パンドゥラング・カマット博士、Persistent Systems最高技術責任者 – インタビュー・シリーズ

パンドゥラング・カマット博士は、Persistent Systems (PERSISTENT.BO ) の最高技術責任者です。彼は、革新を通じてビジネス価値を解放することを目的とした先端技術研究を担当しています。彼は、ユーザーエクスペリエンスの向上、ビジネスプロセスの最適化、デジタル製品の創出を支援する経験豊富なテクノロジー・リーダーです。彼のPersistent Systemsへのビジョンは、学術機関やスタートアップを含むグローバルで多様なイノベーション・エコシステムを牽引するイノベーションの強力な存在となることです。

パンドゥラングは、2012年にPersistent Systemsに入社しました。Persistent Systems入社前の彼は、Ask.comの検索およびコンテンツ・ビジネス部門のアナリティクス・ディレクターで、グローバル・チームを率いてAskのアナリティクス・プラットフォームを管理していました。その前には、ベル研究所とHP研究所でセキュア・コミュニケーションとデジタル・メディア製品を構築し、ラトガース大学で賞を受賞したワイヤレス・リサーチ・プラットフォームを開発しました。

Persistent Systemsは、業界をリードするグローバル企業のための信頼できるデジタル・エンジニアリングおよびエンタープライズ・モダニゼーション・パートナーです。

コンピューター・サイエンスとコンピューター・エンジニアリングに興味を持ったきっかけは何ですか?

私は、学校での夏期コースでプログラミングの構造とコンピューター・ゲームの作成を学んだことが、コンピューター・サイエンスとエンジニアリングに興味を持ったきっかけでした。複雑な問題を分解して体系的に解決する能力に魅了されました。私を本当に引き付けたのは、うまく設計されたプログラムが提供する膨大な力です。タスクの自動化、プロセスの最適化、個人または小規模チームが驚くべき業績を達成する能力を提供します。この創造性、問題解決、変革的潜在性の組み合わせが、私を今も引き付け続けています。初期の経験から現在まで、私は技術が提供する無限の可能性に情熱を持ち続けています。コンピューター・サイエンスとエンジニアリングは、未来を形作り、イノベーションと進歩のための道を開く手段を提供します。

Persistent Systemsの事業の大部分は、企業向けのソフトウェア開発から成り立っています。ジェネレーティブ・AIの出現は、チームの運用方法をどのように変えましたか?

ジェネレーティブ・AI（GenAI）の出現は、Persistent Systemsでのチームの運用方法を変えました。特に、企業向けソフトウェア開発において、GenAIはIT業界に大きな変化をもたらしました。これは、ビジネス・オペレーションを包括的に再考する機会を提供します。

AIを活用したデジタル・エンジニアリング企業として、Persistent SystemsはGenAIを採用してソフトウェア・エンジニアリングのライフサイクルを変革しました。過去1年間で、コード生成、テストケース生成、レポート移行などのプロセスを再定義するツールとスイートを開発しました。レガシー・モダニゼーション・プロジェクトでは、アプローチが大きく変わりました。コードの引き継ぎプロセスをストリームライン化し、プロジェクトのリスクを軽減し、新しいチーム・メンバーのオンボーディングを迅速化するために、ツールを活用しています。さらに、業界ドメインとの協力により、企業データを活用したカスタマイズされたソリューションを提供しています。ビジネス・言語を理解し、関連する参照情報を提供できるデジタル・アシスタントを開発し、運用効率と意思決定を向上させています。これらのアシスタントは、透明性、説明責任、セキュリティ、プライバシーを保ちながら、継続的に精度とパフォーマンスを向上させます。

レガシー・システムをジェネレーティブ・AIで完全にモダナイズする際の課題は何ですか?

GenAIは強力なツールですが、レガシー・システムの完全なモダナイズेशनのための銀の弾丸ではありません。業界横断的に、人間の専門知識とAIの能力を組み合わせたアプローチを採用する必要があります。GenAIには、モダナイズेशनのための潜在的な利点がありますが、限界もあります。主な課題は以下の通りです：

• レガシー・システムの理解不足：GenAIモデルは、効果的に機能するために既存のシステムを包括的に理解する必要があります。レガシー・システムは、しばしば包括的なドキュメントが不足しており、AIがその相互依存関係を効果的に理解することを妨げます。
• データの品質と偏り：AIモデルをトレーニングするために使用されるデータの品質と代表性は、出力に大きな影響を与えます。トレーニング・データの限界は、生成されたコードに反映され、新しい問題を引き起こす可能性があります。
• 品質とセキュリティの確保：GenAIはコード生成を自動化できますが、出力は品質、機能要件、セキュリティ基準を満たすために徹底的なテストと検証が必要です。
• モダナイズेशनの範囲の限界：GenAIは、システムの完全なオーバーホールには適していません。コードのリファクタリングやテストケース生成などの特定のタスクでは優れていますが、複雑なアーキテクチャの変更にはまだ手動の介入が必要です。
• 変更管理とステークホルダーとの調整：組織の変更を管理し、ステークホルダーの理解と賛同を得ることは、レガシー・システムのモダナイズेशनにGenAIを採用する際の重要な要素です。明確なコミュニケーション、トレーニング・プログラム、ステークホルダー・エンゲージメント・イニシアチブは、変更への抵抗を軽減し、スムーズな移行を促進するのに役立ちます。

ジェネレーティブ・AIの課題の一つは一貫性です。Persistent Systemsは、どのようにして一貫したユーザー・エクスペリエンスを構築するのに協力していますか?

一貫性は、企業向けのGenAIパワード・ユーザー・エクスペリエンスと成果を提供する上で重要な要素です。プロセスを包括的に見ています。

GenAIの採用のすべての段階で、エンド・ツー・エンドのサポートを提供しています。戦略的ガイダンスと用途分析を通じて、企業は最も適切な基礎モデル（FMs）を選択できます。詳細な分析とコンサルティングを通じて、クライアントは明確な用途を定義し、情報に基づいたFMの選択を行うことができます。

次に、少量のプロンプティングやファイン・チューニングなどのアプローチに焦点を当て、モデルが用途と企業データに適合するようにします。

標準的なRAG技術に加えて、データのチャンキング戦略やプロンプティング戦略を採用して、最も関連性の高いデータをモデルに提供します。さらに、企業データ内の隠れた関係を捉えるための高度なノウハウ・グラフを使用して、コンテキストの精度と関連性を高めます。

グラウンド・テクニックやガードレールを採用して、推論の範囲を制限し、焦点を当てています。

最後に、推論とエクスペリエンスの一貫性を確保するための包括的な評価フレームワークを通じて、アプリケーションを徹底的に評価します。

GenAIパワード・ソリューションが顧客とのやり取りを革命的に変えた実際の例を示してください。

Persistent Systemsは、GenAIパワード・ソリューションを通じて、ソフトウェア・ソリューション・プロバイダーとの顧客とのやり取りを変革しました。ピーク時期の運用におけるスケーラビリティの課題に対処するために、同社はセントラル・ノウハウ・リポジトリと会話型AIチーム・BOTを実装しました。情報へのアクセスをストリームライン化し、顧客の問い合わせ解決時間を80%削減しました。回答の品質も大幅に改善され、顧客満足度が向上しました。

私たちは、GenAIを活用して、投資レポートの自動生成を支援するプライベート・エクイティ・ファームにも協力しました。GenAIパワード・システムを導入すると、レポート生成にかかる時間が90%短縮されました。このストリームライン化されたアプローチにより、ファームの運用が革命的に変わり、迅速で効果的な意思決定が可能になりました。効率性の向上は、貴重な時間の節約だけでなく、ステークホルダー間のコラボレーションの強化と、各メモへのパーソナライズされたタッチの提供にもつながり、全体的な有効性が高まりました。

責任あるGenAIイノベーションに取り組むアプローチを教えてください。

私たちの責任あるGenAIイノベーションへの取り組みは、開発と実装のすべての段階で倫理的実践と規制遵守を優先しています。透明性、説明責任、公平性をAIドリブンの意思決定に取り入れています。

GenAIシステムの開発、展開、使用を規定する堅牢な倫理ガイドラインを確立しています。責任あるGenAIイノベーションへの取り組みの中で、潜在的なリスクを軽減するために、システムを徹底的にテストし、検証しています。

さらに、AIドリブンの意思決定プロセスにおいて、ユーザーにシステムの動作に関する明確な洞察を提供することで、透明性と説明責任を優先しています。最終的には、私たちのアプローチは、イノベーションと効率性を促進しながら、社会に肯定的な影響を与えるGenAIシステムを開発し、展開することを目指しています。

AIの将来のビジョンを教えてください。

私のAIの将来のビジョンは多面的なものです。まず、デジタル・エンジニアリングにおいて、AIはコーディング・アシスタントとしてだけでなく、コラボレーティブ・パートナーとして機能することを想定しています。AIはコーディング・タスクを支援し、複雑なタスクをマッピングし、サブ・タスクを実行することで、積極的に問題解決に参加します。

次に、パーソナライズされたAIエージェントとアシスタントが、個人に合わせたエクスペリエンスを提供する時代が到来することを予見しています。これらのエージェントは、ユーザーのユニークな嗜好、行動、ニーズを理解し、高度にカスタマイズされたサポートとサービスを提供します。

最後に、さまざまなAIモデルが共存して、さまざまなニーズに対処する複合AIシステムの進化を信じています。単一の「ワン・サイズ・フィッツ・オール」モデルではなく、大規模で小規模、汎用性と特化性のあるモデルがAIサービスで協力して機能するアプローチです。このアプローチにより、さまざまなドメインの幅広い問題を解決する上で、柔軟性、効率性、有効性が向上します。

素晴らしいインタビュー、ありがとうございました。詳しく知りたい読者は、Persistent Systemsを訪問してください。