Peter Pang, CREAO’nun Kurucu Ortağı ve CTO’su – Röportaj Serisi

Peter Pang, CREAO’nun Kurucu Ortağı ve CTO’su, yapay zeka araştırmaları ve makine öğrenimi altyapısında derin bir geçmişe sahiptir. CREAO’yu 2025 yılında kurmadan önce, Pang yaklaşık altı yıl boyunca Meta’da Araştırma Bilimcisi olarak çalıştı ve LLaMA temel modellerine bağlı generatif AI girişimlerinde çalıştı. Meta’dan önce, Apple’ (AAPL ) da Makine Öğrenimi Mühendisi olarak çalıştı ve NLP, transfer öğrenimi, derin öğrenme ve öngörülü sistemler üzerinde odaklandı. Daha önceki yıllarda Brookhaven Ulusal Laboratuvarı’nda çalışması, onu ileri bilimsel araştırmalara ve deneysel sistemlere maruz bıraktı. CREAO’nun teknik vizyonunu, kalıcı yürütme, bellek ve iş akışı otomasyonu yeteneklerine sahip AI ajanları oluşturmak için şekillendiren deneyim, AI araştırmaları, büyük ölçekli makine öğrenimi ve otonom sistemlerdir.

CREAO, bireylerin ve işletmelerin doğal dil yerine geleneksel kodlama yoluyla otonom AI ajanları ve iş akışları oluşturmasına yardımcı olan bir AI-yerli platformdur. Şirket, “Süper Ajan”ını, yalnızca çıktılar oluşturmakla kalmayan, aynı zamanda başarılı görevleri yeniden kullanılabilir ajanlara dönüştürebilen, kalıcı bir AI sistemi olarak konumlandırıyor. CREAO’nun platformu, OpenAI, Anthropic, Google (GOOGL ) gibi önemli AI modellerini desteklemektedir ve AI-öncelikli bir işletme modeline odaklanmaktadır. Palo Alto’da kurulan şirket, işletmeler ve bağımsız profesyoneller için agentic AI iş akışları, kodlama olmadan otomasyon ve ölçeklenebilir AI orkestrasyonu alanında ilerlemeye odaklanmaktadır.

Meta’da LLaMA temel modelleri ve sentetik veri oluşturma için agentic sistemler üzerinde yaklaşık altı yıl çalıştıktan sonra, CREAO’yu kurmaya karar vermenizin nedenlerini ve mevcut AI platformlarının vẫn çözemediği sorunu anlatır mısınız?

Meta’da, her nesil model yeteneğinin dramatik olarak iyileştiğini gördüm. LLaMA’yı ölçeklendirme üzerinde çalıştım. Kontrollü ortamlarda bu modellerin neler yapabileceğini gördüm. Açılan uç, modellerin neler başardığı değil, insanların onlardan neler elde ettiğiyle ilgiliydi.

Her platform aynı arayüze sahipti: bir sohbet penceresi. Sorarsınız, cevap verir, siz işleri halledersiniz. AI, her şeyi unutabilen bir taşeron gibi çalışır. Yarın tekrar çalıştırırsınız. Sistem, çalıştırmalar arasında hiçbir şey öğrenmez. İşletmenizin durumu değişmez. Bu, sorundu. Model zekası değil, yürütme.

Fizik eğitimi, sistemler değil, bileşenler hakkında düşünmeme öğretti. Brookhaven ve Stony Brook’taki doktora eğitimim sırasında, enstrüman, veri toplama ve analizinin kapalı bir döngü olarak çalışması gerektiğini öğrendim. Apple’da, multimodal modeller üzerinde çalıştım ve aynı kalıbı gördüm: ham yetenek, etrafında bir sistem olmadan birikmez.

Kai ile CREAO hakkında konuştuğumuzda, tezim belliydi: endüstriye başka bir sohbet botu gerekmez, kapalı bir döngüye ihtiyaç vardır – AI, araçlar oluşturup, işleri çalıştırıp, zamanla iyileşebilen bir AI.

CREAO, AI’nin hem araçlar oluşturup hem de otonom olarak işleri çalıştırabileceği bir platform olarak tanımlanıyor. AI kopyalama ajanları dalgasının piyasayı doldurduğu bir dönemde, gerçek bir “kapalı döngü” AI sistemi ile arasındaki farkı nasıl tanımlarsınız?

Bir kopya pilot, sizin yanınızda oturur. Siz sürersiniz, o önerilerde bulunur. Uyuyorsanız, kopya pilot hiçbir şey yapmaz.

Bir kapalı döngü sistemi, tam döngüyü tamamlar: gözlem, eylem, öğrenme, iyileşme. İnsan, sonucu tanımlar. Sistem, yürütme, kalıcılık ve yinelemeyi ele alır.

CREAO’da, bunu bir tahkim sistemi olarak düşünüyoruz. Tek bir ajan, bir e-posta taslağı, bir hatayı ayıklayabilir veya bir raporu özetleyebilir. Ancak tek bir ajan birikmez. İşler, üretir ve durur. Bir tahkim sistemi, ajanların etrafına sarılır ve onları tek seferlik araçlardan, kendini geliştiren bir motora dönüştürür.

Son makalenizde, “harness mühendisliği” ve AI-öncelikli organizasyonlar hakkında yazdınız ve 99% üretim kodunun şimdi AI tarafından yazıldığını belirttiniz. Bu fikre verilen tepkiler hakkında neler düşünüyorsunuz?

Bu makale, 1,8 milyon görüş aldı. Ekibim için bir belge olarak yazmıştım, ancak bu kadar geniş bir kitleye ulaşacağını düşünmemiştim.

Tepkilerdeki bölünme beni şaşırttı. Bir grup, bunun sorumsuzluk olduğunu, üretim kodunda AI tarafından oluşturulan kodun güvenilmez olduğunu söyledi. Diğer grup, “Biz de aynı şeyi görüyoruz, ancak kimse bundan bahsetmiyor” dedi.

İkinci grup, endüstrinin birçok yerinde benzer bir geçiş yaşandığını ve kimsenin bundan bahsetmediğini söyledi. Bir muhabir, bu konuyu beş kişiyle konuştuğunu ve kimsenin tüm iş akışını tamamen değiştirmediğini söyledi.

CREAO, AI ajanlarının hem araçlar oluşturup hem de otonom olarak işleri çalıştırabileceği bir platform olarak tanımlanıyor. Bu geçişin en zor kısmı nedir?

Hem operasyonel hem de kültürel olarak zorluklar vardır.

Operasyonel olarak, en zor karar, kod tabanını birleştirmek oldu. Eski mimarimiz, bağımsız sistemlere dağılmıştı. Bir değişiklik, üç veya dört Depositoryu etkileyebilirdi. İnsan mühendisleri için yönetilebilir, ancak AI ajanları için saydam değildi.

Kod tabanını birleştirmek için bir hafta tasarladım ve bir hafta boyunca ajanlar kullanarak tüm kod tabanını yeniden mimarladım. Bu, bir riskti, ancak prensip açıktı: AI ajanlarının inceleyebileceği, doğrulayabileceği ve değiştirebileceği sistemlerin daha fazlasını oluşturdukça, daha fazla avantaj elde edersiniz.

CREAO, AI ajanlarının hem araçlar oluşturup hem de otonom olarak işleri çalıştırabileceği bir platform olarak tanımlanıyor. Bu geçişin en zor kısmı nedir?

Kültürel olarak, en zor kısım, kimlikti. Mühendisler, yazdıkları kodun değerini bulurlar. AI, %99’unu yazdığında, soru, “Şimdi işim nedir?” olur. Bu, bir süreç sorusu değil, varoluşsal bir sorudur.

Herkesin mutlu olmadığını inkar etmiyorum. Bazı takım üyeleri, benim artık her gün onlarla konuşmama nedeniyle belirsiz hissettiler. Ancak bir kez yeni iş akışını deneyimlediklerinde, çoğu, işlerinin daha fazla entelektüel olarak ilgi çekici olduğunu hissetti.

CREAO, AI ajanlarının hem araçlar oluşturup hem de otonom olarak işleri çalıştırabileceği bir platform olarak tanımlanıyor. Bu geçişin en zor kısmı nedir?

Junior mühendisler, daha hızlı adapte oldular. Daha az geleneksel uygulama deneyimi olan junior mühendisler, araçların onları güçlendirdiğini hissettiler. Geleneksel uygulamaya bağlı olmayan junior mühendisler, daha hızlı adapte oldular.

Senior mühendisler, daha zor bir zaman geçirdiler. İki ayda yapılan iş, AI tarafından bir saatte yapılabilirdi. Bu, yıllarca kazanılan bir beceri seti için zor bir şeydi.

CREAO, AI ajanlarının hem araçlar oluşturup hem de otonom olarak işleri çalıştırabileceği bir platform olarak tanımlanıyor. Bu geçişin en zor kısmı nedir?

Endüstri, AI kopyalama ajanlarına odaklanıyor. Ancak CREAO, AI’nin araçlar oluşturup, işleri çalıştırabileceği bir platform olarak tanımlanıyor. Bu geçişin en zor kısmı, AI’nin işleri çalıştırabilmesi için gerekli altyapının oluşturulmasıdır.

CREAO, AI ajanlarının hem araçlar oluşturup hem de otonom olarak işleri çalıştırabileceği bir platform olarak tanımlanıyor. Bu geçişin en zor kısmı nedir?

CREAO, AI ajanlarının hem araçlar oluşturup hem de otonom olarak işleri çalıştırabileceği bir platform olarak tanımlanıyor. Bu geçişin en zor kısmı, AI’nin işleri çalıştırabilmesi için gerekli altyapının oluşturulmasıdır.

CREAO, AI ajanlarının hem araçlar oluşturup hem de otonom olarak işleri çalıştırabileceği bir platform olarak tanımlanıyor. Bu geçişin en zor kısmı nedir?

CREAO, AI ajanlarının hem araçlar oluşturup hem de otonom olarak işleri çalıştırabileceği bir platform olarak tanımlanıyor. Bu geçişin en zor kısmı, AI’nin işleri çalıştırabilmesi için gerekli altyapının oluşturulmasıdır.

Teşekkür ederiz. CREAO hakkında daha fazla bilgi edinmek isteyen okuyucular, CREAO sitesini ziyaret edebilir.