Ryan Ries, Kepala Ilmuwan AI & Data di Mission – Seri Wawancara

Dr. Ryan Ries adalah seorang ilmuwan data terkenal dengan lebih dari 15 tahun pengalaman kepemimpinan di bidang data dan teknik di perusahaan teknologi yang berkembang pesat. Dr. Ries memiliki lebih dari 20 tahun pengalaman bekerja dengan AI dan 5+ tahun membantu pelanggan membangun infrastruktur data AWS dan model AI mereka. Setelah mendapatkan gelar Ph.D. di Bidang Kimia Biofisik di UCLA dan Caltech, Dr. Ries telah membantu mengembangkan solusi data canggih untuk Departemen Pertahanan AS dan sejumlah perusahaan Fortune 500.

Sebagai Kepala AI dan Ilmuwan Data untuk Mission, Ryan telah membangun tim yang sukses dari Insinyur Data, Arsitek Data, Insinyur ML, dan Ilmuwan Data untuk memecahkan beberapa masalah terberat di dunia dengan menggunakan infrastruktur AWS.

Mission adalah penyedia layanan managed dan konsultasi terkemuka yang lahir di awan, menawarkan layanan cloud end-to-end, solusi AI inovatif, dan perangkat lunak untuk pelanggan AWS. Sebagai Mitra Tier Premier AWS, perusahaan membantu bisnis mengoptimalkan investasi teknologi, meningkatkan kinerja dan tata kelola, mengembangkan skala dengan efisien, mengamankan data, dan menerima inovasi dengan kepercayaan.

Anda telah memiliki perjalanan yang mengesankan – dari membangun perangkat keras AR di DAQRI hingga menjadi Kepala Petugas AI di Mission. Pengalaman pribadi atau titik balik apa yang paling membentuk perspektif Anda tentang peran AI di perusahaan?

Pengembangan AI awal sangat terbatas oleh kekuatan komputasi dan tantangan infrastruktur. Kami sering harus menulis kode model dari kertas penelitian, yang memakan waktu dan kompleks. Perubahan besar terjadi dengan munculnya Python dan perpustakaan AI open-source, membuat eksperimen dan pembangunan model menjadi lebih cepat. Namun, titik balik terbesar terjadi ketika hyperscalers seperti AWS membuat komputasi dan penyimpanan yang dapat diskalakan secara luas tersedia.

Evolusi ini mencerminkan tantangan persisten sepanjang sejarah AI – kehabisan penyimpanan dan kapasitas komputasi. Keterbatasan ini menyebabkan musim dingin AI sebelumnya, dan mengatasi mereka telah menjadi fundamental bagi “renaissance AI” hari ini.

Bagaimana model layanan cloud end-to-end Mission membantu perusahaan menskalakan beban kerja AI mereka di AWS lebih efisien dan aman?

Di Mission, keamanan terintegrasi ke dalam semua yang kami lakukan. Kami telah menjadi mitra keamanan tahunan dengan AWS selama dua tahun berturut-turut, tetapi menariknya, kami tidak memiliki tim keamanan khusus. Itu karena semua orang di Mission membangun dengan keamanan dalam pikiran pada setiap fase pengembangan. Dengan AI generatif AWS, pelanggan dapat menggunakan lapisan AWS Bedrock, yang menjaga data, termasuk informasi sensitif seperti PII, aman di dalam ekosistem AWS. Pendekatan terintegrasi ini memastikan keamanan sebagai fondasi, bukan sebagai pemikiran terakhir.

Skalabilitas juga merupakan fokus utama di Mission. Kami memiliki pengalaman luas dalam membangun pipa MLOps yang mengelola infrastruktur AI untuk pelatihan dan inferensi. Sementara banyak yang mengasosiasikan AI generatif dengan sistem skala besar seperti ChatGPT, sebagian besar kasus penggunaan perusahaan adalah internal dan memerlukan skala yang lebih mudah dikelola. Lapisan API Bedrock membantu menyampaikan kinerja yang scalable dan aman untuk beban kerja nyata.

Apakah Anda bisa menjelaskan keterlibatan perusahaan yang khas – dari migrasi cloud hingga penerapan solusi AI generatif – menggunakan layanan Mission?

Di Mission, kami memulai dengan memahami kebutuhan bisnis dan kasus penggunaan perusahaan. Migrasi cloud dimulai dengan menilai lingkungan on-premise saat ini dan merancang arsitektur cloud yang dapat diskalakan. Tidak seperti setup on-premise, di mana Anda harus menyediakan untuk kapasitas puncak, cloud memungkinkan Anda untuk menskalakan sumber daya berdasarkan beban kerja rata-rata, mengurangi biaya. Tidak semua beban kerja memerlukan migrasi – beberapa dapat dipensiunkan, direfaktor, atau dibangun kembali untuk efisiensi. Setelah inventarisasi dan perencanaan, kami melaksanakan migrasi yang bertahap.

Dengan AI generatif, kami telah melampaui fase proof-of-concept. Kami membantu perusahaan merancang arsitektur, menjalankan pilot untuk memperbaiki prompt dan menangani kasus tepi, kemudian pindah ke produksi. Untuk AI yang didorong data, kami membantu memindahkan data on-premise ke cloud, membuka nilai yang lebih besar. Pendekatan end-to-end ini memastikan solusi AI generatif yang kuat, scalable, dan siap bisnis sejak hari pertama.

Mission menekankan “inovasi dengan kepercayaan.” Apa artinya ini dalam istilah praktis bagi bisnis yang mengadopsi AI dalam skala besar?

Ini berarti memiliki tim dengan keahlian AI yang sebenarnya – bukan hanya lulusan bootcamp, tetapi ilmuwan data yang berpengalaman. Pelanggan dapat percaya bahwa kami tidak bereksperimen pada mereka. Orang-orang kami memahami bagaimana model bekerja dan bagaimana menerapkannya dengan aman dan dalam skala. Itulah bagaimana kami membantu bisnis berinovasi tanpa mengambil risiko yang tidak perlu.

Anda telah bekerja di bidang analitik prediktif, NLP, dan visi komputer. Di mana Anda melihat AI generatif membawa nilai terbesar bagi perusahaan hari ini – dan di mana hype melampaui kenyataan?

AI generatif memberikan nilai signifikan di perusahaan terutama melalui pemrosesan dokumen pintar (IDP) dan chatbot. Banyak bisnis mengalami kesulitan untuk menskalakan operasi dengan merekrut lebih banyak orang, sehingga AI generatif membantu mengotomatisasi tugas berulang dan mempercepat alur kerja. Misalnya, IDP telah mengurangi waktu tinjauan aplikasi asuransi sebesar 50% dan memperbaiki koordinasi perawatan pasien di bidang kesehatan. Chatbot sering bertindak sebagai antarmuka ke alat atau sistem AI lain, memungkinkan perusahaan untuk mengotomatisasi interaksi dan tugas rutin dengan efisien.

Namun, hype seputar gambar dan video generatif sering melampaui aplikasi bisnis nyata. Meskipun secara visual mengesankan, teknologi ini memiliki aplikasi praktis yang terbatas di luar pemasaran dan proyek kreatif. Sebagian besar perusahaan menemukan bahwa skala solusi media generatif ke operasi inti sangat menantang, membuatnya lebih seperti novelti daripada alat bisnis fundamental.

“Vibe Coding” adalah istilah yang muncul – dapatkah Anda menjelaskan apa artinya dalam dunia Anda, dan bagaimana ini mencerminkan pergeseran budaya yang lebih luas dalam pengembangan AI?

Vibe coding mengacu pada pengembang yang menggunakan model bahasa besar untuk menghasilkan kode berdasarkan intuisi atau prompt bahasa alami daripada perencanaan atau desain terstruktur. Ini sangat baik untuk mempercepat iterasi dan prototipe – pengembang dapat dengan cepat menguji ide, menghasilkan kode boilerplate, atau mengalihkan tugas berulang. Namun, ini juga sering menghasilkan kode yang kekurangan struktur, sulit dipelihara, dan mungkin tidak efisien atau tidak aman.

Kami melihat pergeseran yang lebih luas menuju lingkungan agen, di mana LLM bertindak seperti pengembang junior dan manusia mengambil peran yang lebih seperti arsitek atau insinyur QA – meninjau, memperbaiki, dan mengintegrasikan komponen yang dihasilkan AI ke dalam sistem yang lebih besar. Model kolaboratif ini dapat sangat kuat, tetapi hanya jika ada pengaman. Tanpa pengawasan yang tepat, vibe coding dapat memperkenalkan utang teknis, kerentanan, atau masalah kinerja – terutama jika dikejar ke produksi tanpa pengujian yang ketat.

Apa pendapat Anda tentang peran AI yang berkembang? Bagaimana organisasi harus memikirkan kembali struktur kepemimpinan saat AI menjadi fondasi strategi bisnis?

Petugas AI dapat menambah nilai – tetapi hanya jika peran tersebut disiapkan untuk sukses. Terlalu sering, perusahaan membuat judul C-suite baru tanpa menyelaraskannya dengan struktur kepemimpinan yang ada atau memberinya wewenang yang sebenarnya. Jika petugas AI tidak berbagi tujuan dengan CTO, CDO, atau eksekutif lain, Anda berisiko mengambil keputusan yang terisolasi, prioritas yang bertentangan, dan eksekusi yang terhambat.

Organisasi harus mempertimbangkan dengan hati-hati apakah petugas AI menggantikan atau melengkapi peran seperti Chief Data Officer atau CTO. Judulnya kurang penting daripada mandat. Apa yang penting adalah memberdayakan seseorang untuk membentuk strategi AI di seluruh organisasi – data, infrastruktur, keamanan, dan kasus penggunaan bisnis – dan memberinya kemampuan untuk mengarahkan perubahan yang berarti. Jika tidak, peran tersebut menjadi lebih simbolis daripada berdampak.

Anda telah memimpin tim AI dan data yang memenangkan penghargaan. Apa kualitas yang Anda cari saat merekrut untuk peran AI dengan taruhan tinggi?

Kualitas nomor satu adalah menemukan seseorang yang benar-benar tahu AI, bukan hanya seseorang yang mengambil beberapa kursus. Anda memerlukan orang-orang yang benar-benar fasih dalam AI dan masih mempertahankan rasa ingin tahu dan minat untuk mendorong batas apa yang dapat dan tidak dapat dilakukan.

Saya mencari orang-orang yang selalu mencari pendekatan baru dan menantang batas apa yang dapat dan tidak dapat dilakukan. Kombinasi pengetahuan yang mendalam dan eksplorasi berkelanjutan ini sangat penting untuk peran AI dengan taruhan tinggi di mana inovasi dan implementasi yang dapat diandalkan sama-sama penting.

Banyak bisnis mengalami kesulitan mengoperasikan model ML mereka. Apa yang Anda pikir membedakan tim yang sukses dari mereka yang terjebak dalam purgatory proof-of-concept?

Masalah terbesar adalah keselarasan antar tim. Tim ML membangun model yang menjanjikan, tetapi departemen lain tidak mengadopsinya karena prioritas yang tidak selaras. Pindah dari POC ke produksi juga memerlukan infrastruktur MLOps: penversionan, pelatihan ulang, dan pemantauan. Dengan GenAI, kesenjangan ini bahkan lebih lebar. Menghasilkan chatbot ke produksi berarti penyetelan prompt, manajemen pipa, dan kepatuhan… bukan hanya melemparkan prompt ke ChatGPT.

Apa saran yang Anda berikan kepada pendiri startup yang membangun produk AI-first hari ini yang dapat memanfaatkan infrastruktur dan pengalaman strategi AI Mission?

Ketika Anda adalah startup, sulit untuk menarik bakat AI terbaik, terutama tanpa merek yang mapan. Bahkan dengan tim pendiri yang kuat, sulit untuk merekrut orang-orang dengan kedalaman pengalaman yang diperlukan untuk membangun dan menskalakan sistem AI dengan benar. Itulah di mana bermitra dengan perusahaan seperti Mission dapat membuat perbedaan nyata. Kami dapat membantu Anda bergerak lebih cepat dengan menyediakan infrastruktur, strategi, dan keahlian tangan, sehingga Anda dapat memvalidasi produk Anda lebih cepat dan dengan kepercayaan yang lebih besar.

Bagian kritis lainnya adalah fokus. Kami melihat banyak pendiri mencoba membungkus antarmuka dasar di sekitar ChatGPT dan menyebutnya produk, tetapi pengguna menjadi lebih pintar dan mengharapkan lebih. Jika Anda tidak memecahkan masalah nyata atau menawarkan sesuatu yang benar-benar berbeda, mudah untuk tersesat dalam kebisingan. Mission membantu startup berpikir strategis tentang di mana AI menciptakan nilai nyata dan bagaimana membangun sesuatu yang scalable, aman, dan siap produksi sejak hari pertama. Jadi Anda tidak hanya bereksperimen, Anda membangun untuk pertumbuhan.

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