Ramprakash Ramamoorthy, chef för AI-forskning på ManageEngine – Intervjuer

Ramprakash Ramamoorthy är chef för AI-forskning på ManageEngine, företagets IT-hanteringsavdelning inom Zoho Corp. ManageEngine ger företag möjlighet att ta kontroll över sin IT, från säkerhet, nätverk och servrar till applikationer, service desk, Active Directory, skrivbord och mobila enheter.

Hur blev du initialt intresserad av datavetenskap och maskinlärning?

Jag hade en naturlig nyfikenhet för datorer när jag växte upp, men att äga en persondator var utanför min familjs möjligheter. Tack vare min farfars position som professor i kemi på ett lokalt college fick jag ibland chansen att använda datorerna där efter skoltid.

Mitt intresse fördjupades på college, där jag till slut fick min egen dator. Där utvecklade jag ett par webbapplikationer för mitt universitet. Dessa applikationer används fortfarande idag, hela 12 år senare, vilket verkligen understryker påverkan och livslängden av mitt tidiga arbete. Den här erfarenheten var en omfattande lektion i programvaruteknik och de verkliga utmaningarna med att skala och distribuera applikationer.

Min professionella resa inom teknik började med ett sommarjobb på Zoho Corp. Initialt var mitt hjärta satt på mobilapputveckling, men min chef uppmuntrade mig att slutföra ett maskinlärningsprojekt innan jag gick vidare till apputveckling. Detta visade sig vara en vändpunkt – jag fick aldrig chansen att jobba med mobilapputveckling, så det är lite besvärligt.

På Zoho Corp har vi en kultur av att lära genom att göra. Vi tror att om du tillbringar tillräckligt med tid med ett problem, blir du experten. Jag är verkligen tacksam för den här kulturen och för vägledningen från min chef; det är vad som startade min resa in i maskinlärningens värld.

Som chef för AI-forskning på Zoho och ManageEngine, vad ser en vanlig arbetsdag ut för dig?

Min arbetsdag är dynamisk och kretsar kring både samarbete i team och strategisk planering. En betydande del av min dag tillbringas i nära samarbete med ett talangfullt team av ingenjörer och matematiker. Tillsammans bygger och förbättrar vi vår AI-plattform, som utgör ryggraden i våra tjänster.

Vi fungerar som det centrala AI-teamet, som tillhandahåller AI-lösningar som en tjänst till en mängd olika produkter inom både ManageEngine och Zoho. Den här rollen kräver en djup förståelse för de olika produktlinjerna och deras unika krav. Mina interaktioner är inte bara begränsade till mitt team; jag arbetar också omfattande med interna team inom hela organisationen. Detta samarbete är avgörande för att säkerställa att vår AI-strategi är anpassad till kundernas specifika behov, som ständigt utvecklas. Detta är en sådan stor möjlighet att umgås med de smartaste hjärnorna inom företaget.

Med tanke på den snabba takten i framstegen inom AI, ägnar jag en betydande del av min tid åt att hålla mig à jour med de senaste utvecklingarna och trenderna inom området. Detta kontinuerliga lärande är avgörande för att upprätthålla vår konkurrenskraft och säkerställa att våra strategier förblir relevanta och effektiva.

Dessutom sträcker sig min roll bortom kontorets väggar. Jag har en passion för att tala och resa, som sammanfaller bra med mina ansvar. Jag engagerar mig ofta med analytiker och deltar i olika forum för att förmedla vår AI-strategi. Dessa interaktioner hjälper inte bara till att sprida vår vision och prestationer, utan ger också värdefulla insikter som återkopplas till vår strategiska planering och genomförande.

Du har bevittnat AI:s utveckling sedan du positionerade ManageEngine som en strategisk AI-pionjär redan 2013. Vilka var några av de maskinlärningsalgoritmer som användes under dessa tidiga dagar?

Vår initiala fokus var att ersätta traditionella statistiska metoder med AI-modeller. Till exempel i avvikelseupptäckt, gick vi från en metod som använde en klockkurva som flaggade extremer till AI-modeller som kunde lära sig från tidigare data, känna igen mönster och säsongsvariationer.

Vi införde en mängd olika algoritmer – från stödvektor-maskiner till besluts-trädsbaserade metoder – som grunden för vår AI-plattform. Dessa algoritmer var avgörande för att identifiera nischfall där AI kunde utnyttja tidigare data för mönsterigenkänning, prognostisering och rotorsaksanalys. Förvånansvärt nog är många av dessa algoritmer fortfarande effektivt i produktion idag, vilket understryker deras relevans och effektivitet.

Kan du diskutera hur stora språkmodeller (LLM) och generativ AI har förändrat arbetsflödet på ManageEngine?

Stora språkmodeller (LLM) och generativ AI har onekligen skapat en viss uppståndelse i konsumentvärlden, men deras integration i företags sfären, inklusive på ManageEngine, har varit mer gradvis. En anledning till detta är den höga inträdesbarriären, särskilt i fråga om kostnad, och de betydande data- och beräkningskrav som dessa modeller kräver.

På ManageEngine investerar vi strategiskt i domänspecifika LLM för att utnyttja deras potential på ett sätt som är anpassat till våra behov. Detta innebär att utveckla modeller som inte bara är generiska i sin tillämpning utan är finjusterade för att hantera specifika områden inom vår företagsverksamhet. Till exempel arbetar vi på en LLM som är dedikerad till säkerhet, som kan flagga säkerhetsrelaterade händelser mer effektivt, och en annan som fokuserar på infraströvervakning. Dessa specialiserade modeller är för närvarande under utveckling i våra laboratorier, vilket speglar vårt åtagande att utnyttja de framväxande beteendena hos LLM och generativ AI på ett sätt som tillför mätbar värde till våra företags-IT-lösningar.

ManageEngine erbjuder en mängd olika AI-verktyg för olika användningsfall. Vilket verktyg är du särskilt stolt över?

Jag är oerhört stolt över alla våra AI-verktyg på ManageEngine, men vår användar- och entitetsbeteendeanalys (UEBA) sticker ut för mig. Lanserad under våra tidiga dagar, är den fortfarande en stark och vital del av våra erbjudanden. Vi förstod marknadens förväntningar och lade till en förklaring till varje avvikelse som en standardpraxis. Vår UEBA-förmåga utvecklas ständigt och vi tar med oss lärdomarna för att göra den bättre.

ManageEngine erbjuder för närvarande AppCreator, en plattform för utveckling av anpassade applikationer med låg kod, som låter IT-team skapa anpassade lösningar snabbt och distribuera dem lokalt. Vad är dina synpunkter på framtiden för applikationer med låg eller ingen kod? Kommer de att ta över?

Framtiden för applikationer med låg eller ingen kod, som vår AppCreator, är mycket lovande, särskilt i sammanhanget med de utvecklande affärsbehoven. Dessa plattformar blir allt viktigare för organisationer att utöka och maximera kapaciteten hos sina befintliga programvarutillgångar. När företag växer och deras krav förändras, erbjuder lösningar med låg eller ingen kod en flexibel och effektiv väg att anpassa och innovativa.

Kan du dela dina egna synpunkter på AI-risker, inklusive AI-fördomar, och hur ManageEngine hanterar dessa risker?

På ManageEngine erkänner vi den allvarliga hot som AI-risker utgör, inklusive AI-fördomar, som kan vidga gapet för tekniktillgång och påverka kritiska affärsfunktioner som HR och ekonomi. Till exempel är berättelser om AI som visar fördomsfullt beteende i rekrytering varnande berättelser som vi tar på allvar.

För att mildra dessa risker implementerar vi strikta policys och arbetsflöden för att säkerställa att våra AI-modeller minimerar fördomar under hela deras livscykel. Det är avgörande att övervaka dessa modeller kontinuerligt, eftersom de kan börja obefläckade men potentiellt utveckla fördomar över tiden på grund av förändringar i data.

Vi investerar också i avancerad teknik som differentiell sekretess och homomorf kryptering för att stärka vårt åtagande till säker och ofördomsfull AI. Dessa ansträngningar är avgörande för att säkerställa att våra AI-verktyg inte bara är kraftfulla utan också används på ett ansvarsfullt och etiskt sätt, vilket upprätthåller deras integritet för alla användare och tillämpningar.

Vad är din vision för AI:s och robotikens framtid?

Framtiden för AI och robotik formas för att bli både spännande och omvandlande. AI har onekligen upplevt sina höjder och låga perioder tidigare. Men med framsteg inom datainsamling och bearbetningsförmåga, samt framväxande intäktsmodeller runt data, är AI nu fast etablerat och här för att stanna.

AI har utvecklats till en mainstream-teknologi som påverkar hur vi interagerar med programvara på både företags- och personlig nivå. Dess generativa förmågor har redan blivit en integrerad del av våra dagliga liv, och jag förutser att AI kommer att bli ännu mer tillgängligt och prisvärt för företag tack vare nya tekniker och framsteg.

En viktig aspekt av denna framtid är AI-utvecklarnas ansvar. Det är avgörande för byggare att säkerställa att deras AI-modeller är robusta och fria från fördomar. Dessutom hoppas jag att se rättsliga ramverk utvecklas i samma takt som den snabba utvecklingen av AI för att effektivt hantera och mildra eventuella rättsliga problem som uppstår.

Min vision för AI är en framtid där dessa teknologier integreras sömlöst i våra dagliga liv, förbättrar vår förmåga och upplevelser samtidigt som de hanteras etiskt och ansvarsfullt.

Tack för den underbara intervjun, läsare som vill lära sig mer kan besöka ManageEngine.