Tohtori Pandurang Kamat, Chief Technology Officer, Persistent Systems – Haastattelusarja

Tohtori Pandurang Kamat on Persistent Systemsin Chief Technology Officer, ja hän vastaa edistyneestä teknologiatutkimuksesta, joka keskittyy liiketoiminnan arvon vapauttamiseen innovaatioiden kautta suuressa mittakaavassa. Hän on kokenut teknologiajohtaja, joka auttaa asiakkaita parantamaan käyttäjäkokemusta, optimoimaan liiketoimintaprosesseja ja luomaan uusia digitaalisia tuotteita. Hänen visionsa Persistentille on olla innovaatioiden voimanpesä, joka ankkuroi maailmanlaajuista ja monimuotoista innovaatiojärjestelmää, johon kuuluvat akatemia ja start-up-yritykset.

Pandurang liittyi Persistentiin vuonna 2012. Ennen Persistentiä hän oli Ask.comin haku- ja sisältöliiketoiminnan analytiikan johtaja, jossa hän johti maailmanlaajuista tiimiä, joka hallinnoi Ask.comin analytiikka-alustaa. Aikaisemmin hän auttoi kehittämään turvallisia viestintä- ja digitaalisia median tuotteita Bell Labsissa ja HP Labsissa sekä palkittua langattoman tutkimusjärjestelmää Rutgersin yliopistossa.

Persistent Systems (PERSISTENT.BO ) on luotettu digitaalisen insinöörityön ja yritysten modernisoinnin kumppani maailmanlaajuisille markkinajohtajille eri aloilla.

Mikä alun perin kiinnosti sinua tietokoneiden ja tietokoneiden suunnittelun pariin?

Minun kiinnostukseni tietokoneisiin ja tietokoneiden suunnitteluun heräsi kesäkurssilla koulussa. Ohjelmointirakenteiden opiskelu ja tietokonepeliin luominen esitteli minulle näiden alojen järjestelmällisen logiikan. Olin lumoutunut siitä, miten monimutkaiset ongelmat voitiin jakaa ja ratkaista systemaattisesti. Se, mitä todella veti minut mukaan, oli hyvin suunniteltujen ohjelmien tarjoama valtava etu. Ne voivat automatisoida tehtäviä, optimoida prosesseja ja antaa yksilöille tai pienille ryhmille mahdollisuuden saavuttaa merkittäviä saavutuksia. Tämä luovuuden, ongelmanratkaisun ja muodonmuutosmahdollisuuksien yhdistelmä innoittaa minua edelleen. Alkuvaiheista lähtien olen intohimoinen teknologian tarjoamista mahdollisuuksista.

Miten generatiivisen tekoälyn kehittyminen on muuttanut tiimisi toimintatapaa?

Generatiivisen tekoälyn (GenAI) kehittyminen on muuttanut tiimimme toimintatapaa Persistentissä, erityisesti yritysten ohjelmistokehityksessä. Tämä IT-alalla tapahtunut muutos ei ainoastaan tarjoa haasteita, vaan myös merkittäviä mahdollisuuksia koko liiketoiminnan uudelleenarvioimiseen.

Toimien tekoälyvoimaisena digitaalisen insinöörityön yrityksenä Persistent on omaksunut GenAI:n uudelleenmuokkaamaan ohjelmistosuunnittelun eri osa-alueita. Viimeisen vuoden aikana olemme kehittäneet työkaluja ja ohjelmistoja, jotka määrittelevät uudelleen prosesseja kuten koodin generointi, testitapauksen generointi ja raporttien siirto. Perintöjärjestelmien modernisointihankkeissa lähestymistapaamme on kehittynyt merkittävästi. Käytämme nyt työkaluja, jotka virtaviivaistavat koodin omaksumisprosesseja, vähentävät projektiriskejä ja nopeuttavat uusien tiimien jäsenten perehdyttämistä antamalla heille syvemmän ymmärryksen monimutkaisista koodipohjista. Lisäksi yhteistyömme teollisuusalojen kanssa mahdollistaa räätälöityjen ratkaisujen toimittamisen hyödyntäen yritysten tietoja. Kehittämällä digitaalisia avustajia, jotka ymmärtävät liiketoimintakieltä ja tarjoavat asiaankuuluvia viittauksia, parannamme toiminnan tehokkuutta ja päätöksentekoa yrityksissä. Nämä avustajat noudattavat Vastuullisen tekoälyn periaatteita, varmistamalla avoimuuden, vastuullisuuden, turvallisuuden ja yksityisyyden suojaamisen ja parantamalla jatkuvasti tarkkuutta ja suorituskykyä automaattisesti arvioimalla mallin tulosteen.

Mitkä ovat joitain haasteita perinteisten järjestelmien täydellisessä modernisoinnissa käyttäen generatiivista tekoälyä?

Generatiivinen tekoäly on voimakas työkalu, mutta se ei ole hopealuoti perinteisten järjestelmien täydelliseen modernisointiin. Eri alojen organisaatioiden on hyväksyttävä yhdistetty lähestymistapa, jossa hyödynnetään sekä ihmisten osaamista että tekoälyominaisuuksia. Vaikka GenAI tarjoaa merkittävää potentiaalia modernisointiin, sillä on rajoituksia. Tärkeimmät haasteet ovat:

• Rajoitettu ymmärrys perinteisistä järjestelmistä: GenAI-mallien on oltava perusteellinen ymmärrys olemassa olevista järjestelmistä, jotta ne voivat toimia tehokkaasti. Perinteiset järjestelmät usein puuttuvat kattavasta dokumentaatiosta, joka haittaa tekoälyn ymmärtämistä niiden riippuvuuksista.
• Tiedon laatu ja harhat: Koulutusdatan laatu ja edustavuus vaikuttavat merkittävästi sen tulokseen. Koulutusdatan rajoitukset voivat heijastua generoidussa koodissa, mahdollisesti aiheuttaen uusia ongelmia.
• Laadun ja turvallisuuden varmistaminen: Vaikka GenAI voi automatisoida koodin generoinnin, tulokset vaativat kattavaa testausta ja validointia, jotta ne täyttävät laatu-, toiminnalliset vaatimukset ja turvallisuusvaatimukset.
• Modernisoinnin rajoitettu laajuus: GenAI ei välttämättä sovellu koko järjestelmän uudelleenmuokkaukseen. Se voi menestyä tiettyjen tehtävien kuten koodin uudelleenjärjestelyn tai testitapauksen generoinnin parissa, mutta monimutkaiset arkkitehtuurimuutokset edellyttävät edelleen manuaalista väliintuloa.
• Muutoksen hallinta ja sidosryhmien sitoutuminen: Organisaatiomuutoksen hallinta ja sidosryhmien sitoutuminen ovat kriittisiä tekijöitä perinteisten järjestelmien modernisoinnin onnistumisessa GenAI:n avulla. Selkeä viestintä, koulutusohjelmat ja sidosryhmien osallistamisohjelmat voivat auttaa vastustamaan muutosta ja helpottaa siirtymisen onnistumista.

Yksi generatiivisen tekoälyn haasteista on johdonmukaisuus, miten Persistent Systems auttaa luomassa johdonmukaisen käyttäjäkokemuksen?

Johdonmukaisuus on yksi tekijä, joka tarjoaa kokonaisvaltaisen, yritysten tasolla olevan ja turvallisen GenAI-pohjaisen käyttäjäkokemuksen ja tulokset. Katsomme prosessia kokonaisuutena.

Tarjoamme kattavan tuen kaikissa GenAI:n omaksumisen vaiheissa. Strateginen ohjaus ja tarkka analyysi auttavat organisaatioita valitsemaan sopivimmat perusmallit (FMs) heidän tiettyihin tarpeisiinsa. Kautta tarkkaa tutkimusta ja konsultointia autamme asiakkaitamme määrittelemään selkeät käyttötapaukset ja tekemään perusteltuja FM-valintoja.

Sitten keskitymme useisiin lähestymistapoihin, kuten vähän ohjattuun ohjelmointiin tai jopa hienosäätöön, varmistamaan, että sovelluksiin käytettävät mallit ovat sopeutuneet käyttötapauksiin ja yritysten tietoihin.

Ratkaisumme eivät ainoastaan käytä standardien RAG-tekniikoita, vaan myös syvenevät useisiin ohjelmointi- ja data-jakamisstrategioihin, jotta varmistetaan, että mallille annetaan kaikkein relevantteimmat tiedot sen päätöksenteon aikana. Parannamme tämän kontekstin tarkkuutta ja merkitystä käyttämällä edistyneitä tietoverkkoja, joilla voidaan havainnollistaa piilevät suhteet yritysten tietojen sisällä.

Käytämme myös useita kiinnittämistekniikoita ja varustuksia, jotta rajoitamme ja kohdistamme päätöksentekoprosessin.

Lopulta asetamme sovelluksen kattavaan ja automaattiseen arviointikehykseen, joka varmistaa johdonmukaisuuden päätöksenteossa ja käyttäjäkokemuksessa julkaisusta toiseen.

Voitko antaa esimerkkejä siitä, miten GenAI-pohjaiset ratkaisut ovat onnistuneesti vallanneet asiakaskohtaamiset?

Persistent on muuttanut asiakaskohtaamisia johtavalle ohjelmistoratkaisujen toimittajalle GenAI-pohjaisilla ratkaisuilla. Kohtaamalla skaalautumishaasteita huippukausina, yritys toteutti keskusherkin ja keskustelurobotin, joka virtaviivaisti tietojen saatavuuden, johtuen 80 prosentin vähennyksestä asiakaskyselyjen ratkaisuajassa. Vastauksien laatu parani myös merkittävästi, johtuen asiakastyytyväisyyden parantumisesta.

Autimme myös yksityistä pääomasijoittajaa hyödyntämällä GenAI:ta yksityiskohtaisten sijoitusraporttien automaattiseen luomiseen. GenAI-pohjaisella järjestelmällä raporttien luomiseen tarvittava aika väheni 90 prosentilla. Tämä virtaviivaistettu lähestymistapa vallansi yrityksen toiminnan, mahdollistaen nopean ja tehokkaan päätöksenteon. Tehokkuus ei ainoastaan säästänyt arvokasta aikaa, vaan myös edisti yhteistyötä sidosryhmien kesken ja varmisti henkilökohtaisen kosketuksen jokaisessa muistiossa, parantaen kokonaisvaikuttavuutta.

Miten lähestyt Vastuullisen GenAI-innovaation?

Lähestymistapaamme Vastuulliseen GenAI-innovaatioon priorisoi eettisiä käytäntöjä ja sääntelyn noudattamista kehitys- ja toteutusprosesseissa. Korostamme avoimuutta, vastuullisuutta ja reiluutta tekoälypohjaisessa päätöksenteossa.

Perustamme vankat eettiset ohjeet, jotka ohjaavat GenAI-järjestelmien kehittämistä, käyttöönottoa ja käyttämistä. Pyrkimyksessämme Vastuulliseen GenAI-innovaatioon testaamme ja validointaamme järjestelmiämme tarkkaan, jotta vähennämme mahdollisia riskejä, kuten harhauksia, virheellistä tietoa ja yksityisyyden suojaa.

Lisäksi priorisoimme avoimuutta ja vastuullisuutta tekoälypohjaisissa päätöksenteossa antamalla käyttäjille selkeät näkymät järjestelmien toimintaan. Lopulta tavoitteemme on kehittää ja ottaa käyttöön GenAI-järjestelmiä, jotka edistävät innovaatioita ja tehokkuutta sekä myönteisesti vaikuttavat yhteiskuntaan.

Mikä on visiosi tulevaisuuden tekoälystä?

Visioni tulevaisuuden tekoälystä on monitahoinen. Ensinnäkin digitaalisen insinöörityön alalla näen tekoälyn ei ainoastaan koodausavustajana, vaan myös yhteistyössä toimivana “parin ohjelmoijana”. Tämä käsittää tekoälyn avustamisen koodaus-tehtävissä ja aktiivisen osallistumisen ongelmanratkaisuun karttamalla monimutkaisia tehtäviä ja suorittamalla alitehtäviä.

Toiseksi ennustan aikakauden, jolloin on henkilökohtaisia tekoälyavustajia ja -apulaisia, jotka tarjoavat räätälöityjä kokemuksia yksilöille – “yksilöllistämisen 1” -lähestymistapa. Nämä avustajat ymmärtävät yksilöiden ainutlaadukkaita preferenssejä, käyttäytymistä ja tarpeita, tarjoamalla erittäin mukautettua tukea ja palveluja.

Lopulta uskon yhdistettyjen tekoälyjärjestelmien kehittymiseen, joissa erilaiset tekoälymallit toimivat yhdessä eri tarpeiden ratkaisemiseksi. Ei ole yhtä “yksi kokkaa kaikkiin” -mallia, vaan useita suuria ja pieniä, yleisiä ja tarkoitussuunniteltuja malleja, jotka toimivat yhdessä tekoälypalveluissa. Tämä lähestymistapa mahdollistaa suuremman joustavuuden, tehokkuuden ja tehokkuuden moninaisten ongelmien ratkaisemisessa eri aloilla. Tämä lähestymistapa sallii suuremman joustavuuden, tehokkuuden ja tehokkuuden moninaisten ongelmien ratkaisemisessa eri aloilla. Tämä lähestymistapa mahdollistaa suuremman joustavuuden, tehokkuuden ja tehokkuuden moninaisten ongelmien ratkaisemisessa eri aloilla. Tämä lähestymistapa mahdollistaa suuremman joustavuuden, tehokkuuden ja tehokkuuden moninaisten ongelmien ratkaisemisessa eri aloilla. Tämä lähestymistapa mahdollistaa suuremman joustavuuden, tehokkuuden ja tehokkuuden moninaisten ongelmien ratkaisemisessa eri aloilla.

Kiitos haastattelusta, lukijoille, jotka haluavat oppia lisää, on suositeltavaa vierailla Persistent Systems -sivustolla.