Erik Schwartz, Tricon Infotech’un Baş AI Memuru (CAIO) – Röportaj Serisi

Erik Schwartz, Tricon Infotech’un Baş AI Memuru (CAIO)’dur. Tricon Infotech, danışmanlık ve yazılım hizmetleri sunan önde gelen bir şirkettir. Tricon Infotech, özel ürünler ve kurumsal uygulamalar aracılığıyla verimli, otomatik çözümler ve tam dijital dönüşümler sunar.

Erik Schwartz, teknoloji sektöründe iki thập yıldan fazla deneyime sahip bir teknoloji yöneticisi ve girişimcidir. Kariyeri boyunca, AI, Bilgi Alımı ve Bilgi Keşfi’nin kesişiminde uzmanlaşmıştır. Erik, büyük ölçekli platformlar oluşturma ve AI’ı arama teknolojilerine entegre etme konusunda önde gelen bir isimdir. Bu, kullanıcı etkileşimi ve bilgi erişilebilirliğini önemli ölçüde artırmıştır. Daha önce Comcast (CMCSA ), Elsevier ve Microsoft’ (MSFT ) ta üst düzey rollerde bulunmuştur ve burada AI, arama ve LLM girişimlerini yönetmiştir.

Erik’in profesyonel kariyeri, inovasyona olan bağlılığı ve işbirliğinin gücüne olan inancı ile karakterizedir. Takımları, yenilikçi çözümlerin hızlı teslimini sağlamaya yönelik olarak yönlendirmiştir ve teknoloji topluluğunda güvenilir bir lider olarak kendini kurmuştur. Elsevier’deki Scopus AI projesindeki çalışması, bilgi ile etkileşim şeklimizi yeniden tanımlama ve kullanıcılarla güvenilir bir ilişki kurma konusundaki taahhüdünü vurgulamaktadır.

CAIO olarak, Erik, Tricon müşterileri için kapsamlı AI stratejileri geliştirmek ve uygulamak için geniş deneyimini kullanmaktadır. AI’ı demistifiye eden ve işletmelerin AI teknolojisindeki rekabetçi ortamda başarılı olmasına ve büyümesine yardımcı olan bir süreç sunmaktadır. Erik, büyümeyi teşvik etme ve AI’ın dönüştürücü gücünü etkili bir şekilde kullanma konusunda işletmeleri ilham vermeye ve güçlendirmeye yönelik olarak bilgilerini paylaşmaya tutkunudur.

Kariyerinizin sizi Tricon Infotech’teki şu anki CAIO rolüne götüren bazı önemli noktalarını paylaşabilir misiniz?

Kariyerim boyunca Bilgi Alımı alanına odaklandım. Yolculuğum, internetin şafakta olduğu 90’lı yıllarda bir Web Master olarak başladı. Bu formasyon döneminde, hükümet kurumları, üniversiteler ve medya şirketleri için dijital kütüphaneler oluşturmaya odaklandım ve bu, dijital bilgi sistemleri konusundaki uzmanlığımın temellerini attı.

2000’lerde, arama motoru satıcıları ile çalışmaya başladım ve arama teknolojileri konusunda becerilerimi geliştirdim. Kariyerimin bu aşaması, çeşitli satın almalar yoluyla önemli büyüme ve öğrenme ile karakterizedir ve sonunda 2008’de Microsoft’a katılma kararı aldım. Microsoft’ta, Bilgi Keşfi Platformlarını geliştirme ve iyileştirme konusunda önemli bir rol oynadım ve kullanıcılar için bilgi erişilebilirliğini ve inovasyonu teşvik ettim.

Microsoft’taki görevimden sonra, Comcast ve Elsevier gibi büyük şirketlerde girişimlerde bulunmuştum ve burada büyük ölçekli Bilgi Keşfi Platformlarını yönetmekten sorumluydum. Bu deneyimler, AI ve bilgi alımı konusundaki yaklaşımımı şekillendirmede önemli bir rol oynamıştır ve nihayetinde Tricon Infotech’teki şu anki CAIO rolüme götürmüştür. Burada, müşterilerimize veri potansiyellerini tam olarak kullanma konusunda güçlendiren AI stratejileri ve çözümler sunmak için geniş deneyimimi kullanıyorum.

Comcast, Elsevier ve Microsoft gibi şirketlerdeki deneyimleriniz, AI ve arama teknolojilerini entegre etme konusundaki yaklaşiminizi nasıl etkiledi?

Kariyerim boyunca, doğal dil işleme (NLP) teknikleri ve makine öğrenimi üzerinde derinlemesine odaklandım. Başlangıçta, bu teknolojiler basit kurallara dayalı sistemlere dayanıyordu. Ancak, veri kümeleri büyüdükçe ve hesaplama gücü daha güçlü hale geldikçe, kullanıcı deneyimi önemli ölçüde iyileştirildi ve algoritmaların performansını geliştirmek için otomatik olarak veri hasadı yapıldı.

Microsoft’ta, FAST’ın satın alınmasının ardından, SharePoint ekibinde ürün müdürü olarak görev yaptım. Bu role, girişimci içerik yönetim sistemlerine gelişmiş arama teknolojilerini entegre etme konusunda görevlendirildim ve bu da işletmeler için bilgi alımı ve işbirliği kabiliyetlerini artırdı.

Comcast’ta, tüm video işini güçlendiren bir bilgi keşfi platformu oluşturdum ve bu, kullanıcıların set-top box, mobil ve web cihazlar üzerinden içerik arama ve keşfetmesine olanak tanıdı. Bu arama motoru, günlük 1 milyarı aşkın isteği işleyerek kullanıcı deneyimini önemli ölçüde iyileştirdi ve hızlı ve doğru içerik önerileri ve arama sonuçları sağladı.

Elsevier’de, Scopus için bir Generatif AI deneyimi başlattık ve bu, büyük bir dili model (LLM) kullanarak kullanıcıların daha iyi sorular sormasına ve akademik iletişim veritabanındaki derinlemesine teknik içerikten daha doğru cevaplar almasına yardımcı oldu. Bu LLM tabanlı yaklaşım, veritabanındaki 90 milyondan fazla makalenin tam olarak doğru ve güvenilir olmasını sağladı ve bu da akademik araştırmaları ve bilgi yayılımını güçlendirme konusunda AI’ın gücünü gösterdi.

Generatif AI’ın güncel ilerlemeleri ve potansiyel uygulamaları konusunda en çok sizi ne heyecanlandırıyor?

Bilgi Alımı tarihinde en büyük tarihi zorluklardan biri, bağlamı koruma olmuştur. İnsanlar için bu, doğal bir süreçtir, ancak makineler için bilgi bulma geleneksel olarak çok işlemsel bir deneyimdir: bir soru sor, bir cevap al. Bir konuyu daha derinlemesine keşfetmek, giderek daha spesifik sorular sormak gerektirir. Generatif AI, daha çok sohbetvari ve bağlamsal bir etkileşim ermögekte ederek bu yaklaşımı devrimleştirir, tıpkı yeni tanıştığınız biri ile doğal bir sohbet gibi.

Dahası, Generatif AI, geleneksel arama motorlarının zorlandığı daha derin bir anlayış sağlayan teknikleri entegre eder. Örneğin, büyük dil modelleri (LLM’ler), ton, sentiment analizi, anlamsal anlayış ve belirsizlik giderme gibi yönleri sorunsuz bir şekilde işleyebilir. Bu yetenekler, LLM’lerin insan dilinin nüanslarını ve bağlamını kolayca kavramasını sağlar ve bu da daha doğru ve anlamlı cevaplar sağlar.

Tricon Infotech’in Generatif AI’ye yaklaşımı endüstrinin diğer şirketlerinden nasıl farklı?

Generatif AI alanında iki temel odak alanı vardır. Birincisi, bazı büyük teknoloji şirketleri tarafından önemli ölçüde ilgi gören AI modellerinin eğitimi ve fine-tuning’idir. İkincisi, Generatif AI uygulayıcılarının gerçekten excellediği alan, çıkarım – Generatif AI’ı değerli ürün ve hizmetler oluşturmak için kullanma.

Tricon Infotech’te, ikincisine odaklanıyoruz. Yaklaşımımız, pratik uygulama ve hızlı dağıtıma vurgu yapması bakımından farklıdır. İşletme liderlerinin Generatif AI için en etkili kullanım durumlarını hızlı bir şekilde belirlemelerine yardımcı olan kapsamlı bir program geliştirdik. Sürecimiz, müşterilerin kendi verilerini bir AI kumandasında çalıştırmasına olanak tanıyan hızlı prototip bir çözüm içerir. Bu yaklaşım, müşterilerin早期 sonuçlar görmesini ve AI tarafından üretilen içgörülerle erken dönemde etkileşime girmesini sağlar.

Dahası, zaman-a-değere odaklanmaya radikal bir şekilde odaklanıyoruz. Hedefimiz, müşterilerin tüketiciye yönelik uygulamaları 90 gün içinde oluşturup dağıtmalarına yardımcı olmaktır. Bu hızlandırılmış zaman çizelgesi, yalnızca inovasyonu hızlandırır, sondern ayrıca işletmelerin Generatif AI’ın faydalarından hızlı bir şekilde yararlanmasını ve yeni gelir akışları oluşturup müşteri memnuniyetini artırmasını sağlar.

Large Language Models (LLM) ve Generatif AI’ı kurumsal çözümlere entegre etmenin bazı ana zorluklarından bahseder misiniz?

LLM’leri ve Generatif AI’ı kurumsal çözümlere entegre etmek, çeşitli yeni zorluklar ortaya çıkarmaktadır. İlk ve en önemli zorluk, güvendir. Şirketlerin, AI sistemlerinin fikri mülkiyetini veya hassas kurumsal bilgilerini tehlikeye atmayacağından emin olmaları gerekir. Veri güvenliğini sağlamak ve AI’ın veriyi suistimal etmeyeceğine dair güvence almak, güven kazanmak için kritiktir.

İkinci zorluk, hayal gücünün ortaya çıkmasıdır. Generatif AI, bazen gerçeğe aykırı, ancak kendinden emin cevaplar üretebilir. Bu, AI sistemlerinin güvenilirliğini zayıflatabilir. Model fine-tuning ve Retrieval Augmented Generation (RAG) gibi teknikler, AI cevaplarının doğru verilere dayandığını garantileyerek hayal gücünün ortaya çıkmasını azaltmaya yardımcı olabilir.

Üçüncü önemli zorluk, maliyettir. LLM’lerin lisansı ve ölçeklendirilmesi oldukça pahalı olabilir. Büyük sağlayıcıların kurumsal teklifleri bile yüksek giriş ücretleri ve asgari ücretlerle gelir. Bu nedenle, şirketlerin AI çözümlerinin dağıtımı için yatırım getirisini (ROI) yakından izlemesi ve yönetmesi kritiktir.

Tricon Infotech, özelleştirilmiş GenAI kurumsal çözümlerini geliştirirken yapılandırılmış bir yaklaşım kullanıyor. Bu yaklaşımı açıklar mısınız?

Tricon Infotech, geleneksel personel takviyesi yerine, tam yığın ürün takımları sunan bir ürün geliştirme şirketidir. Yaklaşımımız, ürün geliştirme yaşam döngüsünün her yönünü yönetebilecek tam yığın ürün takımlarını dağıtmayı içerir. Bu, kullanıcı araştırması, kullanıcı deneyimi tasarımı (UX), ön uç ve arka uç geliştirme, test otomasyonu, dağıtım, ölçeklendirme ve sürekli operasyonları içerir.

Bu kapsamlı yönetilen hizmet modeli, müşterilerimizin veri değerinden yararlanmak için gereken komplekslik ve yönetimden kaçınmasını sağlar. Ana sürücümüz, zaman-a-değere odaklanmaktır, yani müşterilerimize hızlı ve verimli bir şekilde somut faydalar sunmayı öncelikliyoruz. Amacımız, müşterilerimizle sürekli değer katma ve özellik geliştirme süreci aracılığıyla uzun süreli Generatif ilişkiler kurmaktır.

Yapılandırılmış yaklaşımımız, yeni zorluklara ve fırsatlara hızlı bir şekilde adapte olma yeteneği ile esnek ve yanıt verebilirdir. ÇoksキュDisciplinli takımlarımızın tam kapasitesini kullanarak, her bir şirketin özel ihtiyaçlarına uyarlanmış, yüksek derecede özelleştirilmiş Generatif AI çözümleri sunuyoruz. Bu yaklaşım, yalnızca geleneksel personel takviye şirketlerinden bizi ayırmakla kalmaz, aynı zamanda şirketlere önemli iş etkileri sağlayan, bütünsel, uçtan uca çözümler sunmamızı sağlar.

Tricon’un GenAI çözümlerinin başarılı bir şekilde ele aldığı bazı gerçek dünya sorunlarından bahseder misiniz?

1. E-Öğrenme – geleneksel medya ve miras eğitim materyallerini etkileşimli çoklu ortam içeriğine dönüştürme. Bu, müşterilerimizin mevcut içeriği yeni öğrenme yollarına ve farklı platformlara adapte etmelerine olanak tanır. Ayrıca, içerik, öğrenenin ihtiyaçlarına ve öğrenme stillerine (ses, görsel vs.) göre otomatik olarak uyarlanabilen hiper kişiselleştirilmiş öğrenme programlarına dönüştürülebilir.
2. Özel AI – Müşterilerimize, kurumsal AI çözümlerini oluşturmalarına yardımcı olmak, bu çözümlerin özel kalmasını ve müşteri erişim kurallarına uymasını sağlamak ve aynı zamanda maliyetleri kontrol altında tutup şirketin çeşitli işlevleri boyunca ölçeklenmesine yardımcı olmak. Bu özel AI’ler, yalnızca şirkete hizmet etmekle kalmayacak, aynı zamanda müşterilerimiz için yeni gelir akışları da oluşturacaktır.
3. İşlem Otomasyonu – Hala birçok organizasyon, manuel işlemlere ve veri entegrasyonuna dayanmaktadır. AI, sistemleri birbirine bağlayarak verilerin doğrulanmasını ve benzersiz sinyallerin anlaşılmasını sağlayan akıllı katmanlar oluşturabilir ve iş akışlarını verimli bir şekilde yönlendirebilir ve tedarik zinciri sorunlarını tespit edebilir.

Sürekli öğrenme ve büyüme, AI alanındaki hızlı değişime ayak uydurmak için ne kadar önemlidir?

AI alanında karşılaşılan en önemli zorluklardan biri, yetenek havuzunu yetiştirmektir. AI araçlarını ve teknolojilerini doğal olarak anlayan yeni bir işgücü nesli vardır, ancak AI araçlarının ne yapabileceğini ve yapamayacağını anlamak için daha eski bir nesil de vardır. Sürekli öğrenme, bu açığı kapatmak için kritiktir.

AI araçları, işletmelerin çok daha az kaynakla çok daha fazlasını başarmasını sağlayarak verimliliği dramatik bir şekilde artırma potansiyeline sahiptir. Bu faydaların gerçekleşmesi için, çalışanların yeni araçları öğrenmeye ve iş akışlarına entegre etmeye açık olmaları gerekir. Ayrıca, iş güvenliği korkusunu ele almak da önemlidir. Çalışanlar, sürekli öğrenmeye ve büyümeye açık olduklarında, AI araçlarını günlük rutinlerine entegre etmekte daha iyi olacaklar ve sonunda iş güvenliğini artıracaklardır.

AI’ın arama teknolojisini ve kullanıcı etkileşimini gelecek on yılda nasıl değiştireceğini öngörüyorsunuz?

Şu anda, geleneksel arama motorlarından Generatif AI araçlarına yönelik önemli bir geçiş yaşanıyor. Bu, Generatif AI’ın doğrudan cevaplar ve çözümler sunma yeteneği tarafından yönlendiriliyor ve bu da bağımsız olarak birden fazla web sitesini veya kaynağı gezme ihtiyacını ortadan kaldırıyor. Gelecekte, AI’ların toplantılara katılma, eylemler gerçekleştirme ve rutin görevleri yürütme konusunda ortak bir şey haline geleceğini öngörüyoruz ve bu da belirli işlevlerin rollerinde önemli bir azalma ile sonuçlanacak.

AI’ın geleceği, arama teknolojisini ve kullanıcı etkileşimini dönüştürecek gibi görünüyor, bilgi erişimi daha sezgisel ve verimli hale getirirken, dijital etkileşimler ve işletme işlevlerine yönelik yaklaşımımızı yeniden şekillendiriyor.

AI’ı başarı ve inovasyona yönelik olarak kullanmak isteyen işletmelere pratik tavsiyeleriniz nelerdir?

Teknoloji korkusu yaşamayın. Çalışanlarınıza AI araçlarını sunmaya başlayın, ancak aynı zamanda verilerinizi ve fikri mülkiyetinizi güvende tutmayı da unutmayın. Birçok çalışan zaten AI araçlarını kullanıyor, ancak uygun yönetim olmadan suistimal riski bulunuyor. Bu nedenle, çalışanlarınızı AI araçlarını güvenli ve etkili bir şekilde kullanmaları için eğitmek kritiktir.

Ayrıca, başarı ölçütlerine dikkat etmek önemlidir. AI araçları pahalı olabilir, ancak maliyetler zamanla düşecektir. Ancak, işletmelerin AI araçlarının getirdiği faydaları aşmamasını sağlamak için yatırım getirisini (ROI) yakından izlemek önemlidir. Bunu yaparak, AI’ı inovasyon ve başarı için kullanabilir ve faydaların giderleri aşmasını sağlayabilirsiniz.

Harika röportaj için teşekkür ederiz. Daha fazla bilgi öğrenmek isteyen okuyucular Tricon Infotech sitesini ziyaret edebilir.