Ryan Ries, Chief de Inteligência Artificial e Cientista de Dados da Mission – Série de Entrevistas

Dr. Ryan Ries é um renomado cientista de dados com mais de 15 anos de experiência em liderança em dados e engenharia em empresas de tecnologia de rápido crescimento. Dr. Ries tem mais de 20 anos de experiência trabalhando com inteligência artificial e 5+ anos ajudando clientes a construir sua infraestrutura de dados e modelos de inteligência artificial da AWS. Após obter seu Ph.D. em Química Biofísica na UCLA e no Caltech, Dr. Ries ajudou a desenvolver soluções de dados de ponta para o Departamento de Defesa dos EUA e uma miríade de empresas da Fortune 500.

Como Chief de Inteligência Artificial e Cientista de Dados da Mission, Ryan construiu uma equipe bem-sucedida de Engenheiros de Dados, Arquitetos de Dados, Engenheiros de Aprendizado de Máquina e Cientistas de Dados para resolver alguns dos problemas mais difíceis do mundo utilizando a infraestrutura da AWS.

Mission é um provedor líder de serviços gerenciados e consultoria nascido na nuvem, oferecendo serviços de nuvem de ponta a ponta, soluções de inteligência artificial inovadoras e software para clientes da AWS. Como parceiro da AWS Premier Tier, a empresa ajuda os negócios a otimizar investimentos em tecnologia, melhorar o desempenho e a governança, escalar de forma eficiente, proteger os dados e abraçar a inovação com confiança.

Você teve uma jornada impressionante – desde construir hardware de realidade aumentada na DAQRI até se tornar Chief de Inteligência Artificial da Mission. Quais experiências pessoais ou pontos de inflexão mais moldaram sua perspectiva sobre o papel da inteligência artificial nas empresas?

O desenvolvimento inicial de inteligência artificial foi fortemente limitado pelo poder de processamento e desafios de infraestrutura. Muitas vezes, tínhamos que codificar modelos a partir de artigos de pesquisa, o que era demorado e complexo. Uma grande mudança ocorreu com o surgimento de Python e bibliotecas de inteligência artificial de código aberto, tornando a experimentação e a construção de modelos muito mais rápidas. No entanto, o maior ponto de inflexão ocorreu quando os hyperscalers como a AWS tornaram o processamento e armazenamento escaláveis amplamente acessíveis.

Essa evolução reflete um desafio persistente ao longo da história da inteligência artificial – esgotamento de capacidade de armazenamento e processamento. Essas limitações causaram os invernos anteriores da inteligência artificial, e superá-las foi fundamental para a atual “renascença da inteligência artificial”.

Como o modelo de serviço de nuvem de ponta a ponta da Mission ajuda as empresas a escalonar suas cargas de trabalho de inteligência artificial na AWS de forma mais eficiente e segura?

Na Mission, a segurança é integrada a tudo o que fazemos. Fomos o parceiro de segurança do ano da AWS por dois anos consecutivos, mas, interessantemente, não temos uma equipe de segurança dedicada. Isso ocorre porque todos na Mission constroem com segurança em mente em todas as fases do desenvolvimento. Com a inteligência artificial gerativa da AWS, os clientes se beneficiam do uso da camada AWS Bedrock, que mantém os dados, incluindo informações sensíveis como PII, seguros dentro do ecossistema da AWS. Essa abordagem integrada garante que a segurança seja fundamental, não uma afterthought.

A escalabilidade também é um foco central na Mission. Temos experiência extensa em construir pipelines de MLOps que gerenciam a infraestrutura de inteligência artificial para treinamento e inferência. Embora muitos associem a inteligência artificial gerativa a sistemas de grande escala pública, como o ChatGPT, a maioria dos casos de uso empresariais é interna e requer escalabilidade mais gerenciável. A camada de API do Bedrock ajuda a entregar esse desempenho escalável e seguro para cargas de trabalho do mundo real.

Pode nos levar por uma engajamento empresarial típico – desde a migração para a nuvem até a implantação de soluções de inteligência artificial gerativa – usando os serviços da Mission?

Na Mission, começamos entendendo as necessidades e casos de uso do negócio. A migração para a nuvem começa com a avaliação do ambiente atual no local e o design de uma arquitetura de nuvem escalável. Diferentemente dos ambientes no local, onde você deve provisionar para a capacidade de pico, a nuvem permite que você escalone recursos com base nas cargas de trabalho médias, reduzindo os custos. Nem todas as cargas de trabalho precisam ser migradas – algumas podem ser aposentadas, reestruturadas ou reconstruídas para eficiência. Após o inventário e planejamento, executamos uma migração faseada.

Com a inteligência artificial gerativa, ultrapassamos as fases de prova de conceito. Ajudamos as empresas a projetar arquiteturas, executar pilotos para refinar prompts e abordar casos de bordo, e então passar para a produção. Para a inteligência artificial baseada em dados, ajudamos a migrar os dados no local para a nuvem, desbloqueando um valor maior. Essa abordagem de ponta a ponta garante que as soluções de inteligência artificial gerativa sejam robustas, escaláveis e prontas para negócios desde o primeiro dia.

A Mission enfatiza “inovação com confiança”. O que isso significa em termos práticos para os negócios que adotam a inteligência artificial em escala?

Isso significa ter uma equipe com expertise real em inteligência artificial – não apenas graduados em bootcamps, mas cientistas de dados experientes. Os clientes podem confiar que não estamos experimentando com eles. Nossa equipe entende como os modelos funcionam e como implementá-los de forma segura e escalável. É assim que ajudamos os negócios a inovar sem correr riscos desnecessários.

Você trabalhou em análise preditiva, NLP e visão computacional. Onde você vê a inteligência artificial gerativa trazendo o maior valor empresarial hoje – e onde o hype está superando a realidade?

A inteligência artificial gerativa está fornecendo um valor significativo nas empresas principalmente por meio do processamento de documentos inteligentes (IDP) e chatbots. Muitas empresas lutam para escalar as operações contratando mais pessoas, então a inteligência artificial gerativa ajuda a automatizar tarefas repetitivas e acelerar os fluxos de trabalho. Por exemplo, o IDP reduziu os tempos de revisão de solicitações de seguro em 50% e melhorou a coordenação de cuidados ao paciente na área de saúde. Os chatbots muitas vezes atuam como interfaces para outras ferramentas ou sistemas de inteligência artificial, permitindo que as empresas automatizem interações e tarefas rotineiras de forma eficiente.

No entanto, o hype em torno de imagens e vídeos gerativos muitas vezes supera as aplicações práticas reais. Embora visualmente impressionantes, essas tecnologias têm aplicações limitadas além do marketing e projetos criativos. A maioria das empresas encontra dificuldades para escalar soluções de mídia gerativa para operações centrais, tornando-as mais uma novidade do que uma ferramenta de negócios fundamental.

“Vibe Coding” é um termo emergente – pode explicar o que isso significa em seu mundo e como reflete a mudança cultural mais ampla no desenvolvimento de inteligência artificial?

Vibe coding se refere a desenvolvedores que usam grandes modelos de linguagem para gerar código com base mais na intuição ou na promptagem de linguagem natural do que no planejamento estruturado ou no design. É ótimo para acelerar a iteração e a prototipagem – os desenvolvedores podem testar ideias rapidamente, gerar código de modelo ou offload tarefas repetitivas. No entanto, também muitas vezes leva a código que falta estrutura, é difícil de manter e pode ser ineficiente ou inseguro.

Estamos vendo uma mudança mais ampla em direção a ambientes agênticos, onde os LLMs atuam como desenvolvedores júnior e os humanos assumem papéis mais semelhantes a arquitetos ou engenheiros de QA – revisando, refinando e integrando componentes gerados por inteligência artificial em sistemas maiores. Esse modelo colaborativo pode ser poderoso, mas apenas se houver guardrails no lugar. Sem supervisão adequada, o vibe coding pode introduzir dívida técnica, vulnerabilidades ou problemas de desempenho – especialmente quando é apressado para a produção sem testes rigorosos.

Qual é sua opinião sobre o papel evolutivo do oficial de inteligência artificial? Como as organizações devem repensar a estrutura de liderança à medida que a inteligência artificial se torna fundamental para a estratégia de negócios?

Os oficiais de inteligência artificial podem absolutamente agregar valor – mas apenas se o papel for configurado para o sucesso. Muitas vezes, as empresas criam novos títulos da C-suite sem alinhá-los com as estruturas de liderança existentes ou dar-lhes autoridade real. Se o oficial de inteligência artificial não compartilha metas com o CTO, CDO ou outros executivos, você arrisca a tomada de decisões em silos, prioridades conflitantes e execução estagnada.

As organizações devem considerar cuidadosamente se o oficial de inteligência artificial está substituindo ou complementando papéis como o de Diretor de Dados ou CTO. O título é menos importante do que o mandato. O que é crítico é empoderar alguém para moldar a estratégia de inteligência artificial em toda a organização – dados, infraestrutura, segurança e casos de uso de negócios – e dar-lhes a capacidade de impulsionar mudanças significativas. Caso contrário, o papel se torna mais simbólico do que impactante.

Você liderou equipes de inteligência artificial e dados vencedoras de prêmios. Quais qualidades você procura ao contratar para papéis de inteligência artificial de alto estresse?

A principal qualidade é encontrar alguém que realmente saiba sobre inteligência artificial, não apenas alguém que fez alguns cursos. Você precisa de pessoas que sejam genuinamente fluentes em inteligência artificial e ainda mantenham curiosidade e interesse em empurrar os limites do que pode e não pode ser feito.

Procuro pessoas que estejam sempre tentando encontrar novas abordagens e desafiando os limites do que é possível. Essa combinação de conhecimento profundo e exploração contínua é essencial para papéis de inteligência artificial de alto estresse, onde a inovação e a implementação confiável são igualmente importantes.

Muitas empresas lutam para operacionalizar seus modelos de aprendizado de máquina. O que você acredita que separa as equipes que têm sucesso daquelas que estagnam no purgatório da prova de conceito?

O maior problema é a falta de alinhamento entre equipes. As equipes de aprendizado de máquina constroem modelos promissores, mas outros departamentos não os adotam devido a prioridades desalinhadas. Mover da prova de conceito para a produção também requer infraestrutura de MLOps: versionamento, retreinamento e monitoramento. Com a inteligência artificial gerativa, a lacuna é ainda maior. Produzir um chatbot significa ajuste de prompt, gerenciamento de pipeline e conformidade… não apenas jogar prompts no ChatGPT.

Qual conselho você daria a um fundador de startup que está construindo produtos de inteligência artificial e que poderia se beneficiar da infraestrutura e experiência em estratégia de inteligência artificial da Mission?

Quando você é uma startup, é difícil atrair talentos de inteligência artificial de ponta, especialmente sem uma marca estabelecida. Mesmo com uma equipe de fundadores forte, é difícil contratar pessoas com a profundidade de experiência necessária para construir e escalar sistemas de inteligência artificial corretamente. É aí que a parceria com uma empresa como a Mission pode fazer uma grande diferença. Podemos ajudá-lo a se mover mais rapidamente, fornecendo infraestrutura, estratégia e expertise prática, para que você possa validar seu produto mais cedo e com mais confiança.

O outro pedaço crítico é o foco. Vemos muitos fundadores tentando envolver uma interface básica em torno do ChatGPT e chamá-la de produto, mas os usuários estão ficando mais inteligentes e esperam mais. Se você não está resolvendo um problema real ou oferecendo algo verdadeiramente diferenciado, é fácil se perder no barulho. A Mission ajuda as startups a pensar estrategicamente sobre onde a inteligência artificial cria valor real e como construir algo escalável, seguro e pronto para produção desde o primeiro dia. Então, você não está apenas experimentando, está construindo para o crescimento.

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