Ryan Ries, Chief AI & Data Scientist at Mission – Haastattelusarja

Tohtori Ryan Ries on tunnettu data- ja tieteen johtaja, jolla on yli 15 vuoden kokemus nopeasti kasvavista teknologiayrityksistä. Tohtori Riesellä on yli 20 vuoden kokemus työstä AI:n parissa ja yli 5 vuoden kokemus asiakkaiden AWS-data-infrastruktuurin ja AI-mallien kehittämisestä. UCLA:n ja Caltechin jälkeen tohtori Ries on auttanut kehittämään uraauurtavia data-ratkaisuja Yhdysvaltain puolustusministeriölle ja useille Fortune 500 -yrityksille.

Tohtori Ries on rakentanut Missionille menestyneen tiimin data-insinööreistä, data-arkkitehteista, ML-insinööreistä ja data-tieteilijöistä, jotka ratkaisevat maailman vaikeimpia ongelmia käyttäen AWS-infrastruktuuria.

Mission on johtava pilvipalveluiden ja konsultointipalveluiden tarjoaja, joka on syntynyt pilvessä. Yritys tarjoaa asiakkailleen lopputuloja pilvipalveluista, innovatiivisista AI-ratkaisuista ja ohjelmistoista AWS-asiakkaille. AWS Premier Tier -kumppanuuden ansiosta yritys auttaa liiketoimintaa optimoimaan teknologisia investointeja, parantamaan suorituskykyä ja hallintaa, skaalautumaan tehokkaasti, turvata tietoja ja omaksua innovaatioita luottavaisesti.

Olet ollut osana vaikuttavaa matkaa – alusta AR-laitteiden kehittämisestä DAQRI:ssa Chief AI -upseeriksi Missionissa. Mitkä henkilökohtaiset kokemukset tai käännekohdat ovat muokanneet näkemystäsi AI:n roolista yrityksissä?

Varhaisen AI-kehityksen ollessa voimakkaasti rajoitettu laskentakapasiteetin ja infrastruktuurin haasteiden vuoksi, meidän piti usein koodata malleja tutkimuspaperista, mikä oli aikaa vievää ja monimutkaista. Merkittävä muutos tapahtui, kun Python ja avoimet AI-kirjastot nopeuttivat kokeilua ja mallin rakentamista. Suurin käännekohta kuitenkin tapahtui, kun hyperskalareiden kuten AWS:n avulla skaalautuva laskenta ja tallennus muuttuivat laajasti saataviksi.

Tämä kehitys heijastaa jatkuvaa haasteita AI:n historiassa – laskentakapasiteetin ja tallennustilaa loppuu. Nämä rajoitukset aiheuttivat aikaisemmat AI-talvet, ja niiden voittaminen on ollut perustavanlaatuista nykyiselle “AI-renessanssille”.

Miten Missionin lopputulo-ohjelmamallinen pilvipalvelu auttaa yrityksiä skaalautumaan AI-työmääräänsä AWS:llä tehokkaammin ja turvallisemmin?

Missiossa turvallisuus on integroitu kaikkeen, mitä teemme. Olemme olleet AWS:n turvallisuuskumppani kaksi vuotta peräkkäin, mutta mielenkiintoista kyllä, meillä ei ole omia turvallisuustiimejä. Sen sijaan jokainen Missiossa rakentaa turvallisuutta miettiessään jokaista kehitysvaihetta. AWS:n generatiivisen AI:n avulla asiakkaat hyötyvät AWS Bedrock -kerroksesta, joka pitää tietoja, myös herkkää tietoa kuten henkilökohtaisia tunnistetietoja, turvassa AWS-ekosysteemissä. Tämä integroitu lähestymistapa takaa, että turvallisuus on perustavanlaatuista, ei jälkikäteen lisättyä.

Skaalautuvuus on myös ydinosaamistamme Missiossa. Meillä on laaja kokemus MLOps-pipelineista, joka hallitsee AI-infrastruktuuria koulutukselle ja päätöksenteolle. Vaikka monet yhdistävät generatiivisen AI:n massiivisiin julkisiin järjestelmiin kuten ChatGPT:hen, useimmat yritysten käyttötarkoitukset ovat sisäisiä ja vaativat hallitumpaa skaalautuvuutta. Bedrockin API-kerros tarjoaa skaalautuvan ja turvallisen suorituskyvyn todellisille työmäärille.

Voitko kuljettaa meidät läpi tyypillisen yritysten sitoutumisen – pilviin siirtymisestä generatiivisten AI-ratkaisujen käyttöönottoon – käyttäen Missionin palveluita?

Missiossa aloitamme ymmärtämällä yritysten liiketoimintatarpeita ja käyttötarkoituksia. Pilviin siirtyminen alkaa nykyisen paikallisen ympäristön arvioinnista ja skaalautuvan pilviarkkitehtuurin suunnittelusta. Toisin kuin paikalliset kokoonpanot, joissa on varauduttava huippukapasiteetille, pilvi sallii resurssien skaalautumisen keskimääräisen työmäärän mukaan, mikä vähentää kustannuksia. Kaikki työmäärät eivät vaadi siirtymistä – osa voi olla vanhentunut, uudelleenmuodostettu tai uudelleenrakennettu tehokkuuden vuoksi. Varastoinnin ja suunnittelun jälkeen toteutamme vaiheittaisen siirtymisen.

Generatiivisen AI:n kanssa olemme siirtyneet todellisuuden näyttöön. Autamme yrityksiä suunnittelemaan arkkitehtuureja, ajamaan koepiloteja parantamaan vihjeitä ja ratkaisemaan reunatapauksia, ja siirtymään tuotantoon. Data-ajoitetun AI:n kanssa autamme siirtämään paikallisia tietoja pilveen, mikä avaa suurempaa arvoa. Tämä lopputulosuhteinen lähestymistapa takaa, että generatiiviset AI-ratkaisut ovat vankat, skaalautuvat ja liiketoimintavalmiit jo ensimmäisestä päivästä lähtien.

Missio korostaa “innovaatiota luottamuksella”. Mitä se tarkoittaa käytännössä yrityksille, jotka omaksuvat AI:ta laajasti?

Se tarkoittaa, että meillä on tiimi, jolla on todellista AI-asiantuntemusta – ei pelkästään bootcamp-koulutuksia, vaan kokeneita data-tieteilijöitä. Asiakkaat voivat luottaa siihen, että emme kokeile heidän kanssaan. Ihmisillämme on ymmärrys siitä, miten mallit toimivat ja miten niitä voidaan toteuttaa turvallisesti ja skaalautuvasti. Näin autamme yrityksiä innovoimaan ilman tarpeetonta riskinottoa.

Olet työskennellyt ennustavan analytiikan, NLP:n ja tietokoneen näön parissa. Missä kohtaa generatiivinen AI tuo eniten arvoa yrityksille tänään – ja missä hype ylittää todellisuuden?

Generatiivinen AI tarjoaa merkittävää arvoa yrityksille erityisesti älykkään asiakirjan prosessoinnissa (IDP) ja chatboteissa. Monet yritykset kamppailevat toimintojensa skaalauttamisessa palkkaamalla enemmän ihmisiä, joten generatiivinen AI auttaa automatisoimaan toistuvia tehtäviä ja nopeuttamaan työnkulkua. Esimerkiksi IDP on vähentänyt vakuutusasiakirjojen tarkasteluaikaa 50 % ja parantanut potilaiden hoitokoordinaatiota terveydenhuollossa. Chatbotit toimivat usein käyttöliittymänä muihin AI-työkaluihin tai järjestelmiin, mikä mahdollistaa yritysten automatisoida rutiininomaiset vuorovaikutukset ja tehtävät tehokkaasti.

Kuitenkin hype generatiivisista kuvista ja videoista usein ylittää liiketoiminnan todellisen soveltamisen. Vaikka visuaalisesti vaikuttavat, nämä teknologiat ovat käytännössä rajoittuneita markkinointiin ja luovien projektien ulottuvuudessa. Useimmat yritykset löytävät haasteelliseksi skaalata generatiivisia media-ratkaisuja ydintoimintoihinsa, mikä tekee niistä enemmän uutuuden kuin perustavanlaatuisen liiketoimintatyökalun.

“Vibe-koodaus” on nouseva termi – voitko selittää, mitä se tarkoittaa sinun maailmassasi, ja miten se heijastaa laajempaa kulttuurimuutosta AI-kehityksessä?

Vibe-koodaus tarkoittaa, että kehittäjät käyttävät suuria kielen malleja generoimaan koodia enemmän intuitiivisesti tai luonnollisen kielen vihjeiden perusteella kuin strukturoidun suunnittelun tai suunnittelun kautta. Se on loistava tapa nopeuttaa iterointia ja prototyyppien luomista – kehittäjät voivat nopeasti testata ideoita, generoida boilerplate-koodia tai siirtää toistuvia tehtäviä. Mutta se johtaa usein koodiin, joka puuttuu rakenteelta, on vaikea ylläpitää ja voi olla tehokkaasti tai epäturvallinen.

Näemme laajemman muutoksen kohti agenteja ympäristöjä, joissa LLM:t toimivat juniorikehittäjinä ja ihmiset ottavat rooleja, jotka ovat enemmän arkkitehtien tai QA-insinöörien kaltaisia – tarkastamassa, parantamassa ja integroimassa AI-generoituja komponentteja laajempiin järjestelmiin. Tämä yhteistyömalli voi olla voimakas, mutta vain, jos varmistus on paikallaan. Ilman asianmukaista valvontaa vibe-koodaus voi aiheuttaa teknistä velkaa, haavoittuvuuksia tai suorituskykyongelmia – erityisesti, kun se kiidätetään tuotantoon ilman perusteellista testausta.

Mikä on näkemyksesi kehittyvästä AI-upseerin roolista? Miten organisaatioiden tulisi uudelleenajatella johtamisrakennetta, kun AI:sta tulee perustavanlaatuinen liiketoimintastrategia?

AI-upseerit voivat lisätä arvoa – mutta vain, jos rooli on asetettu menestykseen. Liian usein yritykset luovat uusia C-tason tittelien ilman, että ne on kytketty olemassa oleviin johtamisrakenteisiin tai annetaan niille todellista valtuutusta. Jos AI-upseeri ei jaa tavoitteita CTO:n, CDO:n tai muiden johtajien kanssa, riski on eristyneitä päätöksiä, ristiriitaisia prioriteettejä ja tyrehtyneitä toimia.

Organisaatioiden tulisi huolellisesti harkita, onko AI-upseeri korvaava vai täydentävä rooleja, kuten Chief Data Officer tai CTO. Nimitys on vähemmän tärkeää kuin valtuutus. Se, mikä on kriittistä, on valtuuttaa joku muotoilemaan AI-strategiaa koko organisaatiota koskien – dataa, infrastruktuuria, turvallisuutta ja liiketoimintakäyttökohteita – ja antaa heille kyky ajaa merkittävää muutosta. Muuten rooli muuttuu enemmän symboliseksi kuin vaikuttavaksi.

Olet johtanut palkittuja AI- ja data-tiimejä. Mitkä ominaisuudet etsit, kun palkkaat korkean panoksen AI-rooleihin?

Ykköshaussa on löytää joku, joka todella tietää AI:sta, ei pelkästään joku, joka on suorittanut joitain kursseja. Tarvitaan ihmisiä, jotka ovat aidosti sujuvia AI:sta ja jotka säilyttävät uteliaisuutensa ja kiinnostuksensa AI:n kehittämiseen.

Etsin ihmisiä, jotka aina etsivät uusia lähestymistapoja ja haastavat rajoja siitä, mitä voidaan ja mitä ei voida tehdä. Tämä yhdistelmä syvää tietämystä ja jatkuvaa tutkimusta on olennainen korkean panoksen AI-rooleissa, joissa innovaatio ja luotettava toteutus ovat yhtä tärkeitä.

Monet yritykset kamppailevat ML-mallien operatiivisella toteutuksella. Mitä eroa on tiimien välillä, jotka onnistuvat ja jotka jäävät todistuskohtaisiin?

Suurin ongelma on tiimien välinen linjaus. ML-tiimit rakentavat lupaavia malleja, mutta muiden osastojen prioriteetit eivät ole linjassa, joten mallit eivät pääse tuotantoon. Siirtyminen todistuksesta tuotantoon vaatii myös MLOps-infrastruktuuria: version hallintaa, uudelleenharjoittelua ja seurantaa. Generatiivisen AI:n kanssa kuilu on vielä laajempi. Tuotannon valmisteluun tarvitaan chatbottien koulutusta, putkien hallintaa ja vaatimustenmukaista toteutusta – ei pelkästään vihjeiden heittämistä ChatGPT:hen.

Mitä neuvoa antaisit startup-johtajalle, joka rakentaa AI-ensin -tuotteita tänään, joista voisi hyötyä Missionin infrastruktuurin ja AI-strategian kokemuksesta?

Kun olet startup, on haastavaa houkutella parasta AI-talenttia, etenkin ilman vakiintunutta brändiä. Vaikka perustajatiimillä on vahva tausta, on haastava palkata ihmisiä, joilla on syvä kokemus AI-järjestelmien rakentamisesta ja skaalauttamisesta. Siinä kohtaa yhteistyö yrityksen kanssa, kuten Mission, voi tehdä todellisen eron. Voimme auttaa sinua etenemään nopeammin tarjoamalla infrastruktuuria, strategiaa ja käytännön asiantuntemusta, jotta voit vahvistaa tuotteesi nopeammin ja luottavaisemmin.

Toinen kriittinen osa on fokus. Näemme paljon perustajia, jotka yrittävät kietoa yksinkertaisen käyttöliittymän ympärille ChatGPT:tä ja kutsuvat sitä tuotteeksi, mutta käyttäjät ovat fiksumpia ja odottavat enemmän. Jos et ratkaise todellista ongelmaa tai tarjoa jotain todella erottuvaa, on helppo hävitä melussa. Mission auttaa startup-yhtiöitä ajattelemaan strategisesti siitä, missä AI luo todellista arvoa ja miten rakentaa jotain skaalautuvaa, turvallista ja tuotantovalmiita jo ensimmäisestä päivästä. Näin et ole pelkästään kokeilemassa, vaan rakentamassa kasvua varten.

Kiitos haastattelusta, lukijat, jotka haluavat oppia lisää, voivat vierailla Mission:ssa.