ดร. ปานดุรังค์ คามาต ประธานเจ้าหน้าที่ฝ่ายเทคโนโลยี Persistent Systems – Interview Series

Dr. Pandurang Kamat เป็นประธานเจ้าหน้าที่ฝ่ายเทคโนโลยีของ Persistent Systems เขารับผิดชอบการวิจัยเทคโนโลยีขั้นสูงที่มุ่งเน้นการปลดล็อกมูลค่าทางธุรกิจผ่านนวัตกรรมในระดับต่างๆ เขาเป็นผู้นำด้านเทคโนโลยีที่ช่ำชองซึ่งช่วยให้ลูกค้าปรับปรุงประสบการณ์ผู้ใช้ เพิ่มประสิทธิภาพกระบวนการทางธุรกิจ และสร้างผลิตภัณฑ์ดิจิทัลใหม่ๆ วิสัยทัศน์ของเขาที่มีต่อ Persistent คือการเป็นผู้ขับเคลื่อนนวัตกรรมที่ยึดระบบนิเวศนวัตกรรมระดับโลกและหลากหลาย ซึ่งประกอบด้วยสถาบันการศึกษาและธุรกิจสตาร์ทอัพ

Pandurang เข้าร่วมกับ Persistent ในปี 2012 ก่อนที่จะมาร่วมงานกับ Persistent เขาเป็นผู้อำนวยการฝ่ายการวิเคราะห์สำหรับธุรกิจการค้นหาและเนื้อหาของ Ask.com โดยเขาได้เป็นผู้นำทีมระดับโลกเพื่อจัดการแพลตฟอร์มการวิเคราะห์ของ Ask ก่อนหน้านั้นเขาได้ช่วยสร้างการสื่อสารที่ปลอดภัยและผลิตภัณฑ์สื่อดิจิทัลที่ Bell Labs และ HP Labs และแพลตฟอร์มการวิจัยไร้สายที่ได้รับรางวัลที่ Rutgers University

ระบบถาวร เป็นพันธมิตรด้านวิศวกรรมดิจิทัลและการปรับปรุงองค์กรให้ทันสมัยสำหรับผู้นำตลาดระดับโลกในอุตสาหกรรมต่างๆ

อะไรดึงดูดคุณให้สนใจวิทยาการคอมพิวเตอร์และวิศวกรรมคอมพิวเตอร์ในตอนแรก

ความสนใจของฉันในวิทยาการคอมพิวเตอร์และวิศวกรรมถูกจุดประกายขึ้นระหว่างหลักสูตรภาคฤดูร้อนที่โรงเรียน การเรียนรู้การเขียนโปรแกรมและการสร้างเกมคอมพิวเตอร์ทำให้ฉันรู้จักกับตรรกะที่มีโครงสร้างซึ่งสนับสนุนสาขาเหล่านี้ ฉันหลงใหลในความสามารถในการแยกแยะปัญหาที่ซับซ้อนและแก้ไขอย่างเป็นระบบ สิ่งที่ดึงดูดฉันอย่างแท้จริงคือการใช้ประโยชน์อันมหาศาลจากโปรแกรมที่ออกแบบมาอย่างดี พวกเขาสามารถทำให้งานเป็นอัตโนมัติ ปรับกระบวนการให้เหมาะสม และเสริมศักยภาพบุคคลหรือทีมขนาดเล็กให้บรรลุผลสำเร็จอันน่าทึ่ง การผสมผสานระหว่างความคิดสร้างสรรค์ การแก้ปัญหา และศักยภาพในการเปลี่ยนแปลงยังคงเป็นแรงบันดาลใจให้ฉัน จากประสบการณ์แรกเริ่มไปจนถึงการเดินทางที่กำลังดำเนินอยู่ ฉันยังคงหลงใหลในความเป็นไปได้อันไม่มีที่สิ้นสุดที่เทคโนโลยีนำเสนอ วิทยาการคอมพิวเตอร์และวิศวกรรมศาสตร์ไม่เพียงแต่กำหนดอนาคตเท่านั้น แต่ยังเป็นช่องทางสำหรับนวัตกรรมและความก้าวหน้าที่ขับเคลื่อนฉันไปข้างหน้า

ธุรกิจ Persistent Systems ส่วนใหญ่มาจากการสร้างซอฟต์แวร์สำหรับองค์กร การกำเนิดของ generative AI ได้เปลี่ยนแปลงวิธีการทำงานของทีมของคุณอย่างไร

การเกิดขึ้นของ generative AI (GenAI) ได้เปลี่ยนแปลงวิธีการทำงานของทีมของเราที่ Persistent โดยเฉพาะอย่างยิ่งในการพัฒนาซอฟต์แวร์ระดับองค์กร การหยุดชะงักในอุตสาหกรรมไอทีนี้ไม่เพียงแต่นำเสนอความท้าทาย แต่ยังเป็นโอกาสสำคัญในการพลิกโฉมการดำเนินธุรกิจแบบองค์รวม

ในฐานะองค์กรวิศวกรรมดิจิทัลที่ขับเคลื่อนด้วย AI Persistent ได้นำ GenAI มาใช้เพื่อปฏิวัติแง่มุมต่างๆ ของวงจรชีวิตวิศวกรรมซอฟต์แวร์ ในปีที่ผ่านมา เราได้พัฒนาเครื่องมือและชุดโปรแกรมที่กำหนดกระบวนการใหม่ทั้งหมด เช่น การสร้างโค้ด การสร้างกรณีทดสอบ และการโยกย้ายรายงาน ในโครงการปรับปรุงสิ่งเก่าให้ทันสมัย ​​แนวทางของเราได้พัฒนาไปอย่างมาก ตอนนี้เราใช้เครื่องมือเพื่อปรับปรุงกระบวนการครอบครองโค้ด ลดความเสี่ยงของโครงการ และเร่งการเริ่มต้นสมาชิกในทีมใหม่โดยทำให้พวกเขามีความเข้าใจที่ลึกซึ้งยิ่งขึ้นเกี่ยวกับโค้ดเบสที่ซับซ้อน นอกจากนี้ ความร่วมมือของเรากับโดเมนอุตสาหกรรมช่วยให้เราสามารถนำเสนอโซลูชันที่ปรับแต่งโดยใช้ประโยชน์จากข้อมูลองค์กร ด้วยการพัฒนาผู้ช่วยดิจิทัลที่มีความสามารถในการเข้าใจภาษาทางธุรกิจและให้ข้อมูลอ้างอิงที่เกี่ยวข้อง เราเพิ่มประสิทธิภาพการดำเนินงานและการตัดสินใจภายในองค์กร ผู้ช่วยเหล่านี้ปฏิบัติตามหลักการ Responsible AI ซึ่งรับประกันความโปร่งใส ความรับผิดชอบ ความปลอดภัย และความเป็นส่วนตัว ในขณะเดียวกันก็ปรับปรุงความแม่นยำและประสิทธิภาพอย่างต่อเนื่องผ่านการประเมินเอาท์พุตโมเดลแบบอัตโนมัติ

อะไรคือความท้าทายในการปรับปรุงระบบเดิมให้ทันสมัยอย่างสมบูรณ์โดยใช้ generative AI?

GenAI เป็นเครื่องมือที่ทรงพลัง แต่ก็ไม่ใช่เครื่องมือสำคัญสำหรับการปรับปรุงระบบเดิมให้ทันสมัยโดยสมบูรณ์ องค์กรในอุตสาหกรรมต่างๆ ต้องใช้แนวทางผสมผสาน โดยควบคุมความเชี่ยวชาญของมนุษย์และความสามารถด้าน AI แม้ว่า GenAI จะมีศักยภาพอย่างมากในการปรับปรุงให้ทันสมัย ​​แต่ก็มีข้อจำกัด ความท้าทายที่สำคัญ ได้แก่ :

• ความเข้าใจที่จำกัดเกี่ยวกับระบบเดิม: โมเดล GenAI ต้องการความเข้าใจอย่างถ่องแท้เกี่ยวกับระบบที่มีอยู่เพื่อให้ทำงานได้อย่างมีประสิทธิภาพ ระบบเดิมมักขาดเอกสารประกอบที่ครอบคลุม ซึ่งเป็นอุปสรรคต่อความสามารถของ AI ในการเข้าใจการพึ่งพาซึ่งกันและกันอย่างมีประสิทธิภาพ
• คุณภาพและความลำเอียงของข้อมูล: คุณภาพและความเป็นตัวแทนของข้อมูลที่ใช้ในการฝึกโมเดล AI มีผลกระทบอย่างมากต่อผลลัพธ์ ข้อจำกัดของข้อมูลการฝึกอบรมสามารถสะท้อนให้เห็นได้ในโค้ดที่สร้างขึ้น ซึ่งอาจนำมาซึ่งปัญหาใหม่ๆ
• การรับรองคุณภาพและความปลอดภัย: แม้ว่า GenAI สามารถสร้างรหัสอัตโนมัติได้ แต่เอาต์พุตจำเป็นต้องมีการทดสอบและตรวจสอบอย่างเข้มงวดเพื่อให้เป็นไปตามคุณภาพ ข้อกำหนดด้านการทำงาน และมาตรฐานความปลอดภัย
• ขอบเขตที่จำกัดของการปรับปรุงให้ทันสมัย: GenAI อาจไม่เหมาะสำหรับการยกเครื่องระบบทั้งหมด สามารถทำงานได้เป็นเลิศในงานเฉพาะ เช่น การปรับโครงสร้างโค้ดใหม่หรือการสร้างกรณีทดสอบ แต่การเปลี่ยนแปลงทางสถาปัตยกรรมที่ซับซ้อนยังคงต้องมีการแทรกแซงด้วยตนเอง
• การจัดการการเปลี่ยนแปลงและการจัดตำแหน่งผู้มีส่วนได้ส่วนเสีย: การจัดการการเปลี่ยนแปลงองค์กรและการดึงดูดใจจากผู้มีส่วนได้ส่วนเสียเป็นปัจจัยสำคัญในการพิจารณาความสำเร็จของการปรับปรุงระบบเดิมให้ทันสมัยด้วย GenAI การสื่อสารที่ชัดเจน โปรแกรมการฝึกอบรม และโครงการริเริ่มการมีส่วนร่วมของผู้มีส่วนได้ส่วนเสียสามารถช่วยจัดการกับการต่อต้านการเปลี่ยนแปลงและอำนวยความสะดวกในการเปลี่ยนแปลงที่ราบรื่น

หนึ่งในความท้าทายของ Generative AI ก็คือความสม่ำเสมอ Persistent Systems ช่วยในการสร้างประสบการณ์ผู้ใช้ที่สอดคล้องกันได้อย่างไร

ความสม่ำเสมอเป็นองค์ประกอบหนึ่งของการนำเสนอประสบการณ์และผลลัพธ์ของผู้ใช้ที่ขับเคลื่อนโดย GenAI ระดับองค์กรและปลอดภัยระดับองค์กร เราพิจารณากระบวนการแบบองค์รวม

เราให้การสนับสนุนแบบครบวงจรในทุกขั้นตอนของการนำ GenAI มาใช้ คำแนะนำเชิงกลยุทธ์และการวิเคราะห์กรณีการใช้งานอย่างพิถีพิถันของเราช่วยองค์กรในการเลือกแบบจำลองฐานราก (FM) ที่เหมาะสมที่สุดซึ่งปรับให้เหมาะกับความต้องการเฉพาะของพวกเขา ด้วยการตรวจสอบและการให้คำปรึกษาโดยละเอียด เราช่วยเหลือลูกค้าในการกำหนดกรณีการใช้งานที่ชัดเจนและทำการเลือก FM อย่างมีข้อมูล

จากนั้น เรามุ่งเน้นไปที่แนวทางต่างๆ เช่น การแจ้งเพียงไม่กี่ช็อต หรือแม้แต่การปรับแต่งอย่างละเอียด เพื่อให้แน่ใจว่าโมเดลที่ใช้ในแอปพลิเคชันได้รับการปรับให้เข้ากับกรณีการใช้งานและข้อมูลองค์กร

โซลูชันของเราไม่เพียงแต่ใช้เทคนิค RAG มาตรฐานเท่านั้น แต่ยังเจาะลึกลงไปในกลยุทธ์การแจ้งเตือนและการจัดกลุ่มข้อมูลที่หลากหลายเพื่อให้แน่ใจว่าข้อมูลที่เกี่ยวข้องมากที่สุดจะถูกดึงและมอบให้กับ FM ในระหว่างการอนุมาน เราปรับปรุงความถูกต้องและความเกี่ยวข้องของบริบทนี้เพิ่มเติมโดยใช้กราฟความรู้ขั้นสูงเพื่อบันทึกความสัมพันธ์ที่ซ่อนอยู่ภายในข้อมูลองค์กร

นอกจากนี้เรายังใช้เทคนิคการต่อสายดินและรั้วหลายแบบเพื่อจำกัดและมุ่งเน้นขอบเขตของการอนุมาน

สุดท้ายนี้ เราวางแอปพลิเคชันผ่านกรอบการประเมินที่เข้มงวดและเป็นอัตโนมัติ ซึ่งรับประกันความสอดคล้องของการอนุมานและประสบการณ์ เผยแพร่ครั้งแล้วครั้งเล่า

คุณช่วยยกตัวอย่างในโลกแห่งความเป็นจริงที่โซลูชันที่ขับเคลื่อนด้วย GenAI ประสบความสำเร็จในการปฏิวัติการโต้ตอบกับลูกค้าได้หรือไม่

Persistent ได้เปลี่ยนแปลงการโต้ตอบกับลูกค้าสำหรับผู้ให้บริการโซลูชันซอฟต์แวร์ชั้นนำผ่านโซลูชันที่ขับเคลื่อนด้วย GenAI เมื่อเผชิญกับความท้าทายด้านความสามารถในการขยายขนาดในช่วงระยะเวลาการดำเนินงานที่มีการใช้งานสูงสุด บริษัทได้ใช้ BOT ของ Central Knowledge Repository และ Conversational AI Teams ช่วยให้การเข้าถึงข้อมูลคล่องตัวขึ้น ซึ่งส่งผลให้เวลาในการแก้ไขปัญหาคำค้นหาของลูกค้าลดลง 80% คุณภาพการตอบกลับยังดีขึ้นอย่างมาก ส่งผลให้ลูกค้าพึงพอใจมากขึ้น

นอกจากนี้เรายังช่วยเหลือบริษัทไพรเวทอิควิตี้ด้วยการใช้ประโยชน์จาก GenAI เพื่อสร้างรายงานการลงทุนโดยละเอียดโดยอัตโนมัติ ด้วยระบบที่ขับเคลื่อนด้วย GenAI เวลาที่ใช้ในการสร้างรายงานลดลง 90% แนวทางที่ปรับปรุงใหม่นี้ได้ปฏิวัติการดำเนินงานของบริษัท โดยอำนวยความสะดวกในการตัดสินใจที่รวดเร็วและมีประสิทธิภาพ ประสิทธิภาพไม่เพียงแต่ช่วยประหยัดเวลาอันมีค่าเท่านั้น แต่ยังส่งเสริมการทำงานร่วมกันที่เพิ่มขึ้นระหว่างผู้มีส่วนได้ส่วนเสีย และรับประกันความเป็นส่วนตัวในบันทึกช่วยจำแต่ละฉบับ ซึ่งช่วยเพิ่มประสิทธิภาพโดยรวม

คุณจะเข้าถึงนวัตกรรม Responsible GenAI อย่างไร

แนวทางของเราในการสร้างนวัตกรรม GenAI ที่มีความรับผิดชอบ ให้ความสำคัญกับหลักปฏิบัติด้านจริยธรรมและการปฏิบัติตามกฎระเบียบตลอดกระบวนการพัฒนาและการดำเนินการ เราเน้นความโปร่งใส ความรับผิดชอบ และความเป็นธรรมในการตัดสินใจที่ขับเคลื่อนด้วย AI

เราสร้างแนวทางปฏิบัติด้านจริยธรรมที่มีประสิทธิภาพซึ่งควบคุมการพัฒนา การปรับใช้ และการใช้ระบบ GenAI ในการแสวงหานวัตกรรม GenAI ที่มีความรับผิดชอบ เราได้ทดสอบและตรวจสอบระบบของเราอย่างเข้มงวดเพื่อลดความเสี่ยงที่อาจเกิดขึ้น เช่น อคติ ข้อมูลที่ผิด และปัญหาความเป็นส่วนตัว

นอกจากนี้ เรายังจัดลำดับความสำคัญของความโปร่งใสและความรับผิดชอบในกระบวนการตัดสินใจที่ขับเคลื่อนด้วย AI โดยการให้ข้อมูลเชิงลึกที่ชัดเจนเกี่ยวกับการทำงานของระบบแก่ผู้ใช้ ท้ายที่สุดแล้ว แนวทางของเรามีจุดมุ่งหมายเพื่อพัฒนาและปรับใช้ระบบ GenAI ที่ขับเคลื่อนนวัตกรรมและประสิทธิภาพในขณะเดียวกันก็ช่วยเหลือสังคมในเชิงบวก

วิสัยทัศน์ของคุณสำหรับอนาคตของ AI คืออะไร?

วิสัยทัศน์ของฉันเกี่ยวกับอนาคตของ AI มีหลายแง่มุม ประการแรก ในด้านวิศวกรรมดิจิทัล ฉันจินตนาการว่า AI ไม่เพียงแต่เป็นผู้ช่วยเขียนโค้ดเท่านั้น แต่ยังเป็นพันธมิตรที่ทำงานร่วมกัน คล้ายกับ "โปรแกรมเมอร์คู่" สิ่งนี้เกี่ยวข้องกับ AI ที่ช่วยในงานเขียนโค้ดและมีส่วนร่วมอย่างแข็งขันในการแก้ปัญหาโดยจัดทำแผนผังงานที่ซับซ้อนและดำเนินงานย่อย

ประการที่สอง ฉันมองเห็นยุคของตัวแทนและผู้ช่วย AI ส่วนบุคคลที่นำเสนอประสบการณ์ที่ปรับให้เหมาะกับแต่ละบุคคล - แนวทาง "การปรับเปลี่ยนในแบบของคุณ 1" ตัวแทนเหล่านี้จะเข้าใจความชอบ พฤติกรรม และความต้องการเฉพาะของผู้ใช้ โดยให้การสนับสนุนและบริการที่ปรับแต่งได้สูง

สุดท้ายนี้ ฉันเชื่อในวิวัฒนาการของระบบ AI แบบผสม ซึ่งมีโมเดล AI ต่างๆ อยู่ร่วมกันเพื่อตอบสนองความต้องการที่แตกต่างกัน จะไม่มีโมเดล "ขนาดเดียวที่เหมาะกับทุกคน" เพียงรุ่นเดียว แต่เป็นการผสมผสานระหว่างโมเดลขนาดใหญ่และขนาดเล็ก ทั่วไป และสร้างขึ้นตามวัตถุประสงค์ที่ทำงานร่วมกันในบริการ AI แนวทางนี้ช่วยให้มีความยืดหยุ่น ประสิทธิภาพ และประสิทธิผลมากขึ้นในการแก้ปัญหาที่หลากหลายในโดเมนต่างๆ

ขอบคุณสำหรับบทสัมภาษณ์ที่ดี ผู้อ่านที่ต้องการเรียนรู้เพิ่มเติมควรเยี่ยมชม ระบบถาวร.