Babak Hodjat, CTO de IA da Cognizant – Série de Entrevistas

Babak Hodjat é CTO de IA da Cognizant, e ex-cofundador e CEO da Sentient. Ele é responsável pela tecnologia central por trás do maior sistema de inteligência artificial distribuída do mundo. Babak também foi o fundador do primeiro fundo de hedge de IA do mundo, Sentient Investment Management. Ele é um empreendedor serial, tendo iniciado várias empresas no Vale do Silício como inventor e tecnólogo principal.

Antes de co-fundar a Sentient, Babak foi diretor sênior de engenharia da Sybase iAnywhere, onde liderou a engenharia de soluções móveis. Ele também foi co-fundador, CTO e membro do conselho da Dejima Inc. Babak é o inventor principal da tecnologia orientada a agentes patenteada da Dejima, aplicada a interfaces inteligentes para computação móvel e empresarial – a tecnologia por trás da Siri da Apple .

Um estudioso publicado nos campos de vida artificial, engenharia de software orientada a agentes e inteligência artificial distribuída, Babak tem 31 patentes concedidas ou pendentes em seu nome. Ele é um especialista em vários campos de IA, incluindo processamento de linguagem natural, aprendizado de máquina, algoritmos genéticos e IA distribuída, e fundou várias empresas nessas áreas. Babak possui um Ph.D. em inteligência de máquina pela Universidade de Kyushu, em Fukuoka, Japão.

Olhando para sua carreira, desde a fundação de várias empresas impulsionadas por IA até liderar o Laboratório de IA da Cognizant, quais são as lições mais importantes que você aprendeu sobre inovação e liderança em IA?

A inovação precisa de paciência, investimento e nutrição, e deve ser fomentada e irrestrita. Se você construiu a equipe certa de inovadores, você pode confiar neles e dar-lhes total liberdade artística para escolher como e o que pesquisar. Os resultados muitas vezes o surpreenderão. Do ponto de vista da liderança, a pesquisa e a inovação não devem ser um “nice-to-have” ou um afterthought. Eu configurei equipes de pesquisa logo no início, quando construía startups, e sempre fui um forte defensor do investimento em pesquisa, e isso deu resultado. Em tempos bons, a pesquisa mantém você à frente da concorrência, e em tempos ruins, ajuda a diversificar e sobreviver, então não há desculpa para subinvestir, restringir ou sobrecarregar com prioridades de negócios de curto prazo.

Como um dos principais inventores da Siri da Apple, como sua experiência com o desenvolvimento de interfaces inteligentes moldou sua abordagem para liderar iniciativas de IA na Cognizant?

A tecnologia de linguagem natural que eu originalmente desenvolvi para a Siri era baseada em agentes, então eu tenho trabalhado com esse conceito por um longo tempo. A IA não era tão poderosa nos anos 90, então eu usei um sistema multi-agente para lidar com a compreensão e mapeamento de comandos de linguagem natural para ações. Cada agente representava um pequeno subconjunto do domínio de discurso, então a IA em cada agente tinha um ambiente simples para dominar. Hoje, os sistemas de IA são poderosos, e um LLM pode fazer muitas coisas, mas ainda beneficiamos ao tratá-lo como um trabalhador do conhecimento em uma caixa, restringindo seu domínio, dando-lhe uma descrição de trabalho e vinculando-o a outros agentes com diferentes responsabilidades. A IA é capaz de aumentar e melhorar qualquer fluxo de trabalho de negócios.

Como parte de minha responsabilidade como CTO de IA da Cognizant, eu dirijo nosso Laboratório de IA Avançado em San Francisco. Nosso princípio de pesquisa central é a tomada de decisão baseada em agentes. Até hoje, temos 56 patentes nos EUA em tecnologia de IA central baseada nesse princípio. Estamos todos dentro.

Poderia elaborar sobre as pesquisas e inovações de ponta atualmente em desenvolvimento no Laboratório de IA da Cognizant? Como esses desenvolvimentos estão atendendo às necessidades específicas das empresas do Fortune 500?

Temos vários estúdios de IA e centros de inovação. Nosso Laboratório de IA Avançado em San Francisco se concentra em estender o estado da arte em IA. Isso faz parte de nosso compromisso anunciado no ano passado para investir US$ 1 bilhão em IA geradora nos próximos três anos.

Mais especificamente, estamos focados em desenvolver novos algoritmos e tecnologias para atender às necessidades de nossos clientes. Confiança, explicabilidade e decisões multi-objetivo são áreas importantes que estamos perseguindo e que são vitais para as empresas do Fortune 500.

Around confiança, estamos interessados em pesquisa e desenvolvimento que aprofunde nossa compreensão de quando podemos confiar na tomada de decisão da IA o suficiente para delegar a ela, e quando um humano deve se envolver. Temos várias patentes relacionadas a esse tipo de modelagem de incerteza. Da mesma forma, redes neurais, IA geradora e LLMs são inherentemente opacos. Queremos ser capaz de avaliar uma decisão da IA e fazer perguntas sobre por que ela recomendou algo – basicamente tornando-a explicável. Finalmente, entendemos que, às vezes, as decisões que as empresas querem tomar têm mais de um objetivo de resultado – redução de custos enquanto aumenta as receitas equilibradas com considerações éticas, por exemplo. A IA pode nos ajudar a alcançar o melhor equilíbrio de todos esses resultados, otimizando estratégias de decisão de forma multi-objetiva. Essa é outra área muito importante em nossa pesquisa de IA.

Os próximos dois anos são considerados críticos para a IA geradora. O que você acredita que serão as mudanças cruciais nesse período, e como as empresas devem se preparar?

Estamos entrando em um período explosivo para a comercialização de tecnologias de IA. Hoje, os usos principais da IA são melhorar a produtividade, criar interfaces de usuário mais naturais, resumir dados e ajudar com a codificação. Durante esse período de aceleração, acreditamos que organizar a tecnologia e as estratégias de IA em torno do princípio central de sistemas multi-agentes e tomada de decisão permitirá que as empresas tenham sucesso. Na Cognizant, nosso foco em inovação e pesquisa aplicada ajudará nossos clientes a aproveitar a IA para aumentar a vantagem estratégica à medida que ela se torna mais integrada aos processos de negócios.

Como a IA geradora irá redefinir as indústrias, e quais são os casos de uso mais emocionais que estão surgindo do Laboratório de IA da Cognizant?

A IA geradora foi um grande passo adiante para os negócios. Agora você tem a capacidade de criar uma série de trabalhadores do conhecimento que podem ajudar os humanos em seu trabalho diário. Seja otimizando o atendimento ao cliente por meio de chatbots inteligentes ou gerenciando o estoque de armazém por meio de uma interface de linguagem natural, os LLMs são muito bons em tarefas especializadas.

Mas o que vem a seguir é o que realmente irá redefinir as indústrias, à medida que os agentes ganham a capacidade de se comunicar entre si. O futuro será sobre as empresas terem agentes em seus dispositivos e aplicações que possam atender às suas necessidades e interagir com outros agentes em seu nome. Eles trabalharão em toda a empresa para ajudar os humanos em todos os papéis, desde RH e finanças até marketing e vendas. No futuro próximo, as empresas gravitarão naturalmente em direção a se tornar baseadas em agentes.

Notavelmente, já temos um sistema multi-agente desenvolvido em nosso laboratório na forma de Neuro AI, um gerador de casos de uso de tomada de decisão de IA que permite que os clientes construam e prototipem rapidamente casos de uso de negócios. Ele já está entregando alguns resultados emocionais, e compartilharemos mais sobre isso em breve.

Qual papel as arquiteturas multi-agentes desempenharão na próxima onda de transformação da IA geradora, particularmente em ambientes de empresa de grande escala?

Em nossa pesquisa e conversas com líderes corporativos, estamos recebendo mais e mais perguntas sobre como eles podem tornar a IA geradora impactante em escala. Acreditamos que a promessa transformadora dos sistemas de IA artificial multi-agente é central para alcançar esse impacto. Um sistema de IA multi-agente reúne agentes de IA construídos em sistemas de software em várias áreas da empresa. Pense nisso como um sistema de sistemas que permite que os LLMs interajam entre si. Hoje, o desafio é que, embora os objetivos, atividades e métricas de negócios sejam profundamente interligados, os sistemas de software usados por equipes diferentes não são, criando problemas. Por exemplo, atrasos na cadeia de suprimentos podem afetar a escalação de pessoal nos centros de distribuição. A integração de um novo fornecedor pode impactar as emissões de escopo 3. A rotatividade de clientes pode indicar deficiências de produto. Sistemas isolados significam que as ações são frequentemente baseadas em insights extraídos de apenas um programa e aplicados a uma função. As arquiteturas multi-agentes iluminarão insights e ações integradas em toda a empresa. Essa é a verdadeira força que pode catalisar a transformação da empresa.

De que maneiras você vê os sistemas multi-agentes (MAS) evoluindo nos próximos anos, e como isso afetará o panorama mais amplo de IA?

Um sistema de IA multi-agente funciona como um grupo de trabalho virtual, analisando prompts e coletando informações de toda a empresa para produzir uma solução abrangente, não apenas para o solicitante original, mas para outras equipes também. Se olharmos para uma indústria específica, isso pode revolucionar as operações em áreas como a manufatura, por exemplo. Um Agente de Fontes analisaria processos existentes e recomendaria componentes alternativos mais rentáveis com base nas estações e demanda. Esse Agente de Fontes então se conectaria a um Agente de Sustentabilidade para determinar como a mudança afetaria os objetivos ambientais. Finalmente, um Agente Regulatório supervisionaria a atividade de conformidade, garantindo que as equipes submetam relatórios completos e atualizados no prazo.

A boa notícia é que muitas empresas já começaram a integrar organicamente chatbots impulsionados por LLM, mas elas precisam ser intencionais sobre como começar a conectar essas interfaces. Cuidado deve ser tomado com a granularidade da agenciação, os tipos de LLMs sendo usados e quando e como ajustá-los para torná-los eficazes. As organizações devem começar do topo, considerar suas necessidades e objetivos e trabalhar para baixo para decidir o que pode ser agenciado.

Quais são os principais desafios que impedem as empresas de abraçar totalmente a IA, e como a Cognizant aborda esses obstáculos?

Apesar do apoio e investimento da liderança, muitas empresas temem ficar para trás na IA. De acordo com nossa pesquisa, há uma lacuna entre o compromisso estratégico dos líderes e a confiança para executar bem. O custo e a disponibilidade de talentos e a percepção de imaturidade das soluções de IA geradora atuais são dois grandes inibidores que impedem as empresas de abraçar totalmente a IA.

A Cognizant desempenha um papel integral ajudando as empresas a percorrer a jornada da produtividade para o crescimento da IA. De fato, dados recentes de um estudo que realizamos com a Oxford Economics apontam para a necessidade de expertise externa para ajudar na adoção da IA, com 43% das empresas indicando que planejam trabalhar com consultores externos para desenvolver um plano para a IA geradora. Tradicionalmente, a Cognizant possui a última milha com os clientes – fizemos isso com armazenamento de dados e migração para a nuvem, e a agenciação não será diferente. Esse é um trabalho que deve ser altamente personalizado. Não é uma jornada de um tamanho que se ajuste a todos. Somos os especialistas que podem ajudar a identificar os objetivos de negócios e o plano de implementação, e então trazer os agentes personalizados certos para atender às necessidades de negócios. Somos, e sempre fomos, as pessoas para chamar.

Muitas empresas lutam para ver um retorno imediato sobre o investimento em IA. Quais são os erros comuns que elas cometem, e como esses podem ser evitados?

A IA geradora é muito mais eficaz quando as empresas a trazem para o seu próprio contexto de dados – ou seja, personalizam-na em sua própria base sólida de dados de empresa. Além disso, mais cedo ou mais tarde, as empresas terão que dar o passo desafiador de reimaginar seus processos de negócios fundamentais. Hoje, muitas empresas estão usando a IA para automatizar e melhorar processos existentes. Resultados maiores podem acontecer quando elas começam a fazer perguntas como: quais são os componentes desse processo, como posso mudá-los e preparar para o surgimento de algo que ainda não existe? Sim, isso exigirá uma mudança cultural e aceitar alguns riscos, mas parece inevitável quando orquestrando as muitas partes da organização em um todo poderoso.

Qual conselho você daria aos líderes emergentes de IA que buscam ter um impacto significativo no campo, especialmente dentro de grandes empresas?

A transformação de negócios é complexa por natureza. Líderes emergentes de IA dentro de grandes empresas devem se concentrar em quebrar processos, experimentar mudanças e inovar. Isso exige uma mudança de mentalidade e riscos calculados, mas pode criar uma organização mais poderosa.

Obrigado pela grande entrevista, leitores que desejam aprender mais devem visitar Cognizant.