เดนิส โรมาโนว์สกี้, Chief AI Officer ที่ SOFTSWISS – สัมภาษณ์ซีรีส์

เดนิส โรมาโนว์สกี้, Chief AI Officer ที่ SOFTSWISS, เป็นนักบริหารเทคโนโลยีที่มีประสบการณ์มากกว่า 25 ปีในการนำโปรแกรมวิศวกรรมขนาดใหญ่ในอุตสาหกรรมต่างๆ เช่น การเล่นเกม, ซอฟต์แวร์องค์กร, อินเทอร์เน็ตของสิ่ง (IoT) และแพลตฟอร์มออนไลน์ที่มีการใช้งานสูง ในช่วง 5 ปีที่ผ่านมา เขาได้ทำงานในอุตสาหกรรม iGaming และเคยดำรงตำแหน่ง Deputy CTO ที่ SOFTSWISS โดยดูแลการกำกับดูแลทางเทคนิคทั่วทั้งบริษัท โดยมุ่งเน้นไปที่แพลตฟอร์มคาสิโนและกีฬา ก่อนที่จะเข้ารับตำแหน่งปัจจุบันเพื่อกำหนดนโยบายและนำเอา AI มาใช้ในบริษัท

SOFTSWISS เป็นบริษัทเทคโนโลยี iGaming ที่มีสำนักงานใหญ่อยู่ที่มอลตา โดยให้บริการโซลูชั่นแบบครบวงจรสำหรับคาสิโนออนไลน์และการพนันกีฬา รวมถึงแพลตฟอร์มคาสิโน, เกมรวม, การพนันกีฬา และบริการจัดการ บริษัทให้การสนับสนุนผู้ให้บริการทั่วโลกด้วยโครงสร้างพื้นฐานที่ออกแบบมาเพื่อความสามารถในการปรับขนาด, การปฏิบัติตามกฎระเบียบ และความน่าเชื่อถือ โดยวางตัวเองไว้ที่จุดตัดกันระหว่างเทคโนโลยีการเล่นเกมและความเป็นเลิศที่ขับเคลื่อนด้วย AI

หลังจากที่ได้นำโปรแกรมทางเทคนิคขนาดใหญ่ในหลายอุตสาหกรรมและตอนนี้กำลังกำหนดนโยบาย AI ระดับองค์กรที่ SOFTSWISS, ประสบการณ์ของคุณในการพัฒนาระบบที่มีการใช้งานสูงและความพร้อมใช้งานสูงได้เปลี่ยนแปลงวิธีการนำ AI ไปใช้ในองค์กรที่มีพนักงานมากกว่า 2,000 คนอย่างไร?

ประสบการณ์ของฉันในการพัฒนาระบบที่มีการใช้งานสูงและความพร้อมใช้งานสูงได้สอนฉันถึงบทเรียนพื้นฐานว่า การเปลี่ยนแปลงที่ซับซ้อนใดๆ ที่มีขนาดใหญ่ต้องการแนวทางแบบระบบ คุณไม่สามารถเพียงแค่นำเทคโนโลยีมาใช้และหวังว่ามันจะทำงานได้ – คุณต้องออกแบบระบบทั้งหมดให้ทำงานร่วมกันและรับประกันว่ากระบวนการ, โครงสร้าง และเทคโนโลยีทั้งหมดทำงานร่วมกัน

เรานำหลักการนี้ไปใช้กับการนำ AI มาใช้ที่ SOFTSWISS โดยเริ่มต้นจากระดับบุคคล เราอธิบายให้พนักงานทุกคนเข้าใจวิธีการใช้ AI อย่างปลอดภัยและมีประสิทธิภาพ – สิ่งที่ AI สามารถทำได้, ข้อจำกัดของ AI และความเสี่ยงที่เกี่ยวข้อง สิ่งสำคัญคือเราต้องทำให้แน่ใจว่าความรับผิดชอบต่อผลลัพธ์ไม่หายไปเมื่อ AI เข้ามาในภาพ AI เพิ่มความสามารถของคุณ แต่ความรับผิดชอบยังคงอยู่กับคุณ คุณยังคงเป็นเจ้าของคุณภาพของผลลัพธ์, การตัดสินใจ และผลการดำเนินงาน

จากนั้นเราก็ไปสู่ระดับทีม ซึ่งเป็นจุดที่มีการเปลี่ยนแปลงอย่างมาก โอกาสใหม่ๆ เกิดขึ้น – วงจรการวางแผนเร็วขึ้น, การตรวจสอบอัตโนมัติ, การวิเคราะห์ที่ดีขึ้น – แต่ความเสี่ยงใหม่ๆ ก็เกิดขึ้นเช่นกัน: การพึ่งพา AI มากเกินไป, การเสื่อมถอยของการคิดอย่างมีวิจารณญาณ, การนำ AI ไปใช้อย่างไม่สม่ำเสมอในทีม นี่คือจุดที่ผู้จัดการมีบทบาทที่สำคัญ พวกเขาต้องปรับวิธีการทบทวนงาน, คำถามที่ถาม และสัญญาณที่มองหา เมื่อบางคนส่งมอบผลลัพธ์ที่เร็วขึ้นสองเท่า, งานของผู้จัดการคือการเข้าใจว่าคุณภาพยังคงอยู่และว่าบุคคลนั้นเข้าใจสิ่งที่ส่งมอบจริงๆ

แนวทางที่มีระดับ – ความตระหนักของบุคคล, การปรับเปลี่ยนระดับทีม, การดูแลของผู้จัดการ – คือสิ่งที่ทำให้เราสามารถขยาย AI ไปทั่วทั้งองค์กรที่มีขนาดใหญ่โดยไม่กระทบต่อความเสถียรและความน่าเชื่อถือที่สภาพแวดล้อมที่มีการควบคุมของเราต้องการ

สิ่งใดที่ทำให้ AI ที่ใช้เป็นเครื่องมือเพิ่มประสิทธิภาพแตกต่างจาก AI ที่ถูกฝังอยู่ในโครงสร้างพื้นฐานและระบบการตัดสินใจ และความแตกต่างนี้เปลี่ยนแปลงผลลัพธ์ทางธุรกิจในระยะยาวอย่างไร?

AI ที่ใช้เป็นเครื่องมือเพิ่มประสิทธิภาพ – ผู้ช่วยแชทและผู้ช่วยเขียนโค้ด – คือจุดที่ผู้คนพบกับ AI ในที่ทำงานก่อน สิ่งนี้มีความสำคัญและคุณไม่สามารถข้ามมันได้ มันสร้างความเข้าใจ AI, สอนให้ผู้คนประเมินผลลัพธ์ และสร้างนิสัยการใช้ AI อย่างมีความรับผิดชอบทั่วทั้งองค์กร

แต่มีความแตกต่างพื้นฐานระหว่าง AI ที่ช่วยเหลือบุคคลและ AI ที่ฝังอยู่ในระบบการดำเนินงานขององค์กร AI ระดับโครงสร้างพื้นฐาน – ที่รวมเข้ากับระบบองค์กรผ่านแพลตฟอร์ม AI – กลายเป็นส่วนหนึ่งของระบบการจัดการ มันเกี่ยวข้องกับการวางแผน, การควบคุม และการตรวจสอบ มันเคารพกรอบการกำกับดูแลและให้ข้อมูลโดยตรงเข้าสู่ห่วงโซ่การตัดสินใจ

ผลกระทบของมันคือความแตกต่างที่สำคัญ เครื่องมือเพิ่มประสิทธิภาพให้ผลตอบแทน 20-30% ในงานแต่ละงาน – มีค่า แต่เพิ่มขึ้นเล็กน้อย AI ระดับโครงสร้างพื้นฐานเร่งกระบวนการทั้งหมด 3-5 เท่า และในระยะยาว มันเปลี่ยนแปลงองค์กรเอง – ลบตำแหน่งบางส่วนหรือทั้งหมด, สร้างตำแหน่งใหม่ และบีบอัดกระบวนการที่เคยต้องมีการส่งมอบหลายครั้ง

ดังนั้น สองหมวดหมู่นี้ต้องการแนวทางที่แตกต่างกัน AI ที่ใช้เป็นเครื่องมือเพิ่มประสิทธิภาพคือความท้าทายในการทำให้เกิดการนำไปใช้ AI ระดับโครงสร้างพื้นฐานคือการเปลี่ยนแปลงองค์กรที่ต้องการการวางแผนอย่างรอบคอบ, การจัดการการเปลี่ยนแปลง และการดูแลอย่างต่อเนื่อง

การเปลี่ยนแปลงทางสถาปัตยกรรมและวัฒนธรรมใดที่จำเป็นต่อการเปลี่ยนแปลงจากการทดลอง AI ที่แยกจากกันไปสู่แพลตฟอร์ม AI ระดับองค์กร?

ทางด้านสถาปัตยกรรม แพลตฟอร์มที่มีศูนย์กลางคือสิ่งจำเป็น – ที่ให้การเข้าถึงแบบปลอดภัยไปยังผู้ให้บริการโมเดลหลายรายในขณะเดียวกันก็รักษาการกำกับดูแลข้อมูลอย่างเข้มงวด ไม่มีระดับนี้ การทดลองจะขยายการกระจายความเสี่ยงแทนคุณค่า

ทางด้านวัฒนธรรม การเปลี่ยนแปลงที่ใหญ่กว่าคือการเปลี่ยนจากความคิดที่มุ่งเน้นการดำเนินงานไปสู่การออกแบบ การที่การดำเนินงานกลายเป็นเรื่องถูกและเร็วขึ้นด้วย AI ความได้เปรียบในการแข่งขันเปลี่ยนไปสู่วิธีการออกแบบกระบวนการทำงานที่ดีกว่า พนักงานควรออกแบบกระบวนการที่ AI จัดการการดำเนินงานที่ซ้ำๆ ในขณะที่มนุษย์ยังคงควบคุมการกำกับดูแลและคุณภาพการตัดสินใจ

องค์กรขนาดใหญ่สามารถเพิ่มความเร็วในการเรียนรู้เมื่อนำ AI ไปใช้อย่างไร และกลไกการดำเนินงานใดที่ทำให้สิ่งนี้สามารถวัดผลได้?

ความเร็วในการเรียนรู้เพิ่มขึ้นเมื่อการทดลองมีโครงสร้าง ใน SOFTSWISS เราแต่งตั้งผู้นำ AI ภายในทีมผลิตภัณฑ์ที่ระบุกรณีการใช้งาน, ปรับปรุงแนวทางปฏิบัติที่ดีที่สุด และแบ่งปันข้อมูลข้ามองค์กร การฝึกอบรมช่วยเร่งการถ่ายทอดความรู้

การวัดผลเชื่อมโยงกับ KPI ของธุรกิจ เราติดตามตัวชี้วัด เช่น เวลาในการแก้ปัญหาในฝ่ายสนับสนุนหรือระดับการทำให้自动ในกระบวนการตรวจสอบโค้ด หากการนำ AI ไปใช้ไม่ปรับปรุงเมตริกที่วัดผลได้ มันจะยังคงอยู่ในระดับผิวเผิน

กระบวนการมรดกใดที่จำกัดผลกระทบของการนำ AI ไปใช้ในบริษัทเทคโนโลยีที่มีมาตรฐานมากที่สุด?

ข้อจำกัดหลักคือการพยายามรวม AI เข้ากับโครงสร้างการบริหารที่มีความยืดหยุ่นน้อยและมีวงจรการวางแผนและจัดสรรทรัพยากรที่ยาวนาน ข้อได้เปรียบของ AI คือความเร็ว และแบบจำลองการกำกับดูแลที่ล้าสมัยชะลอความเร็วของ AI

ปัจจัยที่จำกัดอีกประการหนึ่งคือการจำแนกประเภทข้อมูลที่อ่อนแอ ไม่มีข้อมูลที่มีโครงสร้างและควบคุมดูแลอย่างดี การรวม AI ที่ปลอดภัยและสามารถขยายขนาดได้กลายเป็นเรื่องที่ยากมาก

คุณสามารถแบ่งปันข้อเท็จจริงที่การรวม AI เข้ากับระบบหลักทำให้เกิดผลลัพธ์ที่วัดได้ในด้านประสิทธิภาพ, รายได้ หรือประสิทธิผลการดำเนินงาน?

ในฝ่ายสนับสนุน AI ที่ฝังอยู่ใน Jira วิเคราะห์ประวัติและเอกสารประกอบเพื่อเสนอเส้นทางแก้ปัญหา ซึ่งลดเวลาในการแก้ปัญหาอย่างมาก

ในฝ่ายบุคคล ผู้ช่วยอัตโนมัติที่จัดการคำถามเกี่ยวกับผลประโยชน์และการลาประหยัดชั่วโมงหลายร้อยชั่วโมงทุกเดือน

ในการพัฒนา AI ที่ขับเคลื่อนการตรวจสอบโค้ดอัตโนมัติสามารถเข้าถึง 60–80% ทำให้วงจรชีวิตของการพัฒนามีความเร็วขึ้น 2-4 เท่า ผลลัพธ์เหล่านี้สามารถวัดผลได้และกระทบต่อประสิทธิภาพโดยตรง

คุณออกแบบกรอบการกำกับดูแลเพื่อให้แน่ใจถึงความสามารถในการตรวจสอบ, ความปลอดภัย และความรับผิดชอบเมื่อ AI ถูกฝังอยู่ลึกในกระบวนการทำงานขององค์กร?

กรอบการกำกับดูแลต้องสร้างสภาพแวดล้อมที่ควบคุมได้ ไม่ใช่จำกัดนวัตกรรม เราใช้ข้อตกลงร่วมกับผู้ให้บริการระดับองค์กรและใช้การปิดบังข้อมูลก่อนที่จะส่งข้อมูลไปยังโมเดลคลาวด์

ความรับผิดชอบถูกสร้างเข้าไปในดีไซน์ของระบบ การกระทำที่ขับเคลื่อนด้วย AI ทำงานภายในหน้าต่างการกลับรายการโดยที่สามารถมีการย้อนกลับได้ ความรับผิดชอบสุดท้ายยังคงอยู่กับผู้นำทีมที่ออกแบบและเป็นเจ้าของกระบวนการทำงาน

ข้อได้เปรียบทางโครงสร้างใดที่ทำให้ทีม AI ที่มีขนาดเล็กสามารถขยายขนาดได้เร็วกว่าองค์กรแบบดั้งเดิม และองค์กรขนาดใหญ่สามารถปรับตัวได้โดยไม่สูญเสียเสถียรภาพ?

ความแตกต่างหลักคือทางสถาปัตยกรรม บริษัทแบบดั้งเดิมแบ่งงานออกเป็นขั้นตอนที่ต่อเนื่องกัน – แต่ละขั้นตอนเป็นของบทบาทที่แยกจากกัน โดยมีการส่งมอบและการรอระหว่างขั้นตอน AI ที่มีขนาดเล็กสามารถดำเนินการทั้งหมดพร้อมๆ กัน ไม่มีการส่งมอบ ไม่มีการรอระหว่างขั้นตอน กระบวนการทั้งหมดถูกทำให้自动จากระดับปลายจนถึงปลาย ซึ่งให้ความได้เปรียบด้านความเร็วที่มาก

สำหรับองค์กรขนาดใหญ่ เส้นทางไปสู่การปรับเปลี่ยนคือการดำเนินไปอย่างต่อเนื่องก่อนอื่น – สร้างความเข้าใจ AI และจัดเตรียมเครื่องมือ AI ให้กับทีม ให้คนมีเวลาในการเรียนรู้, ทดลอง และรวม AI เข้ากับกระบวนการทำงานที่มีอยู่แล้ว ในขั้นตอนนี้ การนวัตกรรมเกิดขึ้นภายในกระบวนการที่มีอยู่แล้ว ไม่ใช่แทนกระบวนการเหล่านั้น

เมื่อทีมได้รับประสบการณ์และความมั่นใจ คุณสามารถตั้งเป้าหมายที่ทะเยอทะยานมากขึ้น – การเพิ่มประสิทธิภาพกระบวนการทั้งหมด ไม่ใช่เพียงขั้นตอนเดียว นี่คือจุดที่การเปลี่ยนแปลงที่แท้จริงเริ่มต้นขึ้น แต่มันทำงานได้ก็ต่อเมื่อคนและกระบวนการพร้อมสำหรับมัน

กุญแจสำคัญคือความเร็ว การเคลื่อนไหวเร็วเกินไปและคุณจะทำลายเสถียรภาพ การเคลื่อนไหวช้าเกินไปและตลาดจะทิ้งคุณไว้เบื้องหลัง แนวทางที่ถูกต้องคือการก้าวหน้าแบบต่อเนื่อง – เพื่อให้องค์กรพัฒนาโดยไม่สูญเสียสิ่งที่ทำงานได้ดีอยู่แล้ว

การดำเนินงานในอุตสาหกรรม iGaming ซึ่งมีความต้องการด้านกฎระเบียบและความน่าเชื่อถือ ส่งผลต่อการออกแบบและใช้งานโครงสร้างพื้นฐาน AI อย่างไร?

อุตสาหกรรม iGaming เป็นสภาพแวดล้อมที่ไม่เหมือนใคร มันเกี่ยวข้องกับการทำธุรกรรมด้วยเงินจริง, การทำธุรกรรมแบบเรียลไทม์ และการกำกับดูแลโดยหน่วยงานกำกับดูแลหลายแห่งทั่วหลายเขตอำนาจศาล ที่ SOFTSWISS เราดำเนินงานภายใต้ใบอนุญาตหลายใบ – แต่ละใบมีข้อกำหนดด้านการปฏิบัติตามกฎระเบียบที่แตกต่างกัน ซึ่งหมายความว่าทุกการตัดสินใจด้านเทคโนโลยี รวมถึง AI ต้องคำนึงถึงภูมิทัศน์ด้านกฎระเบียบที่ซับซ้อนซึ่งไปไกลกว่ามาตรฐานการคุ้มครองข้อมูลทั่วไป

ตลาดที่มีการควบคุมต้องการการปฏิบัติตามกฎระเบียบเกี่ยวกับการจัดเก็บข้อมูล, การลบข้อมูล และการประมวลผลข้อมูล รวมถึง GDPR แต่ใน iGaming ขอบเขตกว้างกว่านั้น – ข้อกำหนดต่อต้านการฟอกเงิน, ข้อผูกพันในการเล่นเกมอย่างมีความรับผิดชอบ, เงื่อนไขใบอนุญาตที่กำหนดว่าข้อมูลจะไหลและประมวลผลได้ที่ไหน โครงสร้างพื้นฐานต้องรับประกันว่าข้อมูลที่ไวต้องไม่ได้ถูกนำไปใช้ในการฝึกอบรมแบบจำลองภายนอก และทุกการตัดสินใจที่ขับเคลื่อนด้วย AI ยังคงสามารถตรวจสอบได้

ในขณะเดียวกัน มาตรฐานความน่าเชื่อถือก็สูงมาก ระบบทำงาน 24/7 ด้วยปริมาณธุรกรรมขนาดใหญ่ ระบบ AI ใดๆ ที่เรานำไปใช้จะต้องตอบสนองมาตรฐานเดียวกัน – มีอยู่เสมอ, มีการตรวจสอบอย่างเต็มที่ และสามารถจัดการข้อมูลปริมาณที่เราเห็นในการสนับสนุนและการปฏิบัติตามกฎระเบียบได้ ในอุตสาหกรรมนี้ ความล้มเหลวของ AI ไม่ใช่แค่ความไม่สะดวก – มันเป็นความเสี่ยงด้านกฎระเบียบและทางการเงิน

เมื่อ AI ระดับองค์กรมีความต่อเนื่อง, ความสามารถใดที่จะทำให้บริษัทที่รวม AI เข้ากับโมเดลการดำเนินงานของตนแตกต่างจากผู้ที่ยังคงเป็นผู้นำรับใช้ AI ในระดับผิวเผิน?

ในองค์กร AI ที่มีความต่อเนื่อง, พนักงานทุกคนจะมี AI อยู่ในมือ – มีการเข้าถึงข้อมูลองค์กรทั่วทั้งระบบโดยไม่มีภาระหรือคำขอแบบมือกระตุก กระบวนการจะถูกทำให้自动จากระดับปลายจนถึงปลาย ไม่มีการส่งมอบหรือการรอระหว่างขั้นตอน งานจะไหลอย่างต่อเนื่อง ไม่ใช่แบ่งออกเป็นขั้นตอน

แต่การทำให้自动เพียงอย่างเดียวไม่เพียงพอ สิ่งที่แยกผู้นำออกจากคนอื่นคือความสามารถในการควบคุมงานที่ขับเคลื่อนด้วย AI ในระดับใหญ่ ทีมและองค์กรจะปรับตัวเข้ากับการตรวจสอบคุณภาพอัตโนมัติ – ตรวจจับปัญหาเร็วๆ นี้และแก้ไขก่อนที่จะขยายตัว

บทบาทของพนักงานแต่ละคนเปลี่ยนแปลงไปอย่างพื้นฐาน แทนที่จะดำเนินงาน พวกเขาจะกำหนดข้อกำหนดสำหรับ AI – ให้ข้อมูลพื้นหลังที่เพียงพอ, เป้าหมายที่ชัดเจน และวิธีการควบคุมคุณภาพ คุณค่าของพวกเขาอยู่ที่การชี้นำ AI และเพิ่มประสิทธิภาพผลลัพธ์ ไม่ใช่การทำงานด้วยมือ

บทบาทของผู้นำเปลี่ยนแปลงไปเช่นกัน ผู้จัดการและผู้บริหารกลายเป็นนักออกแบบการคิดแบบระบบทั่วทั้งองค์กร งานของพวกเขาคือการเชื่อมต่อกระแสการทำงาน, เครื่องมือ และสิ่งประดิษฐ์ต่างๆ เข้ากับกระแสคุณค่าที่แก้ปัญหาให้กับลูกค้าได้ดีกว่าคู่แข่ง ไม่ใช่เพิ่มประสิทธิภาพงานแต่ละงาน แต่เป็นการออกแบบวิธีที่ทุกสิ่งทำงานร่วมกัน

ความลึกของการรวม AI – AI ในทุกมือ, กระบวนการทำงานอัตโนมัติ, การควบคุมคุณภาพแบบระบบ และผู้นำที่มุ่งเน้นไปที่คุณค่าที่สิ้นสุด – จะกำหนดความได้เปรียบในการแข่งขันในระยะยาว

ขอขอบคุณสำหรับสัมภาษณ์ที่ดี ผู้อ่านสามารถเรียนรู้เพิ่มเติมได้ที่ SOFTSWISS