ดาเนียล ซิโอลเล็ก หัวหน้าฝ่ายวิจัยและพัฒนา tại InvGate – ซีรีส์สัมภาษณ์

ดาเนียลเป็นมืออาชีพด้านไอทีที่มีความหลงใหลในอุตสาหกรรมมากกว่า 15 ปี เขามีปริญญาเอกสาขาวิทยาการคอมพิวเตอร์และมีประสบการณ์ยาวนานในด้านการวิจัยเทคโนโลยี ความสนใจของเขาอยู่ในหลายๆ ด้าน เช่น ปัญญาประดิษฐ์ วิศวกรรมซอฟต์แวร์ และการประมวลผลประสิทธิภาพสูง

ดาเนียลเป็นหัวหน้าฝ่ายวิจัยและพัฒนา tại InvGate โดยที่เขานำทีม R&D เขาทำงานร่วมกับทีมพัฒนาผลิตภัณฑ์และทีมพัฒนาธุรกิจเพื่อออกแบบ นำไปใช้ และติดตามยุทธศาสตร์ R&D ของบริษัท เมื่อเขาไม่ได้วิจัย เขาก็สอน

InvGate ให้ความสามารถแก่องค์กรโดยการให้เครื่องมือในการให้บริการที่ไม่มีข้อผิดพลาดระหว่างฝ่ายต่างๆ ตั้งแต่ฝ่ายไอทีไปจนถึงฝ่ายอื่นๆ

เมื่อไหร่และอย่างไรที่คุณเริ่มสนใจด้านวิทยาการคอมพิวเตอร์?

ความสนใจของฉันในวิทยาการคอมพิวเตอร์ย้อนกลับไปตั้งแต่ฉันยังเป็นเด็ก ฉันเคยหลงใหลในอุปกรณ์อิเล็กทรอนิกส์ และพยายามเข้าใจว่ามันทำงานอย่างไร เมื่อฉันโตขึ้น ความอยากรู้นี้ทำให้ฉันเริ่มเขียนโปรแกรม ฉันยังคงจำได้ว่าฉันสนุกกับการเขียนโปรแกรมแรกของฉัน ตั้งแต่นั้นเป็นต้นมา ฉันไม่เคยสงสัยเลยว่าฉันต้องการทำอาชีพในวิทยาการคอมพิวเตอร์

คุณเป็นผู้นำทีม R&D และนำไปใช้การประยุกต์ใช้ AI ที่สร้างขึ้นใหม่ คุณสามารถพูดถึงงานของคุณได้บ้างหรือไม่?

แน่นอน ในฝ่ายวิจัยและพัฒนาของเรา เราต้องเผชิญกับปัญหาที่ซับซ้อนซึ่งยากต่อการแสดงและแก้ไขอย่างมีประสิทธิภาพ งานของเราไม่ได้จำกัดอยู่แค่การประยุกต์ใช้ AI ที่สร้างขึ้นใหม่ แต่ความก้าวหน้าล่าสุดในด้านนี้ทำให้เกิดโอกาสมากมายที่เราต้องการใช้ประโยชน์

หนึ่งในวัตถุประสงค์หลักของ InvGate คือการเพิ่มความสามารถในการใช้งานซอฟต์แวร์ของเรา เราทำสิ่งนี้โดยการติดตามวิธีการใช้งาน ระบุปัญหาที่เกิดขึ้น และทำงานอย่างต่อเนื่องเพื่อแก้ไขปัญหาเหล่านั้น หนึ่งในปัญหาที่เราเผชิญบ่อยๆ คือการเข้าใจและใช้ภาษาธรรมชาติ ซึ่งเป็นปัญหาที่ยากต่อการแก้ไขโดยไม่ใช้โมเดลภาษาขนาดใหญ่ (LLM)

อย่างไรก็ตาม ด้วยการเกิดขึ้นของ LLM ที่มีต้นทุนไม่สูง เราสามารถทำให้กรณีการใช้งานเหล่านี้ง่ายขึ้น ความสามารถของเราตอนนี้รวมถึงการให้คำแนะนำในการเขียน การสร้างบทความฐานความรู้อัตโนมัติ และการสรุปข้อความยาวๆ เป็นต้น

ที่ InvGate ทีมของคุณใช้กลยุทธ์ที่เรียกว่า “agnostic AI” คุณสามารถอธิบายว่าสิ่งนี้หมายถึงอะไรและทำไมมันจึงสำคัญ?

Agnostic AI เป็นเรื่องของความยืดหยุ่นและความสามารถในการปรับตัว มันเกี่ยวกับการไม่ผูกพันเข้ากับโมเดล AI หรือผู้ให้บริการใดๆ แต่เรามุ่งหวังที่จะรักษาตัวเลือกของเราไว้ โดยใช้ประโยชน์จากสิ่งที่ดีที่สุดของแต่ละผู้ให้บริการ AI ในขณะเดียวกันก็หลีกเลี่ยงความเสี่ยงในการถูกบังคับให้ใช้ระบบใดระบบหนึ่ง

คุณสามารถนึกภาพได้ว่าเราควรใช้ GPT ของ OpenAI, Gemini ของ Google หรือ Llama-2 ของ Meta สำหรับคุณสมบัติ AI ที่สร้างขึ้นใหม่ของเราหรือไม่? เราควรเลือกการ署มใช้แบบ pay-as-you-go บนคลาวด์ การใช้งานแบบจัดการ หรือการ署มใช้แบบ self-hosted หรือไม่? นี่ไม่ใช่การตัดสินใจที่ง่าย และอาจเปลี่ยนแปลงไปตามเวลาเมื่อมีการเปิดตัวโมเดลใหม่ๆ และผู้ให้บริการใหม่ๆ เข้าสู่ตลาด

แนวทาง Agnostic AI ของเรารับประกันว่าระบบของเรามีความพร้อมที่จะปรับตัวเสมอ การใช้งานของเรามีส่วนประกอบหลัก 3 ส่วน ได้แก่ อินเทอร์เฟซ ตัวกำหนดเส้นทาง และโมเดล AI เอง อินเทอร์เฟซจะแยกการนำไปใช้ของระบบ AI ออกจากการนำไปใช้ของส่วนอื่นๆ ของซอฟต์แวร์ของเรา ทำให้ง่ายต่อการโต้ตอบกับระบบ AI

คุณสามารถอธิบายถึงแง่มุมเชิงวิธีวิทยาที่ชี้นำกระบวนการตัดสินใจของคุณในการเลือกโมเดล AI และผู้ให้บริการที่เหมาะสมที่สุดสำหรับงานเฉพาะหรือไม่?

สำหรับฟีเจอร์ใหม่ๆ ที่เราพัฒนา เราจะเริ่มต้นด้วยการสร้างมาตรฐานการประเมิน มาตรฐานนี้จะประเมินประสิทธิภาพของโมเดล AI ที่แตกต่างกันในการแก้ปัญหา แต่เราจะไม่พิจารณาแค่ประสิทธิภาพเท่านั้น เรายังพิจารณาเรื่องความเร็วและต้นทุนของแต่ละโมเดลด้วย สิ่งนี้ทำให้เรามีมุมมองที่ครอบคลุมเกี่ยวกับคุณค่าของแต่ละโมเดล และช่วยให้เราเลือกตัวเลือกที่คุ้มค่าที่สุดสำหรับการกำหนดเส้นทางคำขอ

กระบวนการของเราไม่ได้หยุดเพียงเท่านี้ ในด้าน AI ที่เปลี่ยนแปลงอย่างรวดเร็ว โมเดลใหม่ๆ ถูกเปิดตัวและโมเดลที่มีอยู่ถูกอัปเดตอย่างต่อเนื่อง ดังนั้น เมื่อมีโมเดลใหม่หรืออัปเดต เราจะรันมาตรฐานการประเมินของเราใหม่เพื่อเปรียบเทียบประสิทธิภาพของโมเดลใหม่หรืออัปเดตกับโมเดลที่เรากำลังใช้อยู่ หากโมเดลใหม่แสดงผลดีกว่า เราจะอัปเดตโมดูลตัวกำหนดเส้นทางของเราเพื่อสะท้อนการเปลี่ยนแปลงนี้

คุณสามารถอธิบายถึงความท้าทายในการเปลี่ยนระหว่างโมเดล AI และผู้ให้บริการที่แตกต่างกันได้หรือไม่?

การเปลี่ยนระหว่างโมเดล AI และผู้ให้บริการที่แตกต่างกันอย่างไม่มีปัญหาเป็นความท้าทายที่มีเอกลักษณ์เฉพาะตัว

ประการแรก ผู้ให้บริการ AI แต่ละรายต้องการอินพุตที่มีรูปแบบเฉพาะ และโมเดล AI สามารถตอบสนองต่อคำขอเดียวกันได้ต่างกัน ซึ่งหมายความว่าเราต้องปรับให้เหมาะสมสำหรับแต่ละโมเดล ซึ่งอาจซับซ้อนมากเมื่อพิจารณาจากตัวเลือกที่หลากหลาย

ประการที่สอง โมเดล AI มีความสามารถที่แตกต่างกัน ตัวอย่างเช่น โมเดลบางตัวสามารถสร้างเอาต์พุตในรูปแบบ JSON ซึ่งเป็นคุณสมบัติที่มีประโยชน์ในการใช้งานหลายๆ อย่างของเรา โมเดลอื่นๆ สามารถประมวลผลข้อความขนาดใหญ่ ทำให้เราใช้ข้อความที่ครอบคลุมมากขึ้นสำหรับงานบางอย่าง การจัดการความสามารถเหล่านี้เพื่อเพิ่มประสิทธิภาพของแต่ละโมเดลเป็นส่วนสำคัญของงานของเรา

สุดท้าย เราต้องแน่ใจว่าคำตอบที่สร้างโดย AI เป็นปลอดภัยต่อการใช้งาน โมเดล AI ที่สร้างขึ้นใหม่สามารถสร้าง “ภาพหลอก” หรือสร้างคำตอบที่เท็จ ไม่เกี่ยวข้อง หรืออาจเป็นอันตรายได้ เพื่อลดความเสี่ยงนี้ เราใช้ฟิลเตอร์ทำความสะอาดหลังการประมวลผลอย่างเข้มงวดเพื่อตรวจจับและกรองคำตอบที่ไม่เหมาะสม

คุณสามารถอธิบายถึงการออกแบบอินเทอร์เฟซภายในระบบ AI ที่ไม่ลำเอียงของคุณเพื่อให้แน่ใจว่ามันจะแยกความซับซ้อนของเทคโนโลยี AI ที่อยู่เบื้องหลังออกจากการติดต่อที่เป็นมิตรกับผู้ใช้ได้หรือไม่?

การออกแบบอินเทอร์เฟซของเราคือการทำงานร่วมกันระหว่างทีม R&D และทีมวิศวกรรม เราทำงานบนฟีเจอร์ต่อฟีเจอร์ โดยกำหนดความต้องการและข้อมูลที่มีอยู่สำหรับฟีเจอร์แต่ละฟีเจอร์ จากนั้นเราจะออกแบบ API ที่รวมเข้ากับผลิตภัณฑ์ได้อย่างไร้ข้อผิดพลาด โดยนำไปใช้ใน AI-Service ภายในของเรา สิ่งนี้ช่วยให้ทีมวิศวกรรมสามารถมุ่งเน้นไปที่ตรรกะทางธุรกิจ ในขณะที่ AI-Service ของเราจัดการกับความซับซ้อนของการทำงานกับผู้ให้บริการ AI ที่แตกต่างกัน

กระบวนการนี้ไม่ได้ขึ้นอยู่กับการวิจัยแนวหน้า แต่ขึ้นอยู่กับการนำแนวปฏิบัติด้านวิศวกรรมซอฟต์แวร์ที่ได้รับการพิสูจน์มาใช้

เมื่อพิจารณาการดำเนินงานระดับโลกแล้ว InvGate จัดการกับความท้าทายของการมีอยู่ในระดับภูมิภาคและความสอดคล้องกับข้อบังคับเกี่ยวกับข้อมูลในท้องถิ่นอย่างไร?

การรับประกันการมีอยู่ในระดับภูมิภาคและความสอดคล้องกับข้อบังคับเกี่ยวกับข้อมูลในท้องถิ่นเป็นส่วนสำคัญของการดำเนินงานของ InvGate เราเลือกผู้ให้บริการ AI ที่สามารถดำเนินงานในระดับใหญ่และรักษามาตรฐานความปลอดภัยสูงสุดและเป็นไปตามข้อบังคับในระดับภูมิภาค

ตัวอย่างเช่น เราพิจารณาเฉพาะผู้ให้บริการที่ปฏิบัติตามข้อบังคับ เช่น General Data Protection Regulation (GDPR) ในสหภาพยุโรป สิ่งนี้ทำให้เรามั่นใจว่าเราสามารถใช้บริการของเราในภูมิภาคต่างๆ โดยมั่นใจว่าเรากำลังดำเนินงานภายในกรอบกฎหมายท้องถิ่น

ผู้ให้บริการคลาวด์หลัก เช่น AWS, Azure และ Google Cloud เป็นไปตามข้อกำหนดเหล่านี้และให้ฟังก์ชัน AI ที่หลากหลาย ทำให้พวกเขาเป็นพันธมิตรที่เหมาะสมสำหรับการดำเนินงานระดับโลกของเรา นอกจากนี้ เรายังติดตามการเปลี่ยนแปลงในข้อบังคับเกี่ยวกับข้อมูลในท้องถิ่นอย่างต่อเนื่องเพื่อให้แน่ใจว่าเรายังคงสอดคล้องกันและปรับเปลี่ยนแนวปฏิบัติของเราเมื่อจำเป็น

วิธีการพัฒนาโซลูชัน IT ของ InvGate มีวิวัฒนาการอย่างไรในช่วงสิบปีที่ผ่านมา โดยเฉพาะอย่างยิ่งด้วยการรวม AI ที่สร้างขึ้นใหม่?

ในช่วงสิบปีที่ผ่านมา วิธีการพัฒนาโซลูชัน IT ของ InvGate มีวิวัฒนาการอย่างมาก เราได้ขยายฐานฟีเจอร์ของเราไปสู่ความสามารถขั้นสูง เช่น การทำงานอัตโนมัติ การค้นหาอุปกรณ์ และ Configuration Management Database (CMDB) ฟีเจอร์เหล่านี้ช่วยให้การดำเนินงาน IT ของผู้ใช้ของเราง่ายขึ้นมาก

ล่าสุด เราได้เริ่มรวม AI ที่สร้างขึ้นใหม่เข้ากับผลิตภัณฑ์ของเรา สิ่งนี้เป็นไปได้เนื่องจากความก้าวหน้าล่าสุดในด้าน LLM ที่ให้บริการโซลูชันที่มีต้นทุนไม่สูง การรวม AI ที่สร้างขึ้นใหม่ทำให้เราสามารถเพิ่มประสิทธิภาพของผลิตภัณฑ์ของเราได้ด้วยการสนับสนุน AI ที่ช่วยให้การทำงานมีประสิทธิภาพและเป็นมิตรกับผู้ใช้มากขึ้น

แม้ว่าจะยังอยู่ในช่วงเริ่มต้น แต่เราคาดการณ์ว่า AI จะกลายเป็นเครื่องมือที่จำเป็นในด้านการดำเนินงาน IT ดังนั้น เราจึงวางแผนจะพัฒนาผลิตภัณฑ์ของเราโดยการรวมเทคโนโลยี AI ต่อไป

คุณสามารถอธิบายได้หรือไม่ว่า AI ที่สร้างขึ้นใหม่ภายใน AI Hub ของคุณเพิ่มความเร็วและคุณภาพของการตอบสนองต่อเหตุการณ์ IT ทั่วไปอย่างไร?

AI ที่สร้างขึ้นใหม่ภายใน AI Hub ของเราช่วยเพิ่มความเร็วและคุณภาพของการตอบสนองต่อเหตุการณ์ IT ทั่วไปผ่านกระบวนการที่มีหลายขั้นตอน:

การติดต่อครั้งแรก: เมื่อผู้ใช้พบปัญหา เขาสามารถเปิดช่องสนทนาได้โดยใช้ตัวแทนเสมือน AI (VA) และอธิบายปัญหา VA จะค้นหาทางออกจากฐานความรู้ (KB) ของบริษัทและฐานข้อมูลสาธารณะสำหรับการแก้ไขปัญหา IT โดยให้คำแนะนำในลักษณะสนทนา ซึ่งมักจะแก้ปัญหาได้อย่างรวดเร็วและประสิทธิภาพ

การสร้างตั๋ว: หากปัญหาเป็นเรื่องที่ซับซ้อน VA สามารถสร้างตั๋วและดึงข้อมูลที่เกี่ยวข้องออกมาจากการสนทนาได้โดยอัตโนมัติ

การกำหนดตั๋วให้กับเอเย่นต์: ระบบจะกำหนดตั๋วให้กับเอเย่นต์ตามประเภทตั๋ว ความสำคัญ และประสบการณ์ของเอเย่นต์กับปัญหาในลักษณะเดียวกัน

การโต้ตอบกับเอเย่นต์: เอเย่นต์สามารถติดต่อกับผู้ใช้เพื่อขอข้อมูลเพิ่มเติมหรือแจ้งให้ทราบว่าปัญหาได้รับการแก้ไขแล้ว การโต้ตอบนี้ได้รับการปรับปรุงด้วย AI โดยให้คำแนะนำในการเขียนเพื่อปรับปรุงการสื่อสาร

การเพิ่มระดับ: หากปัญหา需要การเพิ่มระดับ ฟังก์ชันการสรุปอัตโนมัติช่วยให้ผู้จัดการเข้าใจปัญหาได้อย่างรวดเร็ว

การวิเคราะห์หลังเหตุการณ์: หลังจากที่ตั๋วถูกปิด AI จะทำการวิเคราะห์เหตุผลเพื่อช่วยในการวิเคราะห์หลังเหตุการณ์และรายงาน เอเย่นต์ยังสามารถใช้ AI ในการสร้างบทความฐานความรู้ ซึ่งจะช่วยให้การแก้ปัญหาในอนาคตเป็นไปอย่างมีประสิทธิภาพมากขึ้น

แม้ว่าเราจะนำฟีเจอร์เหล่านี้ไปใช้แล้ว แต่เราก็ยังคงทำงานอย่างต่อเนื่องเพื่อปรับปรุงและพัฒนา

ด้วยฟีเจอร์ที่กำลังจะมาถึง เช่น ตัวแทนเสมือน MS Teams ที่ฉลาดขึ้น คุณคาดหวังว่าประสบการณ์การสนับสนุนแบบสนทนาจะดีขึ้นอย่างไร?

หนึ่งเส้นทางที่มีแนวโน้มคือการขยายประสบการณ์การสนทนาให้เป็น “ผู้ช่วย” ที่ไม่เพียงแต่ตอบคำถามและดำเนินการง่ายๆ แต่ยังสามารถดำเนินการซับซ้อนแทนผู้ใช้ได้ สิ่งนี้จะช่วยปรับปรุงความสามารถในการบริการตนเองของผู้ใช้ และให้เครื่องมือที่มีประสิทธิภาพมากขึ้นแก่เอเย่นต์ ในที่สุด อินเทอร์เฟซการสนทนาที่มีพลังเหล่านี้จะทำให้ AI เป็นเพื่อนร่วมงานที่อยู่ทุกที่

ขอขอบคุณสำหรับการสัมภาษณ์ที่ยอดเยี่ยม ผู้อ่านสามารถเยี่ยมชม InvGate เพื่อเรียนรู้เพิ่มเติม