ג’רונימו דה ליאון, מנהל מוצרים בכיר של AI ב-Backblaze – סדרת ראיונות

ג’רונימו דה ליאון הוא מנהל מוצרים מנוסה עם יותר מ-10 שנות ניסיון בניהול חדשנות הנובעת מ-AI בסביבות ארגוניות והזנקות. כיום, הוא משמש כמנהל מוצרים בכיר, AI ב-Backblaze, הוא מוביל את פיתוח התכונות של AI/ML, מתמקד באופן שבו Backblaze משפר את מחזור החיים של AI עבור ארכיטקטורות MLOps של לקוחות, ומיישם כלים וסוכנים של AI כדי לאופטימיזציה של פעולות פנימיות.

Backblaze היא חברת אחסון ענן וגיבוי, המספקת גיבוי אוטומטי ללא הגבלה למחשבים ליחידים ועסקים, יחד עם פתרונות אחסון אובייקטים מסונכרנים עבור עניקים, מדיה ועומסי יישומים. שירותיה מתמקדים במחירים נדיבים, אבטחת נתונים, שחזור קל ותאימות חלקה עם מערכות קיימות.

אתה מביא יותר מעשור של ניסיון בניהול מוצרים הנובע מ-AI – מעבודה עם LLMs ב-Intelas ו-RAG ב-Welcome.AI לשיגור צ’אטבוט של Bloomberg ועכשיו הובלת מאמצי AI ב-Backblaze. כיצד חוויות אלו עיצבו את השקפתך על תפקיד האחסון בענן בקנה מידה של זרימות AI/ML?

מאז תחילת עבודתי על פרויקטים של AI ב-IBM Watson, ראיתי את קצב החדשנות מאיץ באופן דרמטי. מה שהיה לוקח שנים לעבור ממחקר לייצור, כיום מתרחש בחודשים. עם זאת, אתגרים תשתיתיים בסיסיים נותרים זהים: היכן הנתונים, היכן אנו אוחסנים אותם, וכיצד אנו גושים אליהם באופן יעיל?

לפני, האילוצים היו חישוב ומודלים, אך כיום יש לנו שפע של מודלים מוכשרים מראש וישנם הרבה מספקי חישוב. עם זאת, כאשר מתחילים פרויקט, בדרך כלל צריך להתחיל עם פרויקט איסוף ועיבוד נתונים, זה עדיין נכון היום. אני רואה באופן עקבי ארגונים הפוגעים באותו צוואר בקבוק של איחוד נתונים ממקורות שונים. הארגונים שמצליחים הם אלו שמפתרים את בעיית הנגישות לנתונים מוקדם, ויוצרים יסוד שמסוגל להתרחב עם בשלות ה-AI שלהם. החלטות הארכיטקטורה של אחסון קובעות כיצד מהר אתה יכול להגיע לאימון מודל ולחדש.

היכן אתה רואה את אחסון הענן משחק את התפקידים הקריטיים ביותר לאורך מחזור החיים של AI – מאינגסט נתונים ועיבוד לאימון, עידון, היקש ומעקב?

אחסון ענן הוא קריטי לאורך מחזור החיים של AI, עם שלבים מפתח באיחוד נתונים, עיבוד, אימון והיקש. בתחילה, איחוד מערכותי, קטלוג ואבטחת ארכיונים מאיצים פרויקטים חדשים והופכים אותם לקלים יותר לבדיקת מודלים חדשים. נתונים נקיים ומעובדים היטב מנצחים לעיתים קרובות את העובדה שיש יותר נתונים, מה שהופך את האחסון למרכזי לאיכות ולקנה מידה. אחד ממשפטי המפתח של Backblaze הוא, “זה לא איסוף אם זה נתונים.” אתה אף פעם לא יודע כמה הם יקרים, כך שארגונים צריכים לאסוף ככל שאפשר. במהלך האימון, אחסון מסוגל מבטיח זרימה של סטים עצומים של נתונים, ובהיקש, תפיסת פלטי הנבואות ומשוב המשתמש מאפשר התכנסות רציפה. בסוף, האחסון הוא היסוד שקובע כיצד מהר אתה יכול לחדש עם AI.

מהם המכשולים הגדולים ביותר שארגונים פוגשים כאשר הם מקנים אחסון ל-AI, וכיצד אתגרים אלו שונים בין הזנקות קטנות לבין תאגידים גדולים?

המכשולים הגדולים ביותר באחסון AI הם עלות, ניהול נתונים ונגישות. אחסון נפחים גדולים של נתונים הוא רק חלק מהאתגר; הוא חייב גם להיות מאורגן, ניתן לשימוש ומוסדר עם בקרות המתאימות. נתונים נקיים ומובנים היטב הם לעיתים קרובות יותר מועילים מאשר פשוט להחזיק יותר מהם.

עבור הזנקות, האתגר הראשוני הוא רכישת מספיק נתונים כדי לאמ