Mission’da Chief AI ve Data Scientist olan Ryan Ries ile Röportaj Serisi

Dr. Ryan Ries 15 yılı aşkın bir süredir hızlı büyüyen teknoloji şirketlerinde veri ve mühendislik alanında liderlik deneyimine sahip著名 bir veri bilimcisidir. Dr. Ries, 20 yılı aşkın bir süredir AI ile çalışmakta ve 5+ yıldır müşterilerin AWS veri altyapısı ve AI modellerini oluşturmasına yardımcı olmaktadır. UCLA ve Caltech’te Biyofizik Kimya alanında doktorasını tamamladıktan sonra, Dr. Ries ABD Savunma Bakanlığı ve birçok Fortune 500 şirketi için öncü veri çözümleri geliştirmiştir.

Mission’da Chief AI ve Data Scientist olarak, Ryan bir dizi Data Engineer, Data Architect, ML Engineer ve Data Scientist’ten oluşan başarılı bir ekibi kurmuştur. Bu ekip, AWS altyapısını kullanarak dünyanın en zor sorunlarını çözmektedir.

Mission bulut tabanlı bir yönetilen hizmet ve danışmanlık sağlayıcısıdır. Şirket, uçtan uca bulut hizmetleri, yenilikçi AI çözümleri ve AWS müşterileri için yazılım sunmaktadır. AWS Premier Tier Partner olarak, şirket müşterilerin teknoloji yatırımlarını optimize etmelerine, performans ve yönetimlerini geliştirmelerine, verilerini güvence altına almalarına ve yenilikleri güvenle benimsemelerine yardımcı olmaktadır.

Sizin gibi etkileyici bir geçmişiniz var—DAQRI’de AR donanımı oluşturmadan Mission’da Chief AI Officer’a kadar. AI’nin şirket içindeki rolü hakkında bakış açınızı şekillendiren kişisel deneyimler veya dönemeçler nelerdir?

AI’nin erken geliştirme aşamasında, hesaplama gücü ve altyapı sorunları büyük engellerdi. Araştırmalardan modelleme yapmak için el ile kod yazmak zor ve karmaşıktı. Büyük bir değişim, Python ve açık kaynaklı AI kütüphanelerinin ortaya çıkmasıyla gerçekleşti ve deneysel çalışma ve model oluşturmayı çok daha hızlı hale getirdi. Ancak, en büyük dönemeç, hyperscaler’lerin seperti AWS’nin geniş ölçekli hesaplama ve depolama olanaklarını yaygın olarak erişilebilir hale getirmesiydi.

Bu evrim, AI tarihinin sürekli bir zorluğu olan depolama ve hesaplama kapasitesinin tükenmesi sorununu yansıtmaktadır. Bu sınırlamalar, önceki AI kışlarını neden olmuş ve bunları aşmak, bugünkü “AI Rönesansı”nın temelini oluşturmuştur.

Mission’un uçtan uca bulut hizmeti modeli, şirketlerin AI iş yüklerini AWS’de daha verimli ve güvenli bir şekilde nasıl ölçeklenebilir hale getirmektedir?

Mission’da güvenlik her şeyin bir parçasıdır. AWS ile iki yıl üst üste güvenlik ortağı seçildik, ancak ilginç bir şekilde, ayrı bir güvenlik ekibimiz yok. Çünkü Mission’da herkes, geliştirme aşamasında güvenlik konusunda düşünerek hareket etmektedir. AWS’nin Bedrock katmanı, müşterilerin hassas bilgilerini dahil olmak üzere verilerini AWS ekosisteminde güvenli bir şekilde tutmasını sağlar. Bu entegre yaklaşım, güvenliğin temel olduğunu, sonradan düşünülmediğini garantiler.

Ölçeklenebilirlik de Mission’da temel bir odak noktasıdır. MLOps管道larını oluşturarak AI altyapısını eğitim ve çıkarım için yönetmekte geniş deneyime sahibiz. Genellikle ChatGPT gibi büyük ölçekli kamu sistemleriyle ilişkilendirilen üretken AI, çoğu şirket için daha yönetilebilir ölçekleme gerektiren iç kullanım durumları için daha uygundur. Bedrock’un API katmanı, gerçek dünya iş yükleri için ölçeklenebilir ve güvenli performansı sunar.

Bir şirketin bulut göçü ve üretken AI çözümlerini dağıtma sürecini Mission’un hizmetlerini kullanarak anlatır mısınız?

Mission’da, şirketin iş ihtiyaçlerini ve kullanım durumlarını anlamaya başlarız. Bulut göçü, mevcut yerel ortamın değerlendirilmesi ve ölçeklenebilir bir bulut mimarisinin tasarlanmasıyla başlar. Yerel kurulumlardan farklı olarak, bulut, kaynakları ortalama iş yüklerine göre ölçeklenebilir hale getirir ve maliyetleri azaltır. Tüm iş yüklerinin göç etmesi gerekmez—bazıları emekliye ayrılabilir, yeniden yapılandırılabilir veya verimlilik için yeniden inşa edilebilir. Envanter ve planlamanın ardından, aşama aşama göçü gerçekleştiririz.

Üretken AI ile, kavram kanıtlama aşamasını geride bıraktık. Şirketlere, mimarileri tasarlamalarına, pilotları çalıştırarak promt’ları iyileştirmelerine ve kenar durumları ele almalarına yardımcı oluyoruz, ardından üretime geçiyoruz. Veri odaklı AI için, şirketlerin yerel veri altyapısını buluta taşıyarak daha büyük değerler elde etmelerine yardımcı oluyoruz. Bu uçtan uca yaklaşım, üretken AI çözümlerinin sağlam, ölçeklenebilir ve iş için hazır olmasını sağlar.

Mission, “güvenle yenilik” vurgusunu yapıyor. Bu, AI’yi ölçeklendirirken işletmeler için pratik anlamda ne anlama geliyor?

Bu, gerçek AI uzmanlarına sahip olmak anlamına geliyor—sadece bootcamp mezunları değil, aynı zamanda deneyimli veri bilimcileri. Müşteriler, bizim üzerlerinde deneysel çalışmalarda bulunmadığımızı bilerek güvenebilir. Ekibimiz, modellerin nasıl çalıştığını ve bunları güvenli bir şekilde nasıl uygulayacağını anlar. İşte böylece işletmeler, gereksiz riskler almaksızın yenilikçi olabilir.

Predictive analytics, NLP ve bilgisayar görüşü gibi alanlarda çalıştınız. Üretken AI’nin işletmelerde bugün en fazla değer katacağı alanları ve gerçeklik ile hype arasındaki farkı nasıl görüyorsunuz?

Üretken AI, işletmelerde özellikle akıllı belge işleme (IDP) ve sohbet botları aracılığıyla önemli değer yaratmaktadır. Birçok işletme, operasyonlarını ölçeklemek için daha fazla insan işe almakta zorluk çekmekte ve üretken AI, tekrarlayan görevleri otomatikleştirmeye ve iş akışlarını hızlandırmaya yardımcı olmaktadır. Örneğin, IDP, sigorta başvurularının gözden geçirilme süresini %50 azaltmıştır ve sağlık hizmetlerinde hasta bakım koordinasyonunu iyileştirmiştir. Sohbet botları genellikle diğer AI araçlarına veya sistemlere arayüzlük görevi görerek, şirketlerin rutin etkileşimleri ve görevleri verimli bir şekilde otomatikleştirmesine olanak tanır.

Üretken görseller ve videoların hype’ı genellikle gerçek iş uygulamalarının ötesine geçmektedir. Bu teknolojiler, pazarlama ve yaratıcı projeler dışında sınırlı pratik uygulamalara sahiptir ve çoğu işletme, bunları temel bir iş aracı olarak ölçeklendirme konusunda zorluk yaşamaktadır.

“Vibe Coding” terimi ortaya çıktı—AI geliştirme dünyasında bunun anlamını açıklayabilir misiniz ve daha geniş bir kültürel değişimi nasıl yansıtıyor?

Vibe coding, geliştiricilerin büyük dil modellerini kullanarak, yapılandırılmış planlama veya tasarımdan ziyade daha çok sezgi veya doğal dil promtlarına dayanarak kod oluşturmasına işaret eder. Bu, iterasyon hızını artırma ve prototip oluşturma için harikadır—geliştiriciler hızlı bir şekilde fikirlerini test edebilir, şablon kodları oluşturabilir veya tekrarlayan görevleri devre dışı bırakabilir. Ancak, bu aynı zamanda genellikle yapısal olmayan, bakımı zor ve possibly güvensiz kodlara yol açar.

Geniş bir perspektiften bakıldığında, LLM’lerin junior geliştirici gibi davranarak ve insanların mimar, QA mühendisi gibi rolleri üstlenerek AI tarafından oluşturulan bileşenleri daha büyük sistemlere entegre etmelerine yardımcı olan bir ortama doğru bir kayma görüyoruz. Bu işbirlikçi model güçlü olabilir, ancak yalnızca guardrail’ler yerindeyse. Düzgün denetim olmadan, vibe coding teknik borcu, güvenlik açıklarını veya performans sorunlarını ortaya çıkarabilir—özellikle dikkatli testler olmadan üretime geçirildiğinde.

AI subayının rolünün evrimi hakkında ne düşünüyorsunuz? AI, işletme stratejisinin temel taşı haline geldikçe, şirketlerin liderlik yapısını nasıl yeniden düşünmaları gerekir?

AI subayları kesinlikle değer katabilir, ancak yalnızca rolün başarılı olması için kurulması halinde. Şirketler, yeni C-suite unvanları mevcut liderlik yapılarına veya gerçek yetkiye bağlı olmadan oluşturduğunda, bu genellikle silo karar alma, çelişen öncelikler ve durdurulmuş yürütme ile sonuçlanır.

Şirketler, AI subayının Chief Data Officer veya CTO gibi rolleri yerine getirdiğini veya tamamlayıcı olup olmadığını dikkatlice değerlendirmelidir. Unvan önemli değil, yetki önemlidir. Kritik olan, AI stratejisinin şirket genelinde şekillenmesine yardımcı olacak ve anlamlı değişiklikler yapacak yetkiye sahip birini yetkilendirmektir. Aksi takdirde, rol daha sembolik olur.

Ödüllü AI ve veri ekiplerini yönettiniz. Yüksek riskli AI rolleri için işe alırken hangi nitelikleri ararsınız?

Bir numaralı nitelik, gerçekten AI bilen birini bulmaktır—sadece bazı kurslara katılmış biri değil. AI’de derinlemesine bilgiye sahip ve sınırlarını zorlayacak bir merak ve ilgiye sahip kişiler needed.

Yenilikçi yaklaşımlar arayan ve sınırları zorlayabilen kişileri arıyorum. Bu kombinasyon, hem yenilikçi hem de güvenilir uygulama gerektiren yüksek riskli AI rolleri için temel bir unsurdur.

Çok sayıda işletme, ML modellerini operasyonel hale getirmekte zorluk çekiyor. Başarılı olan ekipleri, proof-of-concept aşamasında takılan ekiplerden ayıran nedir?

En büyük sorun, ekipler arası uyumun olmamasıdır. ML ekipleri vaat edilen modeller oluşturur, ancak diğer departmanlar onları benimsemeyebilir, önceliklerin uyumsuzluğu nedeniyle. Üretimi POC’dan üretim aşamasına taşımak ayrıca MLOps altyapısını gerektirir: sürüm oluşturma, yeniden eğitim ve izleme. GenAI ile bu uçurum daha da büyür. Bir sohbet botunu üretime almak, sadece ChatGPT’ye promt’lar eklemek değil, aynı zamanda promt ayarlaması, pipeline yönetimi ve uyumluluk anlamına gelir.

Aİ-first ürünleri olan bir startup kurucusuna, Mission’un altyapısı ve AI stratejisi deneyiminden nasıl yararlanabilirler?

Startup olarak, üst düzey AI yetenekli kişileri çekmek zor olabilir, özellikle de kurulu bir markanız yoksa. Güçlü bir kurucu ekibine sahip olsanız bile, AI sistemlerini doğru şekilde oluşturmak ve ölçeklemek için gerekli derinlikte deneyime sahip kişileri işe almak zordur. İşte burada, Mission gibi bir şirketle ortaklık kurmak gerçek bir fark yaratabilir. Altyapı, strateji ve eldeki uzmanlık sağlayarak, ürününüzü daha hızlı ve güvenle doğrulamanıza yardımcı olabiliriz.

Diğer kritik nokta, odaklanmaktır. Çoğu kurucu, ChatGPT’yi temel alan bir arayüze sarıp bunu bir ürün olarak adlandırmaya çalışmaktadır, ancak kullanıcılar daha akıllı hale gelmekte ve daha fazlasını beklemektedir. Gerçek bir sorunu çözmediyseniz veya farklı bir şey sunmuyorsanız, kolayca kaybolabilirsiniz. Mission, startup’lara AI’nin gerçek değeri yarattığı noktaları stratejik olarak düşünmeleri ve ölçeklenebilir, güvenli ve üretimden hazır bir şekilde inşa etmelerine yardımcı olur. Böylece sadece deneysel çalışmalarda bulunmuyorsunuz, büyümek için inşa ediyorsunuz.

Harika röportaj için teşekkür ederiz. Daha fazla bilgi edinmek isteyen okuyucular Mission‘u ziyaret edebilir.