Dott. Pandurang Kamat, Chief Technology Officer, Persistent Systems – Intervista

Il dott. Pandurang Kamat è il Chief Technology Officer di Persistent Systems (PERSISTENT.BO ), ed è responsabile della ricerca tecnologica avanzata finalizzata a sbloccare il valore aziendale attraverso l’innovazione su larga scala. È un leader tecnologico esperto che aiuta i clienti a migliorare l’esperienza utente, ottimizzare i processi aziendali e creare nuovi prodotti digitali. La sua visione per Persistent è quella di essere una potenza innovativa che ancori un ecosistema di innovazione globale e diversificato, composto da accademia e startup.

Pandurang si è unito a Persistent nel 2012. Prima di Persistent, era il direttore dell’Analytics per le attività di ricerca e contenuti di Ask.com, dove ha guidato un team globale per gestire la piattaforma di analytics di Ask. Prima di ciò, ha aiutato a costruire prodotti di comunicazione sicura e media digitali presso Bell Labs e HP Labs e una piattaforma di ricerca wireless vincitrice di premi presso l’Università del Rutgers.

Persistent Systems è un partner di fiducia per l’ingegneria digitale e la modernizzazione aziendale per leader di mercato globali in vari settori.

Cosa ti ha inizialmente attratto verso l’informatica e l’ingegneria informatica?

Il mio interesse per l’informatica e l’ingegneria informatica è stato acceso durante un corso estivo a scuola. Imparare costrutti di programmazione e creare giochi per computer mi ha introdotto alla logica strutturata che sostiene questi campi. Ero affascinato dalla capacità di suddividere problemi complessi e risolverli in modo sistematico. Ciò che mi ha veramente attratto è stato l’enorme vantaggio che offrono programmi ben progettati. Possono automatizzare attività, ottimizzare processi ed empowerment di individui o piccoli team per realizzare imprese notevoli. Questa combinazione di creatività, risoluzione di problemi e potenziale trasformativo continua a ispirarmi. Dalle prime esperienze al mio percorso in corso, resto appassionato delle infinite possibilità che la tecnologia presenta. L’informatica e l’ingegneria informatica non solo plasmano il futuro, ma offrono anche percorsi per l’innovazione e il progresso che mi spingono avanti.

La maggior parte del business di Persistent Systems deriva dalla costruzione di software per aziende, come l’avvento dell’intelligenza artificiale generativa ha trasformato il modo in cui il tuo team opera?

L’avvento dell’intelligenza artificiale generativa (GenAI) ha trasformato il modo in cui il nostro team opera a Persistent, in particolare nello sviluppo di software per aziende. Questa disruption all’interno dell’industria IT non solo presenta sfide, ma anche opportunità significative per rivedere globalmente le operazioni aziendali.

Come azienda di ingegneria digitale alimentata dall’AI, Persistent ha abbracciato la GenAI per rivoluzionare vari aspetti del ciclo di vita dell’ingegneria del software. Nel corso dell’ultimo anno, abbiamo sviluppato strumenti e suite che ridefiniscono completamente processi come la generazione di codice, la generazione di casi di test e la migrazione di report. Nei progetti di modernizzazione del legacy, il nostro approccio è evoluto in modo significativo. Ora sfruttiamo strumenti per semplificare i processi di acquisizione del codice, mitigare i rischi del progetto e accelerare l’onboarding di nuovi membri del team fornendo loro una comprensione più profonda di codebase complesse. Inoltre, la nostra collaborazione con domini di settore ci consente di fornire soluzioni personalizzate sfruttando i dati aziendali. Sviluppiamo assistenti digitali in grado di comprendere il linguaggio aziendale e fornire riferimenti pertinenti, migliorando così l’efficienza operativa e la presa di decisioni all’interno delle aziende. Questi assistenti aderiscono ai principi di AI responsabile, garantendo trasparenza, responsabilità, sicurezza e privacy, migliorando continuamente la loro accuratezza e prestazioni attraverso la valutazione automatizzata dell’output del modello.

Quali sono alcune delle sfide della completa modernizzazione dei sistemi legacy utilizzando l’intelligenza artificiale generativa?

GenAI è uno strumento potente, ma non è una soluzione universale per la modernizzazione completa dei sistemi legacy. Le organizzazioni in vari settori devono adottare un approccio combinato, sfruttando l’esperienza umana e le capacità dell’AI. Sebbene la GenAI offra un notevole potenziale per la modernizzazione, ha le sue limitazioni. Le sfide chiave includono:

• Limitata comprensione dei sistemi legacy: i modelli di GenAI richiedono una comprensione approfondita dei sistemi esistenti per funzionare efficacemente. I sistemi legacy spesso mancano di documentazione completa, ostacolando la capacità dell’AI di comprendere le loro interdipendenze in modo efficace.
• Qualità dei dati e pregiudizi: la qualità e la rappresentatività dei dati utilizzati per addestrare il modello di AI hanno un impatto significativo sul suo output. Le limitazioni dei dati di addestramento possono essere riflesse nel codice generato, introducendo potenzialmente nuovi problemi.
• Garantire la qualità e la sicurezza: sebbene la GenAI possa automatizzare la generazione del codice, l’output necessita di rigorosi test e verifiche per soddisfare gli standard di qualità, funzionali e di sicurezza.
• Limitata portata della modernizzazione: la GenAI potrebbe non essere adatta per la completa ristrutturazione dei sistemi. Può eccellere in compiti specifici come il refactoring del codice o la generazione di casi di test, ma i cambiamenti architettonici complessi richiedono ancora intervento manuale.
• Gestione del cambiamento e allineamento degli stakeholder: la gestione del cambiamento organizzativo e l’acquisizione del consenso degli stakeholder sono fattori critici per determinare il successo della modernizzazione dei sistemi legacy con la GenAI. Comunicazione chiara, programmi di formazione e iniziative di coinvolgimento degli stakeholder possono aiutare ad affrontare la resistenza al cambiamento e facilitare transizioni fluide.

Una delle sfide dell’intelligenza artificiale generativa è la coerenza, come Persistent Systems aiuta a costruire un’esperienza utente coerente?

La coerenza è un elemento dell’offerta di un’esperienza utente e di risultati aziendali di livello enterprise e sicuri alimentati dalla GenAI. Consideriamo il processo in modo olistico.

Forniamo supporto end-to-end in tutte le fasi dell’adozione della GenAI. La nostra guida strategica e l’analisi meticolosa dei casi d’uso aiutano le organizzazioni a selezionare i modelli di fondazione (FMs) più adatti alle loro esigenze specifiche. Attraverso un esame dettagliato e una consultazione, aiutiamo i clienti a definire casi d’uso chiari e a effettuare scelte informate dei FMs.

Poi, ci concentriamo su più approcci, come il prompting a pochi colpi o anche il fine-tuning, per assicurarci che i modelli utilizzati nelle applicazioni siano sintonizzati sul caso d’uso e sui dati aziendali.

Le nostre soluzioni non solo impiegano tecniche RAG standard, ma vanno anche più in profondità nelle strategie di prompting e chunking dei dati per assicurarsi che i dati più rilevanti vengano recuperati e forniti al FM durante l’inferenza. Inoltre, miglioriamo l’accuratezza e la rilevanza di questo contesto utilizzando grafici di conoscenza avanzati per catturare relazioni nascoste all’interno dei dati aziendali.

Impieghiamo anche più tecniche di grounding e guardrail per limitare e focalizzare l’ambito dell’inferenza.

Infine, sottoponiamo l’applicazione a un framework di valutazione rigoroso e automatizzato che garantisce la coerenza dell’inferenza e dell’esperienza, rilascio dopo rilascio.

Potresti fornire esempi reali in cui le soluzioni alimentate dalla GenAI hanno rivoluzionato con successo le interazioni con i clienti?

Persistent ha trasformato le interazioni con i clienti per un importante fornitore di soluzioni software attraverso soluzioni alimentate dalla GenAI. Di fronte a sfide di scalabilità durante i periodi operativi di picco, l’azienda ha implementato un Repository di Conoscenza Centrale e un BOT di Team di Intelligenza Conversazionale. Ha semplificato l’accesso alle informazioni, riducendo del 80% il tempo di risoluzione delle query dei clienti. La qualità delle risposte è migliorata in modo significativo, portando a una maggiore soddisfazione del cliente.

Abbiamo anche assistito un’azienda di private equity sfruttando la GenAI per automatizzare la creazione di report di investimento dettagliati. Con il sistema alimentato dalla GenAI, il tempo necessario per generare i report è stato ridotto del 90%. Questo approccio semplificato ha rivoluzionato le operazioni dell’azienda, facilitando una rapida e efficace presa di decisioni. L’efficienza non solo ha risparmiato tempo prezioso, ma ha anche favorito una maggiore collaborazione tra gli stakeholder e ha garantito un tocco personalizzato in ogni promemoria, migliorando l’efficacia complessiva.

Come ti avvicini all’innovazione della GenAI responsabile?

Il nostro approccio all’innovazione della GenAI responsabile dà priorità alle pratiche etiche e alla conformità normativa durante i processi di sviluppo e implementazione. Sottolineiamo la trasparenza, la responsabilità e l’equità nella presa di decisioni guidata dall’AI.

Stabiliamo linee guida etiche solide che disciplinano lo sviluppo, il deploy e l’uso dei sistemi di GenAI. Nella nostra ricerca di innovazione della GenAI responsabile, testiamo e validiamo rigorosamente i nostri sistemi per mitigare rischi potenziali come pregiudizi, disinformazione e problemi di privacy.

Inoltre, diamo priorità alla trasparenza e alla responsabilità nella presa di decisioni guidata dall’AI, fornendo agli utenti una chiara comprensione delle operazioni del sistema. In definitiva, il nostro approccio mira a sviluppare e implementare sistemi di GenAI che guidino l’innovazione e l’efficienza, contribuendo positivamente alla società.

Qual è la tua visione per il futuro dell’AI?

La mia visione per il futuro dell’AI è multifacetta. In primo luogo, nell’ingegneria digitale, vedo l’AI non solo come un assistente di codifica, ma anche come un partner collaborativo, simile a un “programmatore in coppia”. Ciò include l’AI che assiste nelle attività di codifica e partecipa attivamente alla risoluzione dei problemi, mappando compiti complessi ed eseguendo sottocompiti.

In secondo luogo, prevedo un’era di agenti e assistenti AI personalizzati che offrono esperienze personalizzate agli individui – un approccio di “personalizzazione di 1”. Questi agenti comprenderanno le preferenze, i comportamenti e le esigenze uniche degli utenti, fornendo supporto e servizi altamente personalizzati.

Infine, credo nell’evoluzione dei sistemi di AI composti, in cui vari modelli di AI coesistono per affrontare diverse esigenze. Non ci sarà un unico modello “tutto in uno”, ma piuttosto una combinazione di modelli grandi e piccoli, generali e progettati per uno scopo specifico, che lavorano insieme nei servizi di AI. Questo approccio consente una maggiore flessibilità, efficienza ed efficacia nel risolvere una vasta gamma di problemi in diversi domini. Questo approccio consente una maggiore flessibilità, efficienza e efficacia nel risolvere una vasta gamma di problemi in diversi domini. Thank you for the great interview, readers who wish to learn more should visit Persistent Systems.