Ryan Ries, Jefe de Inteligencia Artificial y Ciencia de Datos en Mission – Serie de Entrevistas

Dr. Ryan Ries es un reconocido científico de datos con más de 15 años de experiencia en liderazgo en datos y ingeniería en empresas de tecnología de rápido crecimiento. El Dr. Ries tiene más de 20 años de experiencia trabajando con inteligencia artificial y 5+ años ayudando a los clientes a construir su infraestructura de datos de AWS y modelos de inteligencia artificial. Después de obtener su doctorado en Química Biofísica en UCLA y Caltech, el Dr. Ries ha ayudado a desarrollar soluciones de datos de vanguardia para el Departamento de Defensa de los Estados Unidos y una multitud de empresas Fortune 500.

Como Jefe de Inteligencia Artificial y Ciencia de Datos de Mission, Ryan ha construido un equipo exitoso de Ingenieros de Datos, Arquitectos de Datos, Ingenieros de Aprendizaje Automático y Científicos de Datos para resolver algunos de los problemas más difíciles del mundo utilizando la infraestructura de AWS.

Mission es un proveedor líder de servicios administrados y consultoría nacido en la nube, que ofrece servicios de nube de extremo a extremo, soluciones de inteligencia artificial innovadoras y software para clientes de AWS. Como socio de nivel premier de AWS, la empresa ayuda a las empresas a optimizar las inversiones en tecnología, mejorar el rendimiento y la gobernanza, escalar de manera eficiente, proteger los datos y adoptar la innovación con confianza.

Ha tenido un viaje impresionante, desde construir hardware de realidad aumentada en DAQRI hasta convertirse en Jefe de Inteligencia Artificial en Mission. ¿Qué experiencias personales o puntos de inflexión han moldeado su perspectiva sobre el papel de la inteligencia artificial en la empresa?

El desarrollo temprano de la inteligencia artificial estaba limitado por la potencia de cálculo y los desafíos de infraestructura. A menudo teníamos que codificar modelos a mano a partir de artículos de investigación, lo que era tedioso y complejo. Un cambio importante llegó con el surgimiento de Python y las bibliotecas de inteligencia artificial de código abierto, lo que hizo que la experimentación y la creación de modelos fueran mucho más rápidas. Sin embargo, el punto de inflexión más grande ocurrió cuando los hiperscalers como AWS hicieron que el cálculo y el almacenamiento escalables estuvieran ampliamente disponibles.

Esta evolución refleja un desafío persistente a lo largo de la historia de la inteligencia artificial: quedarse sin almacenamiento y capacidad de cálculo. Estas limitaciones causaron los anteriores “inviernos de la inteligencia artificial”, y superarlas ha sido fundamental para el actual “renacimiento de la inteligencia artificial”.

¿Cómo ayuda el modelo de servicio de nube de extremo a extremo de Mission a las empresas a escalar sus cargas de trabajo de inteligencia artificial en AWS de manera más eficiente y segura?

En Mission, la seguridad está integrada en todo lo que hacemos. Hemos sido el socio de seguridad del año con AWS durante dos años consecutivos, pero interesantemente, no tenemos un equipo de seguridad dedicado. Eso se debe a que todos en Mission construyen con seguridad en mente en cada fase del desarrollo. Con la inteligencia artificial generativa de AWS, los clientes se benefician de utilizar la capa de AWS Bedrock, que mantiene los datos, incluida la información sensible como la información personal, segura dentro del ecosistema de AWS. Este enfoque integral garantiza que la seguridad sea fundamental, no un pensamiento posterior.

La escalabilidad también es un enfoque principal en Mission. Tenemos una amplia experiencia en la construcción de tuberías de MLOps que gestionan la infraestructura de inteligencia artificial para el entrenamiento y la inferencia. Si bien muchos asocian la inteligencia artificial generativa con sistemas de gran escala pública como ChatGPT, la mayoría de los casos de uso empresariales son internos y requieren una escalabilidad más manejable. La capa de API de Bedrock ayuda a entregar ese rendimiento escalable y seguro para las cargas de trabajo del mundo real.

¿Puede guiarnos a través de un compromiso empresarial típico, desde la migración a la nube hasta la implementación de soluciones de inteligencia artificial generativa utilizando los servicios de Mission?

En Mission, comenzamos entendiendo las necesidades comerciales y los casos de uso de la empresa. La migración a la nube comienza con la evaluación del entorno actual en las instalaciones y el diseño de una arquitectura de nube escalable. A diferencia de los entornos en las instalaciones, donde debe provisionar para la capacidad máxima, la nube le permite escalar los recursos en función de las cargas de trabajo promedio, lo que reduce los costos. No todas las cargas de trabajo necesitan migrar; algunas pueden ser retiradas, refactorizadas o reconstruidas para la eficiencia. Después del inventario y la planificación, ejecutamos una migración escalonada.

Con la inteligencia artificial generativa, hemos superado las fases de prueba de concepto. Ayudamos a las empresas a diseñar arquitecturas, a ejecutar pilotos para refinar los prompts y abordar los casos de borde, y luego pasar a la producción. Para la inteligencia artificial basada en datos, asistimos en la migración de los datos en las instalaciones a la nube, desbloqueando un mayor valor. Este enfoque de extremo a extremo garantiza que las soluciones de inteligencia artificial generativa sean robustas, escalables y listas para los negocios desde el primer día.

Mission enfatiza la “innovación con confianza”. ¿Qué significa eso en términos prácticos para las empresas que adoptan la inteligencia artificial a gran escala?

Significa tener un equipo con experiencia real en inteligencia artificial; no solo graduados de bootcamp, sino científicos de datos experimentados. Los clientes pueden confiar en que no estamos experimentando con ellos. Nuestra gente entiende cómo funcionan los modelos y cómo implementarlos de manera segura y escalable. Eso es cómo ayudamos a las empresas a innovar sin correr riesgos innecesarios.

Ha trabajado en análisis predictivos, NLP y visión por computadora. ¿Dónde ve que la inteligencia artificial generativa aporta el mayor valor empresarial hoy en día, y dónde la hiper está superando a la realidad?

La inteligencia artificial generativa está aportando un valor significativo en las empresas principalmente a través del procesamiento de documentos inteligentes (IDP) y los chatbots. Muchas empresas luchan por escalar las operaciones contratando a más personas, por lo que la inteligencia artificial generativa ayuda a automatizar tareas repetitivas y acelerar los flujos de trabajo. Por ejemplo, el IDP ha reducido los tiempos de revisión de las solicitudes de seguro en un 50% y ha mejorado la coordinación de la atención al paciente en la atención médica. Los chatbots a menudo actúan como interfaces para otras herramientas o sistemas de inteligencia artificial, lo que permite a las empresas automatizar las interacciones y tareas rutinarias de manera eficiente.

Sin embargo, la hiper sobre las imágenes y los videos generativos a menudo supera las aplicaciones comerciales reales. Aunque son visualmente impresionantes, estas tecnologías tienen aplicaciones prácticas limitadas más allá de la marketing y los proyectos creativos. La mayoría de las empresas encuentran que es difícil escalar las soluciones de medios generativos en las operaciones centrales, lo que las convierte en una novedad más que en una herramienta empresarial fundamental.

“Vibe Coding” es un término emergente; ¿puede explicar qué significa en su mundo y cómo refleja el cambio cultural más amplio en el desarrollo de la inteligencia artificial?

Vibe coding se refiere a los desarrolladores que utilizan grandes modelos de lenguaje para generar código basado más en la intuición o la promoción del lenguaje natural que en la planificación estructurada o el diseño. Es genial para acelerar la iteración y la prototipación; los desarrolladores pueden probar ideas rápidamente, generar código de plantilla o descargar tareas repetitivas. Pero también a menudo conduce a un código que carece de estructura, es difícil de mantener y puede ser ineficiente o inseguro.

Estamos viendo un cambio más amplio hacia entornos agénticos, donde los LLM actúan como desarrolladores junior y los humanos asumen roles más similares a los de arquitectos o ingenieros de QA; revisando, refinando e integrando componentes generados por la inteligencia artificial en sistemas más grandes. Este modelo de colaboración puede ser poderoso, pero solo si hay guardias en su lugar. Sin una supervisión adecuada, la codificación de vibra puede introducir deuda técnica, vulnerabilidades o problemas de rendimiento; especialmente cuando se apresura a la producción sin pruebas rigurosas.

¿Cuál es su opinión sobre el papel evolutivo del oficial de inteligencia artificial? ¿Cómo deben reorganizar las empresas la estructura de liderazgo a medida que la inteligencia artificial se convierte en fundamental para la estrategia empresarial?

Los oficiales de inteligencia artificial pueden agregar valor absolutamente, pero solo si el rol se establece para el éxito. Con demasiada frecuencia, las empresas crean nuevos títulos de la suite ejecutiva sin alinearlos con las estructuras de liderazgo existentes o darles autoridad real. Si el oficial de inteligencia artificial no comparte objetivos con el CTO, el CDO u otros ejecutivos, se arriesga a tomar decisiones en silos, prioridades en conflicto y una ejecución estancada.

Las organizaciones deben considerar cuidadosamente si el oficial de inteligencia artificial está reemplazando o complementando roles como el Director de Datos o el CTO. El título es menos importante que el mandato. Lo que es fundamental es empoderar a alguien para dar forma a la estrategia de inteligencia artificial en toda la organización; datos, infraestructura, seguridad y casos de uso comerciales, y darles la capacidad de impulsar un cambio significativo. De lo contrario, el rol se convierte en más simbólico que impactante.

Ha liderado equipos de inteligencia artificial y datos galardonados. ¿Qué cualidades busca cuando contrata para roles de inteligencia artificial de alto riesgo?

La primera cualidad es encontrar a alguien que realmente conozca la inteligencia artificial, no solo alguien que haya tomado algunos cursos. Necesitas personas que sean genuinamente fluidas en inteligencia artificial y que aún mantengan la curiosidad y el interés en empujar los límites de lo que se puede y no se puede hacer.

Busco personas que estén siempre tratando de encontrar nuevos enfoques y desafiando los límites de lo que se puede y no se puede hacer. Esta combinación de conocimiento profundo y exploración continua es esencial para roles de inteligencia artificial de alto riesgo donde la innovación y la implementación confiable son igualmente importantes.

Muchas empresas luchan por operacionalizar sus modelos de aprendizaje automático. ¿Qué separa a los equipos que tienen éxito de aquellos que se estancan en el purgatorio de la prueba de concepto?

El problema más grande es la alineación entre equipos. Los equipos de aprendizaje automático construyen modelos prometedores, pero otros departamentos no los adoptan debido a prioridades mal alineadas. Pasar de la prueba de concepto a la producción también requiere infraestructura de MLOps: versionado, reentrenamiento y monitoreo. Con la inteligencia artificial generativa, la brecha es aún mayor. La producción de un chatbot significa afinar los prompts, administrar las tuberías y cumplir con las normas… no solo lanzar prompts a ChatGPT.

¿Qué consejo le daría a un fundador de una startup que está construyendo productos de inteligencia artificial en primer lugar y que podría beneficiarse de la infraestructura y la experiencia en estrategia de inteligencia artificial de Mission?

Cuando eres una startup, es difícil atraer a los mejores talentos de inteligencia artificial, especialmente sin una marca establecida. Incluso con un equipo fundador sólido, es difícil contratar a personas con la profundidad de experiencia necesaria para construir y escalar sistemas de inteligencia artificial adecuadamente. Eso es donde una empresa como Mission puede marcar una gran diferencia. Podemos ayudar a moverse más rápido proporcionando infraestructura, estrategia y experiencia práctica, para que pueda validar su producto antes y con mayor confianza.

La otra pieza crítica es el enfoque. Vemos a muchos fundadores tratando de envolver una interfaz básica alrededor de ChatGPT y llamarla un producto, pero los usuarios están volviéndose más inteligentes y esperan más. Si no está resolviendo un problema real o ofreciendo algo verdaderamente diferenciado, es fácil perderse en el ruido. Mission ayuda a las startups a pensar estratégicamente sobre dónde la inteligencia artificial crea valor real y cómo construir algo escalable, seguro y listo para la producción desde el primer día. Así que no solo está experimentando, está construyendo para el crecimiento.

Gracias por la gran entrevista, los lectores que deseen aprender más pueden visitar Mission.