Babak Hodjat, CTO of AI di Cognizant – Seri Wawancara

Babak Hodjat adalah CTO of AI di Cognizant, dan mantan co-pendiri dan CEO dari Sentient. Ia bertanggung jawab atas teknologi inti di balik sistem kecerdasan buatan terdistribusi terbesar di dunia. Babak juga merupakan pendiri dana lindung kecerdasan buatan pertama di dunia, Sentient Investment Management. Ia adalah seorang wirausaha serial, telah memulai beberapa perusahaan di Lembah Silikon sebagai penemu utama dan teknolog.

Sebelum co-mendirikan Sentient, Babak adalah direktur senior teknik di Sybase iAnywhere, di mana ia memimpin teknik solusi mobile. Ia juga merupakan co-pendiri, CTO, dan anggota dewan Dejima Inc. Babak adalah penemu utama teknologi berorientasi agen Dejima yang dipatenkan, yang diterapkan pada antarmuka pintar untuk komputasi mobile dan perusahaan – teknologi di balik Apple’s Siri.

Sebagai seorang sarjana yang dipublikasikan di bidang kehidupan buatan, teknik perangkat lunak berorientasi agen, dan kecerdasan buatan terdistribusi, Babak memiliki 31 paten yang diberikan atau sedang diproses. Ia adalah seorang ahli di berbagai bidang kecerdasan buatan, termasuk pemrosesan bahasa alami, pembelajaran mesin, algoritma genetik, dan kecerdasan buatan terdistribusi, dan telah mendirikan beberapa perusahaan di bidang-bidang tersebut. Babak memegang gelar Ph.D. di bidang kecerdasan mesin dari Universitas Kyushu, di Fukuoka, Jepang.

Mengingat kembali karir Anda, dari mendirikan beberapa perusahaan yang didorong kecerdasan buatan hingga memimpin Laboratorium AI Cognizant, apa yang paling penting yang telah Anda pelajari tentang inovasi dan kepemimpinan di AI?

Inovasi membutuhkan kesabaran, investasi, dan pemeliharaan, dan harus dipupuk dan tidak terbatas. Jika Anda telah membangun tim inovator yang tepat, Anda dapat mempercayai mereka dan memberi mereka kebebasan artistik penuh untuk memilih bagaimana dan apa yang mereka teliti. Hasilnya sering kali akan mengagumkan Anda. Dari perspektif kepemimpinan, penelitian dan inovasi tidak boleh menjadi sesuatu yang hanya enak dilakukan atau sesuatu yang dipikirkan belakangan. Saya telah menetapkan tim penelitian sejak awal ketika membangun perusahaan rintisan dan selalu menjadi advokat kuat untuk investasi penelitian, dan ini telah membayar hasilnya. Di waktu yang baik, penelitian menjaga Anda tetap di depan kompetisi, dan di waktu yang buruk, itu membantu Anda diversifikasi dan bertahan, sehingga tidak ada alasan untuk berinvestasi rendah, membatasi, atau membebani dengan prioritas bisnis jangka pendek.

Sebagai salah satu penemu utama antarmuka pintar Apple’s Siri, bagaimana pengalaman Anda dalam mengembangkan antarmuka pintar telah membentuk pendekatan Anda dalam memimpin inisiatif AI di Cognizant?

Teknologi bahasa alami yang saya kembangkan awalnya untuk Siri adalah berbasis agen, sehingga saya telah bekerja dengan konsep ini selama waktu yang lama. AI tidak sekuat di tahun 90-an, sehingga saya menggunakan sistem multi-agen untuk menangani pemahaman dan pemetaan perintah bahasa alami ke tindakan. Setiap agen mewakili subset kecil dari domain diskusi, sehingga AI di setiap agen memiliki lingkungan yang sederhana untuk dikuasai. Hari ini, sistem AI sangat kuat, dan satu LLM dapat melakukan banyak hal, tetapi kita masih dapat memanfaatkan dengan memperlakukan mereka sebagai pekerja pengetahuan di dalam kotak, membatasi domain, memberi mereka deskripsi pekerjaan, dan menghubungkannya dengan agen lain yang memiliki tanggung jawab berbeda. AI dapat meningkatkan dan memperbaiki alur kerja bisnis apa pun.

Sebagai bagian dari tanggung jawab saya sebagai CTO of AI di Cognizant, saya menjalankan Laboratorium AI Lanjutan kami di San Francisco. Prinsip penelitian inti kami adalah pengambilan keputusan berbasis agen. Sampai hari ini, kami saat ini memiliki 56 paten AS pada teknologi AI inti berdasarkan prinsip tersebut. Kami semua berada di dalamnya.

Apakah Anda dapat menjelaskan penelitian dan inovasi mutakhir yang sedang dikembangkan di Laboratorium AI Cognizant? Bagaimana perkembangan ini menangani kebutuhan spesifik perusahaan Fortune 500?

Kami memiliki beberapa studio AI dan pusat inovasi. Laboratorium AI Lanjutan kami di San Francisco fokus pada memperluas kemampuan AI. Ini adalah bagian dari komitmen kami yang diumumkan tahun lalu untuk berinvestasi $1 miliar pada AI generatif selama tiga tahun ke depan.

Lebih spesifik, kami fokus pada mengembangkan algoritma dan teknologi baru untuk melayani klien kami. Kepercayaan, keterjelasan, dan keputusan multi-objektif adalah di antara bidang penting yang kami kejar yang sangat penting bagi perusahaan Fortune 500.

Tentang kepercayaan, kami tertarik pada penelitian dan pengembangan yang memperdalam pemahaman kami tentang kapan kita dapat mempercayai keputusan AI, dan kapan seorang manusia harus terlibat. Kami memiliki beberapa paten terkait dengan model ketidakpastian ini. Serupa dengan itu, jaringan saraf, AI generatif, dan LLM secara inheren tidak transparan. Kami ingin dapat mengevaluasi keputusan AI dan bertanya tentang mengapa mereka merekomendasikan sesuatu – pada dasarnya membuatnya dapat dijelaskan. Akhirnya, kami memahami bahwa kadang-kadang, keputusan yang diinginkan perusahaan untuk dibuat memiliki lebih dari satu tujuan hasil – pengurangan biaya sambil meningkatkan pendapatan yang seimbang dengan pertimbangan etika, misalnya. AI dapat membantu kita mencapai keseimbangan terbaik dari semua hasil ini dengan mengoptimalkan strategi keputusan secara multi-objektif. Ini adalah bidang lain yang sangat penting dalam penelitian AI kami.

Dua tahun ke depan dianggap kritis untuk AI generatif. Apa yang Anda percayai akan menjadi perubahan penting dalam periode ini, dan bagaimana perusahaan harus mempersiapkan diri?

Kami memasuki periode ledakan komersialisasi teknologi AI. Hari ini, penggunaan utama AI adalah meningkatkan produktivitas, membuat antarmuka pengguna yang lebih baik, meringkas data, dan membantu dengan pengkodean. Selama periode percepatan ini, kami percaya bahwa mengatur strategi teknologi dan AI secara keseluruhan di sekitar prinsip sistem multi-agen dan pengambilan keputusan akan memungkinkan perusahaan untuk sukses. Di Cognizant, penekanan kami pada inovasi dan penelitian terapan akan membantu klien kami memanfaatkan AI untuk meningkatkan keunggulan strategis ketika AI semakin terintegrasi ke dalam proses bisnis.

Bagaimana AI Generatif akan mengubah industri, dan apa yang paling menarik kasus penggunaan yang muncul dari Laboratorium AI Cognizant?

AI Generatif telah menjadi langkah besar bagi bisnis. Anda sekarang memiliki kemampuan untuk menciptakan serangkaian pekerja pengetahuan yang dapat membantu manusia dalam pekerjaan sehari-hari. Apakah itu mempermudah layanan pelanggan melalui chatbot pintar atau mengelola gudang melalui antarmuka bahasa alami, LLM sangat baik dalam tugas-tugas khusus.

Tapi apa yang datang selanjutnya adalah apa yang akan benar-benar mengubah industri, karena agen mendapatkan kemampuan untuk berkomunikasi satu sama lain. Masa depan akan tentang perusahaan memiliki agen di perangkat dan aplikasi yang dapat menangani kebutuhan Anda dan berinteraksi dengan agen lain atas nama Anda. Mereka akan bekerja di seluruh bisnis untuk membantu manusia dalam setiap peran, dari SDM dan keuangan hingga pemasaran dan penjualan. Di masa depan, bisnis akan secara alami beralih ke menjadi berbasis agen.

Tidak diragukan, kami sudah memiliki sistem multi-agen yang dikembangkan di laboratorium kami dalam bentuk Neuro AI, sebuah generator kasus pengambilan keputusan AI yang memungkinkan klien untuk dengan cepat membangun dan membuat prototipe kasus penggunaan keputusan AI untuk bisnis mereka. Ini sudah memberikan beberapa hasil menarik, dan kami akan berbagi lebih banyak tentang ini segera.

Apa peran yang akan dimainkan oleh arsitektur multi-agen dalam gelombang transformasi AI generatif berikutnya, terutama di lingkungan perusahaan besar?

Dalam penelitian dan percakapan kami dengan pemimpin perusahaan, kami semakin banyak menerima pertanyaan tentang bagaimana mereka dapat membuat AI Generatif berdampak pada skala besar. Kami percaya bahwa janji transformatif dari sistem kecerdasan buatan multi-agen sangat penting untuk mencapai dampak tersebut. Sistem AI multi-agen mengumpulkan agen AI yang dibangun ke dalam sistem perangkat lunak di berbagai area di seluruh perusahaan. Bayangkan ini sebagai sistem yang memungkinkan LLM berinteraksi satu sama lain. Hari ini, tantangan adalah bahwa, meskipun tujuan bisnis, aktivitas, dan metrik sangat terkait, sistem perangkat lunak yang digunakan oleh tim yang berbeda tidak, menciptakan masalah. Misalnya, keterlambatan rantai pasokan dapat mempengaruhi penjadwalan pusat distribusi. Mengontrak vendor baru dapat mempengaruhi emisi Scope 3. Peralihan pelanggan dapat menunjukkan kekurangan produk. Sistem yang terisolasi berarti tindakan sering didasarkan pada wawasan yang ditarik dari hanya satu program dan diterapkan pada satu fungsi. Arsitektur multi-agen akan menerangi wawasan dan tindakan terintegrasi di seluruh bisnis. Itulah kekuatan nyata yang dapat memicu transformasi perusahaan.

Bagaimana Anda melihat sistem multi-agen (MAS) berkembang dalam beberapa tahun ke depan, dan bagaimana ini akan mempengaruhi lanskap AI yang lebih luas?

Sistem AI multi-agen berfungsi sebagai tim kerja virtual, menganalisis prompt dan mengumpulkan informasi dari seluruh bisnis untuk menghasilkan solusi komprehensif tidak hanya untuk permintaan awal, tetapi juga untuk tim lain. Jika kita memperbesar dan melihat ke industri tertentu, ini dapat merevolusi operasi di bidang seperti manufaktur, misalnya. Agen Sourcing akan menganalisis proses yang ada dan merekomendasikan alternatif komponen yang lebih efektif biaya berdasarkan musim dan permintaan. Agen Sourcing ini kemudian terhubung dengan Agen Keberlanjutan untuk menentukan bagaimana perubahan tersebut akan mempengaruhi tujuan lingkungan. Akhirnya, Agen Regulasi akan mengawasi kegiatan kepatuhan, memastikan tim mengajukan laporan lengkap dan terkini secara tepat waktu.

Bagusnya, banyak perusahaan telah mulai mengintegrasikan chatbot yang didukung LLM, tetapi mereka perlu sengaja tentang bagaimana mereka mulai menghubungkan antarmuka ini. Perhatian harus diambil tentang granularitas agen, jenis LLM yang digunakan, dan kapan serta bagaimana mereka diperhalus untuk membuatnya efektif. Organisasi harus memulai dari atas, mempertimbangkan kebutuhan dan tujuan mereka, dan bekerja ke bawah untuk menentukan apa yang dapat diagenifikasi.

Apa yang menjadi tantangan utama yang menghambat perusahaan dari sepenuhnya menerima AI, dan bagaimana Cognizant menangani hambatan ini?

Meskipun dukungan dan investasi dari pimpinan, banyak perusahaan takut ketinggalan dalam AI. Menurut penelitian kami, ada kesenjangan antara komitmen strategis pimpinan dan kepercayaan untuk melaksanakan dengan baik. Biaya dan ketersediaan talenta serta ketidakmatangan solusi AI generatif saat ini adalah dua penghambat signifikan yang menghambat perusahaan dari sepenuhnya menerima AI.

Cognizant memainkan peran integral dalam membantu perusahaan menavigasi perjalanan produktivitas-ke-pertumbuhan AI. Faktanya, data terbaru dari studi yang kami lakukan dengan Oxford Economics menunjukkan kebutuhan akan keahlian luar untuk membantu dengan adopsi AI, dengan 43% perusahaan mengindikasikan bahwa mereka berencana untuk bekerja dengan konsultan eksternal untuk mengembangkan rencana untuk AI generatif. Secara tradisional, Cognizant telah memiliki milik terakhir dengan klien – kami melakukan ini dengan penyimpanan data dan migrasi cloud, dan agenifikasi akan tidak berbeda. Ini adalah pekerjaan yang harus sangat disesuaikan. Ini bukanlah perjalanan satu ukuran untuk semua. Kami adalah ahli yang dapat membantu mengidentifikasi tujuan bisnis dan rencana implementasi, dan kemudian membawa agen yang tepat untuk menangani kebutuhan bisnis. Kami adalah, dan selalu menjadi, orang yang harus dipanggil.

Banyak perusahaan kesulitan melihat ROI langsung dari investasi AI mereka. Apa kesalahan umum yang mereka buat, dan bagaimana ini dapat dihindari?

AI generatif jauh lebih efektif ketika perusahaan membawanya ke konteks data mereka sendiri – yaitu, menyesuaikannya pada fondasi data perusahaan yang kuat. Juga, lebih awal atau lebih lambat, perusahaan harus mengambil langkah yang sulit untuk membayangkan kembali proses bisnis dasar mereka. Hari ini, banyak perusahaan menggunakan AI untuk mengotomatisasi dan memperbaiki proses yang ada. Hasil yang lebih besar dapat terjadi ketika mereka mulai bertanya tentang apa konstituen dari proses ini, bagaimana saya mengubahnya, dan mempersiapkan diri untuk munculnya sesuatu yang belum ada sebelumnya? Ya, ini akan memerlukan perubahan budaya dan menerima beberapa risiko, tetapi tampaknya tak terhindarkan ketika mengatur banyak bagian dari organisasi menjadi satu kesatuan yang kuat.

Apa saran yang Anda berikan kepada pemimpin AI yang baru muncul yang ingin membuat dampak signifikan di bidang ini, terutama di dalam perusahaan besar?

Transformasi bisnis adalah kompleks oleh natur. Pemimpin AI yang baru muncul di dalam perusahaan besar harus fokus pada memecah proses, bereksperimen dengan perubahan, dan berinovasi. Ini memerlukan perubahan pola pikir dan risiko yang dihitung, tetapi dapat menciptakan organisasi yang lebih kuat.

Terima kasih atas wawancara yang luar biasa, pembaca yang ingin mempelajari lebih lanjut harus mengunjungi Cognizant.