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

Ramprakash Ramamoorthy är chef för AI-forskning på ManageEngine, företagets IT-hanteringavdelning 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 bortom min familjs ekonomiska möjligheter. Men tack vare min farfars position som professor i kemi vid en lokal högskola 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 utveckling av mobilappar, men min chef uppmanade mig att slutföra ett maskinlärningsprojekt innan jag gick vidare till apputveckling. Detta visade sig vara en vändpunkt – jag fick aldrig chansen att utveckla mobilappar, så det är lite beskt.

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 världen av maskinlärning.

Som chef för AI-forskning på Zoho & ManageEngine, vad ser din genomsnittliga arbetsdag ut som?

Min arbetsdag är dynamisk och kretsar kring både samarbete i team och strategisk planering. En betydande del av min dag tillbringas med att arbeta nära ett begåvat team av ingenjörer och matematiker. Tillsammans bygger och förbättrar vi vår AI-stack, 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. Det här samarbetet är avgörande för att anpassa vår AI-strategi till kundernas specifika behov, som ständigt utvecklas. Det här 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. Det här kontinuerliga lärandet är avgörande för att upprätthålla vår konkurrenskraft och säkerställa att våra strategier förblir relevanta och effektiva.

Dessutom sträcker sig min roll bortom kontorets gränser. Jag har en passion för att tala och resa, vilket sammanfaller bra med mina ansvarsområden. Jag engagerar mig ofta med analytiker och deltar i olika forum för att förkunna 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 tekniker med AI-modeller. Till exempel i avvikelseupptäckt, gick vi från en metod som använde en klockkurva som flaggade extremer till AI-modeller som var skickliga på att lära av tidigare data, känna igen mönster och säsongsvariationer.

Vi införlivade en mängd olika algoritmer – från stödvektor-maskiner till besluts-trädbaserade 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 LLM och generativ AI har förändrat arbetsflödet på ManageEngine?

Stora språkmodeller (LLM) och generativ AI har utan tvekan orsakat en stor förändring i konsumentvärlden, men deras integration i företagsfären, 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 innefattar att utveckla modeller som inte bara är generiska i sin tillämpning, utan som är finjusterade för att hantera specifika områden inom vår företagsverksamhet. Till exempel arbetar vi med en LLM som är dedikerad till säkerhet, som kan flagga säkerhetsincidenter mer effektivt, och en annan som fokuserar på infraströvervakning. Dessa specialiserade modeller är för närvarande under utveckling i våra laboratorier, vilket speglar vårt engagemang för att utnyttja de emergenta 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 är ett verktyg som du är särskilt stolt över?

Jag är oerhört stolt över alla våra AI-verktyg på ManageEngine, men vår analys av användar- och entitetsbeteende (UEBA) sticker ut för mig. Lanserad under våra tidiga dagar, är det 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-funktion 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 lansera dem lokalt. Vad är dina åsikter om framtiden för inga kod- eller lågkodsapplikationer? Kommer de så småningom att ta över?

Framtiden för lågkods- och inga kodsapplikationer, som vår AppCreator, är mycket lovande, särskilt i sammanhanget med utvecklande affärsbehov. Dessa plattformar blir allt viktigare för organisationer att utöka och maximera kapaciteten hos sina befintliga programvarutillgångar. När företag växer och deras krav förändras, erbjuder lågkods- och inga kods-lösningar ett flexibelt och effektivt sätt att anpassa sig och innovativa.

Dessutom spelar dessa plattformar en avgörande roll för att möjliggöra IT för företag. Genom att erbjuda utvecklande teknik, som AI som en tjänst, sänker de betydligt inträdesbarriären för organisationer att prova kraften hos AI.

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

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

För att mildra dessa risker inför 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 utan fördomar men potentiellt utveckla fördomar över tiden på grund av förändringar i data.

Vi investerar också i avancerad teknik som differentiell integritet och homomorf kryptering för att stärka vårt åtagande för säker och fördomsfri 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, och upprätthåller sin integritet för alla användare och applikationer.

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

Framtiden för AI och robotik utvecklas till att bli både spännande och transformerande. AI har utan tvekan upplevt sina höjder och lågpunkter i det förflutna. Men med framsteg inom datainsamling och bearbetningsförmåga, samt nya intäktsmodeller kring data, är AI nu fast etablerat och här för att stanna.

AI har utvecklats till en mainstream-teknik, som betydligt 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 tillgänglig och prisvärd för företag, tack vare nya tekniker och framsteg.

En viktig aspekt av denna framtid är AI-utvecklarnas ansvar. Det är avgörande för byggarna 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 tekniker är sömlöst integrerade i våra dagliga liv, förbättrar våra förmågor och upplevelser, samtidigt som de hanteras etiskt och ansvarsfullt.

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