Ryan Ries, sjef for AI og datavitenskap ved Mission – Intervju-serie

Dr. Ryan Ries er en kjent datavitenskapsmann med over 15 års ledererfaring innen data og ingeniørvitenskap i raskt voksende teknologiselskaper. Dr. Ries har over 20 års erfaring med å arbeide med AI og 5+ års erfaring med å hjelpe kunder med å bygge deres AWS-datainfrastruktur og AI-modeller. Etter å ha tatt sin doktorgrad i biofysisk kjemi ved UCLA og Caltech, har Dr. Ries hjulpet til å utvikle banebrytende datasøknader for det amerikanske forsvarsdepartementet og en rekke Fortune 500-selskaper.

Som sjef for AI og datavitenskap ved Mission, har Ryan bygget opp et vellykket team av dataingeniører, dataarkitekter, ML-ingeniører og datavitenskapsmenn for å løse noen av de hardeste problemene i verden ved hjelp av AWS-infrastruktur.

Mission er en ledende leverandør av managed services og konsulenttjenester som er født i skyen, og som tilbyr tjenester for skytjenester, innovative AI-løsninger og programvare for AWS-kunder. Som en AWS Premier Tier-partner hjelper selskapet bedrifter med å optimalisere teknologiinvesteringer, forbedre ytelse og styring, skalerer effektivt, sikrer data og omfavner innovasjon med tillit.

Du har hatt en imponerende reise – fra å bygge AR-hardware hos DAQRI til å bli sjef for AI hos Mission. Hva er de personlige erfaringene eller vendingpunktene som har formet din perspektiv på AI sin rolle i bedrifter?

Tidlig AI-utvikling var sterkt begrenset av datamaskinkraft og infrastrukturutfordringer. Vi måtte ofte kode modeller fra forskningspapirer manuelt, noe som var tidskrevende og komplekst. En stor endring kom med oppkomsten av Python og åpne AI-biblioteker, som gjorde eksperimentering og modellbygging mye raskere. Men det største vendingpunktet inntraff da hyperskalerte som AWS gjorde skalerbar datalagring og beregning tilgjengelig.

Dette utviklingen reflekterer en varig utfordring gjennom AI sin historie – å løpe tom for lagrings- og beregningskapasitet. Disse begrensningene har forårsaket tidligere AI-vinter, og å overvinne dem har vært grunnleggende for dagens “AI-renessanse”.

Hvordan hjelper Missions modell for skytjenester bedrifter med å skalerer AI-arbeidsbelastninger på AWS mer effektivt og sikker?

Hos Mission er sikkerhet integrert i alt vi gjør. Vi har vært sikkerhetspartneren til AWS to år på rad, men det er interessant at vi ikke har et dedikert sikkerhetsteam. Det er fordi alle hos Mission bygger med sikkerhet i mente i alle faser av utviklingen. Med AWS generativ AI kan kunder dra nytte av å bruke AWS Bedrock-lag, som holder data, inkludert sensitive opplysninger som PII, sikker innenfor AWS-økosystemet. Denne integrerte tilnærmingen sikrer at sikkerhet er grunnleggende, ikke en ettertanke.

Skalerbarhet er også en kjernefokus hos Mission. Vi har omfattende erfaring med å bygge MLOps-pipelines som håndterer AI-infrastruktur for trening og inferens. Mens mange assosierer generativ AI med massive offentlige systemer som ChatGPT, er de fleste bedriftsscenariene interne og krever mer håndterbare skalerbarhet. Bedrocks API-lag hjelper med å levere denne skalerbare og sikre ytelsen for virkelige arbeidsbelastninger.

Kan du gå gjennom en typisk bedriftsengasjement – fra skyoverføring til deployering av generative AI-løsninger – ved hjelp av Missions tjenester?

Hos Mission begynner vi med å forstå bedriftens forretningsbehov og brukstilfeller. Skyoverføring starter med å vurdere den nåværende on-premise-miljøet og designe en skalerbar skyarkitektur. I motsetning til on-premise-oppsætninger, hvor du må provisionere for toppkapasitet, lar skyen deg skalereressurser basert på gjennomsnittlige arbeidsbelastninger, noe som reduserer kostnadene. Ikke alle arbeidsbelastninger trenger overføring – noen kan avvikles, omstruktureres eller bygges om for effektivitet. Etter inventar og planlegging, gjennomfører vi en fasert overføring.

Med generativ AI har vi flyttet oss beyond proof-of-concept-faser. Vi hjelper bedrifter med å designe arkitekturer, kjøre piloter for å finjustere promter og håndtere kanter, og deretter gå over til produksjon. For data-drevne AI hjelper vi med å overføre on-premise-data til skyen, og å låse opp større verdi. Denne helhetlige tilnærmingen sikrer at generative AI-løsninger er robuste, skalerbare og forretningsklare fra dag én.

Missione betoner “innovasjon med tillit”. Hva betyr det i praktisk sammenheng for bedrifter som adopterer AI i stor skala?

Det betyr å ha et team med virkelig AI-ekspertise – ikke bare noen som har tatt noen kurs. Kunder kan stole på at vi ikke eksperimenterer på dem. Våre mennesker forstår hvordan modellene fungerer og hvordan de kan implementeres på en sikker og skalerbar måte. Det er hvordan vi hjelper bedrifter med å innovere uten å ta unødvendige risiko.

Du har arbeidet med prediktiv analyse, NLP og datavisualisering. Hvor ser du at generativ AI bringer mest verdi for bedrifter i dag – og hvor er hypen større enn realiteten?

Generativ AI bringer betydelig verdi i bedrifter hovedsakelig gjennom intelligent dokumentbehandling (IDP) og chatboter. Mange bedrifter sliter med å skalerer operasjoner ved å ansette flere mennesker, så generativ AI hjelper med å automatisere repetitive oppgaver og å øke arbeidsflyten. For eksempel har IDP redusert tiden for å gjennomgå forsikringsansøkningsdokumenter med 50% og forbedret pasientkoordinering i helsevesenet. Chatboter fungerer ofte som grensesnitt til andre AI-verktøy eller systemer, og lar bedrifter automatisere rutineinteraksjoner og oppgaver effektivt.

Men hypen rundt generative bilder og videoer overstiger ofte den virkelige forretningsverdien. Mens disse teknologiene er visuelt imponerende, har de begrensede praktiske anvendelser beyond markedsføring og kreative prosjekter. De fleste bedrifter finner det vanskelig å skalerer generative medieløsninger inn i kjerneoperasjoner, og gjør dem mer til en nyskapning enn et grunnleggende forretningsverktøy.

“Vibe Coding” er en nyoppstått term – kan du forklare hva det betyr i din verden, og hvordan det reflekterer den bredere kulturelle skiftet i AI-utvikling?

Vibe coding refererer til utviklere som bruker store språkmodeller til å generere kode basert mer på intuisjon eller naturlig språkpromting enn strukturert planlegging eller design. Det er bra for å øke iterasjon og prototyping – utviklere kan raskt teste ideer, generere boilerplate-kode eller offload repetitive oppgaver. Men det fører ofte til kode som mangler struktur, er vanskelig å vedlikeholde og kan være ineffektiv eller usikker.

Vi ser en bredere skift mot agente miljøer, hvor LLM-er fungerer som juniorutviklere og mennesker tar på seg roller mer lik arkitekter eller QA-ingeniører – gjennomgående, finjustering og integrering av AI-genererte komponenter i større systemer. Denne samarbeidsmodellen kan være kraftfull, men bare hvis det er sikkerhetstiltak på plass. Uten ordentlig tilsyn kan vibe coding introdusere teknisk gjeld, sårbarheter eller ytelsesproblemer – spesielt hvis det skyndes inn i produksjon uten grundig testing.

Hva er din vurdering av den utviklende rollen til AI-offiseren? Hvordan bør organisasjoner omstrukturere ledelsesstrukturen når AI blir grunnleggende for forretningsstrategi?

AI-offiserer kan absolutt legge til verdi – men bare hvis rollen er satt opp for suksess. For ofte skaper selskaper nye C-suite-titler uten å aligne dem med eksisterende ledelsesstrukturer eller gi dem virkelig myndighet. Hvis AI-offiseren ikke deler mål med CTO, CDO eller andre eksklusive roller, risikerer du at du får isolerte beslutningsprosesser, konfliktende prioriteringer og stagnert gjennomføring.

Organisasjoner bør nøye vurdere om AI-offiseren erstatter eller supplere roller som Chief Data Officer eller CTO. Tittelen betyr mindre enn mandatet. Det kritiske er å gi noen mulighet til å forme AI-strategi på tvers av organisasjonen – data, infrastruktur, sikkerhet og forretningsbrukstilfeller – og gi dem evnen til å drive meningsfull endring. Ellers blir rollen mer symbolsk enn innvirkende.

Du har ledet prisvinnende AI- og data-team. Hva er kvalitetene du søker etter når du ansetter for høyrisiko AI-roller?

Kvaliteten nummer én er å finne noen som virkelig kjenner AI, ikke bare noen som har tatt noen kurs. Du trenger mennesker som er virkelig flytende i AI og som fortsatt har nysgjerrighet og interesse for å presse grensene for hva som kan og ikke kan gjøres.

Jeg søker etter mennesker som alltid prøver å finne nye tilnærminger og utfordrer grensene for hva som kan og ikke kan gjøres. Denne kombinasjonen av dyp kunnskap og fortsatt utforsking er essensiell for høyrisiko AI-roller hvor innovasjon og pålitelig implementering er like viktig.

Mange bedrifter sliter med å operasjonalisere sine ML-modeller. Hva skiller teamene som lykkes fra de som stagnere i proof-of-concept-purgatoriet?

Det største problemet er tverrteam-sammenstilling. ML-team bygger lovende modeller, men andre avdelinger adopterer dem ikke på grunn av misalignerte prioriteringer. Å gå fra POC til produksjon krever også MLOps-infrastruktur: versjonering, om-trening og overvåking. Med GenAI er gapet enda større. Å produsere en chatbot innebærer prompt-justering, pipeline-håndtering og compliance… ikke bare å kaste promter inn i ChatGPT.

Hva er rådet ditt til en startup-gründer som bygger AI-først-produkter i dag som kunne dra nytte av Missions infrastruktur og AI-strategi-erfaring?

Når du er en startup, er det vanskelig å tiltrekke topp AI-talent, spesielt uten en etablert merkevare. Selv med en sterk grunnleggergruppe er det vanskelig å ansette mennesker med den dybden av erfaring som trengs for å bygge og skalerer AI-systemer ordentlig. Det er der en partner som Mission kan gjøre en virkelig forskjell. Vi kan hjelpe deg med å flytte raskere ved å tilby infrastruktur, strategi og hånd-on-erfaring, så du kan validere produktet ditt raskere og med større tillit.

Det andre kritiske punktet er fokus. Vi ser mange gründere som prøver å pakke en enkel grensesnitt rundt ChatGPT og kalle det et produkt, men brukerne blir smartere og forventer mer. Hvis du ikke løser et virkelig problem eller tilbyr noe virkelig differensiert, er det lett å bli tapt i støyen. Mission hjelper startups med å tenke strategisk om hvor AI skaper virkelig verdi og hvordan du kan bygge noe skalerbart, sikert og produksjonsklart fra dag én. Så du er ikke bare eksperimenterende, du bygger for vekst.

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