Ryan Ries, Kepala AI & Ilmuwan 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 memperoleh gelar Ph.D. di Bidang Kimia Biokimia di UCLA dan Caltech, Dr. Ries telah membantu mengembangkan solusi data canggih untuk Departemen Pertahanan AS dan berbagai perusahaan Fortune 500.

Sebagai Kepala AI dan Ilmuwan Data untuk Mission, Ryan telah membangun tim Data Engineer, Data Architect, ML Engineer, dan Ilmuwan Data yang sukses 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 secara menyeluruh, solusi AI inovatif, dan perangkat lunak untuk pelanggan AWS. Sebagai mitra AWS Premier Tier, 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 AI di Mission. Apa pengalaman pribadi atau titik balik 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.

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

Bagaimana model layanan cloud secara menyeluruh dari 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 tahun ini dengan AWS dua tahun berturut-turut, tetapi menariknya, kami tidak memiliki tim keamanan yang didedikasikan. Itu karena setiap 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 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 publik besar seperti ChatGPT, sebagian besar kasus penggunaan perusahaan adalah internal dan memerlukan skala yang lebih mudah dikelola. Lapisan API Bedrock membantu menyampaikan kinerja yang skalabel dan aman untuk beban kerja nyata.

Apakah Anda dapat membawa kami melalui 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 pengaturan 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 secara menyeluruh ini memastikan solusi AI generatif yang kuat, skalabel, dan siap bisnis sejak hari pertama.

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

Ini berarti memiliki tim dengan keahlian AI yang nyata – 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 menerapkan mereka dengan aman dan skalabel. 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 melebihi kenyataan?

AI generatif memberikan nilai signifikan di perusahaan terutama melalui pemrosesan dokumen cerdas (IDP) dan chatbot. Banyak bisnis mengalami kesulitan untuk menskalakan operasi dengan merekrut lebih banyak orang, sehingga AI generatif membantu mengautomasi 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 untuk alat atau sistem AI lain, memungkinkan perusahaan untuk mengautomasi interaksi rutin dan tugas dengan efisien.

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

“Vibe Coding” adalah istilah yang muncul – dapatkah Anda menjelaskan apa artinya dalam dunia Anda, dan bagaimana itu 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 terstruktur atau desain. Ini sangat baik untuk mempercepat iterasi dan prototipe – pengembang dapat dengan cepat menguji ide, menghasilkan kode boilerplate, atau membuang 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 AI yang dihasilkan ke dalam sistem yang lebih besar. Model kolaboratif ini dapat sangat kuat, tetapi hanya jika ada pengawasan yang tepat. Tanpa pengawasan yang memadai, vibe coding dapat memperkenalkan utang teknis, kerentanan, atau masalah kinerja – terutama ketika dikejar ke produksi tanpa pengujian yang ketat.

Apa pendapat Anda tentang peran yang berkembang dari petugas AI? Bagaimana organisasi harus merancang ulang struktur kepemimpinan saat AI menjadi fondasi strategi bisnis?

Petugas AI dapat menambah nilai – tetapi hanya jika peran itu disiapkan untuk sukses. Terlalu sering, perusahaan menciptakan judul C-suite baru tanpa menyelaraskannya dengan struktur kepemimpinan yang ada atau memberinya wewenang yang nyata. 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 Direktur Data atau CTO. Judul itu tidak penting; 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 itu 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 yang berisiko tinggi?

Kualitas utama adalah menemukan seseorang yang benar-benar mengetahui AI, bukan hanya seseorang yang mengambil beberapa kursus. Anda membutuhkan 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 yang selalu mencoba menemukan pendekatan baru dan menantang batas apa yang dapat dilakukan. Kombinasi pengetahuan yang mendalam dan eksplorasi berkelanjutan ini sangat penting untuk peran AI yang berisiko tinggi di mana inovasi dan implementasi yang dapat diandalkan sama-sama penting.

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

Isu 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: versi, pelatihan ulang, dan pemantauan. Dengan GenAI, kesenjangan itu bahkan lebih lebar. Menghasilkan chatbot berarti penyetelan prompt, manajemen pipa, dan kepatuhan… bukan hanya melemparkan prompt ke ChatGPT.

Apa saran yang akan Anda berikan kepada pendiri startup yang membangun produk AI-pertama hari ini yang dapat mendapat manfaat dari 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 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.

Saran lain yang kritis 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 skalabel, 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.