Dr. Pandurang Kamat, director de tecnología, sistemas persistentes - Serie de entrevistas

El Dr. Pandurang Kamat es director de tecnología de Persistent Systems, es responsable de la investigación de tecnología avanzada centrada en desbloquear el valor comercial a través de la innovación a escala. Es un líder tecnológico experimentado que ayuda a los clientes a mejorar la experiencia del usuario, optimizar los procesos comerciales y crear nuevos productos digitales. Su visión de Persistent es ser una potencia de innovación que ancle un ecosistema de innovación global y diverso, compuesto por academia y empresas emergentes.

Pandurang se unió a Persistent en 2012. Antes de Persistent, fue director de análisis para los negocios de contenido y búsqueda de Ask.com, donde dirigió un equipo global para administrar la plataforma de análisis de Ask. Antes de eso, ayudó a crear productos de medios digitales y comunicaciones seguras en Bell Labs y HP Labs y una plataforma de investigación inalámbrica galardonada en la Universidad de Rutgers.

Sistemas persistentes es un socio confiable de ingeniería digital y modernización empresarial para los líderes del mercado global en todas las industrias.

¿Qué le atrajo inicialmente de la informática y la ingeniería informática?

Mi interés por la informática y la ingeniería surgió durante un curso de verano en la escuela. Aprender construcciones de programación y crear juegos de computadora me introdujo a la lógica estructurada que respalda estos campos. Me cautivó la capacidad de analizar problemas complejos y resolverlos sistemáticamente. Lo que realmente me atrajo fue la inmensa ventaja que ofrecen los programas bien diseñados. Pueden automatizar tareas, optimizar procesos y capacitar a individuos o equipos pequeños para lograr hazañas notables. Esta combinación de creatividad, resolución de problemas y potencial transformador continúa inspirándome. Desde esas experiencias iniciales hasta mi viaje actual, sigo apasionado por las infinitas posibilidades que presenta la tecnología. La informática y la ingeniería no sólo dan forma al futuro, sino que también ofrecen vías de innovación y progreso que me impulsan hacia adelante.

La mayor parte del negocio de sistemas persistentes proviene de la creación de software para empresas. ¿Cómo ha transformado la llegada de la IA generativa la forma en que opera su equipo?

La llegada de la IA generativa (GenAI) ha transformado la forma en que opera nuestro equipo en Persistent, particularmente en el desarrollo de software empresarial. Esta disrupción dentro de la industria de TI no solo presenta desafíos sino también importantes oportunidades para reimaginar las operaciones comerciales de manera integral.

Como empresa de ingeniería digital impulsada por IA, Persistent ha adoptado GenAI para revolucionar varios aspectos del ciclo de vida de la ingeniería de software. Durante el año pasado, desarrollamos herramientas y conjuntos que redefinen por completo procesos como la generación de código, la generación de casos de prueba y la migración de informes. En proyectos de modernización heredados, nuestro enfoque ha evolucionado significativamente. Ahora aprovechamos herramientas para agilizar los procesos de adquisición de código, mitigar los riesgos del proyecto y acelerar la incorporación de nuevos miembros del equipo brindándoles una comprensión más profunda de bases de código complejas. Además, nuestra colaboración con dominios de la industria nos permite ofrecer soluciones personalizadas que aprovechan los datos empresariales. Al desarrollar asistentes digitales capaces de comprender el lenguaje empresarial y proporcionar referencias relevantes, mejoramos la eficiencia operativa y la toma de decisiones dentro de las empresas. Estos asistentes se adhieren a los principios de IA responsable, garantizando transparencia, responsabilidad, seguridad y privacidad mientras mejoran continuamente su precisión y rendimiento a través de la evaluación automatizada de los resultados del modelo.

¿Cuáles son algunos de los desafíos de modernizar completamente los sistemas heredados utilizando IA generativa?

GenAI es una herramienta poderosa, pero no es una solución milagrosa para la modernización completa de los sistemas heredados. Las organizaciones de todos los sectores deben adoptar un enfoque combinado, aprovechando la experiencia humana y las capacidades de la IA. Si bien GenAI ofrece un potencial sustancial de modernización, tiene sus limitaciones. Los desafíos clave incluyen:

• Comprensión limitada de los sistemas heredados: los modelos GenAI requieren una comprensión profunda de los sistemas existentes para funcionar de manera efectiva. Los sistemas heredados a menudo carecen de documentación completa, lo que dificulta la capacidad de la IA para comprender sus interdependencias de manera efectiva.
• Calidad y sesgo de los datos: la calidad y la representatividad de los datos utilizados para entrenar el modelo de IA tienen un impacto significativo en su resultado. Las limitaciones de los datos de entrenamiento pueden reflejarse en el código generado, lo que podría introducir nuevos problemas.
• Garantizar la calidad y la seguridad: si bien GenAI puede automatizar la generación de código, el resultado necesita pruebas y verificaciones rigurosas para cumplir con los requisitos funcionales, de calidad y los estándares de seguridad.
• Alcance limitado de la modernización: GenAI puede no ser adecuado para revisiones completas del sistema. Puede sobresalir en tareas específicas como la refactorización de código o la generación de casos de prueba, pero los cambios arquitectónicos complejos aún requieren intervención manual.
• Gestión del cambio y alineación de las partes interesadas: gestionar el cambio organizacional y lograr la aceptación de las partes interesadas son factores críticos para determinar el éxito de la modernización de los sistemas heredados con GenAI. Una comunicación clara, programas de capacitación e iniciativas de participación de las partes interesadas pueden ayudar a abordar la resistencia al cambio y facilitar transiciones fluidas.

Uno de los desafíos de la IA generativa es la coherencia. ¿Cómo ayudan los sistemas persistentes a crear una experiencia de usuario coherente?

La coherencia es un elemento para proporcionar una experiencia y resultados de usuario basados ​​en GenAI seguros y de nivel empresarial. Miramos el proceso de manera integral.

Brindamos soporte de extremo a extremo en todas las etapas de la adopción de GenAI. Nuestra orientación estratégica y análisis meticulosos de casos de uso ayudan a las organizaciones a seleccionar los modelos de base (FM) más adecuados y adaptados a sus requisitos específicos. A través de un examen y una consulta detallados, ayudamos a los clientes a definir casos de uso claros y a realizar selecciones de FM informadas.

Luego, nos centramos en múltiples enfoques, como indicaciones breves o incluso ajustes finos, para garantizar que los modelos utilizados en las aplicaciones estén en sintonía con el caso de uso y los datos empresariales.

Nuestras soluciones no solo emplean técnicas RAG estándar, sino que también profundizan en múltiples estrategias de indicación y fragmentación de datos para garantizar que los datos más relevantes se recuperen y se entreguen al FM durante la inferencia. Mejoramos aún más la precisión y relevancia de este contexto mediante el uso de gráficos de conocimiento avanzados para capturar relaciones ocultas dentro de los datos empresariales.

También empleamos múltiples técnicas de conexión a tierra y barreras de seguridad para limitar y enfocar el alcance de la inferencia.

Finalmente, sometemos la aplicación a un marco de evaluación riguroso y automatizado que garantiza la coherencia de la inferencia y la experiencia, versión tras versión.

¿Podría brindarnos ejemplos del mundo real en los que las soluciones impulsadas por GenAI hayan revolucionado con éxito las interacciones con los clientes?

Persistent ha transformado las interacciones con los clientes para un proveedor líder de soluciones de software a través de soluciones impulsadas por GenAI. Al enfrentar desafíos de escalabilidad durante los períodos operativos pico, la empresa implementó un repositorio central de conocimientos y un BOT de equipos de IA conversacionales. Simplificó el acceso a la información, lo que llevó a una reducción del 80 % en el tiempo de resolución de consultas de los clientes. La calidad de las respuestas también mejoró significativamente, lo que resultó en una mayor satisfacción del cliente.

También ayudamos a una empresa de capital privado aprovechando GenAI para automatizar la creación de informes de inversión detallados. Con el sistema impulsado por GenAI, el tiempo necesario para generar informes se redujo en un 90 %. Este enfoque simplificado revolucionó las operaciones de la empresa, facilitando una toma de decisiones rápida y eficaz. La eficiencia no solo ahorró un tiempo valioso sino que también fomentó una mayor colaboración entre las partes interesadas y aseguró un toque personalizado en cada memorando, mejorando la eficacia general.

¿Cómo se aborda la innovación GenAI responsable?

Nuestro enfoque de innovación GenAI responsable prioriza las prácticas éticas y el cumplimiento normativo en todos los procesos de desarrollo e implementación. Hacemos hincapié en la transparencia, la responsabilidad y la justicia en la toma de decisiones impulsada por la IA.

Establecemos pautas éticas sólidas que rigen el desarrollo, implementación y uso de sistemas GenAI. En nuestra búsqueda de una innovación GenAI responsable, probamos y validamos rigurosamente nuestros sistemas para mitigar riesgos potenciales como sesgos, información errónea y problemas de privacidad.

Además, priorizamos la transparencia y la responsabilidad en los procesos de toma de decisiones impulsados ​​por la IA al brindar a los usuarios información clara sobre las operaciones del sistema. En última instancia, nuestro enfoque tiene como objetivo desarrollar e implementar sistemas GenAI que impulsen la innovación y la eficiencia y al mismo tiempo contribuyan positivamente a la sociedad.

¿Cuál es su visión para el futuro de la IA?

Mi visión para el futuro de la IA es multifacética. En primer lugar, en ingeniería digital, imagino la IA no sólo como un asistente de codificación sino también como un socio colaborativo, similar a un "programador en pareja". Esto implica que la IA ayude en las tareas de codificación y participe activamente en la resolución de problemas mediante el mapeo de tareas complejas y la ejecución de subtareas.

En segundo lugar, preveo una era de agentes y asistentes de IA personalizados que ofrecerán experiencias adaptadas a las personas: un enfoque de “personalización de 1”. Estos agentes comprenderán las preferencias, comportamientos y necesidades únicos de los usuarios y brindarán soporte y servicios altamente personalizados.

Por último, creo en la evolución de los sistemas compuestos de IA, donde coexisten varios modelos de IA para abordar diferentes necesidades. No habrá un modelo único que sirva para todos, sino más bien una combinación de modelos grandes y pequeños, generales y diseñados específicamente, que trabajarán juntos en los servicios de IA. Este enfoque permite una mayor flexibilidad, eficiencia y eficacia para resolver una amplia gama de problemas en diferentes dominios.

Gracias por la gran entrevista, los lectores que deseen obtener más información deben visitar Sistemas persistentes.