Dr. Pandurang Kamat, püsivate süsteemide tehnoloogiadirektor – intervjuusari

Dr Pandurang Kamat on Persistent Systemsi tehnoloogiadirektor, ta vastutab kõrgtehnoloogiliste uuringute eest, mis keskenduvad äriväärtuse avamisele mastaapse innovatsiooni kaudu. Ta on kogenud tehnoloogialiider, kes aitab klientidel parandada kasutajakogemust, optimeerida äriprotsesse ja luua uusi digitooteid. Tema nägemus Persistentist on olla innovatsioonijõuallikas, mis ankurdab ülemaailmset ja mitmekesist innovatsiooni ökosüsteemi, mis koosneb akadeemilistest ringkondadest ja idufirmadest.

Pandurang liitus Persistentiga 2012. aastal. Enne Persistenti oli ta Ask.com-i otsingu- ja sisuettevõtete Analyticsi direktor, kus ta juhtis globaalset meeskonda Aski analüüsiplatvormi haldamiseks. Enne seda aitas ta luua turvalisi side- ja digitaalmeediatooteid ettevõttes Bell Labs ja HP ​​Labs ning auhinnatud traadita uurimisplatvormi Rutgersi ülikoolis.

Püsivad süsteemid on usaldusväärne digitaalse inseneri ja ettevõtete moderniseerimise partner ülemaailmsetele turuliidritele erinevates tööstusharudes.

Mis teid arvutiteaduse ja arvutitehnika juures alguses köitis?

Minu huvi arvutiteaduse ja inseneriteaduse vastu tekkis kooli suvekursuse ajal. Programmeerimiskonstruktsioonide õppimine ja arvutimängude loomine tutvustas mulle neid valdkondi toetavat struktureeritud loogikat. Mind köitis oskus keerulisi probleeme lahti murda ja neid süsteemselt lahendada. See, mis mind tõeliselt köitis, oli tohutu mõju, mida hästi läbimõeldud programmid pakuvad. Nad suudavad ülesandeid automatiseerida, protsesse optimeerida ja anda üksikisikutele või väikestele meeskondadele võimaluse saavutada märkimisväärseid saavutusi. See segu loovusest, probleemide lahendamisest ja transformatiivsest potentsiaalist inspireerib mind jätkuvalt. Nendest esmastest kogemustest kuni jätkuva teekonnani olen jätkuvalt kirglik tehnoloogia pakutavate lõputute võimaluste vastu. Arvutiteadus ja tehnika mitte ainult ei kujunda tulevikku, vaid pakuvad ka võimalusi innovatsiooniks ja edusammudeks, mis mind edasi viivad.

Suurem osa püsivate süsteemide äritegevusest pärineb ettevõtetele tarkvara loomisest. Kuidas on generatiivse AI tulek teie meeskonna toimimist muutnud?

Generatiivse AI (GenAI) tulek on muutnud meie meeskonna tööd Persistentis, eriti ettevõtte tarkvara arenduses. See IT-tööstuse katkestus ei kujuta endast mitte ainult väljakutseid, vaid ka olulisi võimalusi äritegevuse terviklikuks ümberkujundamiseks.

Tehisintellektil töötava digitaaltehnoloogia ettevõttena on Persistent omaks võtnud GenAI, et muuta tarkvaratehnika elutsükli eri aspektid revolutsiooniliseks. Viimase aasta jooksul oleme välja töötanud tööriistad ja komplektid, mis määratlevad täielikult ümber sellised protsessid nagu koodi genereerimine, testjuhtumi genereerimine ja aruannete migreerimine. Pärandi moderniseerimisprojektide puhul on meie lähenemisviis märkimisväärselt arenenud. Kasutame nüüd tööriistu koodi ülevõtmise protsesside sujuvamaks muutmiseks, projektiriskide maandamiseks ja uute meeskonnaliikmete liitumise kiirendamiseks, pakkudes neile keerukamaid koodibaase. Lisaks võimaldab meie koostöö tööstusvaldkondadega pakkuda kohandatud lahendusi, mis kasutavad ettevõtte andmeid. Arendades ärikeelt mõistvaid digiassistente ja pakkudes asjakohaseid viiteid, suurendame ettevõtete tegevuse tõhusust ja otsuste langetamist. Need assistendid järgivad vastutustundliku AI põhimõtteid, tagades läbipaistvuse, vastutuse, turvalisuse ja privaatsuse, parandades samal ajal pidevalt oma täpsust ja jõudlust mudeli väljundi automaatse hindamise abil.

Millised on mõned väljakutsed pärandsüsteemide täielikul moderniseerimisel generatiivse AI abil?

GenAI on võimas tööriist, kuid see ei ole täielik pärandsüsteemi moderniseerimine. Erinevate tööstusharude organisatsioonid peavad kasutama kombineeritud lähenemisviisi, rakendades inimeste teadmisi ja tehisintellekti võimalusi. Kuigi GenAI pakub märkimisväärset moderniseerimispotentsiaali, on sellel oma piirangud. Peamised väljakutsed hõlmavad järgmist:

• Piiratud arusaam pärandsüsteemidest: GenAI mudelid nõuavad tõhusaks toimimiseks olemasolevate süsteemide põhjalikku mõistmist. Pärandsüsteemidel puudub sageli põhjalik dokumentatsioon, mis takistab tehisintellektil nende vastastikust sõltuvust tõhusalt mõista.
• Andmete kvaliteet ja eelarvamus: tehisintellekti mudeli koolitamiseks kasutatud andmete kvaliteet ja representatiivsus mõjutavad oluliselt selle väljundit. Treeningandmete piirangud võivad kajastuda loodud koodis, mis võib tekitada uusi probleeme.
• Kvaliteedi ja turvalisuse tagamine: Kuigi GenAI suudab koodi genereerimist automatiseerida, vajab väljund ranget testimist ja kontrollimist, et see vastaks kvaliteedile, funktsionaalsetele nõuetele ja turvastandarditele.
• Piiratud moderniseerimise ulatus: GenAI ei pruugi süsteemi täielikuks remondiks sobida. See võib olla suurepärane konkreetsete ülesannete puhul, nagu koodi ümbertöötamine või testjuhtumi genereerimine, kuid keerukad arhitektuurilised muudatused nõuavad siiski käsitsi sekkumist.
• Muudatuste juhtimine ja sidusrühmade vastavusse viimine: organisatsiooniliste muudatuste juhtimine ja sidusrühmade osaluse suurendamine on kriitilised tegurid, mis määravad GenAI-ga pärandsüsteemide moderniseerimise edukuse. Selge suhtlus, koolitusprogrammid ja huvirühmade kaasamise algatused võivad aidata võidelda muutustele vastupanuga ja hõlbustada sujuvaid üleminekuid.

Generatiivse AI üks väljakutseid on järjepidevus. Kuidas püsivad süsteemid aitavad luua ühtset kasutajakogemust?

Järjepidevus on üldise ettevõttetasemel, ettevõttele ohutu GenAI-põhise kasutajakogemuse ja tulemuste pakkumise üks elemente. Vaatame protsessi terviklikult.

Pakume täielikku tuge GenAI kasutuselevõtu kõigis etappides. Meie strateegilised juhised ja täpsed kasutusjuhised aitavad organisatsioonidel valida nende konkreetsetele vajadustele kohandatud kõige sobivamad vundamendimudelid (FM-id). Üksikasjaliku uurimise ja konsultatsiooniga aitame kliente selgete kasutusjuhtude määratlemisel ja teadlike FM-valikute tegemisel.

Seejärel keskendume mitmele lähenemisviisile, nagu mõne võttega viip või isegi peenhäälestus, et tagada rakendustes kasutatavate mudelite vastavus kasutusjuhtumitele ja ettevõtte andmetele.

Meie lahendused ei kasuta mitte ainult standardseid RAG-i tehnikaid, vaid lähevad sügavamale ka mitmetesse viipade ja andmete tükeldamise strateegiatesse, et tagada kõige asjakohasemate andmete otsimine ja FM-ile edastamine järelduste tegemise ajal. Täiendame veelgi selle konteksti täpsust ja asjakohasust, kasutades täiustatud teadmiste graafikuid, et püüda kinni peidetud seosed ettevõtte andmetes.

Kasutame ka mitmeid maandustehnikaid ja piirdeid, et piirata ja koondada järelduste tegemise ulatust.

Lõpuks panime rakenduse läbi range ja automatiseeritud hindamisraamistiku, mis tagab järelduste ja kogemuste järjepidevuse, avaldamise järel.

Kas saaksite tuua reaalseid näiteid, kus GenAI-põhised lahendused on klientide suhtlust edukalt muutnud?

Persistent on GenAI-põhiste lahenduste kaudu muutnud juhtiva tarkvaralahenduste pakkuja klientidega suhtlemist. Seistes silmitsi mastaapsuse väljakutsetega tipptööperioodidel, võttis ettevõte kasutusele keskse teadmistehoidla ja vestluste AI-meeskondade BOT-i. See muutis juurdepääsu teabele sujuvamaks, vähendades klientide päringute lahendamise aega 80%. Samuti paranes oluliselt vastuste kvaliteet, mille tulemuseks on suurenenud klientide rahulolu.

Abistasime ka erakapitali investeerimisfirmat, võimendades GenAI-d üksikasjalike investeerimisaruannete loomise automatiseerimiseks. GenAI-toega süsteemiga vähenes aruannete koostamiseks kuluv aeg 90%. See täiustatud lähenemisviis muutis ettevõtte tegevust revolutsiooniliselt, hõlbustades kiiret ja tõhusat otsuste tegemist. Tõhusus mitte ainult ei säästnud väärtuslikku aega, vaid soodustas ka tihedamat koostööd sidusrühmade vahel ja tagas iga memo isikupärase puudutuse, suurendades üldist tõhusust.

Kuidas lähenete vastutustundlikule GenAI innovatsioonile?

Meie lähenemisviis vastutustundlikule GenAI innovatsioonile seab kogu arendus- ja juurutamisprotsessis esikohale eetilised tavad ja eeskirjade järgimise. Rõhutame tehisintellektist lähtuvate otsuste tegemisel läbipaistvust, vastutust ja õiglust.

Kehtestame ranged eetilised juhised, mis reguleerivad GenAI süsteemide arendamist, juurutamist ja kasutamist. Vastutustundliku GenAI uuenduse poole püüdlemisel testime ja valideerime oma süsteeme rangelt, et maandada võimalikke riske, nagu eelarvamused, valeinformatsioon ja privaatsusprobleemid.

Lisaks peame tehisintellektist lähtuvates otsustusprotsessides esikohale läbipaistvust ja vastutust, pakkudes kasutajatele süsteemi toimimise kohta selget ülevaadet. Lõppkokkuvõttes on meie lähenemisviisi eesmärk arendada ja juurutada GenAI süsteeme, mis juhivad innovatsiooni ja tõhusust, andes samal ajal ühiskonnale positiivse panuse.

Milline on teie nägemus AI tulevikust?

Minu nägemus AI tulevikust on mitmetahuline. Esiteks näen ma digitaaltehnoloogias AI-d ette mitte ainult kodeerimisassistendi, vaid ka koostööpartnerina, mis on sarnane "paarprogrammeerijale". See hõlmab AI abistamist ülesannete kodeerimisel ja aktiivset osalemist probleemide lahendamises, kaardistades keerukaid ülesandeid ja täites alamülesandeid.

Teiseks näen ma ette isikupärastatud tehisintellekti agentide ja assistentide ajastut, kes pakuvad üksikisikutele kohandatud kogemusi – „1 isikupärastamise” lähenemist. Need agendid mõistavad kasutajate ainulaadseid eelistusi, käitumist ja vajadusi, pakkudes väga kohandatud tuge ja teenuseid.

Lõpuks usun ma kombineeritud AI-süsteemide arengusse, kus erinevad AI mudelid eksisteerivad koos erinevate vajaduste rahuldamiseks. Seal ei ole ühtset kõigile sobivat mudelit, vaid pigem kombinatsioon suurtest ja väikestest, üldistest ja spetsiaalselt loodud mudelitest, mis töötavad koos tehisintellekti teenustes. See lähenemisviis võimaldab suuremat paindlikkust, tõhusust ja tulemuslikkust paljude erinevate valdkondade probleemide lahendamisel.

Täname suurepärase intervjuu eest, lugejad, kes soovivad rohkem teada saada, peaksid külastama Püsivad süsteemid.