Babak Hodjat, Chief AI Officer at Cognizant – Interview Series

Babak Hodjat, Chief AI Officer leads AI Research Labs, a team of developers and researchers that is advancing the state of the art in AI, building differentiated AI features in Cognizant’s offerings and leading the company’s AI for good initiatives.

Babak is the former cofounder and CEO of Sentient, responsible for the core technology behind the world’s largest distributed AI system. Babak was also the founder of the world’s first AI-driven hedge-fund, Sentient Investment Management.

Babak is a serial entrepreneur, having started a number of Silicon Valley companies as the main inventor and technologist. Prior to cofounding Sentient, Babak was the senior director of engineering at Sybase iAnywhere, where he led mobile solutions engineering. Prior to Sybase, Babak was the cofounder, CTO and board member of Dejima Inc. Babak is the primary inventor of Dejima’s patented, agent-oriented technology applied to intelligent interfaces for mobile and enterprise computing—the technology behind Apple’s Siri.

Babak has published more than 50 papers in the fields of artificial life, agent-oriented software engineering and distributed artificial intelligence, and has 39 issued US patents to his name. He is an expert in numerous fields of AI, including natural language processing, machine learning, evolutionary algorithms and distributed AI.

Cognizant is a global professional services and IT consulting company that helps organizations modernize their digital infrastructure, implement emerging technologies such as AI, cloud, data, and automation, and realign business processes to drive agility and growth.

คุณได้ก่อตั้งบริษัท AI หลายแห่ง เขียนหนังสือสองเล่ม และช่วยพัฒนาเทคโนโลยีที่มีอิทธิพลต่อ Siri เมื่อมองย้อนกลับไป คุณมีประสบการณ์ส่วนตัวหรือจุดเปลี่ยนใดที่ช่วย塑造ความเชื่อของคุณใน AI ในฐานะเครื่องมือที่มีผลกระทบต่อโลกแห่งความเป็นจริงมากที่สุด?

ความสนใจของฉันใน AI เริ่มต้นตั้งแต่สมัยเรียนมหาวิทยาลัยและได้กลายเป็นความเชื่อมั่นที่ยิ่งใหญ่ขึ้นเมื่อเวลาผ่านไป จุดเปลี่ยนที่สำคัญบางประการรวมถึงการสร้างระบบ Agent-based ระบบแรกๆ ที่ Dejima สำหรับการเขียนโปรแกรมสินค้าอุปโภคบริโภค เช่น VCR ของคุณ งานที่เราทำที่ Sentient Technologies โดยใช้ AI เพื่อแก้ไขปัญหาที่ซับซ้อน เช่น การซื้อขายทางการเงิน เทคโนโลยีการประมวลผลภาษาธรรมชาติที่ฉันพัฒนาสำหรับ Siri ซึ่งเป็นแบบ Agent-based เช่นกัน เป็นอีกจุดเปลี่ยนที่สำคัญ

การประยุกต์ใช้ AI ในโลกแห่งความเป็นจริงเหล่านี้แสดงให้ฉันเห็นว่า AI สามารถไปไกลกว่าโครงสร้างทางทฤษฎีและสร้างมูลค่าทางธุรกิจที่เป็นรูปธรรมได้ เรากำลังเข้าสู่ช่วงการเติบโตอย่างรวดเร็วของการนำเทคโนโลยี AI ไปใช้ในเชิงพาณิชย์ โดยเฉพาะระบบ multi-agent ที่จะเปลี่ยนแปลงวิธีการดำเนินงานขององค์กรอย่างสมบูรณ์ โดยทำให้สามารถautomate งานที่ซับซ้อนได้

มาคุยกันเกี่ยวกับโครงการล่าสุดของคุณ—ระบบ AI ที่มีพลังในการวางแผนการใช้ที่ดินซึ่งพัฒนาโดยร่วมมือกับ University of Texas สิ่งใดเป็นแรงบันดาลใจในการพัฒนาตัวช่วยเหลือ และมันแสดงถึงการเปลี่ยนแปลงจาก AI ทฤษฎีไปสู่ผลกระทบต่อนโยบายในโลกแห่งความเป็นจริงอย่างไร?

ระบบ AI สำหรับการวางแผนการใช้ที่ดินที่เราได้พัฒนาร่วมกับ University of Texas at Austin ถูกสร้างขึ้นจากความจำเป็นในการจัดการกับการแลกเปลี่ยนระหว่างสิ่งแวดล้อมและเศรษฐกิจในระดับโลก โครงสร้างการเรียนรู้ของเครื่อง ใช้เทคโนโลยีเบื้องหลัง Cognizant Neuro AI Decisioning และสร้างขึ้นบน Project Resilience platform

ทีมวิจัยร่วมของเรามีเป้าหมายที่จะช่วยให้บรรลุเป้าหมายการพัฒนาที่ยั่งยืนของสหประชาชาติ โดยการสร้างเครื่องมือที่สามารถเพิ่มประสิทธิภาพการใช้ที่ดินเพื่อการเก็บคาร์บอนสูงสุด การลดการหยุดชะงักทางเศรษฐกิจ และการอนุรักษาอาหารและที่อยู่อาศัยของสัตว์ วิธีการแบบดั้งเดิมมักมองข้ามการแลกเปลี่ยนอย่างละเอียด เช่น ผลกระทบของการเปลี่ยนแปลงพื้นที่เพาะปลูกหรือทุ่งหญ้าเป็นป่า เราได้เลือกเส้นทางที่แตกต่างโดยใช้ AI ที่ได้รับแรงบันดาลใจจากวิวัฒนาการ ซึ่งเป็นแนวทางการคำนวณที่ได้รับแรงบันดาลใจจากกระบวนการคัดเลือกโดยธรรมชาติ

ระบบนี้แสดงถึงการเปลี่ยนแปลงที่สำคัญจากแนวคิด AI ทฤษฎีไปสู่ผลกระทบต่อนโยบายในโลกแห่งความเป็นจริง มันรวมข้อมูลการใช้ที่ดินในอดีตและข้อมูลคาร์บอนเข้าด้วยกัน โดยใช้อัลกอริทึมวิวัฒนาการที่ซับซ้อนเพื่อให้คำแนะนำที่มีประสิทธิภาพและเหมาะสมยิ่งกว่าการคาดการณ์แบบทั่วไป

นอกจากนี้ เรายังได้สร้างเครื่องมือแบบโต้ตอบที่สามารถสร้างและประเมินสถานการณ์นโยบายสภาพภูมิอากาศโดยใช้ En-ROADS simulator ช่วยให้ผู้กำหนดนโยบายสามารถเปรียบเทียบและปรับแต่งแผนการดำเนินการได้ ระบบนี้ช่วยให้ผู้กำหนดนโยบายสามารถจำลองการกระตุ้นนโยบายและเข้าใจการแลกเปลี่ยนได้อย่างตรงไปตรงมา ทำให้พวกเขาสามารถเลือกการแทรกแซงที่มีประสิทธิภาพได้

การผสมผสานระบบกับแพลตฟอร์ม เช่น Climate Interactive’s En-ROADS simulator ช่วยให้สามารถขยายการปรับให้เหมาะสมของนโยบายสภาพภูมิอากาศที่ขับเคลื่อนด้วย AI ไปยังผู้ชมในวงกว้างมากขึ้น โดยเน้นย้ำถึง AI เป็นหุ้นส่วนที่เป็นประโยชน์ในการจัดการกับความท้าทายด้านความยั่งยืนในโลกแห่งความเป็นจริง

คุณสามารถอธิบายว่าเครื่องมือนี้ทำงานอย่างไรจากมุมมองของผู้ใช้ได้หรือไม่? การตัดสินใจประเภทใดที่มันสามารถสนับสนุนได้ และมันจะจัดเตรียมคำแนะนำที่เหมาะสมยิ่งสำหรับภูมิภาคต่างๆ ได้อย่างไร?

จากมุมมองของผู้ใช้ ระบบ AI ที่มีพลังในการวางแผนการใช้ที่ดินทำงานเป็นแพลตฟอร์มสนับสนุนการตัดสินใจแบบโต้ตอบใน môi trườngที่ขับเคลื่อนด้วยข้อมูลอย่างมีพลัง ซึ่งช่วยให้คุณตัดสินใจได้ดีขึ้นซึ่งทำงานสำหรับเป้าหมายสภาพภูมิอากาศ

ผู้กำหนดนโยบาย ผู้ออกกฎหมาย และผู้มีส่วนได้ส่วนเสียอื่นๆ สามารถสำรวจกลยุทธ์การใช้ที่ดินต่างๆ และผลกระทบต่อสิ่งแวดล้อมและเศรษฐกิจของพวกเขาได้ ผู้ใช้สามารถจำลองการกระตุ้นนโยบาย เช่น การให้เครดิตภาษีแก่เจ้าของที่ดิน และสังเกตว่าสิ่งเหล่านี้อาจมีอิทธิพลต่อการเปลี่ยนแปลงการใช้ที่ดินเพื่อลดคาร์บอนได้อย่างไร

มันสามารถสนับสนุนการตัดสินใจหลากหลายที่ปรับให้เหมาะสมสำหรับภูมิภาคต่างๆ ได้ ตัวอย่างเช่น มันสามารถช่วยคุณตัดสินใจว่าจะเปลี่ยนแปลงที่ดินใน đâu เพื่อให้ได้ผลลัพธ์ที่ดีที่สุด ว่าจะเปลี่ยนแปลงที่ดินเท่าใด (เช่น การเปลี่ยนพื้นที่เพาะปลูกเป็นป่า) และสิ่งเหล่านี้มีข้อดีและข้อเสียอย่างไรในการใช้นโยบายที่ดินต่างๆ มันจะให้คำแนะนำที่ปรับให้เหมาะสมสำหรับพื้นที่ต่างๆ โดยพิจารณาจากประวัติการใช้ที่ดินและข้อมูลคาร์บอนในระดับโลก

En-ROADS simulator ที่ขับเคลื่อนด้วย Neuro AI สามารถช่วยให้ผู้กำหนดนโยบายและผู้ออกกฎหมายทดลองกับการแลกเปลี่ยนต่างๆ เพื่อบรรลุเป้าหมายสภาพภูมิอากาศที่แตกต่างกัน

AI วิวัฒนาการได้รับการอธิบายว่าเป็น “ซอสลับ” เบื้องหลังโครงการนี้ AI วิธีนี้ทำงานอย่างไรในทางปฏิบัติ และทำไมมันจึงมีประสิทธิภาพมากในการแก้ไขปัญหาสิ่งแวดล้อมและนโยบายที่ซับซ้อน?

แนวคิดเบื้องหลัง AI วิวัฒนาการได้รับแรงบันดาลใจจากกระบวนการคัดเลือกโดยธรรมชาติในชีววิทยา ในฐานะแนวทางการคำนวณในบริบทของการวางแผนการใช้ที่ดิน ในทางปฏิบัติ มันเลียนแบบวิวัฒนาการโดยธรรมชาติเพื่อค้นหาวิธีแก้ปัญหาที่ชาญฉลาดสำหรับปัญหาสิ่งแวดล้อมที่ซับซ้อนซึ่งวิธีการแบบดั้งเดิมต้องดิ้นรน

แทนที่จะพยายามเขียนนโยบายการใช้ที่ดินที่สมบูรณ์แบบล่วงหน้า วิธีการ AI วิวัฒนาการสร้างแบบจำลองนโยบายที่แตกต่างกันและทดสอบแต่ละแบบใน môi trườngจำลองที่มีข้อมูลสภาพภูมิอากาศและที่ดินจริง มันเก็บนโยบายที่มีประสิทธิภาพสูงสุดและ “ผสมผสาน” พวกมันเข้าด้วยกัน โดยเพิ่มการเปลี่ยนแปลงเพื่อค้นหาวิธีแก้ปัญหาที่ไม่คาดคิด มันทำซ้ำกระบวนการนี้หลายครั้ง โดยกำจัดผู้ที่มีประสิทธิภาพต่ำและเก็บที่ดีที่สุดข้ามหลายร้อยหรือหลายพันสถานการณ์

สิ่งนี้ทำงานได้ดีสำหรับความท้าทายด้านสิ่งแวดล้อมเพราะไม่ถูกครอบงำโดยตัวแปรหลายตัว เช่น ประเภทดิน สภาพภูมิอากาศและปัจจัยทางเศรษฐกิจ

นโยบายการใช้ที่ดินมักเกี่ยวข้องกับเป้าหมายที่แข่งขันกัน เช่น การเติบโตทางเศรษฐกิจ การลดคาร์บอน การรักษาความมั่นคงด้านอาหาร ระบบของคุณจัดการกับการแลกเปลี่ยนเหล่านี้อย่างไร และมันค้นพบข้อค้นพบที่ไม่คาดคิดอะไรบ้างจนถึงตอนนี้?

ระบบ AI ของเราถูกสร้างขึ้นเพื่อจัดการกับเป้าหมายที่แข่งขันกัน เช่น การเติบโตทางเศรษฐกิจ การลดคาร์บอน และการรักษาความมั่นคงด้านอาหาร มันสร้าง Pareto fronts (แนวคิดทางวิศวกรรมที่ใช้ในการเพิ่มประสิทธิภาพหลายวัตถุประสงค์) ที่แลกเปลี่ยนผลกระทบของคาร์บอนและเปลี่ยนแปลงการใช้ที่ดินสำหรับสถานที่ต่างๆ

ทีมวิจัยพบข้อค้นพบที่ไม่คาดคิดหลายอย่าง ตัวอย่างเช่น ในขณะที่ความเชื่อแบบดั้งเดิมตระหนักว่าป่าเป็นแหล่งเก็บคาร์บอนที่ดี ระบบ AI ไม่ได้เลือกการแนะนำการเพิ่มพื้นที่ป่าไม้ทุกที่ แต่เผยให้เห็นถึงความแตกต่างที่สำคัญ: การเปลี่ยนพื้นที่เพาะปลูกเป็นป่าไม่ได้มีประสิทธิภาพเท่ากับการเปลี่ยนพื้นที่เพาะปลูกเป็นป่าในพื้นที่อื่นๆ ที่ตั้งทางภูมิศาสตร์ยังเป็นปัจจัยสำคัญด้วย การเปลี่ยนแปลงการใช้ที่ดินแบบเดียวกันสามารถสร้างผลลัพธ์ที่แตกต่างกันขึ้นอยู่กับละติจูด

การให้ความสำคัญเป็นหนึ่งในข้อค้นพบที่เป็นประโยชน์มากที่สุดของ AI แทนที่จะกระจายความพยายามอย่างเท่าเทียมกัน มันแนะนำให้มุ่งเน้นการเปลี่ยนแปลงการใช้ที่ดินหลักในสถานที่เชิงกลยุทธ์ที่จะมีผลกระทบมากที่สุด

Project Resilience มีเป้าหมายที่จะขยายความสามารถของ AI นี้เพื่อจัดการกับเป้าหมายการพัฒนาที่ยั่งยืนนอกเหนือจากสภาพภูมิอากาศ เช่น พลังงาน สุขภาพ และแม้กระทั่งการตอบสนองต่อการระบาดใหญ่ สิ่งใดที่ทำให้คุณตื่นเต้นมากที่สุดเกี่ยวกับศักยภาพในการขยายแพลตฟอร์มนี้ไปทั่วโดเมน?

สิ่งที่ทำให้ฉันตื่นเต้นมากที่สุดเกี่ยวกับศักยภาพของแพลตฟอร์มนี้คือการที่เราแสดงให้เห็นว่าการสร้าง AI ในลักษณะที่เป็นความร่วมมือ เข้าถึงได้ และปรับเปลี่ยนได้สามารถนำไปสู่วิธีแก้ปัญหาที่มีประสิทธิภาพสำหรับการแก้ไขความท้าทายระดับโลกที่สำคัญ แพลตฟอร์ม Project Resilience เป็นตัวอย่างที่เหมาะสมของการนำหลักการเหล่านี้ไปใช้ การตัดสินใจ ผู้วิจัยข้อมูล และสาธารณชนสามารถเข้าร่วมในการพัฒนาเครื่องมือ AI และตัดสินใจโดยมีข้อมูลครบถ้วนเพื่อสร้างผลกระทบอย่างมีนัยสำคัญ เราเชิญชวนให้ผู้อ่านของคุณเป็นผู้ร่วมให้ข้อมูล ที่นี่

AI Lab ที่ Cognizant เป็นตัวขับเคลื่อนนวัตกรรมหลัก โดยมีหลายสิทธิบัตรและกลยุทธ์การลงทุนมูลค่าหลายพันล้านดอลลาร์ โครงการริเริ่มเช่นนี้เข้ากันได้กับแผนที่กว้างขึ้นสำหรับ AI ที่ใช้จริงในระดับใหญ่ของคุณอย่างไร?

การริเริ่มการวางแผนการใช้ที่ดินโดยใช้ AI สอดคล้องกับแนวทางของเราในการใช้ AI ที่ใช้จริงที่ Cognizant ซึ่งมุ่งเน้นไปที่การแก้ไขปัญหาที่ซับซ้อนและจริงในโลกแห่งความเป็นจริง มากกว่าการออกกำลังกายทางวิชาการเท่านั้น AI วิวัฒนาการสามารถจัดการกับการแลกเปลี่ยนซับซ้อนที่พบในการตัดสินใจทางธุรกิจและนโยบาย

การทำงานนี้สะท้อนถึงวิสัยทัศน์ของเราในการพัฒนา AI ที่เพิ่มประสิทธิภาพการตัดสินใจของมนุษย์ มากกว่าการแทนที่มัน

คุณได้นำทีม AI ทั้งในบริษัทสตาร์ทอัพและองค์กรขนาดใหญ่ สิ่งใดคือคำตอบสำหรับการรับรองว่าเทคโนโลยีเช่น AI วิวัฒนาการยังคงอธิบายได้และใช้งานได้ ไม่ใช่แค่ทรงพลัง แต่สำหรับผู้มีส่วนได้ส่วนเสียของภาครัฐและอุตสาหกรรม?

หนึ่งในจุดแข็งสำคัญของ AI วิวัฒนาการคือไม่เพียงแต่พยายามหาวิธีแก้ปัญหาที่เหมาะสมที่สุดเท่านั้น แต่ยังสามารถเปิดเผยทางเลือกเชิงกลยุทธ์ที่ขยายความเข้าใจของผู้มีส่วนได้ส่วนเสียเกี่ยวกับสิ่งที่เป็นไปได้

AI และข้อมูลต้องให้บริการการตัดสินใจ ไม่ใช่แค่สร้างรายงาน ผู้กำหนดนโยบายกำลังจมน้ำในกระแสน้ำของการวิเคราะห์ ในขณะที่เผชิญกับการตัดสินใจที่ซับซ้อนที่เพิ่มขึ้นเรื่อยๆ เราต้องเปลี่ยนการมุ่งเน้นจากการจัดหาข้อมูลเชิงลึกและคาดการณ์ไปสู่การสร้างระบบสนับสนุนการตัดสินใจแบบโต้ตอบที่ให้คำแนะนำเชิงนโยบายตามข้อมูลที่มีอยู่ แนวทางนี้ทำให้คุณสามารถนำทางความซับซ้อนและตัดสินใจได้ดีขึ้นเมื่อสถานการณ์เปลี่ยนแปลง

เมื่อมองไปข้างหน้า คุณเห็นโอกาสที่ใหญ่ที่สุดสำหรับ AI วิวัฒนาการในการขับเคลื่อนผลกระทบภายนอกการใช้ที่ดิน ไม่ว่าจะเป็นในการควบคุมโรคติดเชื้อ การวางแผนพลังงานทดแทน หรือสิ่งอื่น?

โรคติดเชื้อ การวางแผนพลังงานทดแทน และความไม่มั่นคงด้านอาหาร ล้วนเป็นพื้นที่ที่เหมาะสมที่ AI วิวัฒนาการสามารถขับเคลื่อนผลกระทบได้ โครงการในยุค COVID-19 ที่เราทำงานร่วมกันแสดงถึงศักยภาพ Through Project Resilience เราได้สร้างระบบที่สามารถปรับให้เหมาะสมสำหรับการควบคุมการระบาดและเสถียรภาพทางเศรษฐกิจ ช่วยให้รัฐบาล เช่น ไอซ์แลนด์ ตัดสินใจโดยอาศัยข้อมูล

ด้วย AI วิวัฒนาการ เรากำลังจัดการกับความท้าทายระดับโลกที่กดดันมากที่สุดในลักษณะที่แตกต่าง โดยสามารถแนะนำนโยบายที่เป็นรูปธรรมที่สร้างสมดุลระหว่างลำดับความสำคัญที่แข่งขันกัน แทนที่จะสร้างวิธีแก้ปัญหาที่เหมาะสมทุกกรณี และไม่ใช่แค่ทางทฤษฎี เรากำลังสร้างเครื่องมือแบบโต้ตอบที่วางความสามารถนี้ไว้ในมือของผู้ตัดสินใจจริง

หลังจากหลายทศวรรษในด้าน AI คุณได้เห็นวงจรการเกิดความฮือฮาและความน่าเบื่อ มาสิ้นสุดลง คุณมั่นใจว่าคลื่นนี้—โดยเฉพาะเครื่องมือเช่นนี้—สุดท้ายก็ส่งมอบตามสัญญาของ AI ในการปรับปรุงสังคมได้อย่างไร?

ความก้าวหน้าที่แท้จริงต่อการให้คำมั่นสัญญาของ AI ในการปรับปรุงสังคมเกิดขึ้นเมื่อเราย้ายออกจากวงจรการเกิดความฮือฮาและสร้างระบบที่เพิ่มประสิทธิภาพการตัดสินใจของมนุษย์ในด้านที่สำคัญ รวมถึงความยั่งยืน นั่นคือการทดสอบจริงๆ ว่า AI ส่งมอบตามสัญญาหรือไม่

สิ่งที่ฉันสังเกตเห็นอย่างต่อเนื่องคือเทคโนโลยีจะก้าวหน้าผ่านรูปแบบการปรับให้เหมาะสมและการทำให้เข้าถึงได้ มากกว่าช่วงเวลาที่มีการยกย่องมากเกินไป ดูประวัติศาสตร์ของการคำนวณ เราได้เปลี่ยนจากคอมพิวเตอร์ที่มีขนาดห้องไปสู่นาฬิกาที่ทรงพลังผ่านการปรับปรุงอย่างต่อเนื่อง ไม่ใช่การกระโดดครั้งเดียว

ฉันเชื่อว่าเรากำลังอยู่ที่จุดเปลี่ยนสำคัญที่เทคโนโลยีสามารถปรับปรุงสังคมได้อย่างแท้จริง การประยุกต์ใช้ AI ที่เป็นรูปธรรม เช่น การทำงานของเราในการวางแผนการใช้ที่ดินโดยสร้างสมดุลระหว่างการลดคาร์บอนกับเป้าหมายอื่นๆ แสดงให้เห็นว่า AI สามารถสร้างผลกระทบเชิงบวกที่วัดได้ในการแก้ไขปัญหาที่ท้าทายที่สุดของเรา นั่นคือวิธีที่ AI ส่งมอบตามสัญญา: ผ่านผลกระทบที่วัดได้ในการแก้ไขปัญหาที่ยิ่งใหญ่ที่สุดของเรา

Cognizant ได้สร้างสถิติโลกของกินเนสส์พร้อมกับงานเขียนโค้ดที่ใหญ่ที่สุดในโลก โดยมีผู้เข้าร่วมมากกว่า 53,000 คนใน 40 ประเทศ และสร้างโปรโตไทป์มากกว่า 30,000 รายการ จากมุมมองของคุณ สิ่งนี้บอกเราถึงบทบาทของการเขียนโค้ดแบบ Vibe ในการทำให้ AI มีความสามารถในองค์กรขนาดใหญ่อย่างไร?

ขนาดและผลกระทบของงานเขียนโค้ดของเราแสดงให้เห็นถึงความเปลี่ยนแปลงที่การเขียนโค้ดแบบ Vibe สามารถนำมาใช้ในการทำให้ AI มีความสามารถในองค์กรขนาดใหญ่ได้อย่างไร มากกว่า 40% ของผู้เข้าร่วมเป็นคนไม่ใช่นักเขียนโค้ด และ 20% ไม่เคยเขียนโค้ดมาก่อน สิ่งนี้บอกว่าการเขียนโค้ดแบบ Vibe ไม่ใช่การลดมาตรฐาน แต่เป็นการเปิดประตูสู่กำลังคนใหม่ที่กำลังพัฒนาไปสู่ AI

แทนที่จะกำหนดให้ต้องมีความเชี่ยวชาญด้านการเขียนโค้ดอย่างลึกซึ้ง การเขียนโค้ดแบบ Vibe ช่วยให้ใครก็ตามที่มีแนวคิดสามารถแสดงออกมาในภาษาธรรมชาติและทำงานร่วมกับ AI เพื่อนำสิ่งนั้นมาเป็นจริง สำหรับนักพัฒนาที่มีประสบการณ์ สิ่งนี้ช่วยให้พวกเขาอัตโนมัติกระบวนการเขียนโค้ดที่น่าเบื่อได้มากขึ้น ทำให้พวกเขามุ่งเน้นไปที่งานที่มีคุณค่าสูงซึ่งผลักดันคุณค่าทางธุรกิจ

โดยการลดข้อจำกัดและทำให้ทุกคนสามารถทดลองกับ AI ที่สร้างสรรค์ได้ เรากำลังเปลี่ยนความสามารถในการใช้ AI จากทักษะเฉพาะไปสู่ความสามารถร่วมกันขององค์กรทั้งหมดในระดับที่ไม่เคยเห็นมาก่อน

นอกเหนือจากขนาดที่น่าประทับใจแล้ว ผลลัพธ์ที่มีความหมายที่สุดของการริเริ่มการเขียนโค้ด Vibe คืออะไร คุณเห็นโครงการนี้เป็นแบบจำลองสำหรับวิธีการที่องค์กรสามารถเพาะเลี้ยงนวัตกรรมและทักษะ AI ที่ใช้ได้จริงในระดับโลกได้หรือไม่?

ผลกระทบที่แท้จริงของการริเริ่มการเขียนโค้ด Vibe ของเราคือความกระตือรือร้นข้ามทั้งองค์กรที่เราเห็น โดยพนักงานจาก HR การขาย วิศวกรรม การเงิน กฎหมาย การตลาด และอื่นๆ ที่รับ AI และเข้าร่วม ความคิดของพวกเขา ซึ่งมีรากฐานมาจากความรู้ด้านโดเมนและข้อมูลเชิงปฏิบัติ นำไปสู่การสร้างโปรโตไทป์หลายพันรายการซึ่งอาจไม่เคยปรากฏขึ้น

ด้วยโปรเจ็กต์มากกว่า 30,000 โครงการที่เป็นเอกลักษณ์จากความพยายามนี้ เรากำลังตั้งค่าความเร็วสำหรับเศรษฐกิจ AI โดยที่ทุกคนมีเครื่องมือในการสร้างนวัตกรรมด้วย AI ในขณะเดียวกัน เรากำลังปลดปล่อยความคิดสร้างสรรค์ในระดับใหญ่และเพิ่มพลังให้กับกำลังคน—ทั้งภายใน Cognizant และสำหรับลูกค้าของเราในอุตสาหกรรมต่างๆ ที่เราให้บริการ—เพื่อเป็น AI ที่มีความสามารถมากขึ้น

เรามองเห็นโครงการริเริ่มนี้เป็นแบบจำลองที่องค์กรอื่นๆ สามารถทำซ้ำได้ โดยการรวมเครื่องมือ AI ที่เข้าถึงได้ วัฒนธรรมที่เปิดกว้าง และการประเมิน AI ที่มีประสิทธิภาพ เราสามารถให้บริการลูกค้าของเราได้ดีขึ้นในการปลดปล่อยความคิดสร้างสรรค์และเร่งการสร้างทักษะ AI ทั่วทั้งกำลังคน

ขอขอบคุณสำหรับการสัมภาษณ์ที่ยอดเยี่ยม ผู้อ่านที่ต้องการเรียนรู้เพิ่มเติมควรเยี่ยมชม Cognizant