Ryan Ries, Chief AI & Data Scientist bij Mission – Interview Serie

Dr. Ryan Ries is een gerenommeerd datawetenschapper met meer dan 15 jaar leiderschapservaring in data en engineering bij snel groeiende technologiebedrijven. Dr. Ries heeft meer dan 20 jaar ervaring met het werken met AI en 5+ jaar ervaring met het helpen van klanten bij het opbouwen van hun AWS-data-infrastructuur en AI-modellen. Na het behalen van zijn Ph.D. in biofysische chemie aan de UCLA en Caltech, heeft Dr. Ries geholpen bij het ontwikkelen van baanbrekende data-oplossingen voor het Amerikaanse ministerie van Defensie en een groot aantal Fortune 500-bedrijven.

Als Chief AI en Data Scientist voor Mission, heeft Ryan een succesvol team van Data Engineers, Data Architects, ML Engineers en Data Scientists opgebouwd om enkele van de moeilijkste problemen in de wereld op te lossen met behulp van AWS-infrastructuur.

Mission is een toonaangevende aanbieder van beheerde diensten en consulting, geboren in de cloud, die eind-tot-eind cloudservices, innovatieve AI-oplossingen en software voor AWS-klanten biedt. Als AWS Premier Tier-partner helpt het bedrijf bedrijven bij het optimaliseren van technologie-investeringen, het verbeteren van prestaties en governance, het schalen van efficiënte, beveiligde gegevens en het omarmen van innovatie met vertrouwen.

U hebt een indrukwekkende reis gehad – van het bouwen van AR-hardware bij DAQRI tot het worden van Chief AI Officer bij Mission. Wat waren de persoonlijke ervaringen of keerpunten die uw perspectief op de rol van AI in het bedrijfsleven het meest hebben gevormd?

Vroeg AI-ontwikkeling werd sterk beperkt door rekenkracht en infrastructuuruitdagingen. We moesten vaak handmatig modellen schrijven op basis van onderzoeksartikelen, wat tijdrovend en complex was. Een belangrijke verschuiving kwam met de opkomst van Python en open-source AI-bibliotheken, waardoor experimenten en modelbouw veel sneller gingen. Het grootste keerpunt kwam echter toen hyperscalers zoals AWS schaalbare berekening en opslag breed toegankelijk maakten.

Dit evolutionair proces weerspiegelt een aanhoudende uitdaging in de geschiedenis van AI – het tekort aan opslag- en rekenkracht. Deze beperkingen hebben eerder tot AI-winters geleid, en het overwinnen ervan is fundamenteel voor de huidige “AI-renaissance”.

Hoe helpt Missions eind-tot-eind cloudservice-model bedrijven bij het schalen van hun AI-werklasten op AWS op een efficiëntere en veiligere manier?

Bij Mission is beveiliging geïntegreerd in alles wat we doen. We zijn de afgelopen twee jaar de beveiligingspartner van het jaar met AWS, maar interessant genoeg hebben we geen speciaal beveiligingsteam. Dat komt omdat iedereen bij Mission met beveiliging in het achterhoofd werkt bij elke fase van de ontwikkeling. Met AWS-generatieve AI profiteren klanten van het gebruik van de AWS Bedrock-laag, die gegevens, inclusief gevoelige informatie zoals PII, binnen het AWS-ecosysteem beveiligt. Deze geïntegreerde aanpak zorgt ervoor dat beveiliging fundamenteel is, niet een achteraf gedachte.

Schaalbaarheid is ook een belangrijk aandachtspunt bij Mission. We hebben uitgebreide ervaring met het opbouwen van MLOps-pijplijnen die AI-infrastructuur voor training en inferentie beheren. Terwijl veel mensen generatieve AI associëren met enorme openbare systemen zoals ChatGPT, zijn de meeste bedrijfsgevallen intern en vereisen ze een beter beheersbare schaalbaarheid. De API-laag van Bedrock helpt bij het leveren van die schaalbare, veilige prestaties voor echte werklasten.

Kunt u ons door een typische ondernemingsinspanning leiden – van cloudmigratie tot het implementeren van generatieve AI-oplossingen – met behulp van Missions diensten?

Bij Mission beginnen we met het begrijpen van de bedrijfsbehoeften en use cases van de onderneming. Cloudmigratie begint met het beoordelen van de huidige on-premise-omgeving en het ontwerpen van een schaalbare cloudarchitectuur. In tegenstelling tot on-premise-instellingen, waarbij u moet voorzien in piekcapaciteit, laat de cloud u toe om resources te schalen op basis van gemiddelde werklasten, waardoor de kosten worden verlaagd. Niet alle werklasten moeten worden gemigreerd – sommige kunnen worden stopgezet, herschreven of opnieuw gebouwd voor efficiëntie. Na inventarisatie en planning voeren we een gefaseerde migratie uit.

Met generatieve AI zijn we verder gegaan dan de proof-of-concept-fase. We helpen ondernemingen bij het ontwerpen van architectuur, het uitvoeren van pilots om prompts en randgevallen te verfijnen en vervolgens over te gaan tot productie. Voor data-gedreven AI helpen we bij het migreren van on-premise-gegevens naar de cloud, waardoor meer waarde wordt ontsloten. Deze eind-tot-eind-aanpak zorgt ervoor dat generatieve AI-oplossingen robuust, schaalbaar en bedrijfsklaar zijn vanaf de eerste dag.

Mission benadrukt “innovatie met vertrouwen”. Wat betekent dit in praktische zin voor bedrijven die AI op grote schaal adopteren?

Het betekent dat u een team heeft met echte AI-expertise – niet alleen mensen die een paar cursussen hebben gevolgd, maar ervaren datawetenschappers. Klanten kunnen vertrouwen dat we niet op hen experimenteren. Onze mensen begrijpen hoe modellen werken en hoe ze deze op een veilige en schaalbare manier kunnen implementeren. Zo helpen we bedrijven bij het innoveren zonder onnodige risico’s te nemen.

U hebt gewerkt aan predictieve analytics, NLP en computer vision. Waar ziet u generatieve AI de meeste waarde brengen in ondernemingen vandaag – en waar loopt de hype voorop op de realiteit?

Generatieve AI levert aanzienlijke waarde in ondernemingen, voornamelijk via intelligent documentverwerking (IDP) en chatbots. Veel bedrijven hebben moeite om hun operaties te schalen door meer mensen in te huren, dus generatieve AI helpt bij het automatiseren van herhaalde taken en het versnellen van workflows. Bijvoorbeeld heeft IDP de verwerkingstijd van verzekeringsaanvragen met 50% verlaagd en de patiëntenzorgcoördinatie in de gezondheidszorg verbeterd. Chatbots fungeren vaak als interfaces naar andere AI-hulpmiddelen of systemen, waardoor bedrijven routineuze interacties en taken efficiënt kunnen automatiseren.

De hype rond generatieve beelden en video’s loopt echter vaak voorop op de realiteit. Hoewel visueel indrukwekkend, hebben deze technologieën beperkte praktische toepassingen buiten marketing en creatieve projecten. De meeste ondernemingen vinden het moeilijk om generatieve medioplossingen op te schalen naar kernoperaties, waardoor ze meer een noviteit dan een fundamenteel bedrijfsmiddel zijn.

“Vibe Coding” is een opkomend begrip – kunt u uitleggen wat het in uw wereld betekent en hoe het de bredere culturele verschuiving in AI-ontwikkeling weerspiegelt?

Vibe coding verwijst naar ontwikkelaars die grote taalmodellen gebruiken om code te genereren op basis van intuïtie of natuurlijke taalprompting in plaats van gestructureerde planning of ontwerp. Het is geweldig voor het versnellen van iteratie en prototyping – ontwikkelaars kunnen snel ideeën testen, boilerplate-code genereren of herhaalde taken uitbesteden. Maar het leidt vaak ook tot code die geen structuur heeft, moeilijk te onderhouden is en mogelijk inefficiënt of onveilig is.

We zien een bredere verschuiving naar agente-omgevingen, waarin LLM’s als junior-ontwikkelaars fungeren en mensen rollen aannemen die meer lijken op architecten of QA-engineers – het controleren, verfijnen en integreren van AI-gegenereerde componenten in grotere systemen. Dit collaboratieve model kan krachtig zijn, maar alleen als er veiligheidsmaatregelen zijn genomen. Zonder adequate toezicht kan vibe coding technische schulden, kwetsbaarheden of prestatieproblemen introduceren – vooral als het haastig in productie wordt genomen zonder grondige testing.

Wat is uw mening over de evoluerende rol van de AI-officier? Hoe moeten organisaties de leiderschapsstructuur opnieuw overwegen nu AI fundamenteel wordt voor het bedrijfsstrategie?

AI-officieren kunnen absoluut waarde toevoegen – maar alleen als de rol is ingericht voor succes. Te vaak creëren bedrijven nieuwe C-suite-titels zonder ze te aligneren met bestaande leiderschapsstructuren of hen echte autoriteit te geven. Als de AI-officier geen gedeelde doelen heeft met de CTO, CDO of andere uitvoerders, riskeert u gesiloerde besluitvorming, conflicterende prioriteiten en stilgezette uitvoering.

Organisaties moeten zorgvuldig overwegen of de AI-officier rollen vervangt of aanvult, zoals die van de Chief Data Officer of CTO. De titel is minder belangrijk dan het mandaat. Wat kritiek is, is iemand empoweren om AI-strategie over de hele organisatie te vormen – data, infrastructuur, beveiliging en bedrijfsgevallen – en hen de mogelijkheid geven om significante veranderingen aan te brengen. Anders wordt de rol meer symbolisch dan invloedrijk.

U hebt prijswinnende AI- en datateams geleid. Wat zijn de kwaliteiten die u zoekt bij het aannemen van mensen voor hoge inzet AI-rollen?

De nummer één kwaliteit is iemand vinden die echt AI kent, niet alleen iemand die een paar cursussen heeft gevolgd. U hebt mensen nodig die echt vloeiend zijn in AI en nog steeds nieuwsgierig zijn en geïnteresseerd in het verleggen van de grenzen van wat kan en kan niet worden gedaan.

Ik zoek naar mensen die altijd proberen om nieuwe benaderingen te vinden en de grenzen van wat kan en kan niet worden gedaan uit te dagen. Deze combinatie van diepe kennis en voortdurende exploratie is essentieel voor hoge inzet AI-rollen waar innovatie en betrouwbare implementatie even belangrijk zijn.

Veel bedrijven hebben moeite om hun ML-modellen operationeel te maken. Wat denkt u dat het verschil maakt tussen teams die slagen en teams die in de proof-of-concept-hel terechtkomen?

Het grootste probleem is de afstemming tussen teams. ML-teams bouwen veelbelovende modellen, maar andere afdelingen nemen ze niet over vanwege misgelijke prioriteiten. Het overgaan van POC naar productie vereist ook MLOps-infrastructuur: versiebeheer, opnieuw trainen en bewaken. Met GenAI is de kloof nog groter. Het in productie nemen van een chatbot betekent prompt-tuning, pijplijnbeheer en compliance… niet alleen prompts in ChatGPT gooien.

Wat is uw advies aan een startup-founder die AI-first-producten bouwt en die kan profiteren van Missions infrastructuur en AI-strategie-ervaring?

Wanneer u een startup bent, is het moeilijk om top-AI-talent aan te trekken, vooral zonder een gevestigde merk. Zelfs met een sterk oprichtend team is het moeilijk om mensen te vinden met de diepe ervaring die nodig is om AI-systemen goed op te bouwen en op te schalen. Daar kan een partnerschap met een bedrijf als Mission een groot verschil maken. We kunnen u helpen sneller te gaan door infrastructuur, strategie en hands-on expertise te bieden, zodat u uw product sneller en met meer vertrouwen kunt valideren.

Het andere cruciale punt is focus. We zien veel founders die proberen een basisinterface om ChatGPT te bouwen en dit een product noemen, maar gebruikers worden slimmer en verwachten meer. Als u geen echt probleem oplost of iets unieks biedt, is het gemakkelijk om in de war te raken. Mission helpt startups strategisch nadenken over waar AI echte waarde creëert en hoe ze iets schaalbaars, veiligs en productieklaars vanaf de eerste dag kunnen bouwen. Zo bent u niet alleen aan het experimenteren, maar bent u aan het bouwen voor groei.

Bedankt voor het geweldige interview, lezers die meer willen leren, kunnen Mission bezoeken.