Ryan Ries, Chief AI & Data Scientist w Mission – Wywiad z serii

Dr Ryan Ries to znany naukowiec z ponad 15-letnim doświadczeniem w kierowaniu zespołami ds. danych i inżynierii w firmach technologicznych o szybko rosnącym tempie. Dr Ries ma ponad 20-letnie doświadczenie w pracy z AI i ponad 5 lat doświadczenia w pomocy klientom w budowaniu infrastruktury danych i modeli AI w AWS. Po uzyskaniu tytułu doktora w dziedzinie chemii biofizycznej na UCLA i Caltech, Dr Ries pomógł stworzyć najnowocześniejsze rozwiązania danych dla Departamentu Obrony USA i wielu firm z listy Fortune 500.

Jako Chief AI i Data Scientist w Mission, Ryan zbudował zespół składający się z inżynierów danych, architektów danych, inżynierów ML i naukowców, aby rozwiązać niektóre z najtrudniejszych problemów na świecie przy użyciu infrastruktury AWS.

Mission to wiodący dostawca usług zarządzanych i konsultingowy, powstały w chmurze, oferujący usługi chmurowe, innowacyjne rozwiązania AI i oprogramowanie dla klientów AWS. Jako partner AWS Premier Tier, firma pomaga firmom optymalizować inwestycje technologiczne, poprawiać wydajność i zarządzanie, skalować efektywnie, zabezpieczać dane i przyjmować innowacje z zaufaniem.

Miałeś imponującą karierę – od budowy sprzętu AR w DAQRI do objęcia stanowiska Chief AI Officer w Mission. Jakie osobiste doświadczenia lub punkty zwrotne najbardziej ukształtowały twoje spojrzenie na rolę AI w przedsiębiorstwie?

Wczesny rozwój AI był silnie ograniczony przez możliwości obliczeniowe i wyzwania infrastrukturalne. Często musieliśmy ręcznie kodować modele z artykułów naukowych, co było czasochłonne i skomplikowane. Duża zmiana nastąpiła z pojawieniem się Pythona i bibliotek AI open-source, które umożliwiły szybsze eksperymentowanie i budowanie modeli. Jednak największy punkt zwrotny nastąpił, gdy hyperscalers tacy jak AWS udostępnili skalowalne obliczenia i magazynowanie.

Ta ewolucja odzwierciedla trwałe wyzwanie w historii AI – brak magazynowania i pojemności obliczeniowej. Te ograniczenia spowodowały poprzednie “zimy AI”, a ich pokonanie jest podstawą dzisiejszej “renesansu AI”.

Jak model usług chmurowych Mission pomaga firmom skalować swoje obciążenia AI na AWS w sposób bardziej wydajny i bezpieczny?

W Mission, bezpieczeństwo jest wbudowane w wszystko, co robimy. Byliśmy partnerem bezpieczeństwa roku z AWS przez dwa lata z rzędu, ale interesujące jest to, że nie mamy dedykowanego zespołu ds. bezpieczeństwa. To dlatego, że każdy w Mission buduje z myślą o bezpieczeństwie na każdym etapie rozwoju. Z AWS generative AI, klienci korzystają z korzystania z warstwy AWS Bedrock, która utrzymuje dane, w tym wrażliwe informacje, takie jak PII, bezpieczne w ramach ekosystemu AWS. Ten zintegrowany podejście zapewnia, że bezpieczeństwo jest podstawą, a nie późnym dodatkiem.

Skalowalność jest również kluczowym punktem w Mission. Mamy ogromne doświadczenie w budowaniu potoków MLOps, które zarządzają infrastrukturą AI do szkolenia i inferencji. Podczas gdy wiele osób kojarzy generative AI z ogromnymi systemami publicznymi, takimi jak ChatGPT, większość przypadków użycia w przedsiębiorstwach jest wewnętrzna i wymaga bardziej zarządzalnej skali. Warstwa API Bedrock pomaga dostarczyć tę skalowalną, bezpieczną wydajność dla rzeczywistych obciążeń.

Czy możesz oprowadzić nas przez typowe zaangażowanie przedsiębiorstwa – od migracji do chmury do wdrożenia rozwiązań generative AI – przy użyciu usług Mission?

W Mission, zaczynamy od zrozumienia potrzeb biznesowych i przypadków użycia przedsiębiorstwa. Migracja do chmury zaczyna się od oceny bieżącego środowiska lokalnego i zaprojektowania skalowalnej architektury chmurowej. W przeciwieństwie do konfiguracji lokalnych, w których musisz przygotować się do pojemności szczytowej, chmura pozwala na skalowanie zasobów na podstawie średnich obciążeń, redukując koszty. Nie wszystkie obciążenia wymagają migracji – niektóre mogą być wycofane, przebudowane lub optymalizowane pod kątem wydajności. Po inwentaryzacji i planowaniu, wykonujemy stopniową migrację.

Z generative AI, przeszliśmy poza fazy dowodowe. Pomagamy przedsiębiorstwom projektować architektury, prowadzić pilotażowe testy w celu udoskonalenia prompty i rozwiązania przypadków brzegowych, a następnie przechodzimy do produkcji. Dla danych napędzanych przez AI, pomagamy w migracji danych lokalnych do chmury, odblokowując większą wartość. To podejście end-to-end zapewnia, że rozwiązania generative AI są solidne, skalowalne i gotowe do użycia w biznesie od pierwszego dnia.

Mission podkreśla “innowację z zaufaniem”. Co to oznacza w praktyce dla firm, które przyjmują AI na dużą skalę?

Oznacza to posiadanie zespołu z prawdziwą ekspertyzą AI – nie tylko absolwentów bootcampu, ale doświadczonych naukowców. Klienci mogą ufaj, że nie eksperymentujemy na nich. Nasz zespół rozumie, jak działają modele i jak je wdrożyć bezpiecznie i na dużą skalę. To jest sposób, w jaki pomagamy firmom innowacyjnie bez podejmowania niepotrzebnych ryzyk.

Pracowałeś w dziedzinach analityki predykcyjnej, NLP i widzenia komputera. Gdzie widzisz generative AI przynosząc największą wartość w przedsiębiorstwach dzisiaj – i gdzie histeria przewyższa rzeczywistość?

Generative AI dostarcza znaczącą wartość w przedsiębiorstwach głównie poprzez inteligentną obróbkę dokumentów (IDP) i czatboty. Wiele firm ma trudności ze skalowaniem operacji przez zatrudnianie więcej ludzi, więc generative AI pomaga zautomatyzować powtarzalne zadania i przyspieszyć przepływ pracy. Na przykład, IDP zmniejszył czas przeglądu wniosków ubezpieczeniowych o 50% i poprawił koordynację opieki pacjentów w opiece zdrowotnej. Często czatboty działają jako interfejsy do innych narzędzi AI lub systemów, umożliwiając firmom zautomatyzować rutynowe interakcje i zadania w sposób wydajny.

Jednak histeria wokół generatywnych obrazów i filmów często przewyższa rzeczywiste zastosowania biznesowe. Chociaż wizualnie imponujące, te technologie mają ograniczone praktyczne zastosowania poza marketingiem i projektami kreatywnymi. Większość firm ma trudności ze skalowaniem rozwiązań mediów generatywnych w główne operacje, czyniąc je bardziej nowinką niż podstawowym narzędziem biznesowym.

“Vibe Coding” to pojawiający się termin – możesz wyjaśnić, co to oznacza w twoim świecie i jak odzwierciedla szerszy kulturowy zwrot w rozwoju AI?

Vibe coding odnosi się do deweloperów, którzy używają dużych modeli językowych do generowania kodu opartego bardziej na intuicji lub naturalnym języku niż na strukturalnym planowaniu lub projekcie. Jest to świetne do przyspieszania iteracji i prototypowania – deweloperzy mogą szybko testować pomysły, generować kod podstawowy lub zlecać powtarzalne zadania. Ale często prowadzi to również do kodu, który brakuje struktury, jest trudny do utrzymania i może być niewydajny lub niebezpieczny.

Widzimy szerszy zwrot w kierunku środowisk agencji, w których LLM działają jak młodsi deweloperzy, a ludzie pełnią role bardziej podobne do architektów lub inżynierów QA – przeglądają, udoskonalają i integrują składniki AI z większych systemów. Ten współpracy model może być potężny, ale tylko wtedy, gdy są na miejscu barierki. Bez właściwego nadzoru, vibe coding może wprowadzić dług techniczny, podatności lub problemy z wydajnością – szczególnie gdy wprowadzany jest do produkcji bez rygorystycznego testowania.

Co uważasz o ewoluującej roli oficera AI? Jak organizacje powinny przemyśleć strukturę kierowniczą, gdy AI staje się podstawą strategii biznesowej?

Oficerowie AI mogą absolutnie dodać wartość – ale tylko wtedy, gdy rola jest ustawiona do sukcesu. Zbyt często, firmy tworzą nowe tytuły C-suite bez wyrównania ich z istniejącą strukturą kierowniczą lub bez nadania im prawdziwej władzy. Jeśli oficer AI nie dzieli celów z CTO, CDO lub innymi executive, ryzykujesz podejmowanie decyzji w izolacji, sprzeczne priorytety i zablokowaną realizację.

Organizacje powinny starannie rozważyć, czy oficer AI zastępuje czy uzupełnia role takie jak Chief Data Officer lub CTO. Tytuł ma mniejsze znaczenie niż mandat. Co jest krytyczne, to upoważnienie kogoś do kształtowania strategii AI w całej organizacji – danych, infrastruktury, bezpieczeństwa i przypadków użycia biznesowego – i nadanie im możliwości wprowadzania znaczących zmian. W przeciwnym razie rola staje się bardziej symboliczna niż wpływowa.

Prowadziłeś zespoły AI i danych, które zdobyły nagrody. Jakie cechy szukasz, gdy rekrutujesz do wysokich stanowisk AI?

Najważniejszą cechą jest znalezienie kogoś, kto naprawdę zna AI, a nie tylko kogoś, kto odbył kilka kursów. Potrzebujesz ludzi, którzy są prawdziwie biegli w AI i nadal utrzymują ciekawość i zainteresowanie poszerzaniem granic tego, co można i nie można zrobić.

Szukam ludzi, którzy są zawsze starają się znaleźć nowe podejścia i wyzwania granic tego, co można i nie można zrobić. To połączenie głębokiej wiedzy i ciągłego eksplorowania jest niezbędne dla wysokich stanowisk AI, gdzie innowacja i niezawodna implementacja są równie ważne.

Wiele firm ma trudności z operacjonalizacją swoich modeli ML. Co twoim zdaniem odróżnia zespoły, które odnoszą sukces, od tych, które utknęły w fazie dowodowej?

Największym problemem jest wyrównanie między zespołami. Zespoły ML budują obiecujące modele, ale inne departamenty nie przyjmują ich z powodu niezgodnych priorytetów. Przechodzenie z fazy dowodowej do produkcji wymaga również infrastruktury MLOps: wersjonowania, ponownego szkolenia i monitorowania. Z GenAI, luka jest jeszcze większa. Produkcja chatbota oznacza dostrojenie prompty, zarządzanie potokami i zgodność… nie tylko wrzucanie prompty do ChatGPT.

Jakie porady dasz założycielom startupów budującym produkty AI-pierwotne, które mogą skorzystać z doświadczenia Mission w infrastrukturze i strategii AI?

Gdy jesteś startupem, trudno przyciągnąć najlepszy talent AI, szczególnie bez ustanowionej marki. Nawet z silnym zespołem założycielskim, trudno zatrudnić ludzi z głębokim doświadczeniem niezbędnym do budowy i skalowania systemów AI. To właśnie tutaj partnerstwo z firmą taką jak Mission może naprawdę pomóc. Możemy pomóc Ci poruszać się szybciej, dostarczając infrastrukturę, strategię i praktyczną ekspertyzę, abyś mógł zwalidować swój produkt szybciej i z większą pewnością.

Inną kluczową kwestią jest koncentracja. Widzimy wielu założycieli próbujących owinąć podstawowy interfejs wokół ChatGPT i nazwać to produktem, ale użytkownicy stają się mądrzejsi i oczekują więcej. Jeśli nie rozwiązujesz prawdziwego problemu lub nie oferujesz czegoś naprawdę różniącego się, łatwo się zgubić w hałasie. Mission pomaga startupom myśleć strategicznie o tym, gdzie AI tworzy prawdziwą wartość i jak zbudować coś skalowalnego, bezpiecznego i gotowego do produkcji od pierwszego dnia. Tak więc nie tylko eksperymentujesz, ale budujesz do wzrostu.

Dziękuję za wspaniały wywiad, czytelnicy, którzy chcą dowiedzieć się więcej, powinni odwiedzić Mission.