มุกุนด์ คัลมันเกอร์ หัวหน้าระดับโลกด้านข้อมูล การวิเคราะห์ และ AI ที่ Apexon – ซีรีส์สัมภาษณ์

มุกุนด์ คัลมันเกอร์, หัวหน้าระดับโลกด้านข้อมูล วิเคราะห์ และ AI ที่ Apexon, มีประสบการณ์มากกว่าสองทศวรรษในการนำการเปลี่ยนแปลงองค์กรขนาดใหญ่ โดยมีอาชีพที่ผ่านมาในตำแหน่งผู้นำระดับสูงในบริษัท Wipro ซึ่งเขาสร้างและขยายการปฏิบัติงาน AI ทั่วโลก สร้างแพลตฟอร์มอัตโนมัติ เช่น HOLMES และช่วยกำหนดกลยุทธ์เทคโนโลยีองค์กรในอุตสาหกรรมต่างๆ รวมถึงการเงิน โทรคมนาคม และสุขภาพ การทำงานของเขามุ่งเน้นไปที่การนำเทคโนโลยีที่เกิดขึ้นใหม่ โดยเฉพาะ AI วิศวกรรมข้อมูล และการอัตโนมัติ เพื่อนำไปสู่ผลลัพธ์ทางธุรกิจที่เป็นรูปธรรม โดยการผสมผสานความเชี่ยวชาญทางเทคนิคที่ลึกซึ้งเข้ากับผลงานที่แข็งแกร่งในการสร้างทีมระดับโลก การขับเคลื่อนกลยุทธ์ดิจิทัล และการนำเสนอประสิทธิภาพการดำเนินงานที่วัดได้สำหรับองค์กรขนาดใหญ่

Apexon เป็นบริษัทบริการเทคโนโลยีดิจิทัลที่ช่วยให้องค์กรเร่งการเปลี่ยนแปลงธุรกิจโดยการผสมผสาน AI วิเคราะห์ข้อมูล และวิศวกรรมดิจิทัลเพื่อสร้างระบบและประสบการณ์ลูกค้าที่มีความฉลาดและสามารถปรับขนาดได้ ผ่านความสามารถที่รวมกันในด้านคลาวด์ อัตโนมัติ และการวิเคราะห์ขั้นสูง บริษัททำงานร่วมกับองค์กรเพื่อปรับปรุงการดำเนินงาน ปรับปรุงการตัดสินใจ และนำเสนอโซลูชันดิจิทัลแบบครบวงจร โดยเฉพาะในอุตสาหกรรมเช่น การเงิน สุขภาพ และวิทยาศาสตร์ชีวิต

หลังจากสองทศวรรษที่นำการเปลี่ยนแปลง AI และการวิเคราะห์ในบริษัทต่างๆ เช่น Wipro และ Apexon ในปัจจุบัน ประสบการณ์ใดที่มีอิทธิพลต่อแนวทางของคุณในการเปลี่ยนแปลงดิจิทัลมากที่สุด?

ในช่วงหลายปีที่ผ่านมา สิ่งที่มีอิทธิพลต่อแนวทางของฉันมากที่สุดคือการรับรู้ว่าการเปลี่ยนแปลงดิจิทัลที่ประสบความสำเร็จไม่ได้เป็นเพียงเรื่องของเทคโนโลยี แต่เป็นเรื่องของการปรับเทคโนโลยีให้เหมาะสมกับการแก้ปัญหาทางธุรกิจและพฤติกรรมของมนุษย์ที่เปลี่ยนแปลงไป มันเกี่ยวกับการใช้นวัตกรรมเป็นเครื่องมือเชิงกลยุทธ์เพื่อนำอุตสาหกรรมและทำให้โลกเป็นสถานที่ที่ดีกว่าในการอาศัยอยู่ ไม่ว่าจะช่วยให้ธนาคารตอบสนองความต้องการด้านกฎระเบียบหรือช่วยให้แบรนด์ค้าปลีกพัฒนาประสบการณ์ลูกค้าใหม่ๆ หรือช่วยให้ผู้ให้บริการสุขภาพตัดสินใจได้เร็วขึ้นโดยอาศัยข้อมูล ฉันเห็นผลกระทบมากที่สุดเมื่อเริ่มต้นด้วยประสบการณ์สิ้นสุดในใจ ในชีวิตก่อนหน้าและที่ Apexon ทีมของฉันและฉันทำงานอย่างใกล้ชิดกับลูกค้าในอุตสาหกรรมต่างๆ เพื่อเปลี่ยน AI ที่เป็น Agentic AI, Gen AI, AI, ML, RPA และข้อมูลจากคำพูดให้เป็นผลลัพธ์ทางธุรกิจ โดยการปลดล็อกข้อมูลเชิงลึก การปรับปรุงประสิทธิภาพ การปรับปรุงประสบการณ์ลูกค้า การช่วยจัดการความเสี่ยง และการสร้างความได้เปรียบทางการแข่งขันให้กับลูกค้าของเรา การทำงานร่วมกันและโฟกัสต่อผลลัพธ์นี้คือสิ่งที่ยังคงกำหนดความคิดของฉันต่อไป

สิ่งใดที่ดึงดูดคุณให้มาอยู่ที่ Apexon และวิธีการที่ Apexon ปัจจุบันเข้าใกล้ข้อมูล การวิเคราะห์ และ AI สอดคล้องกับวิสัยทัศน์ส่วนบุคคลของคุณเกี่ยวกับอนาคตของเทคโนโลยีองค์กรอย่างไร?

สิ่งที่ดึงดูดฉันให้มาอยู่ที่ Apexon คือความมุ่งมั่นที่ชัดเจนในการช่วยให้ลูกค้ายอมรับนวัตกรรมด้วยจุดประสงค์ วัฒนธรรมนวัตกรรมและจิตวิญญาณการเติบโตฝังลึกในแต่ละบุคคลที่เกี่ยวข้องกับ Apexon และเห็นได้จากวิธีการเรียนรู้ นวัตกรรม และผลักดันขอบเขตร่วมกัน ด้วยความสามารถที่ลึกซึ้งในด้านข้อมูลและ AI คู่กับความสามารถในการวิศวกรรมและโฟกัสที่ชัดเจนในอุตสาหกรรมที่มีการควบคุม เช่น BFSI และสุขภาพ Apexon ไม่เห็นข้อมูลหรือ AI เป็นความสามารถที่แยกออกมา แต่เห็นเป็นสินทรัพย์หลักในการช่วยสร้างองค์กรอัจฉริยะ เพื่อสร้างโซลูชันและแพลตฟอร์มธุรกิจที่ขับเคลื่อนด้วย IP ซึ่งสอดคล้องกับความเชื่อของฉันว่าอนาคตของเทคโนโลยีองค์กรอยู่ที่การสร้างระบบอัจฉริยะที่ไม่เพียงแต่ปรับเปลี่ยนได้ แต่ยังปรับขนาดได้และสร้างขึ้นสำหรับคุณค่าระยะยาว

ที่ Apexon มีการมุ่งเน้นที่เจาะจงในการแปลเทคโนโลยีที่ทันสมัยให้เป็นผลลัพธ์ทางธุรกิจที่มีความหมาย ไม่ว่าจะเป็นการปลดล็อกข้อมูลเชิงลึก การทำให้การอัตโนมัติฉลาดขึ้น หรือการขับเคลื่อนประสบการณ์ลูกค้าเชิงลึก การผสมผสาน AI กับจิตวิญญาณ IP-ก่อนหน้านี้คือที่ที่ฉันเชื่อว่าการเปลี่ยนแปลงองค์กรกำลังจะไป และฉันรู้สึกตื่นเต้นที่จะช่วยกำหนดรูปแบบอนาคตนั้นที่นี่

วิธีการใดที่ฟาบริกอัจฉริยะช่วยสร้างองค์กรเชื่อมต่อ และการนำไปใช้จริงในโลกแห่งความเป็นจริงมีลักษณะอย่างไร?

ฟาบริกอัจฉริยะไม่ใช่ผลิตภัณฑ์หรือแพลตฟอร์ม มันเป็นการเปลี่ยนแปลงทางสถาปัตยกรรม มันเชื่อมต่อจุดระหว่างหน่วยธุรกิจ ระบบ ข้อมูล และการตัดสินใจ เพื่อให้ความฉลาดไม่ใช่สิ่งที่คุณเข้าถึงเป็นครั้งคราว แต่เป็นสิ่งที่เปิดใช้งานตลอดเวลา สิ่งนี้เปลี่ยนองค์กรจากที่ขับเคลื่อนด้วยข้อมูลไปสู่ที่ขับเคลื่อนด้วยความฉลาด

เมื่อพูดถึงผลกระทบในโลกแห่งความเป็นจริง ให้คิดถึงผู้ค้าปลีกที่ปรับเปลี่ยนการดำเนินงานห่วงโซ่อุปทานในเวลาจริงตามปัจจัยต่างๆ เช่น พฤติกรรมการซื้อ การหยุดชะงักในห่วงโซ่อุปทาน การพัฒนาทางการเมือง การเปลี่ยนแปลงสภาพอากาศ หรือแม้กระทั่งภัยพิบัติในท้องถิ่น หรือโรงพยาบาลที่สามารถให้คำแนะนำการรักษาในขณะที่แพทย์กำลังตรวจสอบผลการทดสอบ หรือธนาคารที่สามารถเชื่อมต่อข้อมูลข้ามธุรกรรมหลายรายการเพื่อระบุกิจกรรมต่อต้านการฟอกเงินที่ซับซ้อน ความสามารถอยู่ที่การผสมผสานความฉลาดเข้ากับกระบวนการทำงานโดยตรง ไม่ใช่เพิ่มเข้ามาหลังจากนั้น นั่นคือวิธีที่องค์กรกลายเป็นเชื่อมต่อจริงๆ – ความฉลาดที่สร้างขึ้นในทุกส่วนขององค์กรและความฉลาดนั้นถูกใช้โดยองค์กรทั้งหมด

Apexon ใช้เครื่องมือ AI ที่สร้างสรรค์ เช่น Copilot เพื่อขับเคลื่อนคุณค่าให้กับลูกค้าอย่างไร และในพื้นที่ใดที่คุณเห็นการนำไปใช้อย่างเข้มข้นมากที่สุด?

เราเห็นเครื่องมือเช่น GitHub Copilot ไม่เพียงแต่เป็นตัวช่วยในการเขียนโค้ด แต่ยังเป็นตัวเร่งให้นิยามใหม่พิจารณาว่าซอฟต์แวร์ถูกวางแผน สร้าง และทดสอบอย่างไร ที่ Apexon, Copilot ถูกฝังอยู่ในวงจรชีวิตการวิศวกรรม – ตั้งแต่การเขียนเรื่องราวผู้ใช้และการปรับแต่งข้อกำหนดไปจนถึงการสร้างกรณีทดสอบและการคาดการณ์ข้อบกพร่อง มันช่วยให้ทีมของเราทำงานได้เร็วขึ้นด้วยความแม่นยำที่สูงขึ้น

ตัวอย่างเช่น เรากำลังทำงานร่วมกับผู้ให้บริการสุขภาพเพื่อขับเคลื่อนการนำ Copilot ไปใช้และจับคู่มันกับเฟรมเวิร์ก Agentic เพื่อสร้างซอฟต์แวร์ Engineering Lifecycle ใหม่เพื่อนำมาใช้ในการเพิ่มประสิทธิภาพในการวิศวกรรม สำหรับลูกค้ารายอื่น เรากำลังช่วยให้พวกเขาใช้ Gen AI และเฟรมเวิร์ก Agentic เพื่อปรับปรุงคุณภาพข้อมูลและวางอำนาจไว้ในมือของผู้ใช้ที่โต้ตอบกับหน่วยงานกำกับดูแลโดยตรงเพื่อตอบสนองความต้องการด้านการปฏิบัติตามกฎระเบียบ

การนำไปใช้ได้รับการยอมรับมากที่สุดในพื้นที่ที่ความเร็ว การปรับแต่ง และการปรับขนาดมีความสำคัญที่สุด – การประมวลผลเอกสารอัจฉริยะ AI การสนทนา และการอัตโนมัติแบบไฮเปอร์ พื้นที่เหล่านี้คือที่ที่ AI ที่สร้างสรรค์นำเสนอไม่เพียงแต่ผลลัพธ์ แต่ยังเป็นข้อได้เปรียบเชิงกลยุทธ์ด้วย

การร่วมมือกับสถาบันเช่น IIT Madras และ Imperial College London มีอิทธิพลต่อกลยุทธ์การวิจัย AI และการพัฒนาทักษะของคุณอย่างไร?

การร่วมมือกับ IIT Madras และ Imperial College London มีบทบาทสำคัญในการกำหนดวาระการวิจัยและวิธีการสร้างทักษะในอนาคตของเรา เราไม่เพียงแต่สนับสนุนโครงการวิจัยเท่านั้น แต่ยังทำงานอย่างใกล้ชิดกับนักวิจัยชั้นนำเพื่อสำรวจพื้นที่แนวหน้า เช่น Agentic AI ระบบหลายตัวแทน และ AI ทั่วไป การร่วมมือเหล่านี้ทำให้เราเข้าใจลึกซึ้งยิ่งขึ้นเกี่ยวกับหลายๆ ด้านที่เกิดขึ้นใหม่ เช่น วิธีการที่โมเดลภาษาขนาดใหญ่พฤติกรรมและพัฒนาการในหลายๆ โดเมน

พวกมันยังทำหน้าที่เป็นเครื่องยนต์สำหรับการพัฒนาทักษะอีกด้วย ผ่านโครงการร่วม เรากำลังสร้างโอกาสการเรียนรู้แบบมืออาชีพที่เชื่อมความลึกทางวิชาการกับความเกี่ยวข้องขององค์กร มันเป็นการแลกเปลี่ยนสองทาง: เราได้รับการเข้าถึงความคิดที่ทันสมัย และนักเรียนมีส่วนร่วมในการแก้ปัญหาโลกแห่งความเป็นจริง ความสอดคล้องนี้มีความสำคัญอย่างยิ่งต่อการขยายความสามารถ AI, ข้อมูล และวิศวกรรมดิจิทัลของเรา

ในอุตสาหกรรม เช่น สุขภาพ การเงิน หรือโทรคมนาคม ตัวอย่างใดที่ Apexon ใช้โซลูชัน AI หรือการวิเคราะห์ในการปรับปรุงประสิทธิภาพการดำเนินงานหรือปลดล็อกโมเดลธุรกิจใหม่ๆ?

ตัวอย่างที่ดีคือการทำงานร่วมกับสถาบันการเงินชั้นนำในอเมริกาเหนือเพื่อปรับปรุงกระบวนการประเมินความเสี่ยงโดยใช้โครงสร้าง AI ที่มีพลัง โดยการทำให้การรับข้อมูลอัตโนมัติ กำหนดมาตรฐานให้แหล่งข้อมูลที่กระจัดกระจาย และใช้เครื่องยนต์ความเสี่ยงที่ทำงานในเวลาจริง เราลดความพยายามด้วยมือลง 90% และเร่งการประเมิน 4 เท่า การแจ้งเตือนการคาดการณ์และการติดตามการปฏิบัติตามกฎระเบียบที่รวมกันช่วยลดการลงโทษด้านกฎระเบียบ 30% และความเสี่ยงทางการเงิน 40% โซลูชันที่สร้างขึ้นบนสถาปัตยกรรมคลาวด์แบบเนทีฟและไมโครเซอร์วิส ไม่เพียงแต่ปรับปรุงความแม่นยำและความเร็วเท่านั้น แต่ยังจัดตำแหน่งลูกค้าให้พร้อมสำหรับการจัดการความเสี่ยงที่ขับเคลื่อนด้วยข้อมูลใน môi trườngกฎระเบียบที่เปลี่ยนแปลงอย่างรวดเร็ว

เทคโนโลยีที่เกิดขึ้นใหม่หรือแนวโน้ม AI ใดที่คุณให้ความสนใจมากที่สุดว่าเป็นแนวหน้าใหม่สำหรับการนวัตกรรมองค์กร?

ที่ Apexon เราเห็น Agentic AI เป็นขั้นตอนต่อไปที่สำคัญในด้าน Intelligence องค์กรในระยะเวลาอันใกล้ ไม่เหมือนกับ AI ทั่วไปที่ตอบสนองต่อคำสั่ง ระบบ Agentic AI สามารถตีความบริบทได้ด้วยตนเอง ตั้งเป้าหมายและติดตามผลร่วมกัน และปรับปรุงอย่างต่อเนื่องผ่านการให้ข้อเสนอแนะ เราได้สร้างเฟรมเวิร์ก AgentRise เพื่อนำสิ่งนี้มาใช้ AgentRise รวมถึงสมอง AI Agentic, การจัดองค์กรหลายตัวแทน, การดูแลของมนุษย์ และการตรวจสอบระดับองค์กร

ผลลัพธ์คือ AI ที่ไม่เพียงแต่ช่วยเหลือ แต่ยังสามารถดำเนินกระบวนการทำงานที่ซับซ้อนได้ด้วยตนเอง ตั้งแต่การแยกเอกสารในด้านสุขภาพไปจนถึงการจัดการข้อยกเว้นที่ทำงานในเวลาจริงในด้านการเงิน สิ่งที่ทำให้แนวทางของเรานั้นแตกต่างคือการเน้นไปที่ความฉลาดที่เชื่อถือได้และสามารถปรับขนาดได้ เราใช้ส่วนประกอบแบบโมดูลาร์ วิศวกรรมคำสั่ง และการผสานรวมที่ปลอดภัยเพื่อนำ AI Agentic ไปใช้ได้อย่างรวดเร็วและมีความน่าเชื่อถือ มันไม่ใช่เพียงนวัตกรรมเท่านั้น แต่เป็น AI ที่ฝังอยู่ในกระบวนการธุรกิจที่ทำงานได้อย่างปลอดภัยและสามารถปรับขนาดได้ และส่งมอบผลลัพธ์ที่เป็นรูปธรรม เมื่อระบบเหล่านี้เติบโตขึ้น เราเชื่อว่าสิ่งเหล่านั้นจะเป็นกระดูกสันหลังขององค์กรที่ปรับเปลี่ยนได้และพัฒนาตัวเองในอุตสาหกรรมที่มีการควบคุมและกระทบกระเทือนสูง

เรากำลังติดตามความก้าวหน้าใน AI ที่แคบ Artificial General Intelligence และการคำนวณควอนตัม แต่สิ่งที่ทำให้เราตื่นเต้นที่สุดคือวิธีการที่เทคโนโลยีเหล่านี้มาบรรจบกันเพื่อขับเคลื่อนองค์กรที่ไม่เพียงแต่เป็นอัจฉริยะ แต่ยังสามารถปรับเปลี่ยนได้ อัตโนมัติ และสามารถพัฒนาตัวเองได้

ความท้าทายที่ใหญ่ที่สุดใดที่องค์กรต้องเผชิญเมื่อเปลี่ยนจากระบบข้อมูลที่มีอยู่ไปสู่สถาปัตยกรรมการวิเคราะห์ที่ทันสมัย?

โดยทั่วไปแล้ว องค์กรจะพบกับความท้าทายหลักๆ สี่ประการเมื่อเปลี่ยนจากระบบที่มีอยู่ไปสู่สถาปัตยกรรมการวิเคราะห์ที่ทันสมัย

ประการแรกคือการนำไปใช้และการรับรู้คุณค่า แพลตฟอร์มที่มีอยู่มักจะกำหนดวิธีการทำงานที่ฝังลึก ทำให้การบริหารจัดการการเปลี่ยนแปลงมีความสำคัญ องค์กรต้องแน่ใจว่าแพลตฟอร์มการวิเคราะห์ใหม่นำเสนอผลลัพธ์ทางธุรกิจที่เป็นรูปธรรม เช่น การเติบโตของรายได้ ประสิทธิภาพการดำเนินงานที่ดีขึ้น และการบริหารความเสี่ยงที่ดีขึ้น มากกว่าการเป็นการอัปเกรดทางเทคนิคเพียงอย่างเดียว

ประการที่สองคือการปรับปรุงเทคโนโลยีและการสร้างความสามารถ องค์กรหลายแห่งดำเนินธุรกิจด้วยอสังหาริมทรัพย์ที่ซับซ้อนซึ่งครอบคลุมเมนเฟรม คอมพิวเตอร์ที่ติดตั้งในที่และสภาพแวดล้อมคลาวด์ในช่วงแรก การปรับปรุงสภาพแวดล้อมเหล่านี้ต้องใช้การให้เหตุผลและโครงสร้างใหม่ พร้อมกับการสร้างทักษะ บุคลากรที่มีความสามารถ และความสามารถในการดำเนินงานที่จำเป็นสำหรับการรองรับแพลตฟอร์มข้อมูล การวิเคราะห์ และ AI ที่ทันสมัย

ประการที่สามคือความพร้อมของข้อมูลและ AI การปรับปรุงไม่ใช่แค่การย้ายข้อมูลไปยังแพลตฟอร์มใหม่ องค์กรต้องแน่ใจว่าข้อมูลถูกเตรียมไว้สำหรับการวิเคราะห์ที่ทันสมัยและ AI โดยการเสริมสร้างคุณภาพข้อมูล การกำกับดูแล ลำดับข้อมูล การรักษาความปลอดภัย และมาตรการรักษาความปลอดภัยทางจริยธรรม เพื่อให้ข้อมูลเชิงลึกและโมเดล AI สามารถเชื่อถือได้และปรับขนาดได้

สุดท้ายคือการเปลี่ยนแปลงขององค์กร เมื่อแพลตฟอร์มพัฒนาไปสู่ความสามารถ AI ที่อัตโนมัติและ Agentic มากขึ้น บริษัทต่างๆ ต้องปรับเปลี่ยนโมเดลการดำเนินงาน ทักษะของพนักงาน และวัฒนธรรมเพื่อให้สามารถทำงานร่วมกันระหว่างมนุษย์และระบบอัจฉริยะได้อย่างมีประสิทธิภาพ

คุณรับรองว่าประสบการณ์ดิจิทัลและโซลูชัน AI ยังคงมุ่งเน้นไปที่ความต้องการของมนุษย์มากกว่าผลลัพธ์ทางเทคนิคเพียงอย่างเดียวได้อย่างไร?

ฉันเชื่อว่าพื้นฐานของโซลูชันดิจิทัลและ AI ที่มีผลกระทบอย่างแท้จริงคือการเปลี่ยนแปลงความคิดจากคำถามว่าเทคโนโลยีสามารถทำอะไรได้บ้าง ไปเป็นคำถามว่าเทคโนโลยีสามารถสร้างคุณค่าทางธุรกิจและให้บริการมนุษย์และสังคมได้อย่างไร

เริ่มต้นด้วยการยึดมั่นในผลลัพธ์ทางธุรกิจที่แท้จริง เช่น การตัดสินใจที่ดีขึ้น การรวมเข้าด้วยกันที่ดีขึ้น ความเชื่อมั่นที่แข็งแกร่งขึ้น และประสบการณ์ที่เรียบง่ายขึ้น สิ่งนี้ต้องมีการมีส่วนร่วมอย่างลึกซึ้งกับผู้ใช้ การฟังอย่างต่อเนื่อง และการออกแบบโซลูชันรอบๆ วิธีที่ผู้คนนำเทคโนโลยีดิจิทัลมาใช้และโต้ตอบกับพวกเขา เราได้ฝังการออกแบบที่มีมนุษย์เป็นศูนย์กลาง ความโปร่งใส และความรับผิดชอบเข้าไปในแพลตฟอร์มของเรา

ในโดเมนที่มีผลกระทบสูง โดยเฉพาะ AI ต้องทำงานด้วยการดูแลของมนุษย์ที่เข้มแข็งและมาตรการรักษาความปลอดภัยทางจริยธรรมที่ชัดเจน เพื่อให้แน่ใจว่า AI เพิ่มความสามารถของมนุษย์มากกว่าการแทนที่มัน การวัดความสำเร็จควรทำไม่เพียงแต่ผ่านเมตริกการแสดงผลเท่านั้น แต่ยังรวมถึงการนำไปใช้ ความมั่นใจของผู้ใช้ และการสร้างคุณค่าในระยะยาว เมื่อทำได้ดี ผลประโยชน์จะขยายไปไกลกว่าองค์กรเดียว สามารถช่วยขยายโอกาส สร้างสถาบันที่แข็งแกร่งขึ้น และปรับปรุงคุณภาพชีวิตในระดับใหญ่ AI ที่มีจุดมุ่งหมายและรับผิดชอบมีศักยภาพในการช่วยสร้างเศรษฐกิจที่มีความยืดหยุ่นมากขึ้น ระบบที่ยุติธรรมขึ้น และสังคมที่มีข้อมูลมากขึ้น ในที่สุด จุดมุ่งหมายของเราควรเป็นการพัฒนา AI ที่ไม่เพียงแต่ฉลาดเท่านั้น แต่ยังเป็นไปได้ รวมถึงมีจุดมุ่งหมายและรับผิดชอบด้วย

คุณประเมินความสำเร็จของการนำ AI แบบเจเนอรัลไปใช้ที่ Apexon อย่างไร และมี KPI หรือเฟรมเวิร์กใดที่คุณใช้ในการวัดประสิทธิผลข้ามสภาพแวดล้อมลูกค้าที่แตกต่างกัน?

ที่ Apexon เรามีเฟรมเวิร์กที่เข้มแข็ง ซึ่งสนับสนุนโดยพอร์ตโฟลิโอของ IP โซลูชัน และเครื่องมือเพื่อช่วยทั้งเราและลูกค้าในการวัดประสิทธิผลของการนำ AI แบบเจเนอรัลและ Agentic AI ไปใช้

ประการแรก เรามุ่งเน้นไปที่ผลกระทบทางธุรกิจ สิ่งนี้เริ่มต้นด้วยการกำหนดวัตถุประสงค์ระดับโดเมนหรือกระบวนการที่ชัดเจน แต่สุดท้ายแล้วมุ่งเน้นไปที่การวัดผลลัพธ์เชิงกลยุทธ์ เช่น ประสบการณ์ลูกค้าที่ดีขึ้น การเติบโตของรายได้ การเพิ่มประสิทธิภาพการดำเนินงาน และการบริหารความเสี่ยงที่ดีขึ้น โมเดล M4 ที่เป็นเอกลักษณ์ของเราสนับสนุนสิ่งนี้โดยการให้แบบจำลองการดำเนินการเชิงกลยุทธ์ที่มีโครงสร้างสำหรับการมีส่วนร่วมด้านการวิเคราะห์ M4 มีกลยุทธ์และขั้นตอนที่คาดการณ์ได้สำหรับการปรับปรุงข้อมูล การปรับปรุงสถาปัตยกรรมข้อมูล และการเปลี่ยนไปสู่สภาพแวดล้อมการวิเคราะห์แบบคลาวด์ ในขณะเดียวกันก็รับรองว่าโครงการ AI ยังคงจัดตำแหน่งอย่างใกล้ชิดกับ KPI ทางธุรกิจที่วัดผลได้

ประการที่สอง เราวิเคราะห์การนำไปใช้และการรับรู้คุณค่า โซลูชัน AI สร้างผลกระทบอย่างมีนัยสำคัญเฉพาะเมื่อพวกเขาได้รับการยอมรับและนำไปใช้อย่างกว้างขวาง ที่ Apexon การนำไปใช้ AI แบบเจเนอรัลและ Agentic AI ของเราเองในองค์กรได้ทำหน้าที่เป็นตัวอย่างเชิงปฏิบัติสำหรับลูกค้า เราเริ่มต้นด้วยการทำให้พนักงานทั่วทั้งองค์กรสามารถเข้าถึงและใช้ประโยชน์จากความสามารถ AI และ Agentic AI ได้ พร้อมด้วยการให้เครื่องมือ นโยบาย และคำแนะนำสำหรับการใช้งานที่รับผิดชอบ ในขณะเดียวกันก็ติดตามผลลัพธ์ทางธุรกิจที่พวกเขาได้รับ

ประการที่สาม เราวัดประสิทธิภาพทางเทคนิค ตัวเร่งของเราภายในแพลตฟอร์ม Genysys ช่วยให้สามารถติดตามเมตริกการดำเนินงานหลักๆ เช่น ความแม่นยำของการตอบสนอง อัตราการหลอกลวง ต้นทุนต่อการอนุมาน ความสามารถในการปรับขนาด และประสิทธิภาพของระบบโดยรวม Genysys ซึ่งเป็นแพลตฟอร์ม AI แบบเจเนอรัลของ Apexon ที่เป็นเอกลักษณ์ รวมความสามารถของโมเดลภาษาขนาดใหญ่หลายตัวเข้าด้วยกันในสภาพแวดล้อมที่รวมเข้าด้วยกัน โดยมีการผสานรวมอย่างราบรื่นข้าม LLM มากกว่า 10 ตัว ทำให้องค์กรสามารถเลือกโมเดลที่เหมาะสมที่สุดสำหรับการใช้งานที่แตกต่างกัน ในขณะเดียวกันก็รักษาความสามารถในการมองเห็นประสิทธิภาพ ความน่าเชื่อถือ และประสิทธิภาพในการใช้จ่ายที่ดีขึ้น

สุดท้าย เราประเมินการกำกับดูแลและการบริหารความเสี่ยง เฟรมเวิร์กการรักษาความปลอดภัยขององค์กรของเรา ซึ่งเป็นส่วนหนึ่งของ AgentRise ช่วยให้องค์กรแก้ไขพื้นที่สำคัญๆ เช่น การกำกับดูแล ความเสี่ยง และการปฏิบัติตามกฎระเบียบ ด้วยการทำงานอย่างลึกซึ้งกับอุตสาหกรรมที่มีการควบคุม เราช่วยให้ลูกค้าประเมินความสามารถอธิบายได้ การตรวจสอบ การจัดทำเอกสารข้อมูล การรักษาความปลอดภัย และการปฏิบัติตามมาตรฐาน AI ที่รับผิดชอบ เพื่อให้แน่ใจว่าระบบ AI ทั้งปรับขนาดได้และเชื่อถือได้

ขอขอบคุณสำหรับการสัมภาษณ์ที่ยอดเยี่ยม ผู้อ่านสามารถเยี่ยมชม Apexon เพื่อเรียนรู้เพิ่มเติม