Anthony Goonetilleke, koncernchef, teknik och chef för strategi på Amdocs – Intervjuserie

Anthony Goonetilleke är koncernchef, teknik och chef för strategi på Amdocs. Han och det korporativa strategiteamet ansvarar för att formulera företagets strategi, samt utveckla och genomföra långsiktiga tillväxtplaner i linje med företagets syfte och vision. Anthony leder också företagets produkt- och teknikgrupper, som ansvarar för att skapa branschledande molnplattformar som möter snabbt föränderliga marknadsbehov, skalar effektivt och ger omedelbara affärsfördelar till tjänsteleverantörer och deras kunder.

Amdocs är en leverantör av programvara och hanterade tjänster för kommunikations-, media- och underhållningstjänsteleverantörer.

Vad var det som initialt drog dig till datavetenskap?

Min pappa köpte mig en Sinclair ZX81 när jag var en liten pojke (den hade 1K minne… det är rätt, 1K!), och det var något vi bandade över. Det var min första utflykt i att skriva kod, och generellt blev jag entusiastisk över att skapa saker. Det startade min väg in i datorer och allt som har med teknik att göra. Min pappas bakgrund var också ingenjör – det gjorde definitivt inte ont!

Du var en aktiv utvecklare inom den tidiga Linux-gemenskapen under 1990-talet, vad arbetade du med på Linux och vad var några av dina viktigaste erfarenheter från denna upplevelse?

Jag introducerades till Linux av en av mina universitetslärare, och det utvidgade helt mina perspektiv till var programvara kan gå när den är öppen och människor kan bidra. Jag tror att jag “förstod” modellen för “öppen källkod” tidigt, och det påverkade mycket av min tänkande om teknisk strategi. Jag arbetade med Samba, en Linux-anslutningsprotokoll, och det fick mig att börja på företagsprogramvarans väg. Det hände verkligen vid en dynamisk tid, när internet började komma till liv på ett brett sätt inom utbildningssektorn, och sedan in i kommersiella kanaler.

Du började din karriär med Amdocs 1999, och du var instrumental i att bygga det första hanterade tjänste-uthyrda datacentret för ett Telstra-dotterbolag, vad var några av utmaningarna vid den tiden bakom detta?

När du bygger datacenter, infrastruktur och applikationer alla på samma gång – samtidigt som du försöker säkerställa att det är uppdragskritiskt och högt tillgängligt – på ny utvecklad hårdvara och programvara, blir det en rolig och intressant utmaning. Att få allt att fungera i harmoni är en av de största utmaningarna, särskilt när vi i princip byggde ett hemmagjort moln i vårt eget datacenter.

Som koncernchef för teknik och chef för strategi på Amdocs, kan du dela några detaljer om vad denna roll innebär och vad en genomsnittlig dag ser ut för dig?

Självklart, som koncernchef för teknik, ansvarar jag för vår FoU-organisation, produkt och erbjudanden, och säkerställer att våra tusentals ingenjörer, arkitekter och utvecklare skapar branschens bästa produkter. Med min andra hatt som chef för strategi ansvarar jag för att säkerställa att vi ständigt ser framåt, håller oss före trenderna och hittar nya tillväxtmöjligheter för Amdocs och dess kunder.

Du övervakade nyligen företagets nylansering av Amdocs amAIz, ett generativt AI-ramverk för telekombranschen. Varför är detta verktyg en spelväxlare för telekombranschen?

Generativ AI är här, men lika viktigt är att den är här för att stanna. Teknologin har enorm potential att skapa mer agila organisationer eftersom den är inbäddad i dagliga processer som sträcker sig från backoffice-alternativ till slutanvändarupplevelser. amAIz är ett kritiskt ramverk för vår bransch, eftersom det förenklar kraven för våra kunder att anta generativ AI i sina verksamheter. Genom att utnyttja det bästa av branschens utvecklande grundläggande LLM:er och lägga till en robust vertikal taxonomi och förkonfigurerade “användningsfallskits”, behöver våra kunder bara välja vilken generativ AI-funktion de vill ha, och vi tar hand om all viktig underliggande teknisk integration, utbildning och styrning.

Vilka är några av utmaningarna bakom generativa AI-hallucinationer och hur hanterar Amdocs detta för att minska eller mildra dessa?

Hallucinationer härrör från hur statistik används i implementeringen av algoritmerna. I sin kärna använder generativ AI data för att förutsäga svar baserat på vektormodeller. Den data som används för att träna modellerna är massiv, men konceptet är ganska enkelt. Det sagt, generativ AI är inte mänsklig och den kan inte utöva bedömning. Istället förutsäger den “troligaste” resultaten baserat på statistisk modellering, och den skapar ibland svar som inte är korrekta. Utmaningen som varje användare av generativ AI står inför är att hantera utbildning och “räcken” i distributionen av generativa AI-modeller för att minimera hallucinationer, eller sannolikheten att den kommer att hallucinera. Amdocs utvecklar ett robustt styrningslager som hanterar utmaningar kring hallucinationer, datortillfällen och andra komplexiteter i den framväxande generativa AI-teknologin.

En annan nylig tillkännagivande var lanseringen av nästa generationsversion av Amdocs Cloud Management Platform som utnyttjar amAIz GenAI-ramverket för att automatisera hela livscykeln för IT och är byggd för att påskynda tjänsteleverantörers resa till molnet, med hjälp av DevOps och FinOps. Kan du dela några detaljer om någon av den maskinella inlärningen som används och mer information om detta verktyg?

Amdocs Cloud Management Platform hjälper våra kunder att driva komplexa molnfotavtryck effektivt och enkelt. Inte bara har vi inbäddat tusentals telko-specifika processer och kodelement i plattformen för att påskynda utveckling och optimera drift, utan vi förbättrar också plattformen med generativa AI-funktioner för att säkerställa att affärsprocesser kontinuerligt och dynamiskt uppdateras. Liksom många former av traditionell AI spelar maskinell inlärning en viktig roll i den kontinuerliga förbättringen av många aspekter av molnlivscykeln, särskilt i förhållande till applikations- och infrastrukturoperationer.

Molnkostnader är ett problem för telekomföretag, hur hjälper Amdocs till att hålla dessa kostnader lägre än traditionell molnberäkning?

Det finns två viktiga komponenter i vår strategi för att optimera molnkostnader. Den första delen är att utforma och genomföra molnstrategier som bäst passar våra kunders behov. Detta inkluderar att säkerställa att de är i linje med deras budget, skalbarhetsbehov etc. Den andra delen är att optimera driften, särskilt genom användning av automatisering och FinOps. FinOps, som är en viktig funktion i vår molnhanteringsplattform, säkerställer att tjänsteleverantörer kan se alla sina molnaktiviteter över leverantörer och infrastruktur, hjälper dem att justera policyn för att minska kostnaderna och proaktivt rekommenderar förändringar som kan göras för att bättre matcha resursförbrukning med kundkrav.

Tack för den underbara intervjun, läsare som vill lära sig mer bör besöka Amdocs.