Denis Romanovskiy, SOFTSWISSin Chief AI -upseeri – Haastattelusarja

Denis Romanovskiy, SOFTSWISSin Chief AI -upseeri, on kokenut teknologiajohtaja, jolla on yli 25 vuoden kokemus suurten teknisten ohjelmien johtamisesta pelaamisen, yritysohjelmistojen, IoT:n ja suurkuormitusten verkkopalvelujen parissa. Viiden viime vuoden aikana hän on toiminut iGaming-alalla, ja aiemmin hän toimi SOFTSWISSin varateknisenä johtajana, joka valvoi teknistä hallintoa useiden tuotejoukkueiden parissa vahvalla painotuksella kasino- ja urheiluvedonlyöntialustoilla ennen siirtymistään nykyiseen rooliinsa määrittämään ja toteuttamaan yhtiön AI-strategiaa.

SOFTSWISS on Maltalla pääkonttoriaan pitävä iGaming-tekniikkayhtiö, joka tarjoaa avaimet käteen -ratkaisuja online-kasinoille ja urheiluvedonlyöntiin, mukaan lukien kasinoalusta, pelin kerääjä, urheiluvedonlyöntiratkaisu ja hallitut palvelut. Yhtiö tukee toimijoita maailmanlaajuisesti infrastruktuurilla, joka on suunniteltu skaalautuvuutta, vaatimustenmukaista lainsäädäntöä ja luotettavuutta varten, asemoiden itsensä pelaamisen teknologian ja uuden AI-vetovälineen leikkauspisteeseen.

Miten taustasi suurkuormitusten ja korkean käytettävyyden järjestelmissä on vaikuttanut siihen, miten lähestyt AI:n upottamista 2 000+:n hengen organisaatioon?

Kokemukseni suurkuormitusten ja korkean käytettävyyden järjestelmissä on opettanut minulle yhden perusopin: mitkä tahansa monimutkaiset muutokset vaativat järjestelmän lähestymistapaa. Et voi vain ottaa käyttöön teknologiaa ja toivoa, että se toimii – sinun on suunniteltava koko ekosysteemi sen ympärille ja varmistettava, että prosessit, rakenne ja teknologia toimivat yhdessä.

Sovellamme täsmälleen samaa periaatetta AI:n omaksumiseen SOFTSWISSissa. Se alkaa yksilötasolla. Selitämme jokaiselle työntekijälle, miten käyttää AI:ta turvallisesti ja tehokkaasti – mitä se voi tehdä, missä ovat sen rajoitukset ja mitkä ovat siihen liittyvät riskit. Olennaisesti, teemme selväksi, että heidän vastuunsa lopputuloksista ei kato, kun AI tulee kuvaan. AI laajentaa heidän kykyjään, mutta vastuu pysyy heillä. He omistavat edelleen lopputuloksen laadun, päätöksen ja tuloksen.

Sitten siirrymme tiimitasolle, ja tässä vaiheessa dynamiikka muuttuu. Uudet mahdollisuudet tulevat esiin – nopeammat suunnittelujakso, automaattinen vahvistus, parannettu analyysi – mutta myös uudet riskit: AI-tulosten liiallinen riippuvuus, kriittisen ajattelun heikkeneminen, epäjohdonmukainen omaksuminen tiimin eri osissa. Tässä vaiheessa johtajat pelaavat ratkaisevan roolin. Heidän on sopeutettava työnsä tarkastelua, mitä kysymyksiä he kysyvät ja mitä signaaleja he etsivät. Kun joku toimittaa tuloksen kahdessa vuodessa, johtajan tehtävä on ymmärtää, säilyikö laatu ja ymmärtävätkö henkilöt, mitä he toimittivat.

Tämä kerroksellinen lähestymistapa – yksilöllinen tietoisuus, tiimitasoinen sopeutuminen, johtajan valvonta – on se, mikä mahdollistaa meille AI:n skaalauksen suuressa organisaatiossa ilman vakauden ja luotettavuuden kompromisseja, joita säännelty ympäristömme vaatii. Se ei ole pelkästään teknologiaa. Se on rakentamista järjestelmää sen ympärille, joka tekee omaksumisen kestäväksi.

Mikä erottaa AI:n, joka on otettu käyttöön tuottavuustyökaluna, AI:sta, joka on upotettu suoraan ydininfrastruktuuriin ja päätöksentekojärjestelmiin, ja miten tämä ero vaikuttaa pitkän aikavälin liiketoimintatuloksiin?

Tuottavuus-AI – chat-avustajat ja koodin kopilot – on se, missä ihmiset kohtaavat ensimmäisen kerran AI:ta työssään. Tämä vaihe on tärkeä, eikä sitä voi ohittaa. Se rakentaa AI-lukutaitoa, opettaa ihmisiä arvioimaan tuloksia ja luo vastuullisen käytön tapoja koko organisaatiossa.

Mutta on perustavanlaatuinen ero AI:n, joka auttaa yksilöä, ja AI:sta, joka on upotettu siihen, miten organisaatio toimii. Infrastruktuuritason AI – integroitu yrityksen järjestelmiin AI-alustoja käyttäen – tulee osaksi johtamisjärjestelmää. Se käsittää suunnittelun, valvonnan ja tarkastelun. Se kunnioittaa hallintorakenteita ja syöttää suoraan päätöksenkulkuihin.

Vaikutuskuilu on merkittävä. Tuottavuustyökalut toimittavat 20-30 %:n tehokkuusparannuksia yksittäisissä tehtävissä – arvokkaita, mutta askelmaisia. Infrastruktuurin AI kiihdyttää koko prosesseja 3-5-kertaisesti. Ja ajan myötä se muuttaa itse organisaatiota – poistaa joitain rooleja osittain tai kokonaan, luo uusia ja pakkaa työnkulkuja, jotka aikaisemmin vaativat useita käsittelyjä.

Siksi nämä kaksi kategoriaa vaativat erilaisia lähestymistapoja. Tuottavuus-AI on mahdollistamisen haaste. Infrastruktuurin AI on organisaatiomuutos, joka vaatii huolellista suunnittelua, muutoksen hallintaa ja jatkuvaista valvontaa.

Mitkä arkkitehtoniset ja kulttuuriset muutokset vaaditaan siirtymiseen eristetyistä AI-kokeista keskitettyyn, koko organisaatiota koskevaan AI-alustaan?

Arkkitehtonisesti keskitetty alusta on välttämätön – yksi, joka tarjoaa turvallisen pääsyn useille mallin toimittajille samalla, kun ylläpidetään tiukkaa tietohallintaa. Ilman tätä kerrosta kokeilu laajentaa fragmentaatiota arvon sijaan.

Kulttuurisesti suurempi muutos on siirtymä suoritukseen keskittyvästä ajattelusta suunnittelukäsitykseen. Kun suoritus muuttuu edullisemmaksi ja nopeammaksi AI:n avulla, kilpailuetu siirtyy siihen, miten hyvin tiimit suunnittelevat työnkulkuja. Työntekijöiden on suunniteltava prosesseja, joissa AI hoitaa toistuvat toiminnot, kun taas ihmiset pysyvät määräysvallassa orkestraatiosta ja päätösten laadusta.

Miten suuret yritykset voivat systemaattisesti lisätä oppimisnopeuttaan AI:n käyttöönotossa, ja mitkä operatiiviset mekanismit tekevät siitä mitattavan?

Oppimisnopeus lisääntyy, kun kokeilu on järjestetty. SOFTSWISSissa nimetämme AI-mestareita tuotejoukkueisiin, jotka tunnistavat käyttötarkoituksia, jalostavat parhaita käytäntöjä ja jakavat ne koko organisaatiolle. Työpajat kiihdyttävät edelleen tietojen siirtämistä.

Mittaaminen on sidottu liiketoimintaindikaattoreihin. Seuramme indikaattoreita, kuten Ratkaisuajan SOFTSWISSin tukipalvelussa tai automaatioasteita koodin tarkastelussa. Jos AI:n käyttöönotto ei paranna mitattavia metriikkoja, se on pinta-alainen.

Mitkä perinteiset prosessit rajoittavat yleisimmin AI:n vaikutusta vakiintuneissa teknologiayrityksissä?

Päärajoite on yritys integroida AI joustamattomiin hallintorakenteisiin, joilla on pitkät suunnittelujaksot ja kiinteät resurssien jakot. AI:n etu on nopeus, ja vanhentuneet hallintomallit hidastavat tämän etua.

Toinen rajoittava tekijä on heikko tietoluokitus. Ilman järjestettyä ja hyvin hallittua dataa turvallinen ja skaalautuva AI-integrointi on erittäin vaikeaa.

Voitko jakaa esimerkkejä, joissa AI:n integroiminen suoraan ydinjärjestelmiin tuotti mitattavia tehokkuus-, tuotto- tai toimintaparannuksia?

Teknisen tuen osalta AI, joka on upotettu Jira-analyysiin, analysoi liputus- ja asiakirjahistoriaa ja ehdottaa ratkaisupolkuja, mikä vähentää merkittävästi ratkaisuaikaa.

Henkilöstöosastolla automaattiset avustajat, jotka käsittelevät etuja ja loma-anomukset, säästävät satoja tunteja joka kuukausi.

Kehityksessä AI-vetoinen koodin tarkastelu saavuttaa 60-80 %:n, kiihdyttäen kehityskaarta kahdella neljällä kertaa. Nämä parannukset ovat operatiivisesti mitattavissa ja vaikuttavat suoraan tehokkuuteen.

Miten suunnittelet hallintorakenteita, jotka varmistavat auditoinnin, turvallisuuden ja vastuun, kun AI on syvästi upotettu yrityksen työnkulkuun?

Hallinto on luotava kontrolloidusta ympäristöstä eikä rajoittaa innovaatiota. Luotamme yrityksen tasoiseen toimittajien sopimuksiin ja sovelletaan tietojen maskaamista ennen tietojen lähettämistä pilvimalleihin.

Vastuu on rakennettu järjestelmän suunnittelussa. AI-vetoinen toiminta toimii määriteltyjen peruutusikkunoiden puitteissa, jolloin ihmiset voivat peruuttaa toiminnan. Vastuu kuuluu lopulta tiimijohtajalle, joka suunnittelee ja omistaa työnkulun.

Mitkä rakenteelliset edut mahdollistavat pienten AI-alkuperäisten tiimien nopeamman skaalautumisen perinteisten yritysten sijaan, ja miten suuremmat organisaatiot voivat sopeutua ilman vakauden menettämistä?

Ydinero on arkkitehtuuri. Perinteiset yritykset jakavat työn peräkkäisiin vaiheisiin – kunkin omistaa erillinen rooli, ja niiden välillä on käsittelyjä ja jonot. AI-alkuperäiset tiimit voivat suorittaa kaikki vaiheet samanaikaisesti. Ei ole jonot, ei odotusta seuraavasta henkilöstä ketjussa. Koko prosessi on automaattinen loppuun asti, mikä antaa heille massiivisen nopeuden edun.

Suuremmille organisaatioille etenemisen polku on asteittainen. Ensinnäkin rakennetaan AI-lukutaitoa ja varustetaan tiimit AI-työkaluilla. Annetaan ihmisille aikaa oppia, kokeilla ja integroida AI heidän olemassa oleviin työnkulkuun. Tässä vaiheessa innovaatio tapahtuu olemassa olevien prosessien sisällä, ei niiden sijaan.

Kun tiimit saavat kokemusta ja luottamusta, voidaan asettaa kunnianhimoisempia tavoitteita – koko prosessien optimointia yksittäisten askelten sijaan. Tässä vaiheessa todellinen muutos alkaa, mutta se toimii vain, kun ihmiset ja prosessit ovat valmiit siihen.

Avain on tahdin hallinta. Liian nopea eteneminen rikkoisi vakauden. Liian hidas eteneminen jättäisi markkinat jälkeen. Oikea lähestymistapa on tarkoituksenmukainen, peräkkäinen eteneminen – jotta organisaatio kehittyy ilman menettämättä sitä, mitä se jo hallitsee.

Miten toimiminen iGaming-sektorilla, jolla on sääntely- ja luotettavuusvaatimukset, vaikuttaa siihen, miten AI-infrastruktuuria suunnitellaan ja otetaan käyttöön?

iGaming on ainutlaatuinen ympäristö. Se käsittää oikeaa rahaa, reaaliaikaisia transaktioita ja sääntelyvalvontaa useiden maiden alueella. SOFTSWISSissa toimimme useiden lisenssien alaisuudessa – kunkin omalla vaatimustasollaan. Tämä tarkoittaa, että jokainen teknologiaan liittyvä päätös, myös AI, on otettava huomioon monimutkaisessa sääntelymaisemassa, joka ylittää vain standardin tietosuojan.

Säänneltyjen markkinoiden on noudatettava tiukkoja vaatimuksia tietojen tallennukseen, poistoon ja prosessointiin, mukaan lukien GDPR. Mutta iGamingissa laajuus on laajempi – rahanpesun estämisen vaatimukset, vastuullisen pelaamisen velvoitteet, lisenssiehdot, jotka määräävät, miten data liikkuu ja miten se voidaan prosessoida. Infrastruktuurin on taattava, että arkaluontoista dataa ei käytetä ulkoisten mallien koulutukseen ja että jokainen AI-vetoinen päätös on auditoitavissa.

Samalla luotettavuusvaatimukset ovat poikkeuksellisen korkeat. Järjestelmät toimivat 24/7 massiivisilla transaktiovolumilla. Jokainen AI-järjestelmä, jonka otamme käyttöön, on täyttävä samat vaatimukset – aina saatavilla, täysin auditoitavissa ja pystyvässä käsittelemään datavolyymejä, joita näemme tukipalvelu- ja sääntelytoimissa. Tässä alalla AI-epäonnistuminen ei ole vain vaivannäkö – se on sääntely- ja taloudellinen riski.

Miten yritysten AI-kypsyys kehittyy, mitkä kyvyt erottavat yritykset, jotka todella integroivat AI:n liiketoimintamalliinsa, niistä, jotka ovat vain pinta-alaisia omaksujia?

Kypsyneissä AI-organisaatioissa jokaisella työntekijällä on AI:n käytössä – turvallinen pääsy yrityksen tietoihin järjestelmien yli ilman esteitä tai manuaalisia pyynnöistä. Prosessit ovat automaattisia loppuun asti, eikä ole jonot tai käsittelyjä roolien välillä. Työ kulkee jatkuvasti, ei vaiheittain.

Mutta automaatio yksin ei riitä. Se, mikä erottaa johtajat muista, on kyky hallita AI-vetoista työtä suuressa mittakaavassa. Tiimit ja organisaatiot sopeutuvat automaattiseen laadunvalvontaan – havaitsevat ongelmia aikaisin ja korjaavat ne ennen kuin ne kasautuvat.

Yksittäisen työntekijän rooli muuttuu perustavasti. Sen sijaan, että he suorittavat tehtäviä, he määrittelevät määrityksiä AI:lle – tarjoavat riittävän kontekstin, selkeät tavoitteet ja laadunvalvontamenetelmät. Heidän arvonsa on ohjaamisessa ja optimoinnissa AI:n tuotoksia, ei siinä, että he tekevät työtä manuaalisesti.

Johtajien rooli muuttuu myös. Johtajat ja johtajat muuttuvat järjestelmän ajattelun arkkitehdeiksi koko organisaatiossa. Heidän tehtävänsä on yhdistää eri työnkulkuja, työkaluja ja artefakteja arvovirroksi, jotka ratkaisevat asiakasongelmia paremmin kuin kilpailijat, ei optimoimalla yksittäisiä tehtäviä – vaan suunnittelemalla, miten kaikki toimii yhdessä.

Tämä syvyys integraatiosta – AI jokaisen käden ulottuvilla, automaattiset prosessit, järjestelmällinen laadunvalvonta ja johtajuus, joka keskittyy loppupäästä arvoon – määrittää pitkän aikavälin kilpailuetua.

Kiitos hienosta haastattelusta, lukijoille, jotka haluavat oppia lisää, on suositeltavaa vierailla SOFTSWISS -sivustolla.