ユーリ・ミスニク、inDriveの最高技術責任者 – インタビューシリーズ

ユーリ・ミスニクは、inDriveの最高技術責任者であり、同社のグローバル技術戦略を牽引しています。国際経験が20年以上あるミスニクは、クラウド、金融サービス、そして大規模なデジタル変革を含む分野で、高い影響力をもたらす技術プログラムを構築し、リードしてきました。

inDriveに入社する前、ミスニクはマイクロソフトとAWSでシニア役職を務めました。後に、HSBCではデジタルCIO、ナショナル・オーストラリア・バンクではCIO、ファースト・アブダビ・バンクではCTOを務め、クラウド、Agile、DevOps、製品中心のエンジニアリングモデルを通じて、複雑で規制の厳しい環境を近代化しました。

ミスニクは、ボーイング787の設計に貢献しながら、宇宙工学のキャリアをスタートさせ、その後、ソフトウェアエンジニアリングとオンライン取引システムに移りました。レガシープラットフォームとモダンな分散アーキテクチャの両方で流暢なミスニクは、基礎システムと最先端のイノベーションを架け橋で結ぶことで知られています。

inDriveでは、同社の次のグローバル成長段階を牽引するシステム、チーム、プラットフォームを構築することに焦点を当てています。

inDriveは、ユーザーとドライバー、サービス提供者を接続するグローバルなモビリティと都市サービスプラットフォームです。2013年に設立された同社は、48カ国以上、1,000以上の都市で運営しており、世界中で数億回のアプリダウンロードがあります。同社のコアとなる違いは、アルゴリズムによる価格設定ではなく、乗客とドライバーが直接料金を交渉できるピアツーピアの価格設定モデルです。このモデルは、より透明で公平な取引を作ることを目指しています。交通以外にも、inDriveは都市間の旅行、宅配便、フィンテックサービス、さらには食品配達などの分野に進出しており、より広範な「スーパーアプリ」として、利用しやすく公平な都市サービスに焦点を当てています。

あなたは数学モデリングと有限要素解析から始めて、ミクロソフト、AWS、HSBC、ナショナル・オーストラリア・バンクを経て、現在inDriveでAI変革を牽引しています。この経歴は、技術的に野心的ながらも公平性、堅牢性、現実世界の制約に根ざしたAIシステムを構築するあなたの考え方をどのように形作ってきたのでしょうか。

私は応用数学と有限要素解析からキャリアをスタートさせました。これは、モデルがどのように壊れるかを理解することについてであり、どこで機能するかを祝うことではありません。現在、AIシステムに取り組む際にも、この考え方が重要です。

ミクロソフトとAWSでの約10年間の経験から、グローバルスケールでのプラットフォーム構築の重要性を学びました。システムが劣化し、ネットワークが故障し、コンポーネントが予期せず動作することを前提とします。inDriveでは、48カ国以上、1,000以上の都市で運営しているため、この考え方は非常に重要です。

HSBCとナショナル・オーストラリア・バンクでの経験は、別の視点をもたらしました。HSBCでは、数十の規制環境で小売デジタル機能を構築しました。ナショナル・オーストラリア・バンクでは、クラウド変革を推進し、重要な銀行アプリケーションをAWSに移行しました。これらの環境では、技術上の決定はすべて規制上、評判上、財務上の結果をもたらします。説明できないAIまたはMLモデルは、資産ではなく、負債です。

製品は、ユーザーのニーズを反映するべきであり、技術スタックの複雑さを示すものではありません。この原則が、技術的な野心を公平性と現実世界の制約に根ざしたものにします。

これは、公平な価格を提案する機能を開発することによって実現します。AIの推奨事項がどれほど洗練されても、人々が市場で最終的な決定を下すことができるようにすることです。inDriveのアーキテクチャの基盤となっているのは、この考え方です。

大多数のプラットフォームはAIを使用して価格を設定しますが、inDriveは交渉を使用しています。つまり、プラットフォーム全体で、そして価格設定以外の分野で、機械学習はどのように機能していますか。また、inDriveの透明性を損なうことなく、最も価値を生み出す分野はどこですか。

inDriveにおけるAIは、価格設定だけに限定されていません。マーケティング、成長、スーパーアップのパーソナライゼーション、カスタマーサポート、地理空間インテリジェンス、内部ツール、不正防止など、事業全体にわたって活用されています。80％以上の従業員が、カスタマーサポートやマーケティングからコーディングや分析まで、さまざまなAIツールを使用しています。AIは、2025年にETAの精度を14％改善するなど、周辺インフラストラクチャで重要な役割を果たしています。

inDriveの核となる競争上の違いは、ピアツーピアの交渉モデルにあります。乗客が提案し、ドライバーが受け入れる、反対する、または拒否するというオープンな入札フローが基本です。AIは、人間が交渉した価格をサポートする決定支援として機能します。

「AIファーストのスーパーアプリ」とは、実践ではどういった意味を持つのでしょうか。また、どの分野が現在、AIの導入に最も適しているのでしょうか。

「AIファースト」という言葉が、単にチャットボットを追加したことを意味するのではなく、AIがプラットフォームの運用レイヤーに組み込まれていることを示しています。各製品の決定は、どのデータを利用できるか、そしてどのようにインテリジェンスを活用できるかという質問から始まります。

マーケットプレイス・マッチングと価格インテリジェンスは、コアエンジンです。信頼と安全性も重要な分野です。リアルタイムの異常検出、ドライバーの検証、不正防止が含まれます。また、AIを活用したカスタマーサポートは、多言語対応や自動解決など、コストと品質の両面で重要な役割を果たしています。

inDrive.Moneyを通じて、AIは金融サービスにも貢献しています。ドライバー向けの代替信用モデルを構築し、従来の銀行では提供できないサービスを実現しています。

inDriveは特に、運用条件が大きく異なる新興市場やフロンティア市場で強みを持っています。AIシステムを、異なるインフラ、支払い習慣、規制環境、ユーザーの期待に合わせて設計する上で、どのような課題がありますか。

48カ国以上、1,000以上の都市で運営するため、統一されたモデルを構築することが難しい課題です。inDriveでは、多くの作業は新しい国での立ち上げに対応するための設定変更であり、新しいコードの作成ではありません。AWSの複数リージョンとマルチアベイラビリティゾーン環境を利用して、単一の障害点を排除しています。

あなたは、HSBCやナショナル・オーストラリア・バンクでの経験から、規制の厳しい金融環境で得た教訓を、inDriveのフィンテックサービス拡大やAI駆動の意思決定システムの構築にどのように適用していますか。

HSBCとナショナル・オーストラリア・バンクでの経験から、3つの重要な教訓を得ています。第一に、監査可能性とデータの管理は必須です。第二に、データ管理がデータサイエンスに先立ちます。第三に、運用上の堅牢性がモデル性能よりも重要です。

「人間がループに含まれる」という言葉は、よく使われますが、具体的にどういった意味を持つのでしょうか。inDriveでは、人間の判断が非交渉的に残るべき分野はどこですか。

私は、繰り返しの作業を自動化し、人間の判断を不可逆的な決定に留めるという原則を持ちます。誤った決定が容易に逆転可能であれば、自動化します。信頼、生計、安全性を破壊する可能性がある決定については、人間の判断が必要です。

AIの導入が、モビリティプラットフォームで最大の競争上の差別化をもたらす分野は、需要予測、信頼と安全性、自動運転、サポートの自動化、ドライバーの経済、または今後現れる新しいサービスにありますか。

AIはこれらのすべての分野に影響を及ぼすでしょうが、差別化の度合いは異なります。需要予測や安全性の機能は、3年以内にすべての主要なモビリティプラットフォームで標準となるでしょう。自動運転は、10年以内に大きな影響を与える可能性は低いですが、将来的には重要になります。

スーパーアプリモデルは、アジアの一部で非常に成功していますが、グローバルに複数の市場でこのモデルを再現するのは難しいです。スーパーアプリが数十の国で機能するためには、技術とAIの観点から何が必要ですか。

スーパーアプリモデルは、アジアで成功していますが、グローバルに展開するには、根本的に異なるアプローチが必要です。inDriveのモデルは、断片化した市場に向いています。基盤は、グローバルデフォルトでローカル設計である必要があります。共有プラットフォームサービスを、安定したレールとして公開し、パートナーが迅速に接続できるようにします。

各サービスは独立して展開可能で、ローカルに構成可能です。新しい市場は、新しいコードではなく、設定変更で立ち上げられます。モノリシックな製品を出荷し、すべての場所で機能することを期待することはできません。各製品は、各市場の特定のニーズに適応できるように、共有プラットフォーム上で動作します。

また、統一されたアイデンティティとデータレイヤーが不可欠です。スーパーアプリの価値提案は、1つのサービスを使用することで他のサービスが改善されることです。そのためには、各垂直サービス全体で単一のユーザーデータグラフが必要です。このデータグラフを構築する際には、プライバシーの問題を生み出さないようにすることが、最も難しい技術的な課題です。

乗車シェアプラットフォームは、膨大な量のリアルワールドの行動データを処理します。より良いパーソナライゼーションと予測のためにこのデータを使用する機会と、ドライバーと乗客の両方の信頼、プライバシー、公平性を維持する必要性を、どのようにバランスさせていますか。

乗車シェアのデータの利点は実在します。配達やフィンテックのデータと組み合わせると、非常に豊富な行動データセットになります。ただし、このデータを過度に活用することは避けなければなりません。

目的の限定を厳格に適用しています。データは、改善のためにのみ使用され、第三者に販売されたり、広告ターゲティングに使用されたりしません。ユーザーは、inDriveを信頼しているから選択しています。この信頼を損なうことは、二度と取り戻すことはできません。

ドライバー側では、データの権利を経済的パートナーシップの問題として扱います。ドライバーはデータソースではありません。収集されたデータの使用方法と、どのように利益を得るかを理解する必要があります。inDrive.Moneyは、同社のマーケットプレイスを運営するために使用されるのと同じ行動データを活用して、ドライバーに金融サービスを提供する例です。この価値の交換は、双方向的で透明性があり、公平でなければなりません。

モビリティプラットフォームにおけるAIの運用ディシプリンの重要性について、どのような見解を持っていますか。AIをビジネスの運用レイヤーに統合する上で、最大の障害は何ですか。

データの品質が最大の障害であると言われることがありますが、それ aloneでは不十分です。実際の障害は組織的なものです。AIを個別の実験から、体系的な運用への移行が難しいのです。これには、所有権、責任、測定の文化の変化が必要です。

AIを水平の運用レイヤーとして機能させるには、共通の基盤が必要です。統一されたセマンティックレイヤー、共有のデータ品質フレームワーク、モデル管理インフラストラクチャ、共通のセキュリティポリシーが必要です。

コストの側面も重要です。チームに実際のコストの可視性を提供することで、責任を高め、より良いエンジニアリングの決定を促進します。ストレージの最適化により、地理データのコストを削減でき、取引ごとのインフラストラクチャコストを大幅に低減することができました。

素晴らしいインタビュー、詳しく知りたい読者は、inDriveを訪問してください。