Babak Hodjat, CTO de l’IA chez Cognizant – Série d’entretiens

Babak Hodjat est CTO de l’IA chez Cognizant, et ancien co-fondateur et PDG de Sentient. Il est responsable de la technologie de base derrière le plus grand système d’intelligence artificielle distribuée au monde. Babak a également fondé le premier fonds spéculatif géré par l’IA, Sentient Investment Management. Il est un entrepreneur en série, ayant lancé plusieurs entreprises dans la vallée de Silicon comme inventeur et technologue principal.

Avant de co-fonder Sentient, Babak était directeur principal de l’ingénierie chez Sybase iAnywhere, où il a dirigé l’ingénierie des solutions mobiles. Il a également été co-fondateur, CTO et membre du conseil d’administration de Dejima Inc. Babak est l’inventeur principal de la technologie orientée agent de Dejima, brevetée et appliquée aux interfaces intelligentes pour la mobilité et l’informatique d’entreprise – la technologie derrière Apple’s Siri.

Un érudit publié dans les domaines de la vie artificielle, de l’ingénierie logicielle orientée agent et de l’intelligence artificielle distribuée, Babak a 31 brevets accordés ou en attente à son nom. Il est un expert dans de nombreux domaines de l’IA, notamment le traitement du langage naturel, l’apprentissage automatique, les algorithmes génétiques et l’IA distribuée, et a fondé plusieurs entreprises dans ces domaines. Babak détient un doctorat en intelligence machine de l’Université de Kyushu, à Fukuoka, au Japon.

En regardant votre carrière, depuis la fondation de plusieurs entreprises gérées par l’IA jusqu’à la direction du laboratoire d’IA de Cognizant, quels sont les enseignements les plus importants que vous avez tirés sur l’innovation et le leadership dans l’IA ?

L’innovation nécessite de la patience, des investissements et un entretien, et elle devrait être encouragée et sans restriction. Si vous avez construit l’équipe appropriée d’innovateurs, vous pouvez leur faire confiance et leur donner toute la liberté artistique pour choisir comment et ce qu’ils recherchent. Les résultats vous étonneront souvent. Du point de vue du leadership, la recherche et l’innovation ne devraient pas être un élément agréable à avoir ou une après-pensée. J’ai mis en place des équipes de recherche très tôt lors de la construction de start-ups et j’ai toujours été un fervent défenseur de l’investissement dans la recherche, et cela a payé. En période de croissance, la recherche vous permet de rester en tête de la concurrence, et en période de récession, elle vous aide à diversifier et à survivre, il n’y a donc aucune excuse pour sous-investir, restreindre ou surcharger avec des priorités commerciales à court terme.

En tant que l’un des principaux inventeurs d’Apple’s Siri, comment votre expérience dans le développement d’interfaces intelligentes a-t-elle façonné votre approche de la direction des initiatives d’IA chez Cognizant ?

La technologie de langage naturel que j’ai développée à l’origine pour Siri était basée sur des agents, donc j’ai travaillé avec ce concept depuis longtemps. L’IA n’était pas aussi puissante dans les années 90, j’ai donc utilisé un système multi-agent pour aborder la compréhension et la mise en correspondance des commandes de langage naturel avec des actions. Chaque agent représentait un petit sous-ensemble du domaine de discours, donc l’IA dans chaque agent avait un environnement simple à maîtriser. Aujourd’hui, les systèmes d’IA sont puissants, et un LLM peut faire de nombreuses choses, mais nous bénéficions toujours de les traiter comme un travailleur du savoir dans une boîte, en restreignant son domaine, en lui donnant un poste et en le reliant à d’autres agents avec des responsabilités différentes. L’IA est ainsi capable d’améliorer et d’améliorer tout flux de travail commercial.

En tant que CTO de l’IA chez Cognizant, je dirige notre laboratoire d’IA avancé à San Francisco. Notre principe de recherche principal est la prise de décision basée sur les agents. À ce jour, nous détenons 56 brevets américains sur la technologie d’IA de base basée sur ce principe. Nous sommes tous dedans.

Pouvez-vous élaborer sur les recherches et les innovations de pointe actuellement développées au laboratoire d’IA de Cognizant ? Comment ces développements répondent-ils aux besoins spécifiques des entreprises du Fortune 500 ?

Nous avons plusieurs studios et centres d’innovation d’IA. Notre laboratoire d’IA avancé à San Francisco se concentre sur l’extension de l’état de l’art en IA. Cela fait partie de notre engagement annoncé l’année dernière pour investir 1 milliard de dollars dans l’IA générative au cours des trois prochaines années.

Plus précisément, nous nous concentrons sur le développement de nouvelles algorithmes et technologies pour servir nos clients. La confiance, l’explicabilité et les décisions multi-objectifs sont parmi les domaines importants que nous poursuivons et qui sont vitaux pour les entreprises du Fortune 500.

Autour de la confiance, nous sommes intéressés par la recherche et le développement qui approfondissent notre compréhension de quand nous pouvons faire confiance à la prise de décision de l’IA et quand un humain devrait s’impliquer. Nous avons plusieurs brevets liés à ce type de modélisation d’incertitude. De même, les réseaux de neurones, l’IA générative et les LLM sont intrinsèquement opaques. Nous voulons être en mesure d’évaluer une décision d’IA et de lui poser des questions sur pourquoi elle a recommandé quelque chose – essentiellement en la rendant explicite. Enfin, nous comprenons que parfois, les décisions que les entreprises veulent prendre ont plus d’un objectif de résultat – réduction des coûts tout en augmentant les revenus équilibrés avec des considérations éthiques, par exemple. L’IA peut nous aider à atteindre le meilleur équilibre de tous ces résultats en optimisant les stratégies de décision de manière multi-objective. C’est un autre domaine très important dans notre recherche d’IA.

Les deux prochaines années sont considérées comme critiques pour l’IA générative. Quels changements importants pensez-vous que nous verrons pendant cette période, et comment les entreprises devraient-elles se préparer ?

Nous nous dirigeons vers une période explosive pour la commercialisation des technologies d’IA. Aujourd’hui, les utilisations principales de l’IA sont l’amélioration de la productivité, la création de meilleures interfaces utilisateur basées sur le langage naturel, la synthèse de données et l’aide à la programmation. Pendant cette période d’accélération, nous croyons que l’organisation des stratégies technologiques et d’IA autour du principe fondamental des systèmes multi-agents et de la prise de décision permettra le mieux aux entreprises de réussir. Chez Cognizant, notre accent sur l’innovation et la recherche appliquée aidera nos clients à exploiter l’IA pour accroître leur avantage stratégique à mesure qu’elle sera davantage intégrée aux processus commerciaux.

Comment l’IA générative va-t-elle remodeler les industries, et quels sont les cas d’utilisation les plus excitants qui émergent du laboratoire d’IA de Cognizant ?

L’IA générative a été un énorme pas en avant pour les entreprises. Vous avez maintenant la capacité de créer une série de travailleurs du savoir qui peuvent assister les humains dans leur travail quotidien. Que ce soit pour rationaliser le service client grâce à des chatbots intelligents ou gérer l’inventaire d’un entrepôt grâce à une interface de langage naturel, les LLM sont très bons pour les tâches spécialisées.

Mais ce qui vient ensuite est ce qui va vraiment remodeler les industries, car les agents obtiennent la capacité de communiquer les uns avec les autres. L’avenir sera celui de sociétés ayant des agents dans leurs appareils et applications qui peuvent répondre à vos besoins et interagir avec d’autres agents en votre nom. Ils travailleront à travers toute l’entreprise pour assister les humains dans chaque rôle, de la RH et de la finance au marketing et aux ventes. Dans un avenir proche, les entreprises seront naturellement attirées vers la création de sociétés basées sur les agents.

Notamment, nous avons déjà un système multi-agent développé dans notre laboratoire sous la forme de Neuro AI, un générateur de cas d’utilisation de décision d’IA qui permet aux clients de construire rapidement et de prototyper des cas d’utilisation de décision d’IA pour leur entreprise. Il donne déjà des résultats excitants, et nous partagerons plus d’informations sur cela bientôt.

Quel rôle les architectures multi-agents joueront-elles dans la prochaine vague de transformation de l’IA, en particulier dans les environnements d’entreprise à grande échelle ?

Dans nos recherches et conversations avec les dirigeants d’entreprise, nous obtenons de plus en plus de questions sur la façon dont ils peuvent rendre l’IA générative efficace à grande échelle. Nous croyons que la promesse transformatrice des systèmes d’intelligence artificielle multi-agents est centrale pour atteindre cet impact. Un système d’IA multi-agent rassemble des agents d’IA intégrés dans des systèmes logiciels dans divers domaines à travers l’entreprise. C’est un système de systèmes qui permet aux LLM de interagir les uns avec les autres. Aujourd’hui, le défi est que, même si les objectifs commerciaux, les activités et les métriques sont profondément interconnectés, les systèmes logiciels utilisés par les équipes différentes ne le sont pas, ce qui crée des problèmes. Par exemple, les retards dans la chaîne d’approvisionnement peuvent affecter la dotation en personnel des centres de distribution. L’intégration d’un nouveau fournisseur peut avoir un impact sur les émissions de Scope 3. Le turnover des clients pourrait indiquer des déficiences de produit. Les systèmes cloisonnés signifient que les actions sont souvent basées sur des informations tirées d’un seul programme et appliquées à une seule fonction. Les architectures multi-agents éclaireront les connaissances et les actions intégrées à travers l’entreprise. C’est un véritable pouvoir qui peut catalyser la transformation de l’entreprise.

De quelle manière voyez-vous les systèmes multi-agents (MAS) évoluer dans les prochaines années, et comment cela affectera-t-il le paysage de l’IA dans son ensemble ?

Un système d’IA multi-agent fonctionne comme un groupe de travail virtuel, analysant les invites et tirant des informations de toute l’entreprise pour produire une solution complète, non seulement pour le demandeur initial, mais également pour d’autres équipes. Si nous zoomons et regardons un secteur en particulier, cela pourrait révolutionner les opérations dans des domaines tels que la fabrication, par exemple. Un agent d’approvisionnement analyserait les processus existants et recommanderait des composants alternatifs plus rentables en fonction des saisons et de la demande. Cet agent d’approvisionnement se connecterait ensuite à un agent de durabilité pour déterminer comment le changement affecterait les objectifs environnementaux. Enfin, un agent réglementaire superviserait l’activité de conformité, garantissant que les équipes soumettent des rapports complets et à jour sur les délais.

La bonne nouvelle est que de nombreuses entreprises ont déjà commencé à intégrer de manière organique des chatbots alimentés par LLM, mais elles doivent être intentionnelles quant à la façon dont elles commencent à connecter ces interfaces. Il faut prendre soin de la granularité de l’agentification, des types de LLM utilisés et de la façon de les affiner pour les rendre efficaces. Les organisations devraient commencer par le haut, considérer leurs besoins et objectifs, et travailler de haut en bas pour décider de ce qui peut être agentifié.

Quels sont les principaux défis qui empêchent les entreprises d’adopter pleinement l’IA, et comment Cognizant répond-il à ces obstacles ?

Malgré le soutien et les investissements des dirigeants, de nombreuses entreprises craignent de rester en arrière en matière d’IA. Selon nos recherches, il existe un écart entre l’engagement stratégique des dirigeants et la confiance dans l’exécution. Le coût et la disponibilité des talents, ainsi que la maturité perçue des solutions d’IA générative actuelles, sont deux inhibiteurs importants qui empêchent les entreprises d’adopter pleinement l’IA.

Cognizant joue un rôle intégral pour aider les entreprises à traverser le parcours de productivité à croissance de l’IA. En fait, des données récentes d’une étude que nous avons menée avec Oxford Economics montrent la nécessité d’une expertise extérieure pour aider à l’adoption de l’IA, avec 43 % des entreprises indiquant qu’elles prévoient de travailler avec des consultants externes pour développer un plan pour l’IA générative. Traditionnellement, Cognizant a possédé le dernier mile avec les clients – nous l’avons fait avec le stockage de données et la migration vers le cloud, et l’agentification ne sera pas différente. Il s’agit d’un travail qui doit être hautement personnalisé. Ce n’est pas un voyage d’une taille qui convient à tous. Nous sommes les experts qui peuvent aider à identifier les objectifs commerciaux et le plan d’implémentation, puis apporter les agents personnalisés pour répondre aux besoins commerciaux. Nous sommes, et avons toujours été, les personnes à appeler.

De nombreuses entreprises ont du mal à voir un retour sur investissement immédiat de leurs investissements dans l’IA. Quelles sont les erreurs courantes qu’elles commettent, et comment peuvent-elles les éviter ?

L’IA générative est beaucoup plus efficace lorsque les entreprises l’intègrent dans leur propre contexte de données – c’est-à-dire la personnaliser sur leur propre fondement solide de données d’entreprise. De plus, tôt ou tard, les entreprises devront prendre la mesure difficile de réimaginer leurs processus commerciaux fondamentaux. Aujourd’hui, de nombreuses entreprises utilisent l’IA pour automatiser et améliorer les processus existants. Des résultats plus importants peuvent survenir lorsqu’elles commencent à se poser des questions comme : quels sont les constituants de ce processus, comment puis-je les modifier et me préparer à l’émergence de quelque chose qui n’existe pas encore ? Oui, cela nécessitera un changement de culture et l’acceptation de certains risques, mais cela semble inévitable lors de l’orchestration des nombreuses parties de l’organisation en un tout puissant.

Quels conseils donneriez-vous aux futurs leaders de l’IA qui cherchent à avoir un impact significatif dans le domaine, en particulier au sein de grandes entreprises ?

La transformation commerciale est complexe par nature. Les futurs leaders de l’IA au sein des grandes entreprises devraient se concentrer sur la décomposition des processus, l’expérimentation des changements et l’innovation. Cela nécessite un changement de mentalité et des risques calculés, mais cela peut créer une organisation plus puissante.

Merci pour cette grande interview, les lecteurs qui souhaitent en savoir plus devraient visiter Cognizant.