Shane Eleniak, Calixin tuotejohtaja – Haastattelusarja

Shane Eleniak toimii Calixin tuotejohtajana, jossa hän johtaa yrityksen teollisuuden johtavien alustojen ja SaaS-ratkaisujen strategista näkemystä ja toteutusta. Keskitettyään asiakaspalvelun tarjoajien liiketoiminnan yksinkertaisuuteen ja poikkeuksellisten tilaajakokemusten toimittamiseen, Shane valvoo koko tuotteen elinkaarta – konseptualisoinnista markkinajohtavaan käyttöönottoon.

Hänen johdollaan Calix on vahvistanut asemansa laajakaistan teollisuuden edelläkävijänä, joka toimittaa jatkuvasti innovatiivisia työkaluja, jotka mahdollistavat tarjoajien kilpailun ja voittamisen.

Calix on Yhdysvalloissa toimiva teknologiayritys, joka tarjoaa pilvi-, ohjelmisto- ja hallitut palvelualustat laajakaistan ja viestintäpalveluntarjoajille. Sen keskeinen tarjonta keskittyy AI-käyttöön otettavaan laajakaistaplattoormaan, joka yhdistää pilvi-infrastruktuurin, tiedot ja verkkojärjestelmät auttamaan tarjoajia yksinkertaisempien toimintojen, parannetun asiakasviestinnän ja enemmän henkilökohtaisten digitaalisten kokemusten toimittamisessa. Mahdollistamalla näiden tarjoajien siirtymisen perusyhteyden palveluista kokemusten tarjoajiin, Calix auttaa heitä kasvattamaan liikevaihtoa, lisäämään tilaajien uskollisuutta ja tukemaan yhteisöjen digitaalista muutosta edistyneemmän ja skaalautuvamman laajakaistapalvelun kautta.

Uraasi kattaa yli kolme vuosikymmentä insinööritöistä, verkkopalveluista, pilvipalveluista ja suurten tuotteiden johdosta. Miten nämä kokemukset ovat muovanneet näkemyksesi siitä, mitä se vaatii, jotta AI voi tehdä oikeasti työtä yrityksissä, sen sijaan, että se olisi vain sivukokeilu?

Aloin perinteisistä telekommunikaatio- ja verkkopalveluista, joissa koko peli oli tiedonsiirron polku ja luotettavuus suuressa mittakaavassa. Jos et voi toimittaa puhdasta ja luotettavaa palvelua, mitään, mitä rakennat sen päälle, ei todella ole merkitystä. Silloin puhelin oli keittiön seinällä, sisäinen johto ei liikkunut, ja kunhan siinä oli valmius, kaikki oli kunnossa.

Laajakaista ja Internet räjäyttivät sen. Yhtäkkiä se ei ollut vain “onko se päällä?” Vaan se oli Ethernet ja sitten Wi-Fi, lapset pelikonsolilla ja taulutietokoneella, sinä Zoom-keskustelussa yhteistyössä pilvipohjaisen taulukon parissa, ja jatkuva liikkuvuus – laitteet kodin sisällä, takapihalla, jalkapallopelissä, kahvilassa. Tilaajakokemus muuttui paljon monimuotoisemmaksi kuin binäärinen päällä/pois-tila, ja palveluntarjoajien maailma muuttui erittäin dynaamiseksi. Tässä maailmassa, jossa tieto kerätään, ymmärretään kokemus ja luodaan oivalluksia reaaliajassa, koska tilaajat odottavat, että ongelmat korjataan ennaltaehkäisevästi, eivät tunteja tai päivää myöhemmin.

Tuo kehitys on muovannut, miten ajattelen AI:ta. Useimmat ihmiset haluavat asettaa AI:n “päälle”, samalla tavoin kuin he asettavat liiketoimintatiedon tai SaaS:in olemassa olevien tietovarastojen päälle. Kokemukseni sanoo, että on pakko ajatella paljon syvemmin kuin vain siinä ja suunnitella reaaliajassa toimivaa, toimivaa oivallusta ja kykyä tehdä ajankohtaisia toimia.

Tilaajille kuitenkin odotus ei ole muuttunut paljon viimeisen 25 vuoden aikana. He haluavat edelleen turvallista, hallittua yhteyttä, joka tuntuu yhtä yksinkertaiselta kuin valmius – he haluavat, että kaikki “toimii ilman, että heidän tarvitsee ajatella kaikkia kerroksia ja monimutkaisuutta, ja he haluavat sen joka paikassa elämässään. Urani telekommunikaatio- ja pilvipalveluissa on tehnyt minusta erittäin mukavan tämän paradoksin kanssa: rakennamme erittäin monimutkaisia järjestelmiä voidaksemme abstrahoida kaiken sen ja toimittaa yksinkertaisen, loistavan kokemuksen reunassa. Tämä on täsmälleen, miten ajattelen AI:n tekemisestä oikeasti työtä missä tahansa yrityksessä, laajakaistaa tai muuta.

Calixissa korostat usein, että operatiivinen AI on rakennettu, ei ostettu. Mitkä ovat yleisimmät virheet, joita organisaatiot tekevät, kun he yrittävät lisätä AI:ta ilman uudelleenajattelua siitä, miten työ kulkee yrityksen läpi?

Minulle se on vähemmän “rakennettu vastaan ostettu” ja enemmän se, onko sinä astunut taaksepäin ja katsontu koko teknologiapinoa. Monet yritykset päättivät, että AI on yksinkertaisesti käyttää joitain API:ja päästäkseen käyttöön LLM:ään, liittääkseen sen omiin pinnoihin ja ostaa tokenit – sitten sinulla on AI-strategia. Se ei ole näin.

Liian moni meistä on lumoutunut tekniikasta sen sijaan, että tuloksesta. Olemme nähneet tämän elokuvan aiemmin. Kun tietokoneet tulivat, jokainen halusi väittää, onko siinä 286 vai 386, kuinka paljon muistia siinä on ja mikä DOS siinä on. Nykyään kukaan ei voi kertoa, mitkä ovat heidän kannettavan tietokoneen tai puhelimensa tiedot, ja kukaan ei välitä, kunnes se lopettaa toimimisen. Se, mikä on tärkeää, on: tekeekö se minusta tehokkaamman työssäni? Se on sama AI:n kanssa. Jos et voi sitoa sitä todellisiin työnkulkuun, todelliseen arvoon ja todelliseen ROI:hin, tekniset tiedot ovat vain melua.

Toinen suuri virhe on yrittää kiinnittää AI:ta siihen, mitä sinulla jo on, ilman kysymystä, mitä se tekee arkkitehtuuriisi, turvamalliisi ja kustannuksiisi. AI on perusteknologia, ei pieni lisäominaisuus. Kun kohtelet sitä pienennä, lopputuloksena on huono data, turvallisuusongelmat, hallusinaatio, karkaava kustannukset tai paljon toimintaa, joka ei ratkaise ongelmaa kenellekään.

Lopulta et voi jättää huomiotta kontekstin ja pystykohtaisen asiantuntemuksen tärkeyden. Toiminta on kaikki kontekstin suhteen, ja se konteksti vaihtelee eri aloilla, kuten telekommunikaatiossa, rahoitusalan teknologiassa ja terveydenhuollossa. Calixissa aloimme syvällä kokemuksella yhdestä alasta ja rakensimme pystykohtaisen alustan sen ympärille. Me johtuu jo tiedimme datan, oivallukset, työnkulut ja kontekstin, joten pinon voitiin heijastaa todellisuutta. Useimmat yritykset tuntevat pystykohtaisen alan sisään. Mahdollisuus on koodata se tietämys pystykohtaiseen teknologiaan sen sijaan, että riippuisi ohuesta vaakasuorasta kerroksesta ja geneerisestä AI-mallista, ja yrittää ompeleita kaikkea yhteen. Liiketoiminta on tuloksista, ei malleista. Todellinen kysymys on, miten tämä teknologia auttaa toimittamaan näitä tuloksia työnkulkujen mukaisesti.

Olet hahmotellut viisikerroksisen arkkitehtuurin operatiiviselle AI:lle, joka sisältää datan, tiedon, orkestroinnin, luottamuksen ja toiminnan. Miksi on tärkeää erottaa nämä kerrokset selvästi, ja mikä kerros yritykset useimmin aliarvioivat tai ohittavat kokonaan?

Pitkään pinorakennelma oli melko yksinkertainen: data, oivallukset, dashboardeja, työnkulku, ihmiset. Rakensimme tietovarastoja, asetimme liiketoimintatiedon päälle, luomme työnkulkuja ja annimme vaikean työn ihmisille. Agenttimaailmassa se ei pidä paikkaansa. Tarvitset datan, tiedon, orkestroinnin, luottamuksen ja toiminnan, koska kunkin kerroksen suorittaa erillisen toiminnon.

Näkyvä osa, josta jokainen haluaa puhua, on toimintakerros – agentit. Se on jään huippu. Se, mikä määrää, voitko koskaan antaa agenteille koskea oikeasti järjestelmiin, on kaikki “tylsä” asia vedenalaisella puolella: datan putkistot ja puhdas data, tietokerros, joka antaa kontekstin, orkestrointi, joka koordinoi dynaamisia työnkulkuja, ja luottamismalli, joka päättää, mitä pitäisi sallia ensin. Kun Titanic upposi, se ei ollut pieni osa, jota voitiin nähdä; se oli jättiläinen jään alla. Operatiivinen AI on sama. Pintojen alla oleva putkisto on se, mikä tekee tai rikkoo sen.

Historiallisesti emme käsitelleet orkestrointia ja luottamusta erillisenä kerroksina, koska ihmiset tekivät suurimman osan siitä työstä. Orkestrointi tarkoitti johtajia ja tikettejä; luottamus tarkoitti käyttäjänimiä ja salasanoja. Nyt on pakko luottaa entiteettejä – agenteja – tekemään asioita, ja on pakko koordinoida useita agenteja reaaliajassa dynaamisen datan ympärillä. Se on täysin erilainen suunnitteluongelma, josta nämä kerrokset on tehtävä selväksi.

Kerros, jota useimmat yritykset aliarvioivat, on luottamus. Monet organisaatiot ajattelevat, että he käsittelevät luottamusta, koska heillä on pääsyvalvonta – kuka voi kirjautua järjestelmään. Todellinen luottamus agenttimaailmassa ei ole “onko tämä käyttäjä päässyt kirjautumaan?” Se on “onko tämä tietty toiminto sovelias tälle henkilölle tai agenteille tällä hetkellä?” Se on hallintokysymys, ei pääsyvalvontakysymys. Jos et tee tätä kerrosta selväksi, jäädyt demomaailmaan, koska et voi antaa agenteille tehdä oikeasti työtä tuotannossa.

Niin, luottamus on ilmiselvästi tärkeä osa AI-strategiaasi. Miten suunnittelet järjestelmiä siten, että automaattiset päätökset ovat havaittavissa, auditoidaan ja voidaan perua, samalla kun liikutaan tarpeeksi nopeasti toimittamaan liiketoimintaa?

On pakko aloittaa nollaluottamuuden asenteella. Ensimmäinen kysymys ei ole “voiko tämä agentti teknisesti tehdä tämän?” Ensimmäinen kysymys on “pitäisikö tämän agentin, tämän henkilön puolesta, yrittää tehdä tämän oikeasti?” Jos vastaus on ei, älä jatka.

Jos vastaus on kyllä, siirry turvallisuuteen: auditoinnin, jäljittämisen ja ihmisen osallistumisen tarpeeseen. Mallimme perustuu luottamuskerrokseen, joka toimii jonkinlaisena liikenteen valvontana jokaisen vuorovaikutuksen alussa: kuka sinä olet, mitä sinä teet ja miksi sinä teet tämän? Se poistaa paljon turvallisuusongelmia, koska et anna agenteille juosta ja tehdä asioita ja toivoa, että huomaat sen myöhemmin.

Alternatiivinen tapa on antaa agenteille vapaat kädet ja nostaa hälytys, jos he menevät ja tekevät jotain pahaa. Oletetaan, että voit nähdä sen, ymmärtää sen, tunnistaa sen ja lopettaa sen reaaliajassa, siinä tahdissa ja mittakaavassa, jolla nämä järjestelmät toimivat. Se on erittäin vaikea ongelma, ja se on, miksi monet ihmiset kamppailevat – he yrittävät etsiä pahaa toimintaa reaaliajassa.

Lisäksi olemme lisänneet kerroksellisia portteja. Vaikka agentti toimii oikean henkilön puolesta, tutkimme istuntoa ja sisältöä – yrittävätkö he myrkyttää mallia, väärinkäyttää API:ta tai ajaa jotain ulos politiikasta? Kaikki se on kietoutunut täydelliseen havaittavuuteen, jotta voit auditioida, mitä tapahtui, ja perua sen, jos tarvitset. Se on tapa, jolla liikut nopeasti ja nukut hyvin.

Monet yritykset onnistuvat luomaan AI-oivalluksia, mutta kamppailevat niiden kääntämisessä toiminnaksi. Mitkä suunnittelupäätökset mahdollistivat Calixille AI:n siirtämisen suoraan päivittäisiin työnkulkuun markkinoinnissa, toiminnassa ja asiakastuessa?

Jo ennen kuin AI oli tähti, Calixissa olimme jo kiinnostuneita yhdestä kysymyksestä: mitä tekee oivalluksen todella toimivaksi oikealle henkilölle oikeassa työssä? Vuodesta 2018 lähtien olemme työskennelleet palveluntarjoajien kanssa ymmärtääksemme, miten eri henkilöstöryhmät toimivat – mitä markkinoija tekee tiistai-aamuna, mitä operaatiotiimi tekee, kun hälytys laukaistaan, mitä tukitiimi tekee, kun tilaaja soittaa frustroiduna. Se pakotti meidät olemaan erittäin tarkkoja siitä, mitkä oivallukset olivat tärkeitä kenelle, missä kontekstissa ja miltä “hyvä toiminta” näytti.

Niin, kun agenttiteknologia tuli, emme olleet aloittamassa alusta. Meillä oli jo reaaliaikaiset järjestelmät, jotka tuottivat toimivaa tietoa, jotka liittyivät tiettyihin henkilöstöryhmiin ja työnkulkuun. Suunnittelukysymys muuttui: miten uudelleen suunnittelisit nämä samat työnkulut agenttiteknologian maailmassa, sen sijaan, että yritettäisiin keksiä kaikki se uudelleen?

Kun yhdistät tämän syvän henkilöstöryhmätiedon agenttiteknologiaan, voit rakentaa dynaamisia työnkulkuja dynaamisen datan ympärille. Agentit voivat päättää reaaliajassa, mitkä vaiheet ja mitkä henkilöstöryhmät osallistuvat, mitä tapahtuu, sen sijaan, että pakottaisit meidät koodaamaan satoja järeitä työnkulkuja mikropalveluissa. Useimmille yrityksille vaikea ongelma on yrittää tehdä reaaliaikaisia päätöksiä kontekstin perusteella ja suunnitella oikea työnkulku sen ympärillä. Meillä se osa oli jo paikallaan; olimme tehneet reaaliaikaisia, henkilöstöryhmäkohtaisia, toimivia oivalluksia vuosia. Agenttiteknologia on vain uusi työkalupakki perustana.

Visiosi alustasta sisältää agenttien välistä yhteentoimivuutta ja federatiivisia AI-järjestelmiä. Miten tämä lähestymistapa muuttaa tapaa, jolla yritysten työkalut yhteistyössä toimivat verrattuna perinteisiin pistekohtaisiin integraatioihin?

Jos katsot viimeiset 20 vuotta, oletusmuoto on ollut “osta joukko SaaS-työkaluja ja kiinnitä ne yhteen datavaraston ympärillä.” Jokainen uusi järjestelmä tarkoitti uutta pistekohtaista integraatiota, uutta datan putkistoa ja uutta paikkaa, jossa totuus on sovittava. Agenttimaailmassa se ei skaalautu. Haluat, että data pysyy siellä, mihin se kuuluu, ja agentit puhuvat toistensa kanssa hyvin määritellyn rajapinnan kautta.

Se on, miksi puhumme järjestelmän koskettamisesta kahdella tasolla: MCP:llä tietokerroksessa ja A2A:lla orkestroinnin ja luottamuksen kerroksilla. MCP on, miten agentit löytävät ja käyttävät työkaluja ja tietoa ilman uutta mukautettua integraatiota joka kerta. A2A on, miten agentit koordinoivat työtä toistensa kanssa selkeiden rajoitusten alla.

Kun sinulla on se, työn yhteistyö alkaa näyttää pinolta hauraiden liittimien sijaan ja alkaa näyttää verkostolta erikoisosalaisuuksista, jotka voivat dynaamisesti muodostaa tiimejä ympärillä oikeaa työtä. Tässä tulee Eisenhowerin matriisin analogia. Kaikki ei ole yhtä kiireellistä ja yhtä tärkeää. Jotkut työt ovat todella aikakriittisiä, jotkut ovat tärkeitä, mutta voidaan ajoittaa, jotkut tarvitsevat vain tehdä, ja jotkut ovat melua. Agenttien välinen koordinointi orkestroinnin ja luottamuksen kerroksen päällä voit käsitellä näitä luokkia eri mittakaavassa: agentit voivat vyöryä kiireellisiin ja tärkeisiin ongelmiin, jonota tai ajoittaa tärkeitä, mutta ei-kiireellisiä, ja pitää matalan arvon bussipuolen pois muusta.

Se on erilainen maailma kuin “lisätään yksi liittin ja toivotaan, että jono tyhjenee.” Sinä näet luottamuksen, huolellisesti orkeoidun dynaamisten työnkulkujen verkoston dynaamisen datan ja tapahtumien ympärillä, sen sijaan, että se on sekasorto one-off-liittimiä, joissa kaikki huutaa samalla prioriteetilla.

Kun AI-agentit on sallittu toimimaan itsenäisesti, hallinto muuttuu haasteeksi. Miten tasapainotat nopeuden, vastuun ja ihmisen valvonnan, kun AI-järjestelmät tekevät tai toteuttavat päätöksiä laajassa mittakaavassa?

Virhe, jonka näen, on, että ihmiset ajattelevat, että he voivat kiinnittää agenttiteknologian siihen, mitä heillä on, ja jotenkin yrittää “tasapainottaa” nopeuden, vastuun ja ihmisen valvonnan jälkikäteen. Et voi. On pakko aloittaa tunnustamalla, että tämä on pystykohtainen teknologiaongelma ja tarkoituksella rakentamalla luottamuskerroksen ja orkestroinnin kerroksen. Ilman näitä kerroksia se muuttuu vapaaksi kaistaksi – kaikki on ensin tullut, ensin palveltu, tai kuka huutaa kovimmalla äänellä.

Taas se on Eisenhowerin matriisi: ei kaikki työ ole luotu samalla tavalla. Luottamus ja orkestrointi ovat, miten operationalisoida se agenttimaailmassa. Et halua, että jokainen agentti käsittelee jokaista tehtävää kuin palopomppa; haluat, että järjestelmä tietää, mikä on todella aikakriittistä, mitä voidaan ajoittaa ja mitä voidaan käsitellä hiljaisesti taustalla.

Ja sitten on “kapea yli paksu” -osa. Useimmat yritykset luulevat, että suurempi vaikutus AI:sta tulee pysymällä laajalla. Olet paljon parempi valitsemaan kapean pystykohtaisen viipaleen – yhden konkreettisen käyttötapausten, yhden joukon työnkulkuja – ja rakentamaan luottamusta ja orkestrointia, mitä tarvitset siellä ensin. Mene ohueksi pystyssä, saa se oikein, pidä ihmiset silmällä reunassa ja laajenna sitten. Se on, miten liikut nopeasti, pysyt vastuussa ja vältät luomasta sotkua, jonka et voi myöhemmin purkaa.

Johtajanaisuuksesi suurten globaalien tuote- ja insinööritiimien johdosta, mitkä organisaatiot ja kulttuuriset muutokset ovat vaadittuja, jotta AI voi muuttua kestäväksi yritysten kyvyksi sen sijaan, että se olisi pelkästään erillisiä kokeiluja?

Useimmat yritykset eivät ole “AI-ongelmaa”; heillä on tieto- ja työnkulkuongelma. Ensimmäinen muutos on lopettaa leikkiminen pistekohtaisilla ratkaisuilla ja siirtyä tietovarastoista federatiiviseen tietovarastoon, jota jokainen voi nähdä ja toimia. Niin kauan kuin tieto elää siloissa ja AI on marja olemassa olevan datan päällä, saat kokeiluja, ei muodonmuutosta.

Siitä eteenpäin on pakko olla valmis menevätkin vaikeampiin ongelmiin tietyn järjestyksessä. Askelen yksi on erottaa hype todellisuudesta ja omaksua, mitä toimii, ei mitä on kovin äänekästä feedissäsi. Toisen askelen on uudelleenrakentaa tietokerros, jotta voit muuttaa datan jaettuun, federatiiviseen kontekstiin sen sijaan, että se olisi vielä yksi raportti haudattuna järjestelmään. Kolmas askel on uudelleenajatella työnkulkuja tietämyksen ja todellisen luottamuskerroksen ympärillä – useimmat työt ovat järjestetty ihmisten, taitojen ja paikallisten tietojen silojen ympärillä. Jos et muuta sitä, agentit tulevat olemaan vain yksi työkalu, joka kiertää samat vanhat pullonkaulat.

Vasta sitten pääset kulttuurimuutokseen, joka usein on vaikein. Tarvitset kulttuurin, jossa ihmiset eivät ole pääasiassa huolissaan menettävänsä työnsä, työkalunsa tai identiteettinsä, vaan ovat aidosti innoissaan työskennelläksesi uusien kykyjen kanssa. Se on muutosjohtamisen ongelma, ei teknologiaongelma. Se näyttää paljon hajautetulta johtajuudelta: ihmiset eturintamassa ymmärtävät työnkulut, tuntevat itsensä turvallisiksi nimettäessään kitkaa, ja ovat innoissaan asettamaan agentteja työhön.

Katsoen laajakaistan ja telekommunikaation ulkopuolelle, mitkä alat uskot olevan parhaiten asemoituneita omaksumaan operatiivista, agenttiohjattua AI:ta seuraavaksi, ja mitkä olot tekevät ne valmiiksi?

En ajattele sitä alakohtaisesti; ajattelen kuvioita. Melkein jokaisella pystykohtaisella on sama perustava haaste: he ovat rakentaneet tieto- ja toimintasiltoja sen sijaan, että yksi näkymä kolmen elinkaaren yli – asiakas, työntekijä ja tuote. Ne, jotka ovat valmiit, ovat ne, jotka ovat valmiit nähdä sen, myöntää, ettei heillä ole oikeaa tietokerrosta, ja korjata sen.

Siitä eteenpäin olot näyttävät melko samanlaisilta riippumatta siitä, oletko terveydenhuollossa, rahoitusalan teknologiassa, vähittäiskaupassa tai kriittisessä infrastruktuurissa. Tarvitset monimutkaisia työnkulkuja, joissa ihmiset ovat jännittyneitä, oikeat kitkaongelmat, joita voit nimetä, ja tarpeeksi laadukasta dataa antamaan agenteille konteksti. Jos voit kartoittaa nykyisiä työnkulkuja, nähdä, missä työ hidastuu tai kasaantuu, ymmärtää, mitkä siirrot luovat viiveitä, ja sitten tukea sitä federatiivisella tietovarastolla, agenttiteknologia on uskomattoman työkalupakki.

Siinä maailmassa “alan valmius” tulee johtajuudesta. Onko yrityksen johtajat valmiit siirtymään markkinointityökaluista ja ohuesta vaakasuorasta dashboardista ja panostamaan pystykohtaiseen teknologiaan – muuttaa dataa tiedoksi, federoida tietoa, asettaa orkestrointi- ja luottamusrakenteita paikoilleen ja pitää rehellisiä keskusteluja siitä, missä on oikea ROI? Mikä tahansa yritys missä tahansa alalla, joka tekee tämän työn, on hyvin asemoitunut operatiiviseen, agenttiohjattuun AI:hin; ne, jotka eivät tee, jäävät lisäämään yhden työkalun jo melkoiseen kasaan.

Kun yritysten AI kehittyy moni-agenttisiin ja monipilviympäristöihin, miltä hyvältä AI-arkkitehtuurilta näyttää viiden vuoden kuluttua, ja mitkä periaatteet johtajien on sitouduttava noudattamaan tänään välttääkseen järjestelmien uudelleenrakentamisen myöhemmin?

Viiden vuoden kuluttua AI:n mielenkiintoinen osa ei ole yksittäiset agentit tai mallit; se on agenteille mahdollistamat työnkulut ja niiden toimittama liiketoimintaa. Agentit tulevat ja menevät. Kerrokset alla niiden – data, tieto, orkestrointi, luottamus ja toiminta – jatkavat kehittymistä, mutta tarve niille ei mene pois.

Sen vuoksi olen enemmän kiinnostunut arkkitehtuurista kuin minkään tietyn työkalun. Siirrymme tietovarastoista federatiivisiin tietovarastoihin, hauraiden pistekohtaisista integraatioista avoimiin, kerroksellisiin pinoihin. Tässä maailmassa sinulla on agentteja, jotka toimivat eri pilvissä, koskettelevat eri tietolähteitä ja koordinoivat toistensa kanssa hyvin määritellyn rajapinnan kautta – MCP:llä tietokerroksessa, agenttien välisten protokollien kautta orkestroinnin ja luottamuksen kerroksilla. Kun teknologia paranee, haluat pystyä vaihtamaan parempia osia näihin kerroksiin ilman koko järjestelmän uudelleenrakentamista.

Niin, johtajien periaatteet ovat yksinkertaisia. Älä rakenna monoliittisesti. Suunnittele kerroksittain, jotta data, tieto, orkestrointi, luottamus ja toiminta voivat kehittyä itsenäisesti. Suunnittele työnkulkuja, ei ominaisuuksia, jotta ole selkeä, mitkä työnkulut ovat tärkeitä ja miltä “hyvä” näyttää asiakkaan, työntekijän ja tuotteen elinkaarena. Ja suunnittele hallintoa agentin tasolla: oletetaan nollaluottamusta oletuksena, määritä selkeät “agenttikortit” ja käytä orkestrointia päättääksesi, mitä on kiireellistä, mitä on tärkeää ja mitä vain on tehtävä. Jos teet sen, voit antaa teknologian muuttua – kuten se aina tekee – ilman jatkuvaa huolta järjestelmien uudelleenrakentamisesta.

Kiitos hienosta haastattelusta, lukijat, jotka haluavat oppia lisää, kannattaa vierailla Calixissa.