Babak Hodjat, CTO van AI bij Cognizant – Interviewreeks

Babak Hodjat is CTO van AI bij Cognizant, en voormalig mede-oprichter en CEO van Sentient. Hij is verantwoordelijk voor de kern technologie achter het grootste gedistribueerde kunstmatige intelligentie systeem ter wereld. Babak was ook de oprichter van de werelds eerste AI-gedreven hedge fund, Sentient Investment Management. Hij is een serie-ondernemer, met meerdere bedrijven in Silicon Valley opgericht als hoofd uitvinder en technoloog.

Voor het co-founding van Sentient, was Babak senior director of engineering bij Sybase iAnywhere, waar hij mobiele oplossingen ontwikkelde. Hij was ook mede-oprichter, CTO en bestuurslid van Dejima Inc. Babak is de primaire uitvinder van Dejima’s gepatenteerde, agent-georiënteerde technologie toegepast op intelligente interfaces voor mobiele en ondernemingscomputing – de technologie achter Apple’s Siri.

Als gepubliceerde geleerde op het gebied van kunstmatig leven, agent-georiënteerde software engineering en gedistribueerde kunstmatige intelligentie, heeft Babak 31 verleende of lopende octrooien op zijn naam. Hij is een expert in meerdere gebieden van AI, waaronder natuurlijke taalverwerking, machine learning, genetische algoritmen en gedistribueerde AI en heeft meerdere bedrijven in deze gebieden opgericht. Babak heeft een Ph.D. in machine intelligentie van de Kyushu University in Fukuoka, Japan.

Als we terugkijken op uw carrière, van het oprichten van meerdere AI-gedreven bedrijven tot het leiden van Cognizants AI Lab, wat zijn de belangrijkste lessen die u heeft geleerd over innovatie en leiderschap in AI?

Innovatie heeft patiëntie, investering en ontwikkeling nodig, en het moet worden gefosterd en onbeperkt zijn. Als u het juiste team van innovatoren heeft opgebouwd, kunt u hen vertrouwen en hen volledige artistieke vrijheid geven om te kiezen hoe en wat ze onderzoeken. De resultaten zullen vaak verbazen. Vanuit een leiderschaps perspectief, moet onderzoek en innovatie niet iets zijn dat leuk is om te hebben of een afterthought. Ik heb onderzoeksteams opgericht vanaf het begin toen ik start-ups opbouwde en ben altijd een sterk voorstander van onderzoeks investeringen geweest, en het heeft zich uitbetaald. In goede tijden, houdt onderzoek u voorop van de concurrentie, en in slechte tijden, helpt het u diversifiëren en overleven, dus er is geen excuus voor onderinvestering, beperking of overbelasting met korte termijn zakelijke prioriteiten.

Als een van de primaire uitvinders van Apple’s Siri, hoe heeft uw ervaring met het ontwikkelen van intelligente interfaces uw aanpak beïnvloed voor het leiden van AI-initiatieven bij Cognizant?

De natuurlijke taal technologie die ik oorspronkelijk ontwikkelde voor Siri was gebaseerd op agenten, dus ik heb al lang gewerkt met dit concept. AI was niet zo krachtig in de jaren ’90, dus ik gebruikte een multi-agent systeem om de begrijping en mapping van natuurlijke taal commando’s naar acties aan te pakken. Elke agent vertegenwoordigde een klein deel van het domein van de discussie, dus de AI in elke agent had een eenvoudige omgeving om te beheersen. Vandaag zijn AI-systemen krachtig, en één LLM kan veel dingen doen, maar we profiteren nog steeds van het behandelen van het als een kenniswerker in een doos, het domein beperken, een jobbeschrijving geven en het koppelen aan andere agenten met verschillende verantwoordelijkheden. De AI kan zo elk bedrijfsproces verbeteren en aanvullen.

Als onderdeel van mijn verantwoordelijkheid als CTO van AI bij Cognizant, run ik ons Advanced AI Lab in San Francisco. Ons kernonderzoeksprincipe is agent-gebaseerde besluitvorming. Momenteel hebben we 56 Amerikaanse octrooien op kern AI-technologie gebaseerd op dit principe. We zijn er helemaal voor.

Kunt u meer vertellen over de cutting-edge onderzoek en innovaties die momenteel worden ontwikkeld bij Cognizants AI Lab? Hoe worden deze ontwikkelingen gebruikt om aan de specifieke behoeften van Fortune 500-bedrijven te voldoen?

We hebben meerdere AI-studio’s en innovatiecentra. Ons Advanced AI Lab in San Francisco richt zich op het uitbreiden van de staat van de kunst in AI. Dit is onderdeel van onze toezegging van vorig jaar om $1 miljard te investeren in generatieve AI in de komende drie jaar.

Meer specifiek, richten we ons op het ontwikkelen van nieuwe algoritmen en technologieën om onze klanten te dienen. Vertrouwen, uitlegbaarheid en multi-objectief besluitvorming zijn enkele van de belangrijke gebieden die we nastreven en die essentieel zijn voor Fortune 500-ondernemingen.

Rond vertrouwen zijn we geïnteresseerd in onderzoek en ontwikkeling die onze begrip van wanneer we AI-besluitvorming genoeg kunnen vertrouwen om het over te laten aan de mens, en wanneer een mens moet worden betrokken. We hebben meerdere octrooien gerelateerd aan dit type onzekerheidsmodellering. Evenzo zijn neurale netwerken, generatieve AI en LLM’s inherent ondoorzichtig. We willen in staat zijn om een AI-beslissing te evalueren en vragen te stellen over waarom het iets aanbevalt – het maken van het uitlegbaar. Tenslotte begrijpen we dat sommige beslissingen die bedrijven willen nemen meerdere uitkomstobjectieven hebben – kostenreductie terwijl inkomsten worden verhoogd, in evenwicht met ethische overwegingen, bijvoorbeeld. AI kan ons helpen de beste balans van al deze uitkomsten te bereiken door besluitvormingsstrategieën te optimaliseren op een multi-objectieve manier. Dit is nog een heel belangrijk gebied in ons AI-onderzoek.

De komende twee jaar worden beschouwd als kritiek voor generatieve AI. Wat denkt u dat de belangrijkste veranderingen zullen zijn in deze periode, en hoe moeten ondernemingen zich daarop voorbereiden?

We gaan een explosieve periode in voor de commercialisatie van AI-technologieën. Vandaag zijn de primaire toepassingen van AI het verbeteren van de productiviteit, het creëren van betere natuurlijke taal-gedreven gebruikersinterfaces, het samenvatten van gegevens en het helpen bij coding. Tijdens deze versnellingsperiode geloven we dat het organiseren van de algehele technologie en AI-strategieën rond het kernprincipe van multi-agent systemen en besluitvorming ondernemingen het beste in staat zal stellen om te slagen. Bij Cognizant zal onze nadruk op innovatie en toegepast onderzoek onze klanten helpen om AI te benutten om hun strategische voorsprong te vergroten naarmate het verder wordt geïntegreerd in bedrijfsprocessen.

Hoe zal Generatieve AI industrieën herschikken, en welke zijn de meest spannende use cases die uit Cognizants AI Lab naar voren komen?

Generatieve AI is een enorme stap voorwaarts voor bedrijven. U hebt nu de mogelijkheid om een reeks kenniswerkers te creëren die mensen in hun dagelijkse werk kunnen helpen. Of het nu gaat om het stroomlijnen van klantenservice via intelligente chatbots of het beheren van magazijninventaris via een natuurlijke taalinterface, LLM’s zijn heel goed in gespecialiseerde taken.

Maar wat hierna komt, is wat industrieën echt zal herschikken, aangezien agenten de mogelijkheid krijgen om met elkaar te communiceren. De toekomst zal gaan over bedrijven die agenten in hun apparaten en toepassingen hebben die uw behoeften kunnen aanpakken en met andere agenten op uw behalf kunnen communiceren. Ze zullen over hele bedrijven werken om mensen in elke rol te helpen, van HR en financiën tot marketing en verkoop. In de nabije toekomst zullen bedrijven natuurlijk naar agent-gebaseerde bedrijven evolueren.

Opvallend hebben we al een multi-agent systeem dat in ons lab is ontwikkeld in de vorm van Neuro AI, een AI-use case generator die klanten in staat stelt om snel AI-besluitvormingsuse cases voor hun bedrijf te bouwen en te testen. Het levert al enkele spannende resultaten op, en we zullen binnenkort meer hierover delen.

Wat zal de rol zijn van multi-agent architectuur in de volgende golf van Gen AI-transformatie, met name in grote ondernemingsomgevingen?

In ons onderzoek en gesprekken met corporate leiders, krijgen we steeds meer vragen over hoe ze Generatieve AI impactvol kunnen maken op grote schaal. We geloven dat de transformatieve belofte van multi-agent kunstmatige intelligentie systemen centraal staat bij het bereiken van die impact. Een multi-agent AI-systeem brengt AI-agenten samen die in software systemen in verschillende gebieden binnen het bedrijf zijn ingebouwd. Denk aan het als een systeem van systemen dat LLM’s in staat stelt om met elkaar te communiceren. Vandaag is de uitdaging dat, zelfs als bedrijfsdoelstellingen, activiteiten en metrics diep verweven zijn, de software systemen die door verschillende teams worden gebruikt niet, waardoor problemen ontstaan. Bijvoorbeeld, vertragingen in de supply chain kunnen de bezetting van distributiecentra beïnvloeden. Het onboarden van een nieuwe leverancier kan de Scope 3-emissies beïnvloeden. Klantverloop kan productgebreken aangeven. Gesiloëerde systemen betekenen dat acties vaak zijn gebaseerd op inzichten getrokken uit slechts één programma en toegepast op één functie. Multi-agent architectuur zal inzichten en geïntegreerde actie over het bedrijf verlichten. Dat is echte kracht die ondernemings transformatie kan catalyseren.

Hoe ziet u multi-agent systemen (MAS) evolueren in de komende jaren, en hoe zal dit de bredere AI-landschap beïnvloeden?

Een multi-agent AI-systeem functioneert als een virtuele werkgroep, die prompts analyseert en informatie uit het hele bedrijf haalt om een uitgebreide oplossing te produceren, niet alleen voor de oorspronkelijke aanvrager, maar ook voor andere teams. Als we inzoomen en naar een specifieke industrie kijken, kan dit operaties in gebieden zoals productie revolutioneren. Een Sourcing Agent zou bestaande processen analyseren en meer kosteneffectieve alternatieve componenten aanbevelen op basis van seizoenen en vraag. Deze Sourcing Agent zou dan verbonden worden met een Sustainability Agent om te bepalen hoe de verandering de milieudoelstellingen zou beïnvloeden. Tenslotte zou een Regulatory Agent toezicht houden op nalevingsactiviteiten, ervoor zorgend dat teams complete, up-to-date rapporten op tijd indienen.

Het goede nieuws is dat veel bedrijven al zijn begonnen met het integreren van LLM-geactiveerde chatbots, maar ze moeten intentioneel zijn over hoe ze beginnen met het verbinden van deze interfaces. Er moet zorg worden besteed aan de granulariteit van agentificatie, het type LLM’s dat wordt gebruikt en wanneer en hoe ze worden gefinetuned om ze effectief te maken. Organisaties moeten beginnen van bovenaf, hun behoeften en doelstellingen overwegen en van daaruit werken om te bepalen wat kan worden geagentificeerd.

Wat zijn de belangrijkste uitdagingen die ondernemingen tegenhouden om AI volledig te omarmen, en hoe lost Cognizant deze obstakels op?

Ondanks de steun van het leiderschap en investeringen, vrezen veel ondernemingen dat ze achterblijven op AI. Volgens ons onderzoek is er een kloof tussen het strategische engagement van leiders en het vertrouwen om het goed uit te voeren. De kosten en beschikbaarheid van talent en de waargenomen onvolwassenheid van huidige Gen AI-oplossingen zijn twee significante remmende factoren die ondernemingen tegenhouden om AI volledig te omarmen.

Cognizant speelt een integrale rol bij het helpen van ondernemingen om de AI-productiviteit naar groei reis te maken. In feite wijst recente data van een studie die we hebben uitgevoerd met Oxford Economics op de noodzaak van externe expertise om te helpen bij AI-adoptie, waarbij 43% van de bedrijven aangaf dat ze van plan zijn om met externe consultants te werken om een plan voor generatieve AI te ontwikkelen. Traditioneel heeft Cognizant de laatste mijl met klanten bezeten – we deden dit met data-opslag en cloud-migratie, en agentificatie zal niet anders zijn. Dit is werk dat moet worden aangepast. Het is geen een-maal-per-formule reis. We zijn de experts die kunnen helpen bij het identificeren van de bedrijfsdoelstellingen en het implementatieplan, en dan de juiste aangepaste agenten inzetten om aan de bedrijfsbehoeften te voldoen. We zijn, en zijn altijd, de mensen die u moet bellen.

Veel bedrijven hebben moeite om onmiddellijke ROI van hun AI-investeringen te zien. Wat zijn de meest voorkomende fouten die ze maken, en hoe kunnen deze worden vermeden?

Generatieve AI is veel effectiever wanneer bedrijven het in hun eigen data-context brengen – dat wil zeggen, het aanpassen op hun eigen sterke fundament van ondernemingsgegevens. Ook zullen ondernemingen uiteindelijk de moeilijke stap moeten nemen om hun fundamentele bedrijfsprocessen te herzien. Vandaag gebruiken veel bedrijven AI om bestaande processen te automatiseren en te verbeteren. Grotere resultaten kunnen optreden wanneer ze beginnen met vragen te stellen zoals, wat zijn de componenten van dit proces, hoe kan ik ze veranderen en me voorbereiden op de opkomst van iets dat nog niet bestaat? Ja, dit zal een cultuurverandering en enige risico’s vereisen, maar het lijkt onvermijdelijk wanneer het orkestreren van de vele onderdelen van de organisatie in één krachtig geheel.

Wat is uw advies aan opkomende AI-leiders die een significante impact in het veld willen maken, met name binnen grote ondernemingen?

Bedrijfstransformatie is van nature complex. Opkomende AI-leiders binnen grotere ondernemingen moeten zich richten op het afbreken van processen, experimenteren met veranderingen en innoveren. Dit vereist een verandering van mindset en berekende risico’s, maar het kan een krachtigere organisatie creëren.

Bedankt voor het geweldige interview, lezers die meer willen leren, moeten bezoeken Cognizant.