Babak Hodjat, CTO for AI i Cognizant – Intervju-serie

Babak Hodjat er CTO for AI i Cognizant, og tidligere medgründer og CEO av Sentient. Han er ansvarlig for den grunnleggende teknologien bak verdens største distribuerte kunstig intelligens-system. Babak var også gründeren av verdens første AI-drevne hedgefond, Sentient Investment Management. Han er en serial-entrepreneur, som har startet flere selskaper i Silicon Valley som hovedoppfinner og teknolog.

Før han co-grunnla Sentient, var Babak senior direktør for ingeniørarbeid i Sybase iAnywhere, der han ledet mobile løsninger for ingeniørarbeid. Han var også medgründer, CTO og styremedlem i Dejima Inc. Babak er den primære oppfinner av Dejimas patenterte, agent-orienterte teknologi som brukes til intelligente grensesnitt for mobile og bedriftsdatamaskiner – teknologien bak Apples Siri.

Som en publisert forsker innen feltene kunstig liv, agent-orientert programvareutvikling og distribuert kunstig intelligens, har Babak 31 patenter eller ventende patenter i hans navn. Han er en ekspert i flere felt innen AI, inkludert naturlig språkbehandling, maskinlæring, genetiske algoritmer og distribuert AI, og har grunnlagt flere selskaper innen disse områdene. Babak har en doktorgrad i maskinintelligens fra Kyushu University i Fukuoka, Japan.

Ser tilbake på din karriere, fra å grunnlegge flere AI-drevne selskaper til å lede Cognizants AI-laboratorium, hva er de viktigste lærdommene du har lært om innovasjon og ledelse i AI?

Innovasjon trenger tålmodighet, investeringer og pleie, og det bør fostres og være ubegrenset. Hvis du har bygget det riktige teamet av innovatører, kan du stole på dem og gi dem full kunstnerisk frihet til å velge hvordan og hva de forsker. Resultatene vil ofte overgå dine forventninger. Fra et ledelsesperspektiv, bør forskning og innovasjon ikke være noe man gjør fordi man må, eller som en ettertanke. Jeg har etablert forskningsteam tidlig i starten av å bygge opp start-ups, og har alltid vært en sterk forkjemper for forskningsinvesteringer, og det har lønt seg. I gode tider holder forskning deg foran konkurrentene, og i dårlige tider hjelper det deg å diversifisere og overleve, så det er ingen unnskyldning for å underinvestere, begrense eller overbelaste det med kortsiktige forretningsprioriteter.

Som en av de primære oppfinnerne av Apples Siri, hvordan har din erfaring med å utvikle intelligente grensesnitt påvirket din tilnærming til å lede AI-initiativer i Cognizant?

Den naturlige språkteknologien jeg opprinnelig utviklet for Siri, var basert på agenter, så jeg har arbeidet med dette konseptet i lang tid. AI var ikke like kraftig på 90-tallet, så jeg brukte et multi-agent-system for å takle forståelse og kartlegging av naturlige språk-kommandoer til handlinger. Hver agent representerte en liten delmengde av diskusjonsområdet, så AI-en i hver agent hadde en enkel omgivelse å mestre. I dag er AI-systemer kraftige, og en enkelt LLM kan gjøre mange ting, men vi kan fortsatt dra nytte av å behandle det som en kunnskapsarbeider i en boks, begrense dets område, gi det en jobbeskrivelse og koble det til andre agenter med forskjellige ansvar. AI-en kan dermed supplere og forbedre enhver forretningsprosess.

Som en del av min oppgave som CTO for AI i Cognizant, driver jeg vårt avanserte AI-laboratorium i San Francisco. Vårt grunnleggende forskningsprinsipp er agent-basert beslutningstaking. Per i dag har vi 56 amerikanske patenter på grunnleggende AI-teknologi basert på dette prinsippet. Vi er fullt engasjert.

Kunne du utdype på de banebrytende forskningene og innovasjonene som utvikles i Cognizants AI-laboratorium? Hvordan møter disse utviklingene de spesifikke behovene til Fortune 500-selskaper?

Vi har flere AI-studioer og innovasjonssentre. Vårt avanserte AI-laboratorium i San Francisco fokuserer på å utvide grensene for AI. Dette er en del av vårt løfte om å investere 1 milliard dollar i generativ AI over de neste tre årene.

Mer spesifikt, fokuserer vi på å utvikle nye algoritmer og teknologier for å betjene våre kunder. Tillit, forklarbarhet og multi-objektive beslutninger er blant de viktige områdene vi søker å fremme som er avgjørende for Fortune 500-foretak.

Om tillit, er vi interesserte i forskning og utvikling som danner en dypere forståelse av når vi kan stole på AI-ens beslutningstaking, og når en menneskelig inngripen er nødvendig. Vi har flere patenter relatert til denne type usikkerhetsmodellering. Liksom, neurale nettverk, generativ AI og LLM-er er innebygget uklare. Vi ønsker å kunne evaluere en AI-beslutning og spørre den om hvorfor den anbefalte noe – i realiteten gjøre det forklarbart. Til slutt, forstår vi at noen ganger ønsker selskaper å kunne fatte beslutninger som har mer enn ett mål – kostnadsreduksjon samtidig som økning av inntekter balansert med etiske overveielser, for eksempel. AI kan hjelpe oss å oppnå den beste balansen av alle disse resultater ved å optimere beslutningsstrategier på en multi-objektiv måte. Dette er et viktig område i vår AI-forskning.

De neste to årene regnes som kritiske for generativ AI. Hva tror du vil være de avgjørende endringene i denne perioden, og hvordan bør selskaper forberede seg?

Vi går inn i en eksplosiv periode for kommersialisering av AI-teknologier. I dag er AI-ens primære bruksområder å forbedre produktivitet, skape bedre naturlig språk-drevne brukergrensesnitt, sammenfatte data og hjelpe med kode. Under denne akselerasjonsperioden, tror vi at organisering av overordnet teknologi og AI-strategier rundt det grunnleggende prinsippet om multi-agent-systemer og beslutningstaking, vil være best egnet til å enable selskaper til å lykkes. Hos Cognizant, vil vår fokus på innovasjon og anvendt forskning hjelpe våre kunder å utnytte AI til å øke strategisk fordel som det blir mer integrert i forretningsprosesser.

Hvordan vil Generativ AI omforme industrier, og hva er de mest spennende bruksområdene som oppstår fra Cognizants AI-laboratorium?

Generativ AI har vært et stort skritt fremover for bedrifter. Du har nå evnen til å skape en rekke kunnskapsarbeidere som kan assistere mennesker i deres daglige arbeid. Enten det er å strømlinje kundeservice gjennom intelligente chatboter eller å håndtere lagerbeholdning gjennom et naturlig språk-grensesnitt, LLM-er er svært gode på spesialiserte oppgaver.

Men hva som kommer neste, er hva som virkelig vil omforme industrier, da agenter får evnen til å kommunisere med hverandre. Fremtiden vil være om selskaper har agenter i deres enheter og applikasjoner som kan håndtere dine behov og interagere med andre agenter på din vegne. De vil arbeide over hele bedrifter for å assistere mennesker i hver rolle, fra HR og finans til markedsføring og salg. I nær fremtid, vil bedrifter naturlig gravitere mot å bli agent-basert.

Merket, har vi allerede et multi-agent-system som ble utviklet i vårt laboratorium i form av Neuro AI, en AI-beslutningsgenerator som lar kunder raskt bygge og prototype AI-beslutningsbrukssaker for deres forretning. Det leverer allerede noen spennende resultater, og vi vil dele mer om dette snart.

Hva rolle vil multi-agent-arkitekturer spille i den neste bølgen av Gen AI-transformasjon, spesielt i store bedriftsmiljøer?

I vår forskning og samtaler med bedriftsledere, får vi flere og flere spørsmål om hvordan de kan gjøre Generativ AI effektivt i stor skala. Vi tror at den transformative kraften av multi-agent kunstig intelligens-systemer er sentral for å oppnå denne effekten. Et multi-agent AI-system samler AI-agenter bygget inn i programvaresystemer i ulike områder over bedriften. Tenk på det som et system av systemer som tillater LLM-er å interagere med hverandre. I dag, er utfordringen at, selv om bedriftsmål, aktiviteter og målinger er dypt sammenvevd, er programvaresystemene brukt av ulike team ikke, og det skaper problemer. For eksempel, kan forsinkelser i leveringskjeden påvirke bemanning i distribusjonssentre. Å påbegynne en ny leverandør kan påvirke Scope 3-utslipp. Kundeavhopp kan indikere produktfeil. Siloede systemer betyr at handlinger ofte baseres på innsikter tegnet fra bare ett program og brukt til ett funksjonsområde. Multi-agent-arkitekturer vil lyse opp innsikter og integrert handling over hele bedriften. Det er den virkelige kraften som kan katalysere bedriftstransformasjon.

På hvilke måter ser du multi-agent-systemer (MAS) utvikle seg de neste få årene, og hvordan vil dette påvirke det bredere AI-landskapet?

Et multi-agent AI-system fungerer som en virtuell arbeidsgruppe, som analyserer forespørsler og trekker informasjon fra hele bedriften for å produsere en komprehensiv løsning, ikke bare for den opprinnelige forespøreren, men også for andre team. Hvis vi zoomer inn og ser på et spesifikt industriområde, kan dette revolusjonere operasjoner i områder som produksjon, for eksempel. En innkjøpsagent ville analysere eksisterende prosesser og anbefale mer kostnadseffektive alternative komponenter basert på sesonger og etterspørsel. Denne innkjøpsagenten ville deretter koble seg til en bærekraftsagent for å bestemme hvordan endringen ville påvirke miljømål. Til slutt, ville en reguleringsagent overvåke aktivitetene og sikre at teamene sender inn fullstendige og oppdaterte rapporter på tide.

Det gode nyheten er at mange selskaper allerede har begynt å integrere LLM-drevne chatboter, men de må være bevisste på hvordan de starter å koble disse grensesnittene. Omsorg må tas når det gjelder granulariteten av agentifisering, typene LLM-er som brukes, og når og hvordan de finjusteres for å gjøre dem effektive. Organisasjoner bør starte fra toppen, vurdere sine behov og mål, og arbeide nedover for å bestemme hva som kan agentifiseres.

Hva er de største utfordringene som holder bedrifter tilbake fra å fullt ut omfavne AI, og hvordan møter Cognizant disse hindringene?

Tross ledelsens støtte og investeringer, frykter mange bedrifter å falle bakover på AI. Ifølge vår forskning, er det et gap mellom ledelsens strategiske forpliktelse og tilliten til å kunne utføre det godt. Kostnaden og tilgjengeligheten av talent og den oppfattede umodenheten til nåværende Gen AI-løsninger, er to betydelige hindringer som holder bedrifter tilbake fra å fullt ut omfavne AI.

Cognizant spiller en integrerende rolle i å hjelpe bedrifter å gå gjennom AI-produktivitets- til vekst-reisen. Faktisk, viser ny data fra en studie vi gjennomførte med Oxford Economics, til behovet for eksterne konsulenter for å hjelpe med AI-adoptsjon, med 43% av selskapene som indikerer at de planlegger å arbeide med eksterne konsulenter for å utvikle en plan for generativ AI. Tradisjonelt, har Cognizant eiet den siste milen med kundene – vi gjorde dette med data-lagring og sky-migrering, og agentifisering vil ikke være forskjellig. Dette er arbeid som må være høyt tilpasset. Det er ikke en en-size-passer-alle-reise. Vi er ekspertene som kan hjelpe med å identifisere forretningsmålene og implementeringsplanen, og deretter bringe inn de riktige tilpassede agentene for å møte forretningsbehovene. Vi er, og har alltid vært, folkene å ringe.

Mange selskaper sliter med å se umiddelbar avkastning fra sine AI-investeringer. Hva er de vanlige feilene de gjør, og hvordan kan disse unngås?

Generativ AI er langt mer effektiv når selskaper bringer det inn i deres egen data-kontekst – det vil si, tilpasse det på deres egen sterke grunnlag av bedriftsdata. Dessuten, tidlig eller senere, må bedrifter ta det utfordrende steget til å omdefinere sine grunnleggende forretningsprosesser. I dag, bruker mange selskaper AI til å automatisere og forbedre eksisterende prosesser. Større resultater kan skje når de begynner å stille spørsmål som: hva er bestanddelene av denne prosessen, hvordan kan jeg endre dem, og hvordan kan jeg forberede meg på oppkomsten av noe som ikke eksisterer ennå? Ja, dette vil nødvendiggjøre en kultur-endring og aksept av noen risiko, men det ser ut til å være uunngåelig når man orkestrerer de mange delene av organisasjonen til en kraftfull helhet.

Hva råd ville du gi til fremvoksende AI-ledere som ønsker å ha en betydelig innvirkning i feltet, spesielt innen store bedrifter?

Forretnings-transformasjon er kompleks av natur. Fremvoksende AI-ledere innen større bedrifter bør fokusere på å bryte ned prosesser, eksperimentere med endringer og innovere. Dette krever en endring i tankesett og kalkulerte risiko, men det kan skape en mer kraftfull organisasjon.

Takk for det flotte intervjuet, lesere som ønsker å lære mer, bør besøke Cognizant.