Dr Pandurang Kamat, Chief Technology Officer, Persistent Systemer - Interview Serie

Dr Pandurang Kamat ass Chief Technology Officer bei Persistent Systems, hien ass verantwortlech fir fortgeschratt Technologiefuerschung konzentréiert sech op d'Entstoe vu Geschäftswäert duerch Innovatioun op Skala. Hien ass en erfuerene Technologie Leader dee Clienten hëlleft d'Benotzererfarung ze verbesseren, Geschäftsprozesser ze optimiséieren an nei digital Produkter ze kreéieren. Seng Visioun fir Persistent ass en Innovatiounskraaftwierk ze sinn, deen e globalen an diversen Innovatiouns-Ökosystem verankert, besteet aus Akademie a Start-ups.

De Pandurang ass bei Persistent am 2012. Virum Persistent war hien den Direkter vun Analytics fir Ask.com's Sich- an Inhaltsgeschäfter, wou hien e globalt Team gefouert huet fir d'Ask analytesch Plattform ze managen. Virdru huet hien gehollef sécher Kommunikatiounen an digitale Medienprodukter op Bell Labs an HP Labs ze bauen an eng preisgekréint drahtlose Fuerschungsplattform op der Rutgers University.

Persistent Systemer ass e vertrauenswürdege Digital Engineering an Enterprise Moderniséierungspartner fir weltwäit Maartleit an den Industrien.

Wat huet Iech ufanks un d'Informatik an d'Informatik ugezunn?

Meng Interessi fir Informatik an Ingenieurswiesen ass während engem Summercours an der Schoul ausgeléist. Programméierungskonstruktioune léieren a Computerspiller kreéieren hunn mech an d'strukturéiert Logik agefouert déi dës Felder ënnerstëtzt. Ech war begeeschtert vun der Fäegkeet komplex Probleemer ofzebriechen an se systematesch ze léisen. Wat mech wierklech ugezunn huet war déi immens Heber déi gutt entworf Programmer ubidden. Si kënnen Aufgaben automatiséieren, Prozesser optimiséieren an Individuen oder kleng Teams empoweréieren fir bemierkenswäert Leeschtungen z'erreechen. Dës Mëschung vu Kreativitéit, Problemléisung an transformativ Potenzial inspiréiert mech weider. Vun deenen initialen Erfarunge bis zu menger lafender Rees, bleiwen ech passionéiert iwwer déi endlos Méiglechkeeten déi Technologie presentéiert. Informatik an Ingenieur formen net nëmmen d'Zukunft, mee bidden och Weeër fir Innovatioun a Fortschrëtter, déi mech no vir féieren.

De gréissten Deel vum Persistent Systemsgeschäft kënnt aus dem Bau vun Software fir Entreprisen, wéi huet d'Entstoe vu generativen AI transforméiert wéi Äert Team funktionnéiert?

D'Entstoe vu generativen AI (GenAI) huet transforméiert wéi eis Team op Persistent funktionnéiert, besonnesch an der Enterprise Software Entwécklung. Dës Stéierung an der IT Industrie stellt net nëmmen Erausfuerderungen, awer och bedeitend Méiglechkeeten fir d'Geschäftsoperatioune ganz holistesch ze reimaginéieren.

Als AI-ugedriwwen Digital Engineering Enterprise huet Persistent GenAI ugeholl fir verschidden Aspekter vum Software Engineering Lifecycle ze revolutionéieren. Am leschte Joer hu mir Tools a Suiten entwéckelt, déi Prozesser komplett nei definéieren wéi Code Generatioun, Testfall Generatioun a Berichtermigratioun. Bei legacy Moderniséierungsprojeten huet eis Approche wesentlech evoluéiert. Mir profitéieren elo Tools fir Code Iwwernahmeprozesser ze streamlinéieren, Projetsrisiken ze reduzéieren an den Onboarding vun neie Teammemberen ze beschleunegen andeems se hinnen e méi déif Verständnis vu komplexe Codebasen ubidden. Ausserdeem erlaabt eis Zesummenaarbecht mat Industriedomänen eis personaliséiert Léisungen ze liwweren, déi d'Entreprisen Daten benotzen. Andeems mir digital Assistenten entwéckelen, déi fäeg sinn d'Geschäftssprooch ze verstoen an déi relevant Referenzen ze liwweren, verbesseren mir d'operationell Effizienz an d'Entscheedung an den Entreprisen. Dës Assistenten halen sech un d'Verantwortlech AI Prinzipien, garantéieren Transparenz, Verantwortung, Sécherheet a Privatsphär wärend hir Genauegkeet a Leeschtung kontinuéierlech verbessert duerch automatiséiert Evaluatioun vum Modellausgang.

Wat sinn e puer vun den Erausfuerderunge vun der kompletter Moderniséierung vun Legacy Systemer mat generativen AI?

GenAI ass e mächtegt Tool, awer et ass keng Sëlwerkugel fir eng komplett Legacy System Moderniséierung. Organisatiounen iwwer d'Industrie mussen eng kombinéiert Approche adoptéieren, mënschlech Expertise an AI Fäegkeeten ausnotzen. Wärend GenAI e wesentlecht Potenzial fir Moderniséierung bitt, huet et seng Aschränkungen. Schlëssel Erausfuerderunge enthalen:

• Limitéiert Verständnis vu Legacy Systemer: GenAI Modeller erfuerderen e grëndlecht Verständnis vun existente Systemer fir effektiv ze funktionéieren. Legacy Systemer feelen dacks ëmfaassend Dokumentatioun, wat d'Fäegkeet vun AI behënnert fir hir Interdependenzen effektiv ze begräifen.
• Datequalitéit a Bias: D'Qualitéit an d'Representativitéit vun den Daten, déi benotzt gi fir den AI Modell ze trainéieren, hunn e wesentlechen Impakt op seng Ausgab. Aschränkungen vun den Trainingsdaten kënnen am generéierte Code reflektéiert ginn, potenziell nei Probleemer aféieren.
• Qualitéit a Sécherheet garantéieren: Wärend GenAI Code Generatioun automatiséieren kann, brauch d'Ausgab rigoréis Testen a Verifizéierung fir Qualitéit, funktionell Ufuerderungen a Sécherheetsnormen z'erreechen.
• Limitéiert Ëmfang vun der Moderniséierung: GenAI ass vläicht net gëeegent fir komplett Systemrevisioun. Et kann op spezifesch Aufgaben exceléieren wéi Code Refactoring oder Test-Fall Generatioun, awer komplex architektonesch Ännerungen erfuerderen nach ëmmer manuell Interventioun.
• Change Management and Stakeholder Alignment: Gestioun vun organisatoresche Changementer an Akeef vun Interessenten ze kréien si kritesch Faktoren fir den Erfolleg vun der Moderniséierung vun Legacy Systemer mat GenAI ze bestëmmen. Kloer Kommunikatioun, Trainingsprogrammer, an Interessenten Engagement Initiativen kënnen hëllefen d'Resistenz géint d'Verännerung z'änneren an glat Iwwergäng ze erliichteren.

Eng vun den Erausfuerderunge vum Generative AI ass Konsistenz, wéi hëlleft Persistent Systemer eng konsequent Benotzererfarung ze bauen?

Konsistenz ass en Element fir eng allgemeng Enterprise-Grad, Enterprise-sécher GenAI-ugedriwwen Benotzererfarung a Resultater ze bidden. Mir kucken de Prozess holistesch.

Mir bidden Enn-zu-Enn Ënnerstëtzung iwwer all Etappe vun der GenAI Adoptioun. Eis strategesch Leedung a virsiichteg Benotzungsfall analyséiert Hëllefsorganisatiounen bei der Auswiel vun de gëeegentste Fundamentmodeller (FMs) ugepasst op hir spezifesch Ufuerderungen. Duerch eng detailléiert Untersuchung a Consultatioun hëllefe mir Clienten fir kloer Benotzungsfäll ze definéieren an informéiert FM Selektiounen ze maachen.

Dann konzentréiere mir eis op verschidde Approche, sou wéi e puer Schéiss Ufroen oder souguer Feintuning, fir sécherzestellen datt d'Modeller, déi an den Uwendungen benotzt ginn, op d'Benotzungsfall an d'Entreprisedaten ugepasst sinn.

Eis Léisunge beschäftegen net nëmmen Standard RAG Techniken, awer ginn och méi déif a multiple Ufroen an Datechunking Strategien fir ze garantéieren datt déi relevantst Donnéeën erëmgewielt ginn an dem FM wärend der Inferenz ginn. Mir verbesseren d'Genauegkeet an d'Relevanz vun dësem Kontext weider andeems mir fortgeschratt Knowledge Grafike benotzen fir verstoppte Bezéiungen an den Entreprisen Daten z'erfëllen.

Mir benotzen och verschidde Buedemtechniken a Schutzschirmer fir d'Ausmooss vun der Inferenz ze limitéieren an ze fokusséieren.

Schlussendlech setzen mir d'Applikatioun duerch e rigoréisen an automatiséierte Evaluatiounskader deen d'Konsistenz vun der Inferenz an der Erfahrung garantéiert, no der Verëffentlechung.

Kënnt Dir real-Welt Beispiller ubidden wou GenAI-ugedriwwen Léisungen erfollegräich Clientinteraktiounen revolutionéiert hunn?

Persistent huet d'Clientinteraktioune fir e féierende Software Léisungsprovider duerch GenAI-ugedriwwen Léisungen transforméiert. Géint Skalierbarkeet Erausfuerderunge wärend de Peak Operatiounsperioden, huet d'Firma e Central Knowledge Repository a Conversational AI Teams BOT implementéiert. Et streamlined Zougang zu Informatioun, wat zu 80% Reduktioun vun der Client Ufro Opléisungszäit féiert. D'Qualitéit vun den Äntwerten ass och wesentlech verbessert, wat zu enger verstäerkter Client Zefriddenheet resultéiert.

Mir hunn och eng Private Equity Firma gehollef andeems GenAI benotzt gëtt fir d'Schafung vun detailléierten Investitiounsberichter ze automatiséieren. Mam GenAI-ugedriwwenen System ass d'Zäit néideg fir Berichter ze generéieren ëm 90% reduzéiert. Dës streamlined Approche huet d'Operatiounen vun der Firma revolutionéiert, déi séier an effektiv Entscheedungsprozess erliichtert. D'Effizienz huet net nëmme wäertvoll Zäit gespuert, awer och eng verstäerkte Zesummenaarbecht tëscht Akteuren gefördert an e personaliséierten Touch an all Notiz gesuergt, wat d'allgemeng Effektivitéit verbessert.

Wéi gitt Dir Responsabel GenAI Innovatioun un?

Eis Approche zu Responsabel GenAI Innovatioun prioritär ethesch Praktiken a reglementaresche Konformitéit duerch d'Entwécklung an d'Ëmsetzungsprozesser. Mir ënnersträichen Transparenz, Rechenschaftspflicht a Fairness an der AI-gedriwwen Entscheedungsprozess.

Mir etabléieren robust ethesch Richtlinnen fir d'Entwécklung, d'Deployment an d'Benotzung vu GenAI Systemer. An eiser Verfollegung no Responsabel GenAI Innovatioun, testen a validéieren mir rigoréis eis Systemer fir potenziell Risiken wéi Biases, falsch Informatioun a Privatsphärprobleemer ze reduzéieren.

Ausserdeem prioritäréiere mir Transparenz a Rechenschaftspflicht an AI-driven Entscheedungsprozesser andeems d'Benotzer kloer Abléck an d'Systemoperatioune ubidden. Schlussendlech zielt eis Approche GenAI Systemer z'entwéckelen an z'installéieren déi Innovatioun an Effizienz dréien a positiv zur Gesellschaft bäidroen.

Wat ass Är Visioun fir d'Zukunft vun AI?

Meng Visioun fir d'Zukunft vun AI ass villsäiteg. Als éischt, am digitalen Ingenieur, virstellen ech AI net nëmmen als Kodéierungsassistent, awer och als Kollaboratiounspartner, ähnlech wéi e "Pair Programméierer." Dëst beinhalt AI bei der Kodéierung vun Aufgaben ze hëllefen an aktiv un der Problemléisung deelzehuelen andeems se komplex Aufgaben kartéieren an Ënner-Aufgaben ausféieren.

Zweetens virausgesinn ech eng Ära vu personaliséierten AI Agenten an Assistenten, déi personaliséiert Erfarungen un Individuen ubidden - eng "Personaliséierung vun 1" Approche. Dës Agente verstinn d'Benotzer hir eenzegaarteg Virléiften, Verhalen a Bedierfnesser, déi héich personaliséiert Ënnerstëtzung a Servicer ubidden.

Schlussendlech gleewen ech un d'Evolutioun vu Compound AI Systemer, wou verschidde AI Modeller zesumme existéieren fir verschidde Bedierfnesser unzegoen. Et gëtt keen eenzegen "one-size-fits-all" Modell, mee éischter eng Kombinatioun vu groussen a klengen, allgemengen an Zweck gebaute Modeller déi zesummen an AI Servicer schaffen. Dës Approche erlaabt méi Flexibilitéit, Effizienz an Effizienz fir eng breet Palette vu Probleemer a verschiddene Beräicher ze léisen.

Merci fir dee super Interview, Lieser déi méi gewuer ginn solle besichen Persistent Systemer.