμματιστές μπορούν να δοκιμάσουν γρήγορα ιδέες, να δημιουργήσουν κώδικα προτύπου ή να αποφορτίσουν επαναλαμβανόμενες εργασίες. Αλλά επίσης συχνά οδηγεί σε κώδικα που λείπει δομή, είναι δύσκολο να διατηρηθεί και μπορεί να είναι αναποτελεσματικός ή ανασφαλής.
Βλέπουμε μια ευρύτερη στροφή προς περιβάλλοντα που ενεργούν, όπου οι LLMs ενεργούν σαν νεαροί προγραμματιστές και οι άνθρωποι αναλαμβάνουν ρόλους που μοιάζουν περισσότερο με αρχιτέκτονες ή μηχανικούς QA – αναθεωρώντας, βελτιώνοντας και ενσωματώνοντας τα στοιχεία AI-γεννημένα σε μεγαλύτερα συστήματα. Αυτό το συνεργατικό μοντέλο μπορεί να είναι ισχυρό, αλλά μόνο αν υπάρχουν φραγμοί. Χωρίς την κατάλληλη επιτήρηση, το “Vibe Coding” μπορεί να εισαγάγει τεχνικό χρέος, ευπάθειες ή προβλήματα απόδοσης – ειδικά όταν βγάζεται σε παραγωγή χωρίς αυστηρά τεστ.
Τι είναι η άποψή σας για τον εξελισσόμενο ρόλο του αξιωματικού AI; Πώς πρέπει οι οργανισμοί να ξανασκέφτονται την ηγετική δομή καθώς το AI γίνεται θεμελιώδους σημασίας για την επιχειρηματική στρατηγική;
Οι αξιωματικοί AI μπορούν να προσθέσουν αξία – αλλά μόνο αν ο ρόλος είναι ρυθμισμένος για επιτυχία. Πολύ συχνά, οι εταιρείες δημιουργούν νέους τίτλους C-suite χωρίς να τους συνδέσουν με τις υφιστάμενες ηγετικές δομές ή να τους δώσουν πραγματική εξουσία. Αν ο αξιωματικός AI δεν μοιράζεται στόχους με τον CTO, CDO ή άλλους εκτελεστές, κινδυνεύετε με απομονωμένες αποφάσεις, αντικρουόμενες προτεραιότητες και σταματημένες εκτελέσεις.
Οι οργανισμοί πρέπει να σκεφτούν προσεκτικά αν ο αξιωματικός AI αντικαθιστά ή συμπληρώνει ρόλους όπως ο Chief Data Officer ή ο CTO. Ο τίτλος έχει λιγότερη σημασία από το εντολή. Τι είναι κρίσιμο είναι να ενδυναμώσετε κάποιον να διαμορφώσει την στρατηγική AI σε όλη την οργάνωση – δεδομένα, υποδομή, ασφάλεια και επιχειρηματικές περιπτώσεις – και να του δώσετε την ικανότητα να οδηγήσει σημαντικές αλλαγές. Αλλιώς, ο ρόλος γίνεται περισσότερο συμβολικός παρά επηρεστικός.
Έχετε ηγηθεί βραβευμένων ομάδων AI και δεδομένων. Ποια είναι τα χαρακτηριστικά που ψάχνετε όταν προσλαμβάνετε για υψηλούς ρίσκους ρόλους AI;
Το πρώτο χαρακτηριστικό είναι να βρείτε κάποιον που πραγματικά γνωρίζει το AI, όχι μόνο κάποιον που πήρε κάποια μαθήματα. Χρειάζεστε ανθρώπους που είναι πραγματικά ικανοί στο AI και που διατηρούν ακόμα την περιέργεια και το ενδιαφέρον για το να πιέζουν τα όρια του τι μπορεί και δεν μπορεί να γίνει.
Ψάχνω για ανθρώπους που είναι πάντα στην αναζήτηση νέων προσεγγίσεων και που προκύπτουν τα όρια του τι μπορεί και δεν μπορεί να γίνει. Αυτή η συνδυασμένη γνώση και εξέλιξη είναι απαραίτητη για υψηλούς ρίσκους ρόλους AI όπου η καινοτομία και η αξιόπιστη εφαρμογή είναι εξίσου σημαντικές.
Πολλλές επιχειρήσεις δυσκολεύονται να λειτουργήσουν τα μοντέλα ML. Τι ξεχωρίζει τις ομάδες που επιτυγχάνουν από αυτές που σταματούν στην πύλη της απόδειξης;
Το μεγαλύτερο ζήτημα είναι η δια-ομάδική ευθυγράμμιση. Οι ομάδες ML κατασκευάζουν υποσχόμενες μοντέλα, αλλά άλλες ομάδες δεν τα υιοθετούν λόγω μη ευθυγραμμισμένων προτεραιοτήτων. Η μετάβαση από την απόδειξη σε παραγωγή απαιτεί επίσης υποδομή MLOps: εκδόσεις, επανα-εκπαίδευση και παρακολούθηση. Με το GenAI, το χάσμα είναι ακόμα μεγαλύτερο. Η παραγωγή ενός chatbot σημαίνει ρύθμιση προτροπών, διαχείριση трубων και συμμόρφωση… όχι μόνο ρίχνοντας προτροπές στο ChatGPT.
Τι συμβουλή θα δίνατε σε einen ιδρυτή startup που κατασκευάζει προϊόντα AI-πρώτα σήμερα που θα μπορούσαν να επωφεληθούν από την υποδομή και την στρατηγική AI της Mission;
Όταν είσαι startup, είναι δύσκολο να προσελκύσεις κορυφαίο ταλαντό AI, ειδικά χωρίς μια καθιερωμένη μάρκα. Ακόμα και με một ισχυρή ομάδα ιδρυτών, είναι δύσκολο να προσλάβεις ανθρώπους με το βάθος της εμπειρίας που χρειάζεται για να κατασκευάσει και να κλιμακωσει συστήματα AI σωστά. Αυτό είναι όπου η συνεργασία με μια εταιρεία όπως η Mission μπορεί να κάνει μια πραγματική διαφορά. Μπορούμε να σας βοηθήσουμε να κινηθείτε πιο γρήγορα παρέχοντας υποδομή, στρατηγική και πρακτική εμπειρία, ώστε να μπορείτε να επικυρώσετε το προϊόν σας νωρίτερα και με μεγαλύτερη εμπιστοσύνη.
Το άλλο κρίσιμο κομμάτι είναι η εστίαση. Βλέπουμε πολλούς ιδρυτές που προσπαθούν να τυλίξουν μια βασική διεπαφή γύρω από το ChatGPT και να το ονομάσουν προϊόν, αλλά οι χρήστες γίνονται πιο έξυπνοι και περιμένουν περισσότερα. Αν δεν λύετε ένα πραγματικό πρόβλημα ή δεν προσφέρετε κάτι πραγματικά διαφοροποιημένο, είναι εύκολο να χαθείτε στο θόρυβο. Η Mission βοηθά τις startups να σκεφτούν στρατηγικά για το πού το AI δημιουργεί πραγματική αξία και πώς να κατασκευάσετε κάτι κλιμακωσιμότητας, ασφάλειας και παραγωγής από την πρώτη ημέρα. Έτσι δεν πειραματίζεστε, αλλά κατασκευάζετε για ανάπτυξη.
Ευχαριστούμε για τη μεγάλη συνέντευξη, οι αναγνώστες που επιθυμούν να μάθουν περισσότερα πρέπει να επισκεφθούν τη Mission.












