Dominic Sartorio, Denodo Ürün Pazarlama Başkan Yardımcısı – Röportaj Serisi

Dominic Sartorio Denodo’da Ürün Pazarlama Başkan Yardımcısıdır. Dominic, Informatica, Protegrity gibi önde gelen satıcıların yanı sıra veri yönetimi ve yönetim pazarında 20 yılı aşkın经验e sahiptir.

Denodo güvenilir AI ajanları ve uygulamaları güçlendiren bir veri yönetimi küresel lideridir. Denodo Platformu, ödüllü bir mantıksal veri yönetimi çözümüdür ve şirket içi verileri AI, analitik ve self-hizmet girişimleri için güvenilir içgörülere dönüştürür. Dünya çapındaki organizasyonlar, Denodo’yu geleneksel veri gölet evlerinden çok daha kısa sürede AI’ye hazır, iş için hazır verileri sunmak için kullanır ve bu sayede 4 kat daha hızlı zaman-açık, 345% ROI ve 10 kat daha iyi performans elde eder. 850 şirket liderinin içgörülerine dayanan Denodo’nun AI Güveni Boşluğu Raporu, birçok AI projesinin neden deneysel aşamaların ötesine geçemediğini ve organizasyonların güvenilir, üretim-ready AI oluşturmak için neler yapması gerektiğini ortaya koyar.

Informatica, Protegrity, Infoworks ve şimdi Denodo gibi şirketlerde üst düzey liderlik rolleri üstlendiniz ve hepsi şirket içi veri altyapısının farklı katmanlarına odaklandı. AI, analitikten özerk ve ajanlı sistemlere kaydıkça “güvenilir veri” hakkındaki perspektifiniz nasıl değişti?

Kariyerimin başlarında, güvenilir veri büyük ölçüde doğruluk, soy, güvenlik ve analistlerin panellere ve raporlara güvenmesini sağlamakla ilgiliydi. Özerk AI ile bahisler çok daha yüksek çünkü sistemler yalnızca verileri yorumlamıyor; iş akışlarını tetikleyebilir, kararlar alabilir veya gerçek dünya etkisi olan eylemler gerçekleştirebilir. Bu, güvenilir verilerin artık canlı operasyonel bağlam, tutarlı iş anlamı ve ajanların doğru ve güvenli bir şekilde davranmasını sağlamak için korunan sınırlar içermesi gerektiğini anlamına gelir.

Denodo’nun AI Güveni Boşluğu Raporu, AI verilerinin güvenilir kabul edilebilmesi için %66 oranında şirketlerin gerçek zamanlı veya gần gerçek zamanlı olması gerektiğini belirtiyor. Neden birçok şirketin AI sistemlerine canlı operasyonel verileri sunmakta hala zorlandığını düşünüyorsunuz?

Çoğu şirket, birçok sistem boyunca canlı durum bilgisi gerektiren AI ajanlarına göre tasarlanmadı. Verileri uygulamalar, bulutlar, depolar, gölet evleri, miras sistemler ve diğer operasyonel platformlar arasında dağıtılmıştır. Bu verileri analitik ve BI için merkezi bir depoya veya veri göletine kopyalayabilirler, ancak bu, canlı durum bilgisi gerektiren AI ajanları için uygun değildir. Veriler kopyalandığında, artık canlı değildir. Gerçek zamanlı olarak akışını sağlayabilirsiniz, ancak bu çok hızlı bir şekilde çok pahalı hale gelir. İşte Denodo’nun mantıksal veri yönetimi yaklaşımının önemli olduğu yer, çünkü AI sistemlerine, her şeyi sürekli kopyalayıp yeniden platformlara koymak zorunda kalmadan canlı verilere yönetilen erişim sağlar.

Raporda yer alan bir diğer dikkat çekici bulgu, şirket içi AI girişimlerinin şimdi yüzlerce veri kaynağından yararlanıyor olması ve bazı organizasyonların 1.000’den fazla veri kaynağına eriştiğidir. Bu düzeydeki parçalanma, şirketlerin AI mimarisi hakkında nasıl düşünmesi gerektiğini değiştirir mi?

Bu düzeyde parçalanma ile mimari, her kaynağı önce birleştirmeden AI’nin kullanabileceği şekilde tasarlanamaz. Şirketlerin, zaten sahip oldukları dağıtılmış gerçekliği keşfetmek, entegre etmek, yönetmek ve veri sunmak için bir soyutlama katmanına ihtiyacı vardır. Benim görüşüme göre, veri mimarisi daha mantıksal, meta veri odaklı ve anlamsal hale gelmelidir, böylece ajanlar, alt sistemlere sıkı bir şekilde bağlı olmadan doğru verileri bağlam içinde bulabilsinler.

Rapora göre, birçok AI başarısızlığı aslında “veri mimari başarısızlıkları” rather than model başarısızlıklarıdır. Endüstrinin model üzerinde fazla zaman harcadığını ve veri altyapısının önemini küçümsediğini düşünüyor musunuz?

Evet. Modeller önemlidir, ancak birçok başarısız AI projesi, modelin yeteneksiz olmasından değil, modelin eksik, eski, tutarlı olmayan veya kötü yönetilen verilerle çalışmasından dolayı başarısız olur. Model, pilot aşamasında, iyi tanımlanmış ve düzenlenmiş bir veri kümesi kullanarak harika çalışır, ancak “gerçek dünya”da, dağıtılmış karmaşıklığıyla birlikte çalıştığında, AI güvenilir sonuçlar üretmez. Deneyimlerim, şirketlerin AI katmanını AI mimarisinin birincil sınıf bir parçası olarak ele aldıklarında, değil de sonradan düşündüklerinde çok daha iyi AI sonuçları elde ettiklerini gösteriyor.

Denodo, anlamsal tutarlılık ve evrensel bir anlamsal katmanın önemini sık sık vurgulamaktadır. AI ajanları otomatik olarak kararlar aldığında, yanlış eylemleri veya iş mantığını önlemek için anlamsal hizalama ne kadar kritik hale gelir?

Anlamsal hizalama mutlak olarak kritik hale gelir. Bir sistem “müşteri”, “gelir”, “risk” veya “çıkış”yı diğer bir sistemden farklı tanımlarsa, bir AI ajanı teknik olarak mümkün bir cevap üretebilir, ancak bu cevap iş bağlamı için yanlış olabilir. Evrensel bir anlamsal katman, ajanların tutarlı iş anlamlarıyla, yalnızca ham veri erişimiyle değil, çalışmasını sağlar.

Aİ ve Büyük Veri Fuarı oturumunuz, pilotlardan üretime geçişe odaklandı. Deneyiminiz, şirketlerin “pilot aşamasında” neden takıldığını ve AI’yi gerçek operasyonel sistemlere ölçeklenemediğini düşünüyor?

Pilotlar genellikle dar, elle düzenlenmiştir ve şirketin tam karmaşıklığından izole edilmiştir. Üretim AI, canlı veriler, güvenlik, yönetim, performans, denetlenebilirlik, değişen iş kuralları ve gerçek iş akışlarına entegrasyonla başa çıkmak zorundadır. Many organizations get stuck because they build an impressive demo, but not the governed data foundation needed to operate AI reliably at scale.

Raporda, önemli bir AI projesi yüzdesinin, artan maliyetler, belirsiz değer veya yetersiz risk kontrolleri nedeniyle önümüzdeki birkaç yıl içinde iptal edilebileceği öngörülüyor. Endüstri, AI projelerinin hayatta kalması için daha seçici bir döneme giriyor mu?

Evet, ve bunu sağlıklı buluyorum. İlk AI dalgası olasılıkla ilgiliydi; bir sonraki dalga operasyonel değer, maliyet disiplini ve güvenle ilgili olacaktır. Hayatta kalan projeler, ölçülebilir iş sonuçlarına bağlı ve doğru veri, yönetim ve mimari ile desteklenen projeler olacaktır.

Güvenlik ve yönetim, rapor boyunca tekrarlanan temalardır, özellikle “özerk AI” için “koruyucu raylar” konusunda. Şirketlerin, özerk AI yeteneklerini sıkı erişim kontrolü ve denetlenebilirlik ihtiyacıyla nasıl dengelemesi gerekir?

Anahtar, yönetişimi AI sistemi inşa edildikten sonra eklememektedir. Erişim kontrolü, ilke uygulanması, soy ve denetlenebilirlik, AI ajanlarının yalnızca yetkili olduğu verileri görebileceği ve kullanabileceği veri erişim katmanına gömülmelidir. Denodo ile aynı yönetim ilkeleri, dağıtılmış kaynaklar boyunca tutarlı bir şekilde uygulanabilir, bu da AI’nin hibrit ve çoklu bulut ortamlarında çalıştığında çok önemlidir.

Denodo, mantıksal veri yönetimini, verileri sürekli taşımadan, hibrit ve çoklu bulut ortamlarında birleştirmek için bir yol olarak konumlandırıyor. Şirketler, algoritmaya dayalı AI mimarilerini benimsedikçe, “sıfır kopya” veya mantıksal-önceki mimarilerin, şirket içi AI için uzun vadeli yön olacağını düşünüyor musunuz?

Evet. Algoritmaya dayalı AI, her veri kümesini önceden tek bir depoya taşımanın değil, doğru veriyi doğru zamanda almanın gerektiğine dayanır. Bir mantıksal-önceki, sıfır-kopya yaklaşımı, şirketlerin gerçekten nasıl çalıştığıyla çok daha iyi uyumlu: veriler dağıtılmış kalır, ancak AI, yönetilen, anlamsal, gerçek zamanlı bir katman aracılığıyla bunlara erişebilir. İşte şirket içi AI’nin gitmesi gereken yön.

Önümüzdeki üç ila beş yıl içinde, güvenilir AI’yi operasyonel hale getiren şirketleri, denenme aşamasında kalanlardan ayıran şey ne olacak?

Kazananlar, AI’nin yalnızca bir model stratejisi değil, aynı zamanda bir veri stratejisi, bir yönetim stratejisi ve bir işletme modeli stratejisi olduğunu anlamış şirketler olacaktır. Canlı veri erişimine, anlamsal tutarlılığa, yeniden kullanılabilir yönetişime ve tüm şirket çapında kapsayabilecek altyapılara yatırım yapacaklardır. Verileri parçalanmış veya eski olan ve yalnızca izole pilotlar oluşturanlar, deneyimden öteye geçmekte zorlanacaktır.

Harika bir röportaj için teşekkür ederiz. Daha fazla bilgi edinmek isteyen okuyucular Denodo‘yu ziyaret edebilir veya Denodo’nun AI Güveni Boşluğu Raporu‘nu indirebilirler.