Ryan Ries, Chief AI & Data Scientist på Mission – Intervju-serie

Dr. Ryan Ries är en välkänd data scientist med mer än 15 års ledarskaps erfarenhet inom data och teknik på snabbt växande teknikföretag. Dr. Ries har över 20 års erfarenhet av att arbeta med AI och 5+ år av att hjälpa kunder att bygga sin AWS-datainfrastruktur och AI-modeller. Efter att ha avlagt sin doktorsexamen i biofysisk kemi vid UCLA och Caltech har Dr. Ries hjälpt till att utveckla banbrytande data lösningar för den amerikanska försvarsdepartementet och en mängd Fortune 500-företag.

Som Chief AI och Data Scientist för Mission har Ryan byggt upp ett framgångsrikt team av Data Engineers, Data Architects, ML Engineers och Data Scientists för att lösa några av världens svåraste problem med hjälp av AWS-infrastruktur.

Mission är en ledande leverantör av hanterade tjänster och konsulttjänster som föddes i molnet, som erbjuder molntjänster från start till slut, innovativa AI-lösningar och programvara för AWS-kunder. Som en AWS Premier Tier Partner hjälper företaget företag att optimera teknikutgifter, förbättra prestanda och styrning, skala effektivt, skydda data och anta innovation med tillförlitlighet.

Du har haft en imponerande resa – från att bygga AR-hårdvara på DAQRI till att bli Chief AI Officer på Mission. Vilka personliga upplevelser eller vändpunkter har mest format din syn på AI:s roll i företaget?

Tidig AI-utveckling var kraftigt begränsad av datorkraft och infrastrukturutmaningar. Vi var tvungna att skriva modeller från forskningspapper för hand, vilket var tidskrävande och komplext. En stor förändring kom med uppkomsten av Python och öppen källkod AI-bibliotek, som gjorde det möjligt att experimentera och bygga modeller snabbare. Men den största vändpunkten inträffade när hyperskalare som AWS gjorde det möjligt att få tillgång till skalbar datorkraft och lagring.

Denna utveckling speglar en varaktig utmaning i AI:s historia – att ta slut på lagrings- och datorkapacitet. Dessa begränsningar orsakade tidigare AI-vintrar, och att övervinna dem har varit grundläggande för dagens “AI-renässans”.

Hur hjälper Missions modell för molntjänster från start till slut företag att skala upp sina AI-arbetsbelastningar på AWS mer effektivt och säkert?

På Mission är säkerhet en integrerad del av allt vi gör. Vi har varit säkerhetspartner för AWS i två år i rad, men det som är intressant är att vi inte har ett dedikerat säkerhetsteam. Det beror på att alla på Mission bygger med säkerhet i åtanke i varje fas av utvecklingen. Med AWS generativa AI kan kunder dra nytta av att använda AWS Bedrock-lagret, som håller data, inklusive känslig information som PII, säker inom AWS-ekosystemet. Detta integrerade tillvägagångssätt säkerställer att säkerhet är grundläggande, inte en eftertanke.

Skalbarhet är också ett kärnfokus på Mission. Vi har omfattande erfarenhet av att bygga MLOps-pipelines som hanterar AI-infrastruktur för utbildning och inferens. Medan många associerar generativ AI med stora offentliga system som ChatGPT, är de flesta företagsanvändningsfall interna och kräver mer hanterbar skalbarhet. Bedrocks API-lager hjälper till att leverera den skalbara, säkra prestandan för riktiga arbetsbelastningar.

Kan du gå igenom en typisk företagsengagemang – från molnmigration till distribution av generativa AI-lösningar – med hjälp av Missions tjänster?

På Mission börjar vi med att förstå företagets affärsbehov och användningsfall. Molnmigration börjar med att utvärdera den nuvarande lokala miljön och designa en skalbar molnarkitektur. Till skillnad från lokala installationer, där du måste provisionera för toppkapacitet, låter molnet dig skala resurser baserat på genomsnittliga arbetsbelastningar, vilket minskar kostnaderna. Inte alla arbetsbelastningar behöver migreras – vissa kan avskaffas, omstruktureras eller byggas om för effektivitet. Efter inventering och planering genomför vi en fasad migration.

Med generativ AI har vi gått utöver bevis på koncept. Vi hjälper företag att utforma arkitekturer, köra piloter för att förfinna prompter och hantera kanter, och sedan gå till produktion. För data-driven AI hjälper vi till att migrera lokala data till molnet, vilket låser upp större värde. Detta omfattande tillvägagångssätt säkerställer att generativa AI-lösningar är robusta, skalbara och affärsklara från dag ett.

Mission betonar “innovation med tillförlitlighet”. Vad betyder det i praktiken för företag som antar AI i stor skala?

Det betyder att ha ett team med riktiga AI-experter – inte bara de som har gått några kurser, utan säsongade data scientists. Kunder kan lita på att vi inte experimenterar på dem. Våra människor förstår hur modellerna fungerar och hur man implementerar dem säkert och i stor skala. Det är så vi hjälper företag att innovativa utan att ta onödiga risker.

Du har arbetat med förutsägande analytik, NLP och datorseende. Var ser du att generativ AI skapar mest värde för företag idag – och var är hypen före verkligheten?

Generativ AI skapar betydande värde i företag främst genom intelligent dokumentbearbetning (IDP) och chatbots. Många företag kämpar för att skala upp sina verksamheter genom att anställa fler människor, så generativ AI hjälper till att automatisera repetitiva uppgifter och påskynda arbetsflöden. Till exempel har IDP minskat tiden för granskning av försäkringsansökningar med 50 % och förbättrat patientvårdssamordning inom hälso- och sjukvård. Chatbots fungerar ofta som gränssnitt till andra AI-verktyg eller system, vilket gör det möjligt för företag att automatisera rutinmässiga interaktioner och uppgifter effektivt.

Men hypen kring generativa bilder och videor överstiger ofta den verkliga affärsanvändningen. Medan de är visuellt imponerande har dessa tekniker begränsad praktisk tillämpning utöver marknadsföring och kreativa projekt. De flesta företag har svårt att skala upp generativa medielösningar till kärnverksamheten, vilket gör dem mer till en nyhet än ett grundläggande affärsverktyg.

“Vibe Coding” är ett nytt begrepp – kan du förklara vad det betyder i din värld, och hur det speglar den bredare kulturella förändringen i AI-utveckling?

Vibe coding refererar till utvecklare som använder stora språkmodeller för att generera kod baserat mer på intuition eller naturligt språk än strukturerad planering eller design. Det är bra för att påskynda iteration och prototyper – utvecklare kan snabbt testa idéer, generera mallkod eller lägga över repetitiva uppgifter. Men det leder ofta till kod som saknar struktur, är svår att underhålla och kan vara ineffektiv eller osäker.

Vi ser en bredare förändring mot agenter som miljöer, där LLM:er fungerar som juniorutvecklare och människor tar på sig roller som mer liknar arkitekter eller QA-ingengörer – granskar, förfinar och integrerar AI-genererade komponenter i större system. Detta samarbetsmodell kan vara kraftfullt, men endast om räcken är på plats. Utan ordentlig tillsyn kan vibe coding introducera teknisk skuld, sårbarheter eller prestandaproblem – särskilt när de skyndas in i produktion utan rigoröst testande.

Vad är din syn på den utvecklande rollen för AI-officeren? Hur bör organisationer omstrukturera ledningen när AI blir grundläggande för affärsstrategin?

AI-officerare kan absolut tillföra värde – men endast om rollen är utformad för framgång. För ofta skapar företag nya C-svit-titlar utan att anpassa dem till befintliga ledningsstrukturer eller ge dem verklig auktoritet. Om AI-officeren inte delar mål med CTO, CDO eller andra chefer riskerar du att få silo-beslut, motstridiga prioriteringar och hämmad genomförande.

Organisationer bör noga överväga om AI-officeren ersätter eller kompletterar roller som Chief Data Officer eller CTO. Titeln är mindre viktig än mandatet. Vad som är avgörande är att ge någon möjlighet att forma AI-strategin över hela organisationen – data, infrastruktur, säkerhet och affärsanvändning – och ge dem möjlighet att driva meningsfull förändring. Annars blir rollen mer symbolisk än effektiv.

Du har lett prisbelönta AI- och data-team. Vilka egenskaper letar du efter när du anställer för högrisk AI-roller?

Den viktigaste egenskapen är att hitta någon som verkligen känner till AI, inte bara någon som har gått några kurser. Du behöver människor som är genuint flytande i AI och fortfarande behåller nyfikenhet och intresse för att utmana gränserna för vad som kan och inte kan göras.

Jag letar efter människor som alltid försöker hitta nya tillvägagångssätt och utmana gränserna för vad som kan och inte kan göras. Denna kombination av djup kunskap och fortsatt utforskning är avgörande för högrisk AI-roller där innovation och tillförlitlig implementering är lika viktiga.

Många företag kämpar för att operationalisera sina ML-modeller. Vad tror du skiljer team som lyckas från de som fastnar i bevis på koncept-purgatoriet?

Den största frågan är samordning mellan team. ML-team bygger lovande modeller, men andra avdelningar antar dem inte på grund av felaktigt prioriterade prioriteringar. Att gå från bevis på koncept till produktion kräver också MLOps-infrastruktur: versionering, omträning och övervakning. Med GenAI är gapet ännu större. Att producera en chatbot innebär prompt-tuning, pipeline-hantering och regelefterlevnad… inte bara att kasta prompter i ChatGPT.

Vad är ditt råd till en startup-grundare som bygger AI-första produkter idag som kan dra nytta av Missions infrastruktur och AI-strategi?

När du är en startup är det svårt att attrahera topp-AI-talang, särskilt utan en etablerad varumärke. Även med ett starkt grundarteam är det svårt att anställa människor med den djupgående erfarenhet som behövs för att bygga och skala AI-system ordentligt. Där kan en partner som Mission göra en verklig skillnad. Vi kan hjälpa dig att gå snabbare genom att tillhandahålla infrastruktur, strategi och hands-on-expertis, så att du kan validera din produkt snabbare och med större tillförlitlighet.

Den andra kritiska biten är fokus. Vi ser många grundare som försöker linda en grundläggande gränssnitt runt ChatGPT och kalla det en produkt, men användare blir smartare och förväntar sig mer. Om du inte löser ett verkligt problem eller erbjuder något som verkligen skiljer sig, är det lätt att bli förlorad i bruset. Mission hjälper startups att tänka strategiskt om var AI skapar verkligt värde och hur man bygger något som är skalbart, säkert och produktionsklart från dag ett. Så du bygger inte bara för tillväxt, du bygger för att lyckas.

Tack för det underbara samtalet, läsare som vill lära sig mer kan besöka Mission.