Dr. Pandurang Kamat, Chief Technology Officer, Persistent Systems – Intervju-serie

Dr. Pandurang Kamat er Chief Technology Officer i Persistent Systems (PERSISTENT.BO ), og han er ansvarlig for avansert teknologisk forskning som fokuserer på å låse opp forretningsverdi gjennom innovasjon i stor skala. Han er en erfaren teknologileder som hjelper kunder med å forbedre brukeropplevelsen, optimalisere forretningsprosesser og skape nye digitale produkter. Hans visjon for Persistent er å være en innovasjonskraft somanker en global og diversifisert innovasjonsøkonomi, bestående av akademiske institusjoner og start-ups.

Pandurang ble med i Persistent i 2012. Før han kom til Persistent, var han direktør for analyser for Ask.coms søk- og innholdforretninger, der han ledet et globalt team for å håndtere Ask’s analyseplattform. Før det hjalp han med å bygge sikre kommunikasjons- og digitale medieprodukter på Bell Labs og HP Labs, og en prisvinnende trådløs forskningsplattform på Rutgers University.

Persistent Systems er en pålitelig digital ingeniør- og bedriftsmoderniseringspartner for globale markedsledere på tvers av industrier.

Hva var det som først tiltalte deg til datavitenskap og datateknologi?

Mitt interesse for datavitenskap og -teknologi ble vekket under en sommerkurs på skolen. Å lære programmeringskonstruksjoner og skape dataspill introduserte meg for den strukturerte logikken som støtter disse feltene. Jeg ble fanget av evnen til å bryte ned komplekse problemer og løse dem systematisk. Det som virkelig trakk meg inn var den enorme gevinsten som velutformede programmer tilbyr. De kan automatisere oppgaver, optimalisere prosesser og gi individer eller små grupper muligheten til å oppnå bemerkelsesverdige resultater. Denne blandingen av kreativitet, problemløsing og transformasjonspotensiale fortsetter å inspirere meg. Fra disse første erfaringene til min pågående reise, er jeg fortsatt lidenskapelig opptatt av de uendelige mulighetene som teknologien tilbyr. Datavitenskap og -teknologi former ikke bare fremtiden, men tilbyr også veier for innovasjon og fremgang som driver meg fremover.

Hvordan har introduksjonen av generativ AI endret måten din team opererer på?

Introduksjonen av generativ AI (GenAI) har endret måten vårt team opererer på i Persistent, særlig i utviklingen av programvare for bedrifter. Denne forstyrrelsen i IT-industrien presenterer ikke bare utfordringer, men også betydelige muligheter for å omdefinere forretningsoperasjoner holistisk.

Som en AI-drevet digital ingeniørbedrift har Persistent omfavnet GenAI for å revolusjonere ulike aspekter av programvareutviklingslivssyklusen. Over det siste året har vi utviklet verktøy og suiter som fullstendig omdefinerer prosesser som kodegenerering, testfallsgenerering og rapportmigrering. I prosjekter for modernisering av legacy-systemer har vår tilnærming endret seg betydelig. Vi benytter nå verktøy for å strømlinje kodeoverføringsprosesser, minimere prosjektrisiko og påskynde påmelding av nye teammedlemmer ved å gi dem en dypere forståelse av komplekse kodebaserte systemer. Videre samarbeider vi med industridomener for å levere tilpassede løsninger som utnytter bedriftsdata. Ved å utvikle digitale assistenter som kan forstå bedriftsspråk og gi relevante referanser, forbedrer vi operasjonell effisiens og beslutningstaking innen bedrifter. Disse assistentene følger prinsippene for Ansvarlig AI, som sikrer gjennomsiktighet, ansvar, sikkerhet og personvern, samt kontinuerlig forbedrer nøyaktigheten og ytelsen gjennom automatisert evaluering av modellutdata.

Hva er noen av utfordringene ved å fullstendig modernisere legacy-systemer med generativ AI?

GenAI er et kraftfullt verktøy, men det er ikke en sølvkule for fullstendig modernisering av legacy-systemer. Organisasjoner over hele verden må benytte en kombinasjon av menneskelig ekspertise og AI-kapasiteter. Mens GenAI tilbyr betydelig potensiale for modernisering, har det også begrensninger. Nøkkelutfordringer inkluderer:

• Begrensede kunnskaper om legacy-systemer: GenAI-modeller krever en grundig forståelse av eksisterende systemer for å fungere effektivt. Legacy-systemer mangler ofte omfattende dokumentasjon, hvilket hindrer AIens evne til å forstå deres interavhengigheter effektivt.
• Datakvalitet og bias: Kvaliteten og representativiteten til dataene som brukes til å trene AI-modellen har en betydelig innvirkning på utdataene. Begrensningene i treningdataene kan reflekteres i den genererte koden, potensielt introdusere nye problemer.
• Sikring av kvalitet og sikkerhet: Mens GenAI kan automatisere kodegenerering, må utdataene undergå rigorøse tester og verifisering for å møte kvalitets-, funksjons- og sikkerhetskrav.
• Begrenset moderneiseringsomfang: GenAI kan være uegnet for fullstendige systemombygginger. Det kan utmerke seg i bestemte oppgaver som kodeomskriving eller testfallsgenerering, men komplekse arkitektoniske endringer krever fortsatt manuell inngripen.
• Endringsledelse og stakeholder-tilpasing: Ledelse av organisatorisk endring og oppnåelse av stakeholder-tilpasing er kritiske faktorer for å bestemme suksessen med å modernisere legacy-systemer med GenAI. Klare kommunikasjons-, opplæringsprogrammer og stakeholder-engasjementsinitiativer kan hjelpe med å håndtere motstand mot endring og fasilitere jevne overganger.

En av utfordringene med Generative AI er konsistens, hvordan hjelper Persistent Systems med å bygge en konsistent brukeropplevelse?

Konsistens er ett element i å tilby en helhetlig, bedriftsgradert og bedriftssikker GenAI-drevet brukeropplevelse og resultater. Vi ser på prosessen holistisk.

Vi tilbyr omfattende støtte på alle stadier av GenAI-tilpasning. Vår strategiske veiledning og grundige bruksanalyser hjelper organisasjoner med å velge de mest egnete grunnmodellene (FMs) tilpasset deres spesifikke krav. Gjennom en detaljert undersøkelse og konsultasjon hjelper vi kunder med å definere klare bruksområder og gjøre informerte valg av FMs.

Så fokuserer vi på flere tilnærminger, som f.eks. få-skudds-prompting eller finjustering, for å sikre at modellene som brukes i applikasjonene er tilpasset bruksområdet og bedriftsdataene.

Våre løsninger benytter ikke bare standard RAG-teknikker, men går også dyptere inn i flere prompt- og data-chunking-strategier for å sikre at den mest relevante dataen hentes og gis til FM under inferens. Vi forbedrer ytterligere nøyaktigheten og relevansen av denne konteksten ved å bruke avanserte kunnskapsgrafer for å fange skjulte relasjoner innen bedriftsdataene.

Vi benytter også flere grunnings- og vaktverktøy for å begrense og fokusere omfanget av inferens.

Til slutt setter vi applikasjonen gjennom en rigorøs og automatisert evalueringssammenheng som sikrer konsistens av inferens og brukeropplevelse, utgivelse for utgivelse.

Kan du gi noen eksempler på hvordan GenAI-drevne løsninger har revolusjonert kundeinteraksjoner i praksis?

Persistent har revolusjonert kundeinteraksjoner for en ledende programvareløsningstilbyder gjennom GenAI-drevne løsninger. Tilbyderen møtte skalamessige utfordringer under toppen av driftsperioder og implementerte et sentralt kunnskapsrepository og en konversasjons-AI-bot. Dette strømlinjet tilgangen til informasjon, noe som førte til en 80% reduksjon i tid for å løse kunde-spørsmål. Kvaliteten på svarene forbedret også betydelig, noe som resulterte i økt kundetilfredshet.

Vi hjalp også en privat equity-firma ved å utnytte GenAI for å automatisere opprettelsen av detaljerte investeringsrapporter. Med GenAI-drevne systemet ble tiden det tok å generere rapporter redusert med 90%. Denne strømlinjede tilnærmingen revolusjonerte firmaets operasjoner, noe som muliggjorde rask og effektiv beslutningstaking. Effektiviteten spare ikke bare verdifull tid, men fremmet også økt samarbeid blant interessenter og sikret en personlig berøring i hver memo, noe som forbedret den totale effektiviteten.

Hvordan nærmer du deg ansvarlig GenAI-innovasjon?

Vår tilnærming til ansvarlig GenAI-innovasjon prioriterer etiske praksiser og retningslinjer for reguleringer gjennom hele utviklings- og implementeringsprosessen. Vi legger vekt på gjennomsiktighet, ansvar og rettferdighet i AI-drevne beslutningsprosesser.

Vi etablerer robuste etiske retningslinjer som styrer utviklingen, implementeringen og bruken av GenAI-systemer. I vår søken etter ansvarlig GenAI-innovasjon, tester og validerer vi våre systemer rigorøst for å minimere potensielle risikoer som bias, feilinformasjon og personvernsproblemer.

Vi prioriterer også gjennomsiktighet og ansvar i AI-drevne beslutningsprosesser ved å gi brukerne klare innblikk i systemoperasjonene. Til slutt er vårt mål å utvikle og implementere GenAI-systemer som driver innovasjon og effisiens, samtidig som de bidrar positivt til samfunnet.

Hva er din visjon for fremtiden av AI?

Min visjon for fremtiden av AI er flerfoldig. Først og fremst i digital ingeniørarbeid, ser jeg AI ikke bare som en kodehjelper, men også som en samarbeidende partner, lignende en “par-programmerer”. Dette innebærer at AI hjelper med kodeoppgaver og aktivt deltager i problemløsning ved å kartlegge komplekse oppgaver og utføre underoppgaver.

For det andre ser jeg en tid hvor personlige AI-agenter og -assistenter tilbyr tilpassede erfaringer til enkeltpersoner – en “tilpasning av 1”-tilnærming. Disse agentene vil forstå brukernes unike preferanser, atferd og behov, og tilby høyt tilpassede støtte- og tjenester.

Til slutt tror jeg på utviklingen av sammensatte AI-systemer, hvor ulike AI-modeller samarbeider for å løse ulike behov. Det vil ikke være ett “en-størrelse-passer-alle”-modell, men snarere en kombinasjon av store og små, generelle og spesialiserte modeller som samarbeider i AI-tjenester. Denne tilnærmingen tillater større fleksibilitet, effisiens og effektivitet i å løse et bredt spekter av problemer på tvers av ulike domener.

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