Babak Hodjat, CTO di Intelligenza Artificiale presso Cognizant – Serie di interviste

Babak Hodjat è il CTO di Intelligenza Artificiale presso Cognizant, e co-fondatore e ex CEO di Sentient. È responsabile della tecnologia di base del più grande sistema di intelligenza artificiale distribuita del mondo. Babak è anche il fondatore del primo fondo di investimento gestito da intelligenza artificiale, Sentient Investment Management. È un imprenditore seriale, avendo fondato diverse società nella Silicon Valley come principale inventore e tecnologo.

Prima di co-fondare Sentient, Babak è stato direttore senior dell’ingegneria presso Sybase iAnywhere, dove ha guidato l’ingegneria delle soluzioni mobili. È anche stato co-fondatore, CTO e membro del consiglio di amministrazione di Dejima Inc. Babak è l’inventore principale della tecnologia orientata agli agenti brevettata da Dejima, applicata a interfacce intelligenti per il calcolo mobile e aziendale – la tecnologia dietro Apple’s Siri.

Uno studioso pubblicato nei campi della vita artificiale, dell’ingegneria del software orientata agli agenti e dell’intelligenza artificiale distribuita, Babak ha 31 brevetti concessi o in attesa di concessione a suo nome. È un esperto in numerosi campi dell’IA, tra cui l’elaborazione del linguaggio naturale, l’apprendimento automatico, gli algoritmi genetici e l’IA distribuita e ha fondato diverse società in questi settori. Babak detiene un dottorato in intelligenza delle macchine presso l’Università di Kyushu, a Fukuoka, in Giappone.

Guardando indietro alla tua carriera, dalle fondazioni di diverse società guidate da intelligenza artificiale alla guida del laboratorio di intelligenza artificiale di Cognizant, quali sono le lezioni più importanti che hai imparato sull’innovazione e la leadership nell’IA?

L’innovazione richiede pazienza, investimenti e cure, e dovrebbe essere coltivata e senza restrizioni. Se hai costruito il team giusto di innovatori, puoi fidarti di loro e dar loro la piena libertà artistica di scegliere come e cosa ricercare. I risultati spesso ti sorprenderanno. Dal punto di vista della leadership, la ricerca e l’innovazione non dovrebbero essere un optional o un ripensamento. Ho allestito team di ricerca abbastanza presto quando ho costruito startup e sono sempre stato un forte sostenitore degli investimenti in ricerca, e questo ha pagato. Nei tempi buoni, la ricerca ti mantiene avanti della concorrenza, e nei tempi cattivi, ti aiuta a diversificarti e a sopravvivere, quindi non c’è scusa per sottoinvestire, restringere o sovraccaricare con priorità commerciali a breve termine.

Essendo uno degli inventori principali di Apple’s Siri, come ha influenzato la tua esperienza nello sviluppo di interfacce intelligenti il tuo approccio alla guida delle iniziative di intelligenza artificiale presso Cognizant?

La tecnologia del linguaggio naturale che ho originariamente sviluppato per Siri era basata su agenti, quindi ho lavorato con questo concetto per molto tempo. L’IA non era così potente negli anni ’90, quindi ho utilizzato un sistema multi-agente per affrontare la comprensione e la mappatura dei comandi del linguaggio naturale alle azioni. Ogni agente rappresentava un piccolo subset del dominio del discorso, quindi l’IA in ogni agente aveva un ambiente semplice da padroneggiare. Oggi, i sistemi di IA sono potenti, e un solo LLM può fare molte cose, ma noi beneficiamo ancora trattandolo come un lavoratore della conoscenza in una scatola, restringendo il suo dominio, dandogli una descrizione del lavoro e collegandolo ad altri agenti con diverse responsabilità. L’IA è quindi in grado di aumentare e migliorare qualsiasi flusso di lavoro aziendale.

Come parte del mio mandato come CTO di IA presso Cognizant, gestisco il nostro Advanced AI Lab a San Francisco. Il nostro principio di ricerca fondamentale è la presa di decisioni basata sugli agenti. Attualmente, abbiamo 56 brevetti statunitensi sulla tecnologia di base di IA basata su questo principio. Siamo tutti dentro.

Potresti spiegare le ricerche e le innovazioni all’avanguardia attualmente in sviluppo presso il laboratorio di intelligenza artificiale di Cognizant? Come stanno affrontando queste sviluppi le esigenze specifiche delle società Fortune 500?

Abbiamo diversi studi di IA e centri di innovazione. Il nostro Advanced AI Lab a San Francisco si concentra sull’estensione dello stato dell’arte nell’IA. Questo fa parte del nostro impegno annunciato l’anno scorso per investire 1 miliardo di dollari in IA generativa nei prossimi tre anni.

Più specificamente, ci stiamo concentrando sullo sviluppo di nuovi algoritmi e tecnologie per servire i nostri clienti. La fiducia, la spiegabilità e le decisioni multi-obiettivo sono tra le aree importanti che stiamo perseguendo, vitali per le imprese Fortune 500.

Circa la fiducia, siamo interessati alla ricerca e allo sviluppo che approfondiscono la nostra comprensione di quando possiamo fidarci della presa di decisioni dell’IA abbastanza da deferire ad essa, e quando un umano dovrebbe essere coinvolto. Abbiamo diversi brevetti relativi a questo tipo di modellazione dell’incertezza. Allo stesso modo, le reti neurali, l’IA generativa e gli LLM sono intrinsecamente opachi. Vogliamo essere in grado di valutare una decisione dell’IA e chiederle domande sul perché ha raccomandato qualcosa – essenzialmente rendendola spiegabile. Infine, capiamo che a volte le decisioni che le aziende vogliono prendere possono avere più di un obiettivo di risultato – riduzione dei costi mentre si aumentano le entrate, bilanciate con considerazioni etiche, ad esempio. L’IA può aiutarci a raggiungere il miglior equilibrio di tutti questi risultati ottimizzando le strategie di decisione in modo multi-obiettivo. Questa è un’altra area molto importante nella nostra ricerca di IA.

I prossimi due anni sono considerati critici per l’IA generativa. Cosa credi saranno i cambiamenti fondamentali in questo periodo, e come le imprese dovrebbero prepararsi?

Stiamo entrando in un periodo esplosivo per la commercializzazione delle tecnologie di IA. Oggi, l’IA viene utilizzata principalmente per migliorare la produttività, creare migliori interfacce utente guidate dal linguaggio naturale, riassumere i dati e aiutare nella codifica. Durante questo periodo di accelerazione, crediamo che organizzare la tecnologia e le strategie di IA attorno al principio fondamentale dei sistemi multi-agente e della presa di decisioni sarà il modo migliore per consentire alle imprese di avere successo. Presso Cognizant, il nostro enfasi sull’innovazione e la ricerca applicata aiuterà i nostri clienti a sfruttare l’IA per aumentare il vantaggio strategico mentre si integra ulteriormente nei processi aziendali.

Come l’IA generativa ridisegnerà i settori, e quali sono i casi d’uso più emozionanti che emergono dal laboratorio di intelligenza artificiale di Cognizant?

L’IA generativa è stato un grande passo avanti per le aziende. Ora hai la capacità di creare una serie di lavoratori della conoscenza che possono assistere gli umani nel loro lavoro quotidiano. Che si tratti di semplificare il servizio clienti attraverso chatbot intelligenti o gestire l’inventario del magazzino attraverso un’interfaccia del linguaggio naturale, gli LLM sono molto bravi in compiti specializzati.

Ma ciò che verrà dopo è ciò che ridisegnerà veramente i settori, poiché gli agenti ottengono la capacità di comunicare tra loro. Il futuro sarà quello di aziende che hanno agenti nei loro dispositivi e applicazioni che possono affrontare le tue esigenze e interagire con altri agenti per tuo conto. Lavoreranno in tutta l’azienda per assistere gli umani in ogni ruolo, dalle risorse umane e finanza al marketing e vendite. Nel prossimo futuro, le aziende graviteranno naturalmente verso il diventare basate sugli agenti.

Nota che abbiamo già un sistema multi-agente sviluppato nel nostro laboratorio sotto forma di Neuro AI, un generatore di casi d’uso di decisione di IA che consente ai clienti di costruire e prototipare rapidamente casi d’uso di decisione di IA per il loro business. Sta già producendo alcuni risultati emozionanti, e condivideremo presto di più su questo.

Qual è il ruolo che le architetture multi-agente giocheranno nella prossima ondata di trasformazione dell’IA generativa, in particolare negli ambienti aziendali su larga scala?

Nelle nostre ricerche e conversazioni con leader aziendali, otteniamo sempre più domande su come possono rendere l’IA generativa efficace su larga scala. Crediamo che la promessa trasformativa dei sistemi di intelligenza artificiale multi-agente sia centrale per raggiungere quell’impatto. Un sistema di IA multi-agente riunisce gli agenti di IA costruiti nei sistemi software in varie aree dell’azienda. Pensalo come un sistema di sistemi che consente agli LLM di interagire tra loro. Oggi, la sfida è che, anche se gli obiettivi aziendali, le attività e le metriche sono profondamente intrecciate, i sistemi software utilizzati da team diversi non lo sono, creando problemi. Ad esempio, i ritardi nella catena di approvvigionamento possono influire sulla gestione del personale del centro di distribuzione. L’aggiunta di un nuovo fornitore può impattare le emissioni di Scope 3. Il turnover dei clienti potrebbe indicare carenze di prodotto. I sistemi isolati significano che le azioni sono spesso basate su informazioni tratte da un solo programma e applicate a una sola funzione. Le architetture multi-agente illumineranno le informazioni e le azioni integrate in tutta l’azienda. Questo è il vero potere che può catalizzare la trasformazione aziendale.

In che modo vedi l’evoluzione dei sistemi multi-agente (MAS) nei prossimi anni, e come questo impatterà sul più ampio panorama dell’IA?

Un sistema di IA multi-agente funziona come un gruppo di lavoro virtuale, analizzando i prompt e tracciando informazioni da tutta l’azienda per produrre una soluzione globale non solo per il richiedente originale, ma per altri team. Se zoomiamo e guardiamo a un particolare settore, questo potrebbe rivoluzionare le operazioni in aree come la produzione, ad esempio. Un agente di approvvigionamento analizzerebbe i processi esistenti e raccomanderebbe componenti alternativi più economici in base alle stagioni e alla domanda. Questo agente di approvvigionamento si connetterebbe quindi con un agente di sostenibilità per determinare come il cambiamento impatterebbe gli obiettivi ambientali. Infine, un agente regolatorio sovraintenderebbe l’attività di conformità, assicurandosi che i team presentino rapporti completi e aggiornati in tempo.

La buona notizia è che molte aziende hanno già iniziato a integrare organicamente i chatbot potenziati da LLM, ma devono essere intenzionali su come iniziare a connettere queste interfacce. È necessario prestare attenzione alla granularità dell’agentizzazione, ai tipi di LLM utilizzati e a quando e come sintonizzarli per renderli efficaci. Le organizzazioni dovrebbero iniziare dall’alto, considerare le loro esigenze e obiettivi e lavorare verso il basso per decidere cosa può essere agentizzato.

Quali sono le principali sfide che ostacolano le imprese dall’accettare completamente l’IA, e come Cognizant affronta questi ostacoli?

Nonostante il sostegno e l’investimento della dirigenza, molte imprese temono di rimanere indietro nell’IA. Secondo la nostra ricerca, c’è un divario tra l’impegno strategico della dirigenza e la fiducia nell’esecuzione. Il costo e la disponibilità di talenti e la percezione dell’immaturità delle soluzioni di IA generativa attuali sono due importanti inibitori che ostacolano le imprese dall’accettare completamente l’IA.

Cognizant gioca un ruolo fondamentale nell’aiutare le imprese a percorrere il viaggio dalla produttività alla crescita dell’IA. In effetti, i dati recenti di uno studio che abbiamo condotto con Oxford Economics indicano la necessità di esperti esterni per aiutare con l’adozione dell’IA, con il 43% delle aziende che indicano di pianificare di lavorare con consulenti esterni per sviluppare un piano per l’IA generativa. Tradizionalmente, Cognizant ha posseduto l’ultimo miglio con i clienti – l’abbiamo fatto con l’archiviazione dei dati e la migrazione cloud, e l’agentizzazione non sarà diversa. Questo è un lavoro che deve essere altamente personalizzato. Non è un viaggio “una dimensione per tutti”. Siamo gli esperti che possono aiutare a identificare gli obiettivi aziendali e il piano di implementazione, e poi introdurre gli agenti personalizzati costruiti per affrontare le esigenze aziendali. Siamo, e siamo sempre stati, le persone da chiamare.

Molte aziende lottano per vedere un ritorno immediato sugli investimenti dall’IA. Quali sono gli errori comuni che commettono, e come possono essere evitati?

L’IA generativa è molto più efficace quando le aziende la portano nel loro contesto di dati – cioè, la personalizzano sulla loro solida base di dati aziendali. Inoltre, prima o poi, le imprese dovranno affrontare il passo difficile di rimmaginare i loro fondamentali processi aziendali. Oggi, molte aziende stanno utilizzando l’IA per automatizzare e migliorare i processi esistenti. Risultati più grandi possono verificarsi quando iniziano a chiedersi domande come: quali sono i costituenti di questo processo, come posso cambiarli e prepararmi per l’emergere di qualcosa che non esiste ancora? Sì, questo richiederà un cambiamento culturale e l’accettazione di alcuni rischi, ma sembra inevitabile quando si orchestrano le molte parti dell’organizzazione in un’unica entità potente.

Qual è il consiglio che daresti ai leader di IA emergenti che cercano di avere un impatto significativo nel settore, in particolare all’interno di grandi imprese?

La trasformazione aziendale è complessa per natura. I leader di IA emergenti all’interno di grandi imprese dovrebbero concentrarsi sullo smantellamento dei processi, sperimentare con i cambiamenti e innovare. Ciò richiede un cambiamento di mentalità e rischi calcolati, ma può creare un’organizzazione più potente.

Grazie per la grande intervista, i lettori che desiderano saperne di più possono visitare Cognizant.