Ramprakash Ramamoorthy, Kepala Penelitian AI di ManageEngine – Seri Wawancara

Ramprakash Ramamoorthy, adalah Kepala Penelitian AI di ManageEngine, divisi manajemen IT perusahaan dari Zoho Corp. ManageEngine memberdayakan perusahaan untuk mengontrol IT mereka, dari keamanan, jaringan, dan server hingga aplikasi, layanan meja, Active Directory, desktop, dan perangkat mobile.

Bagaimana Anda awalnya tertarik dengan ilmu komputer dan pembelajaran mesin?

Saat tumbuh dewasa, saya memiliki rasa ingin tahu alami terhadap komputasi, tetapi memiliki komputer pribadi di luar kemampuan keluarga saya. Namun, berkat posisi kakek saya sebagai profesor kimia di sebuah perguruan tinggi setempat, saya kadang-kadang mendapat kesempatan untuk menggunakan komputer di sana setelah jam kerja.

Minat saya semakin dalam di perguruan tinggi, di mana saya akhirnya memiliki PC sendiri. Di sana, saya mengembangkan beberapa aplikasi web untuk universitas saya. Aplikasi-aplikasi ini masih digunakan hingga hari ini—selama 12 tahun—yang benar-benar menekankan dampak dan daya tahan pekerjaan awal saya. Pengalaman ini adalah pelajaran komprehensif tentang rekayasa perangkat lunak dan tantangan dunia nyata dalam mengembangkan dan menerapkan aplikasi.

Perjalanan profesional saya di teknologi dimulai dengan magang di Zoho Corp. Awalnya, hati saya tertuju pada pengembangan aplikasi mobile, tetapi bos saya mendorong saya untuk menyelesaikan proyek pembelajaran mesin sebelum beralih ke pengembangan aplikasi. Ini ternyata menjadi titik balik—saya tidak pernah mendapat kesempatan untuk melakukan pengembangan aplikasi mobile—jadi ini sedikit pahit.

Di Zoho Corp, kami memiliki budaya belajar dengan melakukan. Kami percaya bahwa jika Anda menghabiskan waktu yang cukup dengan suatu masalah, Anda menjadi ahli. Saya sangat berterima kasih atas budaya ini dan atas bimbingan dari bos saya; ini yang memulai perjalanan saya ke dunia pembelajaran mesin.

Sebagai direktur Penelitian AI di Zoho & ManageEngine, bagaimana rata-rata hari kerja Anda?

Hari kerja saya dinamis dan berputar di sekitar kolaborasi tim dan perencanaan strategis. Bagian besar hari saya dihabiskan bekerja sama dengan tim yang berbakat dari insinyur dan matematikawan. Bersama, kami membangun dan meningkatkan tumpukan AI kami, yang membentuk tulang punggung layanan kami.

Kami beroperasi sebagai tim AI pusat, menyediakan solusi AI sebagai layanan untuk berbagai produk dalam ManageEngine dan Zoho. Peran ini memerlukan pemahaman yang mendalam tentang berbagai lini produk dan kebutuhan unik mereka. Interaksi saya tidak hanya terbatas pada tim saya; saya juga bekerja secara ekstensif dengan tim internal di seluruh organisasi. Kolaborasi ini sangat penting untuk menyelaraskan strategi AI kami dengan kebutuhan spesifik pelanggan kami, yang terus berkembang. Ini adalah kesempatan besar untuk berinteraksi dengan pikiran-pikiran tercerdas di seluruh perusahaan.

Mengingat kecepatan kemajuan AI, saya menghabiskan sebagian besar waktu untuk tetap mendapatkan informasi tentang perkembangan dan tren terbaru di bidang ini. Pembelajaran terus-menerus ini sangat penting untuk mempertahankan keunggulan kami dan memastikan strategi kami tetap relevan dan efektif.

Tambahan lagi, peran saya meluas di luar kantor. Saya memiliki passion untuk berbicara dan bepergian, yang sesuai dengan tanggung jawab saya. Saya sering berinteraksi dengan analis dan berpartisipasi dalam berbagai forum untuk menyebarkan visi dan pencapaian AI kami. Interaksi ini tidak hanya membantu dalam menyebarkan visi dan pencapaian kami, tetapi juga memberikan wawasan berharga yang kembali ke perencanaan strategis dan eksekusi kami.

Anda telah menyaksikan evolusi AI sejak memposisikan ManageEngine sebagai pelopor AI strategis pada tahun 2013. Apa saja beberapa algoritma pembelajaran mesin yang digunakan pada hari-hari awal?

Fokus awal kami adalah menggantikan teknik statistik tradisional dengan model AI. Misalnya, dalam deteksi anomali, kami beralih dari metodologi kurva bell yang menandai ekstrem ke model AI yang dapat belajar dari data sebelumnya, mengenali pola dan musiman.

Kami mengintegrasikan berbagai algoritma—dari mesin vektor pendukung hingga metode berbasis pohon keputusan—sebagai fondasi platform AI kami. Algoritma-algoritma ini sangat penting dalam mengidentifikasi kasus penggunaan khusus di mana AI dapat memanfaatkan data sebelumnya untuk pencarian pola, peramalan, dan analisis penyebab akar. Mengesankan, banyak dari algoritma ini masih efektif dalam produksi hari ini, menekankan relevansi dan efisiensinya.

Bisakah Anda membahas bagaimana LLM dan AI Generatif telah mengubah alur kerja di ManageEngine?

Model bahasa besar (LLM) dan AI generatif telah memang menyebabkan kehebohan di dunia konsumen, tetapi integrasi mereka ke dalam lingkungan perusahaan, termasuk ManageEngine, telah lebih bertahap. Salah satu alasan untuk ini adalah hambatan masuk yang tinggi, terutama dalam hal biaya, dan persyaratan data dan komputasi yang signifikan yang diminta oleh model-model ini.

Di ManageEngine, kami secara strategis berinvestasi dalam LLM domain-spesifik untuk memanfaatkan potensi mereka dengan cara yang disesuaikan dengan kebutuhan kami. Ini melibatkan pengembangan model yang tidak hanya generik dalam aplikasi mereka, tetapi juga dirancang untuk menangani area spesifik dalam operasi perusahaan kami. Misalnya, kami bekerja pada LLM yang didedikasikan untuk keamanan, yang dapat menandai peristiwa keamanan lebih efisien, dan lainnya yang fokus pada pemantauan infrastruktur. Model-model ini saat ini sedang dikembangkan di laboratorium kami, mencerminkan komitmen kami untuk memanfaatkan perilaku yang muncul dari LLM dan AI generatif dengan cara yang menambah nilai nyata pada solusi IT perusahaan kami.

ManageEngine menawarkan berbagai alat AI untuk berbagai kasus penggunaan, apa alat yang paling Anda banggakan?

Saya sangat bangga dengan semua alat AI kami di ManageEngine, tetapi analitik perilaku pengguna dan entitas (UEBA) kami menonjol bagi saya. Diluncurkan pada hari-hari awal kami, ini masih merupakan bagian kuat dan vital dari penawaran kami. Kami memahami harapan pasar dan menambahkan penjelasan untuk setiap anomali sebagai praktik standar. Kemampuan UEBA kami terus berkembang, dan kami membawa pelajaran ini untuk membuatnya lebih baik.

ManageEngine saat ini menawarkan AppCreator, platform pengembangan aplikasi kustom berbasis low-code yang memungkinkan tim IT membuat solusi kustom dengan cepat dan meluncurkannya secara on-premises. Apa pandangan Anda tentang masa depan aplikasi low-code atau no-code?

Masa depan aplikasi low-code dan no-code, seperti AppCreator kami, sangat menjanjikan, terutama dalam konteks kebutuhan bisnis yang terus berkembang. Platform-platform ini menjadi sangat penting bagi organisasi untuk memperluas dan memaksimalkan kemampuan aset perangkat lunak yang ada. Ketika bisnis tumbuh dan kebutuhan mereka berubah, solusi low-code dan no-code menawarkan cara yang fleksibel dan efisien untuk beradaptasi dan berinovasi.

Lagipula, platform-platform ini memainkan peran kunci dalam memungkinkan bisnis. Dengan menawarkan teknologi yang berkembang, seperti AI sebagai layanan, mereka secara signifikan menurunkan hambatan masuk bagi organisasi untuk mencicipi kekuatan AI.

Bisakah Anda membagikan pandangan Anda tentang risiko AI, termasuk bias AI, dan bagaimana ManageEngine mengelola risiko-risiko ini?

Di ManageEngine, kami mengakui ancaman serius yang ditimbulkan oleh risiko AI, termasuk bias AI, yang dapat memperlebar kesenjangan akses teknologi dan mempengaruhi fungsi bisnis kritis seperti SDM dan keuangan. Misalnya, cerita tentang AI yang menunjukkan perilaku berbias dalam perekrutan adalah cerita peringatan yang kami ambil serius.

Untuk memitigasi risiko-risiko ini, kami menerapkan kebijakan dan alur kerja yang ketat untuk memastikan model AI kami meminimalkan bias sepanjang siklus hidup mereka. Sangat penting untuk terus memantau model-model ini, karena mereka dapat mulai tidak berbias tetapi potensial mengembangkan bias seiring waktu karena perubahan data.

Kami juga berinvestasi dalam teknologi canggih seperti privasi diferensial dan enkripsi homomorfik untuk memperkuat komitmen kami terhadap AI yang aman dan tidak berbias. Upaya-upaya ini sangat penting dalam memastikan bahwa alat AI kami tidak hanya kuat tetapi juga digunakan secara bertanggung jawab dan etis, mempertahankan integritas mereka untuk semua pengguna dan aplikasi.

Apa visi Anda untuk masa depan AI dan robotika?

Masa depan AI dan robotika terbentuk untuk menjadi sangat menarik dan transformatif. AI telah mengalami siklus boom dan bust di masa lalu. Namun, dengan kemajuan dalam pengumpulan dan pemrosesan data, serta model pendapatan yang muncul di sekitar data, AI sekarang mapan dan ada untuk tetap.

AI telah berkembang menjadi teknologi mainstream, sangat mempengaruhi cara kita berinteraksi dengan perangkat lunak pada tingkat perusahaan dan pribadi. Kemampuan generatifnya sudah menjadi bagian integral dari kehidupan sehari-hari kita, dan saya memprediksi AI akan menjadi lebih mudah diakses dan terjangkau bagi perusahaan, berkat teknik dan kemajuan baru.

Aspek penting dari masa depan ini adalah tanggung jawab pengembang AI. Sangat penting bagi pembangun untuk memastikan bahwa model AI mereka kuat dan bebas dari bias. Selain itu, saya berharap untuk melihat kerangka hukum berkembang dengan kecepatan yang sesuai dengan perkembangan AI yang cepat untuk secara efektif mengelola dan memitigasi risiko hukum yang timbul.

Visi saya untuk AI adalah masa depan di mana teknologi ini terintegrasi secara mulus ke dalam kehidupan sehari-hari kita, meningkatkan kemampuan dan pengalaman kita sambil diatur secara etis dan bertanggung jawab.

Terima kasih atas wawancara yang luar biasa, pembaca yang ingin mempelajari lebih lanjut dapat mengunjungi ManageEngine.