コグニザントのCTO、ババク・ホジャット – インタビュー・シリーズ

ババク・ホジャットは、コグニザントのAIのCTOであり、センチェントの共同創設者兼CEOです。彼は、世界最大の分散型人工知能システムの背後にあるコアテクノロジーを担当しています。ババクは、世界初のAI駆動型ヘッジファンド、センチェント・インベストメント・マネジメントの創設者でもあります。彼は、シリコンバレーで複数の会社を創業し、主な発明者および技術者として活躍しています。

センチェントを共同創設する前、ババクは、シベース・アイエニウェアでモバイル・ソリューション・エンジニアリングのシニア・ディレクターを務めていました。彼は、デジマ・インクの共同創設者、CTO、取締役でもありました。ババクは、デジマの特許取得済みのエージェント指向テクノロジーの主な発明者であり、これはモバイルおよびエンタープライズ・コンピューティングのための知的インターフェイスに適用されています – これは、AppleのSiriの背後にあるテクノロジーです。

ババクは、人工生命、エージェント指向ソフトウェア・エンジニアリング、分散型人工知能の分野で出版された学者であり、31件の特許を取得または出願中です。彼は、自然言語処理、機械学習、遺伝的アルゴリズム、分散型AIなどの多くのAI分野の専門家であり、これらの分野で複数の会社を創業しています。ババクは、九州大学で機械知能の博士号を取得しています。

あなたのキャリアを振り返ってみると、AI駆動型の会社を複数創業し、コグニザントのAIラボを率いてきた中で、AIにおけるイノベーションとリーダーシップについて、最も重要な教訓は何ですか?

イノベーションには、忍耐、投資、育成が必要であり、自由に進めることが重要です。イノベーターを集めたチームを信頼し、自由に研究させることができます。結果は、驚くほどになるでしょう。リーダーシップの観点から、研究とイノベーションは、いいえ、後回しにするものではありません。私は、スタートアップを創業する際に、早期に研究チームを設立し、研究投資の強い支持者でした。これは、成果を上げてきました。好況の時期には、競争に勝つことができ、不況の時期には、多様化し、生き残ることができます。したがって、研究投資を減らしたり、制限したり、短期的なビジネス優先事項で過負荷にすることは、言い訳にはなりません。

AppleのSiriの主要な発明者として、知的インターフェイスの開発経験は、コグニザントでのAIイニシアチブの指導にどのように影響していますか?

私が元々Siriのために開発した自然言語テクノロジーは、エージェント指向であり、長い間この概念で働いてきました。90年代のAIは強力ではなかったため、自然言語コマンドを理解し、行動にマッピングするために、マルチエージェント・システムを使用しました。各エージェントは、ドメインの小さなサブセットを表し、AIはシンプルな環境をマスターすることができました。今日、AIシステムは強力であり、1つのLLMで多くのことができますが、エージェントとして扱うと、ビジネス・ワークフローを強化し、改善することができます。

コグニザントのAIのCTOとして、私はサンフランシスコにある私たちの高度なAIラボを運営しています。私たちのコア研究原則は、エージェント指向の意思決定です。今日のところ、エージェント指向の原則に基づくコアAIテクノロジーに関する56件の米国特許を取得しています。私たちは、全力を尽くしています。

コグニザントのAIラボで現在開発中の最先端の研究とイノベーションについて、フォーチュン500企業の特定のニーズにどのように対応していますか?

私たちは、AIスタジオやイノベーション・センターを複数持っています。サンフランシスコにある私たちの高度なAIラボは、AIの最先端技術を拡大することに焦点を当てています。これは、昨年発表した、次の3年間で1億ドルをジェネレーティブAIに投資するという私たちの取り組みの一部です。

より具体的には、クライアントにサービスを提供するために、新しいアルゴリズムやテクノロジーを開発することに焦点を当てています。信頼性、説明可能性、多目的の意思決定は、フォーチュン500企業にとって重要な分野であり、私たちが追求している分野です。

信頼性については、AIの意思決定を信頼できるかどうか、人間が介入する必要があるかどうかを判断するために、不確実性モデリングに関する研究開発に興味があります。ニューラル・ネットワーク、ジェネレーティブAI、LLMは、固有に不透明です。AIの意思決定を評価し、理由を尋ねることができるようにしたいです。さらに、企業が意思決定を下す際に、複数の結果を達成する必要があることがあります。たとえば、コスト削減と収益の増加をバランス良く達成し、倫理的考慮を含む場合です。AIは、意思決定戦略を多目的的に最適化することで、これらの結果の最適なバランスを達成するのに役立ちます。これは、私たちのAI研究における非常に重要な分野です。

次の2年間は、ジェネレーティブAIの分野で重要な変化が起こることが予想されています。企業はどのように準備すべきですか?

私たちは、AIテクノロジーの商業化の爆発的な期間に入りつつあります。今日、AIの主な用途は、生産性の向上、自然言語駆動型ユーザー・インターフェイスの改善、データの要約、コーディングの支援です。この加速期間中、私たちは、企業がマルチエージェント・システムと意思決定のコア原則を中心に、全体的なテクノロジーとAI戦略を整えることが、成功するために最も効果的であると考えています。コグニザントでは、イノベーションと応用研究に重点を置くことで、クライアントがAIを活用して戦略的優位性を高めることができます。

ジェネレーティブAIは、業界にどのような影響を与え、コグニザントのAIラボではどのような用途が登場していますか?

ジェネレーティブAIは、ビジネスにとって大きな進歩です。人間の日常業務を支援するための知識ワーカーを創造する能力が得られます。たとえば、インテリジェントなチャットボットを通じてカスタマー・サービスをストリームライン化したり、自然言語インターフェイスを通じて倉庫在庫を管理したりすることができます。LLMは、専門的なタスクに非常に優れています。

しかし、業界を変えるのは、エージェントが互いに通信できるようになることです。将来的には、企業はデバイスやアプリケーションにエージェントを持ち、人間のニーズに応じて他のエージェントと通信できるようになります。エージェントは、ビジネス全体で人間を支援するために働きます。HR、財務、Marketing、Salesなど、すべての役割でエージェントが活躍するようになります。企業は、自然とエージェント指向型のビジネスになるでしょう。

特に、私たちのラボでは、Neuro AIという、マルチエージェント・システムを開発しました。これは、クライアントがビジネス用のAI意思決定ユースケースを迅速に構築およびプロトタイプ化できるAIユースケース・ジェネレーターです。すでにいくつかの興味深い結果を達成しており、近々詳細を発表する予定です。

マルチエージェント・アーキテクチャは、特に大規模な企業環境において、ジェネレーティブAIの次の波の変革にどのような役割を果たすでしょうか?

私たちの研究と企業リーダーとの会話から、ジェネレーティブAIを大規模に活用する方法についての質問が増えてきています。私たちは、マルチエージェント型人工知能システムの変革的な約束が、影響を達成するために中央的な役割を果たすと考えています。マルチエージェントAIシステムは、企業全体のさまざまな領域に組み込まれたAIエージェントをまとめます。LLMが相互に通信できるシステムと考えることができます。今日、課題は、ビジネス目標、活動、メトリックが深く絡み合っているにもかかわらず、さまざまなチームが使用するソフトウェア・システムが相互に接続されていないことです。たとえば、サプライ・チェーンの遅延は、配送センターのスタッフに影響を与える可能性があります。新しいベンダーのオンボーディングは、Scope 3排出量に影響を与える可能性があります。顧客の離脱は、製品の欠陥を示唆する可能性があります。シロされたシステムでは、行動は、1つのプログラムから得られた洞察に基づいて、1つの機能に適用されることが多いです。マルチエージェント・アーキテクチャは、ビジネス全体で洞察と統合された行動を照らすでしょう。これが、実際の力であり、企業の変革を促進することができます。

マルチエージェント・システム（MAS）は、次の数年でどのように進化するでしょうか? また、これは、より広いAIの景観にどのような影響を与えるでしょうか?

マルチエージェントAIシステムは、プロンプトを分析し、ビジネス全体から情報を引き出し、オリジナルのリクエスターだけでなく、他のチームのためにも包括的な解決策を生み出す、仮想的なワーキング・グループとして機能します。特定の業界に焦点を当てると、たとえば製造業では、運用を革命的に変える可能性があります。ソーシング・エージェントは、既存のプロセスを分析し、季節や需要に基づいてよりコスト効率の高い代替コンポーネントを提案します。このソーシング・エージェントは、環境目標に影響を与えるかどうかを判断するために、サステナビリティ・エージェントと接続します。最後に、規制エージェントは、チームが最新の報告書を提出することを確認することで、コンプライアンス活動を監督します。

良いニュースは、多くの企業がすでにLLM駆動型のチャットボットを有機的に統合し始めていることです。しかし、これらのインターフェイスをどのように接続し始めるかについて、意図的に考える必要があります。エージェント化の粒度、使用されるLLMの種類、そしてそれらを有効にする方法について、注意が必要です。組織は、上から始めて、ニーズと目標を考慮し、どれをエージェント化できるかを決定する必要があります。

企業がAIを完全に受け入れることを妨げている主な課題は何ですか? コグニザントはこれらの障壁に対処する方法をどのようにしていますか?

リーダーシップの支援と投資にもかかわらず、多くの企業はAIで後れを取ることを心配しています。私たちの調査によると、リーダーシップの戦略的コミットメントと実行の自信の間にあるギャップがあります。コストとタレントの入手可能性、および現在のジェネレーティブAIソリューションのみなもととの成熟度は、企業がAIを完全に受け入れることを妨げる2つの大きな阻害要因です。

コグニザントは、企業がAIの生産性から成長への旅を進めるのを支援する上で重要な役割を果たしています。実際、オックスフォード・エコノミクスとの調査によると、企業の43%が、ジェネレーティブAIの計画を立てるために外部のコンサルタントと協力する予定です。伝統的に、コグニザントはクライアントとの最後の1マイルを所有しています。データ・ストレージやクラウド・マイグレーションでそうでしたように、エージェント化も同じです。これは、高度にカスタマイズされた作業です。1サイズ・フィット・オールの旅ではありません。私たちは、ビジネス目標と実装計画を特定し、ビジネスニーズに応じた適切なカスタム・ビルドのエージェントを導入することができる、専門家です。私たちは、常に、人々が呼び出すべき人々です。

多くの企業は、AI投資からすぐにROIを得るのに苦労しています。企業はどのような共通の間違いを犯していますか? これらの間違いはどのように避けることができますか?

ジェネレーティブAIは、企業が独自のデータ・コンテキストに導入した場合に、はるかに効果的です。つまり、企業の強固なエンタープライズ・データの基盤の上にカスタマイズする必要があります。また、企業は、根本的なビジネス・プロセスを再構築するという困難なステップを踏む必要があります。今日、多くの企業は、AIを使用して既存のプロセスを自動化し、改善しています。しかし、より大きな結果は、プロセスの構成要素をどのように変更できるか、また新しいものが現れることを準備するかという質問を始めたときに得られます。はい、これには文化の変化とリスクの受容が必要です。しかし、組織の多くの部分を1つの強力なものにまとめるために必要です。

大企業内の新興AIリーダーが、分野で重大な影響を与えるために、どのようなアドバイスをしますか?

ビジネス・トランスフォーメーションは、複雑なものです。大企業内の新興AIリーダーは、プロセスを分解し、変更を実験し、イノベーションに焦点を当てるべきです。これには、心構えの変化と計算されたリスクが必要ですが、より強力な組織を作成することができます。

素晴らしいインタビュー、ありがとうございます。詳細については、コグニザントを訪れてください。