อมิต ชาร์มา CEO และผู้ก่อตั้ง CData – ซีรีส์สัมภาษณ์

อมิต ชาร์มา CEO และผู้ก่อตั้ง CData Software เป็นผู้บริหารด้านเทคโนโลยีที่ได้นำ CData ตั้งแต่ช่วงเริ่มต้นจนกลายเป็นผู้นำระดับโลกในด้านการเชื่อมต่อและบูรณาการข้อมูล โดยมีประสบการณ์ทำงานในหลายบทบาท เช่น วิศวกรซอฟต์แวร์ที่ Infosys และ Elixar นักออกแบบทางเทคนิคที่ /n Software และในภายหลังเป็น CTO ที่ CData ทำให้เขาได้สร้างความเชี่ยวชาญที่ลึกซึ้งในการเข้าถึงข้อมูลขององค์กรและโครงสร้างพื้นฐาน ตั้งแต่ปี 2014 เขาได้นำพา CData ไปสู่ภารกิจในการทำให้การเชื่อมต่อ การบูรณาการ และการใช้ข้อมูลขององค์กรทั่วระบบง่ายขึ้น ช่วยให้บริษัทตั้งหลักเป็นชั้นพื้นฐานของการเคลื่อนย้ายข้อมูลสมัยใหม่

CData Software เป็นผู้ให้บริการชั้นนำด้านการเข้าถึงข้อมูลและโซลูชันการเชื่อมต่อ ผลิตภัณฑ์ข้อมูลแบบบริการตนเองและแพลตฟอร์มการเชื่อมต่อของ CData มอบการเข้าถึงข้อมูลแบบเรียลไทม์ทั่วหลายแอปพลิเคชันที่ใช้กันอย่างแพร่หลายทั้งบนพื้นฐานและคลาวด์ ผู้ใช้หลายล้านคนทั่วโลกพึ่งพา CData เพื่อสนับสนุนการวิเคราะห์ขั้นสูง การนำคลาวด์มาใช้อย่างรวดเร็ว และสร้างองค์กรที่เชื่อมต่อและขับเคลื่อนด้วยข้อมูลมากขึ้น โดยได้รับการออกแบบให้สามารถใช้งานได้โดยผู้ใช้ใดๆ เข้าถึงได้ภายในแอปพลิเคชันใดๆ และปรับขนาดสำหรับองค์กรทุกขนาด CData กำลังเปลี่ยนแปลงวิธีที่ธุรกิจเข้าถึงและใช้ข้อมูล

คุณเริ่มอาชีพในอินเดียที่ Infosys และต่อมาเปลี่ยนไปสู่ซอฟต์แวร์สำหรับองค์กรในอเมริกา lesson 早期จากช่วงเวลานั้นยังคงกำหนดรูปแบบการนำทีมของคุณอย่างไร?

ช่วงเวลาที่ Infosys ของ tôiทำให้ได้รับการสัมผัสกับความต้องการของเทคโนโลยีองค์กรขนาดใหญ่ — ความซับซ้อน ความต้องการความน่าเชื่อถือ และวิธีที่องค์กรขนาดใหญ่เข้าถึงปัญหาทางเทคนิค สิ่งนี้ช่วยสร้างความเคารพที่ลึกซึ้งในการมีโครงสร้างและคุณภาพระดับองค์กร แต่เมื่อฉันเปลี่ยนไปสู่สตาร์ทอัพในอเมริกา ฉันพบว่าฉันเติบโตได้ดีกับความเร็ว ความคล่องตัว และความสามารถในการมีผลกระทบโดยตรง วันนี้ ประวัติหลังที่หลากหลายนี้ช่วยกำหนดวิธีการนำทีม CData Software ของฉัน: ฉันยืนยันในมาตรฐานและความแข็งแกร่งระดับองค์กร ในขณะเดียวกันก็ส่งเสริมวัฒนธรรมที่มีความคล่องตัวและเร็วที่ให้คุณค่าความเรียบง่าย ความใช้งานจริง และการดำเนินการอย่างรวดเร็ว

หลังจากเป็น CEO ของ CData มากกว่าหนึ่งทศวรรษ การเปลี่ยนแปลงในมุมมองหรือแนวทางใดที่สำคัญที่สุดในการขยายบริษัทจากช่วงเริ่มต้นจนกลายเป็นองค์กรระดับโลก?

การเปลี่ยนแปลงที่ใหญ่ที่สุดสำหรับฉันคือการเปลี่ยนจากความคิดแบบผู้สร้างเทคโนโลยีเป็นความคิดแบบผู้สร้างองค์กร ในช่วงแรก การมุ่งเน้นของฉันอยู่ที่ผลิตภัณฑ์โดยสิ้นเชิง เพื่อให้แน่ใจว่ามัน优雅 น่าเชื่อถือ และแก้ปัญหาได้จริง เมื่อ CData ขยายตัว ฉันต้องเรียนรู้ว่าซอฟต์แวร์ที่ดีเพียงอย่างเดียวไม่เพียงพอ คุณต้องการผู้คนดีๆ ผู้นำที่แข็งแกร่ง และกระบวนการที่สามารถขยายตัวได้โดยไม่ทำให้การดำเนินการชะลอลง ซึ่งหมายถึงการลงทุนเร็วขึ้นในการจ้างงาน การมอบอำนาจให้ทีม และสร้างระบบที่ทำซ้ำได้ทั่วทั้งการขาย การสนับสนุน และการดำเนินงาน ในขณะเดียวกันก็รักษาวัฒนธรรมทางวิศวกรรมของเราไว้ การเปลี่ยนแปลงในมุมมองคือการรับรู้ว่างานของฉันไม่ใช่แค่การสร้างเทคโนโลยีที่ดี แต่ยังสร้างสภาพแวดล้อมที่เทคโนโลยีที่ดีสามารถถูกสร้างขึ้นได้อย่างต่อเนื่องโดยทีมระดับโลกที่กำลังเติบโต

CData มุ่งเน้นไปที่ “การทำให้การเข้าถึงข้อมูลง่ายขึ้น ทุกที่” มาก่อน วิสัยทัศน์นี้เปลี่ยนแปลงไปอย่างไรเมื่อภาคอุตสาหกรรมเคลื่อนเข้าสู่แอปพลิเคชันที่เป็นมิตรกับ AI?

ตั้งแต่เริ่มต้น วิสัยทัศน์ของเราที่ CData คือการทำให้ข้อมูลสามารถเข้าถึงได้ทั่วถึงโดยใช้インターフェซที่เป็นมาตรฐานและคุ้นเคย เนื่องจากเราเชื่อว่าปัญหาที่ใหญ่ที่สุดในการนวัตกรรมไม่ใช่การเก็บข้อมูลหรือการประมวลผล แต่เป็นการเข้าถึงข้อมูล วิสัยทัศน์หลักนี้ไม่ได้เปลี่ยนแปลง แต่บริบทได้เปลี่ยนไป เมื่อองค์กรเปลี่ยนจากการวิเคราะห์ไปสู่คลาวด์และตอนนี้ไปสู่ AI ต้นทุนของการเข้าถึงข้อมูลที่กระจัดกระจายและไม่สอดคล้องกันเพิ่มขึ้น สิ่งที่เปลี่ยนแปลงคือความรับผิดชอบของเรา: ไม่ใช่แค่การเชื่อมต่อแอปพลิเคชันกับข้อมูล แต่ยังทำให้แน่ใจว่าข้อมูลนั้นมีความน่าเชื่อถือ ทันเวลา และสามารถใช้ได้จริงทั่วสภาพแวดล้อมที่ซับซ้อนและกระจายออกไป

เมื่อแอปพลิเคชันที่เป็นมิตรกับ AI กลายเป็นบรรทัดฐาน วิสัยทัศน์ของเราขยายออกไปเพื่อทำให้ข้อมูลพร้อมสำหรับ AI โดยค่าเริ่มต้น ซึ่งหมายถึงการทำให้แน่ใจว่ามีเซมานติกส์ที่สอดคล้องกัน การเชื่อมต่อประสิทธิภาพสูง การเข้าถึงที่ตระหนักถึงการกำกับดูแล และการบูรณาการแบบเรียลไทม์ทั่วแหล่งข้อมูลข้อมูลที่มีโครงสร้างและ SaaS เพื่อให้โมเดลและเอเจนต์สามารถทำงานกับข้อมูลที่สดใหม่และเชื่อถือได้ ไม่ใช่การรวมกันที่เปราะบางหรือสำเนาที่陈旧 ในแง่ปฏิบัติ เรามุ่งเน้นในการกำจัดความตึงเครียดระหว่างที่ที่ข้อมูลอาศัยอยู่และที่ที่ระบบ AI ดำเนินการ เพื่อให้ทีมสามารถย้ายจากการทดลองไปสู่การผลิตได้เร็วขึ้น เราเห็นตัวเองไม่เพียงแต่เป็นผู้ให้บริการการเชื่อมต่อ แต่ยังเป็นชั้นข้อมูลพื้นฐานสำหรับองค์กรที่ขับเคลื่อนด้วย AI ที่เป็นพลังเบื้องหลังการทำงานของแอปพลิเคชันที่มีความฉลาด

ด้วย AI ที่สร้างขึ้นอย่างรวดเร็ว “ข้อมูลพร้อมสำหรับ AI” จริงๆ แล้วหมายถึงอะไร และที่ไหนที่คุณเห็นองค์กรเข้าใจผิดมากที่สุดเกี่ยวกับแนวคิดนี้?

สำหรับฉัน “ข้อมูลพร้อมสำหรับ AI” หมายถึงข้อมูลที่สามารถเข้าถึงได้ น่าเชื่อถือ ทันเวลา และเข้าใจได้โดยทั้งมนุษย์และเครื่องจักร โดยไม่ต้องมีการเชื่อมต่อแบบกำหนดเอง มันไม่ใช่แค่การย้ายข้อมูลเข้าสู่ทะเลสาบหรือคลังข้อมูล มันคือการทำให้แน่ใจว่าระบบ โมเดล และเอเจนต์สามารถเข้าถึงข้อมูลที่ถูกต้องในเวลาที่ถูกต้องผ่านインターフェซที่มีการกำกับดูแลและเป็นมาตรฐาน ความพร้อมสำหรับ AI ขึ้นอยู่น้อยกว่ากับสถานที่ที่ข้อมูลถูกเก็บไว้ และมากกว่ากับว่าข้อมูลสามารถค้นพบ คิวรี่ เชื่อถือได้ และบูรณาการได้แบบเรียลไทม์หรือไม่

ที่ที่ฉันเห็นองค์กรเข้าใจผิดมากที่สุดเกี่ยวกับแนวคิดนี้คือการ假定ว่าการรวมศูนย์โดยอัตโนมัติเท่ากับการพร้อมสำหรับ AI ทีมงานมักเชื่อว่าเมื่อข้อมูลถูกย้ายเข้าสู่แพลตฟอร์มเดียว พวกเขาก็พร้อมสำหรับ AI แล้ว เมื่อความเป็นจริงคือพวกเขาเพิ่งสร้างซิลโคนใหม่ อีกทีมหนึ่งลงทุนมากเกินไปในการใช้เครื่องมือโดยไม่แก้ไขปัญหาคุณภาพข้อมูล เซมานติกส์ และการเชื่อมต่อ ซึ่งเป็นปัญหาที่ไม่น่าดึงดูดที่ทำให้ระบบ AI ในโลกแห่งความเป็นจริงล้มเหลว AI ไม่ล้มเหลวเพราะโมเดล แต่ล้มเหลวเพราะข้อมูลที่ไม่เรียบร้อย ไม่สามารถเข้าถึงได้ หรือไม่เกิดทันเวลา องค์กรที่จะชนะคือองค์กรที่ปฏิบัติต่อความพร้อมของข้อมูลเป็นวินัยในการดำเนินงาน ไม่ใช่โครงการย้ายข้อมูลแบบครั้งเดียว

… (เนื้อหาที่เหลือจะถูกแปลตามกฎและข้อจำกัดที่กำหนด)