Röportajlar

Shane Eleniak, Calix Ürün Başkanı – Röportaj Serisi

Antoine Tardif
Unite.AI sitesini Google'daki tercih ettiğiniz kaynaklara ekleyin
Öne çıkan noktalarCalix, ajan AI ortaya çıkmadan yıllar önce belirli kişilikler için eyleme…
Daha fazla göster
  • Calix, ajan AI ortaya çıkmadan yıllar önce belirli kişilikler için eyleme dönüştürülebilir içgörüler oluşturdu.
  • Çoğu işletme, otonom kararlar için gereken güven katmanını göz ardı ettiği için AI'da başarısız oluyor.
  • Kuruluşlar, bilgiyi silolara AI eklemek yerine birleşik bir veri ambarına yeniden yapılandırmalıdır.

Shane Eleniak, Calix’te Ürün Başkanı olarak görev yapmakta ve şirketin endüstri lideri platform ve SaaS çözümlerinin stratejik vizyonunu ve yürütmesini yönetmektedir. İletişim hizmet sağlayıcılarının işlerini basitleştirmelerine ve abonelerine olağanüstü deneyimler sunmalarına yardımcı olmaya odaklanan, Shane ürün yaşam döngüsünün tamamından – kavramsallaştırmadan piyasa lideri dağıtıma kadar – sorumludur.

Onun liderliği altında, Calix geniş bant endüstrisinde bir öncü olarak konumunu sağlamlaştırmıştır ve sürekli olarak hizmet sağlayıcılarını rekabet etmeye ve kazanmaya güçlendiren yenilikçi araçlar sunmaktadır.

Calix, ABD merkezli bir teknoloji şirketidir ve geniş bant ve iletişim hizmet sağlayıcıları için tasarlanmış bulut, yazılım ve yönetilen hizmet platformları sunar. Temel teklifleri, bulut altyapısı, veri ve ağ sistemlerini entegre eden bir AI destekli geniş bant platformudur. Bu, hizmet sağlayıcılarının operasyonları basitleştirmelerine, müşteri etkileşimini iyileştirmelerine ve daha kişiselleştirilmiş dijital deneyimler sunmalarına yardımcı olur. Hizmet sağlayıcılarını temel bağlantı hizmetlerinden “deneyim sağlayıcıları”na dönüştürerek, gelirlerini artırmalarına, abone bağlılığını artırmalarına ve daha gelişmiş, ölçeklenebilir geniş bant hizmetleri yoluyla toplulukların dijital dönüşümünü desteklemelerine yardımcı olur.

Kariyeriniz mühendislik, ağlar, bulut platformları ve büyük ölçekli ürün liderliği alanlarında otuz yılı aşkın bir süreyi kapsıyor. Bu deneyimler, AI’nin yan bir deney olarak kalmak yerine işletmeler içinde gerçek iş yapabilmesi için neler gerektiğine ilişkin bakış açınızı nasıl şekillendirdi?

Ben geleneksel telekomünikasyon ve ağda başladım, burada oyunun tamamı veri yolu ve ölçeklenebilirlikte güvenilirlikti. Eğer temiz ve güvenilir bir hizmet sunamazsanız, üzerine inşa ettiğiniz her şey önemli değildir. O zamanlar telefon mutfak duvarında asılıydı, iç kablo hiç hareket etmiyordu ve çevir sesi olduğu sürece her şey iyiydi.

Geniş bant ve İnternet her şeyi değiştirdi. Aniden sadece “açık mı?” değildi; Ethernet ve sonra Wi-Fi, oyun konsollarında ve tabletlerde çocuklar, bir bulut tablosunda işbirliği yapan bir Zoom görüşmesinde siz, sürekli mobilite – evin içinde, bahçede, futbol maçında, kahvehanede cihazlar. Abone deneyimi, basit bir açma/kapama durumundan çok daha karmaşık hale geldi ve hizmet sağlayıcıları için dünya çok dinamik hale geldi. Bu dünyada, klasik veri ambarları ve geçmişe dönük raporların bir ay sonra gelmesi yeterli değildir. Verileri toplamanız, deneyimi anlamlandırmanız ve gerçek zamanlı olarak içgörüler oluşturmanız gerekir, çünkü aboneler artık sorunların proaktif olarak çözülmesini beklemektedir, saatlerde veya günlerde değil.

Bu evrim, AI hakkında düşünme şeklimi etkiledi. İnsanların çoğu AI’yi “üzerine” koymak istiyor, tıpkı iş zekası veya SaaS’i mevcut veri göllerinin üzerine koymaları gibi. Deneyimlerim, bunun ötesinde düşünmeniz ve gerçek zamanlı, eyleme geçirilebilir içgörüler ve zamanında eyleme geçme yeteneği için tasarlaymanız gerektiğini söylüyor.

Aboneler için beklenti, son 25 yılda çok fazla değişmedi. Hala güvenli, yönetilen bir bağlantı istiyorlar, bu bağlantı onlara çevir sesi kadar basit hissettirmelidir – her katman ve karmaşıklığı düşünmeden her şeyi “çalışır” halde istiyorlar ve hayatlarının her alanında istiyorlar. Telekom ve bulut alanındaki kariyerim, bu paradoksla rahatça çalışmayı öğretti: çok karmaşık sistemler inşa edersiniz, ancak tüm bunları soyutlayıp kenarlarda basit ve harika bir deneyim sunarsınız. Geniş bant alanında olsun ya da olmasın, herhangi bir işletmede AI’nin gerçek iş yapmasını da tam böyle düşünüyorum.

Calix’de, operasyonel AI’nin inşa edildiği, satın alınmadığı konusunda sıkça vurguluyorsunuz. Kuruluşların, işin işletme içinde nasıl aktığını yeniden düşünmeden AI eklemeye çalışırken en sık yaptığı hatalar nelerdir?

Benim için, bu “inşa edilmiş” veya “satın alınmış” değil, daha çok tüm teknoloji yığınına geri çekilip bakmakla ilgili. Birçok şirket, AI’nin sadece bazı API’leri kullanarak bir LLM’ye erişmek, bunu bir yazılım sarmalayıcısıyla yığınlarına bağlamak ve token satın almak olduğunu düşünüyor – böylece bir AI stratejisine sahip olmak. Bu öyle değil.

Çok fazla insan sonuç yerine teknolojiye odaklanıyor. Bunu daha önce gördük. PC’ler ortaya çıktığında, herkes 286 mı, 386 mı, ne kadar belleği olduğunu ve hangi DOS’u kullandığını tartışıyordu. Bugün kimse laptop veya telefonunun özellikleri hakkında bilgi veremez ve cihaz ihtiyaç duyulanı yapmayı bırakana kadar kimse bunları umursamaz. Önemli olan, bu sizin işinizi daha etkili hale getiriyor mu? AI için de aynı şey. AI’yi gerçek iş akışlarına, gerçek değere ve gerçek ROI’ye bağlayamıyorsanız, teknik özellikleri sadece gürültüdür.

Diğer büyük bir hata, AI’yi mevcut sistemlere entegre etmeye çalışmak, ancak bunu mimari, güvenlik modeli ve maliyetleriniz üzerinde nasıl bir etkiye sahip olacağını sorgulamadan. AI temel bir teknolojidir; kademeli bir özellik yükseltmesi değildir. AI’yi kademeli bir yükseltme olarak ele aldığınızda, kötü veri, güvenlik sorunları, halüsinasyonlar, kontrolden çıkan maliyetler veya kimsenin sorununu çözmeyen çok fazla faaliyetle sonuçlanırsınız.

Son olarak, bağlamı ve dikey uzmanlığın önemini göz ardı edemezsiniz. Eylem bütünüyle bağlama dayanır ve bu bağlam telekom, fintech ve sağlık hizmetleri arasında farklılık gösterir. Calix’de, bir endüstriden derin deneyimle başladık ve bu etrafında dikey bir platform inşa ettik. Verileri, içgörüleri, iş akışlarını ve bağlamı zaten anlıyorduk, böylece yığın bu gerçekliği yansıtabilirdi. Çoğu şirket, dikey endüstrilerini içten dışa biliyor. Fırsat, ince bir yatay katmana ve genel bir AI modeline güvenip sonradan her şeyi birleştirmeye çalışmak yerine, bu bilgiyi sektöre özgü bir teknoloji yığınına işlemektir. İşletmeler için önemli olan modeller değil, sonuçlardır. Gerçek soru, bu teknolojinin size bu sonuçları iş akışlarınızda nasıl teslim ettiğidir.

Siz, operasyonel AI için beş katmanlı bir mimari tanımladınız: veri, bilgi, orkestrasyon, güven ve eylem. Bu katmanları açıkça ayırmak neden önemlidir ve şirketler hangisini en çok küçümsüyor veya tamamen atlıyor?

Uzun bir süredir yığın oldukça basittir: veri, içgörüler, paneller, iş akışları, insanlar. Veri ambarları inşa ettiniz, üzerine BI koydunuz, iş akışı motorları oluşturdunuz ve zor işi insanlara bıraktınız. Ajanların dünyasında, bu dayanmaz. Veri, bilgi, orkestrasyon, güven ve eylem gerekiyor, çünkü her katman ayrı bir işlev gerçekleştirir.

Herkesin konuştuğu görünür kısım, eylem katmanı – ajanlardır. Bu sadece buz dağının görünen kısmıdır. Ajanların gerçek sistemlere müdahale etmesine izin verip veremeyeceğinizi belirleyen, suyun altındaki tüm o “sıkıcı” işlerdir: veri işlem hatları ve temiz veriler, bağlam sağlayan bilgi katmanı, dinamik iş akışlarını koordine eden orkestrasyon ve en başta neye izin verilmesi gerektiğini belirleyen güven modeli. Titanic battığında, gördüğünüz küçük parça gemiyi batırmadı; sualtındaki devasa buz kütlesi batırdı. Operasyonel AI de aynıdır. Yüzeyin altındaki altyapı başarıyı ya da başarısızlığı belirler.

Tarihsel olarak, orkestrasyon ve güveni ayrı katmanlar olarak ele almadık, çünkü insanlar bu işi yapıyordu. Orkestrasyon, yöneticiler ve destek talebi kuyrukları anlamına geliyordu; güven, kullanıcı adları ve parolaları anlamına geliyordu. Şimdi, varlıklara – ajanlara – şeyler yaptırmak zorundayız ve birden fazla ajanı gerçek zamanlı olarak dinamik veriler etrafında koordine etmek zorundayız. Bu, tamamen farklı bir tasarım problemidir, bu nedenle bu katmanların açıkça belirtilmesi gerekir.

İnsanların en çok küçümsediği katman güven katmanıdır. Birçok organizasyon, güveni ele aldıklarını düşünüyor, çünkü erişim kontrollerine sahipler – hangi kullanıcı hangi sisteme giriş yapabilir. Ancak ajanların dünyasındaki gerçek güven, “bu kullanıcıya erişim var mı?” değil, “bu özel eylem, bu ajan veya bu kişi için bu anda uygun mu?” Bu, bir yönetim sorusudur, erişim kontrolü sorusu değil. Bu katmanı açıkça belirlemezseniz, demo alanında takılırsınız, çünkü ajanlara üretim ortamında gerçek iş yaptırma konusunda asla rahat olamazsınız.

Güven, açıkça AI stratejinizin temel bir parçasıdır. Sistemleri, otomatik kararların gözlemlenebilir, denetlenebilir ve geri alınabilir kalmasını sağlamak için nasıl tasarlıyorsunuz, aynı zamanda işletme değerini teslim etmek için yeterli hızda ilerlemeye devam edersiniz?

Sıfır güven zihniyetinden başlamanız gerekir. İlk soru, “bu ajan teknik olarak bunu yapabilir mi?” değil, “bu ajan, bu kişi adına, gerçekten bunu yapmaya çalışmalı mı?” Eğer cevap hayır ise, devam etmeyin.

Eğer cevap evet ise, güvenlik sınırlarına geçersiniz: denetlenebilirlik, izlenebilirlik ve insan müdahalesi ihtiyacı. Modelimiz, her etkileşimin başlangıcında bir trafik polisi gibi davranan bir güven katmanına dayanır: kimsiniz, ne yapıyorsunuz ve neden bunu yapıyorsunuz? Bu, birçok güvenlik sorununu ortadan kaldırır, çünkü ajanları serbest bırakıp sorunları ancak sonradan fark etmeyi ummuyorsunuz.

Alternatif, ajanları serbest bırakmak ve sonra bir sorun çıkarsa alarmı yükseltmektir. Ajanların gerçek zamanlı olarak görebileceğinizi, anlamlandırabileceğinizi, tanımlayabileceğinizi ve durdurabileceğinizi varsayıyorsunuz – bu sistemlerin çalıştığı hız ve ölçekte. Bu, çok zor bir sorundur ve birçok insanın neden mücadele ettiğini açıklar – gerçek zamanlı olarak kötü aktörleri aramaya çalışıyorlar, oysa asıl amaç kötü eylemleri baştan önlemek olmalı.

Bunun üzerine, katmanlı kapılar ekledik. Bir ajan, doğru kişi adına hareket etse bile, hâlâ oturum ve içeriği kontrol ediyoruz – modeli zehirlemek, API’yi suistimal etmek veya politikaya aykırı bir şey yapmak mı deniyor? Tüm bunlar tam gözlemlenebilirlikle çevrelenmiştir; böylece olanları denetleyebilir ve gerekirse geri alabilirsiniz. İşte bu, hızlı ilerlemenin ve aynı zamanda geceleri uyurken rahat olmanın yolu.

Çok fazla şirket, AI içgörülerini üretmede başarılı oluyor, ancak bunları eyleme dönüştürmekte zorlanıyor. Hangi tasarım kararları Calix’in AI’yi pazarlama, operasyonlar ve müşteri desteğindeki günlük iş akışlarına doğrudan yerleştirmesini sağladı?

AI sahnenin yıldızı olmadan çok önce, Calix’de zaten bir soru ile meşgulduk: Gerçek bir işte çalışan gerçek bir insan için bir içgörüyü gerçekten eyleme geçirilebilir kılan nedir? 2018’den beri, hizmet sağlayıcılarla birlikte çalışarak, farklı iş rollerinin nasıl çalıştığını anladık – bir pazarlamacı salı sabahı ne yapar, bir operasyon ekibi alarm verdiğinde ne yapar, bir destek ekibi bir abone hayal kırıklığı içinde aradığında ne yapar? Bize, hangi içgörülerin kime, hangi bağlamda ve “iyi eylem”nin neye benzediğini çok net bir şekilde gösterdi.

AI geldiğinde, sıfırdan başlamıyorduk. Zaten gerçek zamanlı sistemlere sahiptik, belirli iş rollerine ve iş akışlarına bağlı eyleme geçirilebilir içgörüler üretebiliyorduk. Tasarım sorusu, farklı bir araç seti ve teknoloji yığını ile aynı iş akışlarını bir ajan tabanlı AI dünyasında her şeyi sıfırdan icat etmeye çalışmak yerine nasıl yeniden tasarlayabileceğimizdi.

Bu derin iş rollerine ilişkin bilgileri ajan tabanlı AI ile birleştirdiğinizde, dinamik veriler üzerinden dinamik iş akışları oluşturabilirsiniz. Ajanlar, gerçekten neler olduğunu temel alarak hangi adımların ve hangi iş rollerinin dahil edilmesi gerektiğini gerçek zamanlı olarak belirleyebilir, böylece mikro hizmetlerde yüzlerce katı iş akışını sabit kodlamak zorunda kalmazsınız. Çoğu şirket için zor problem, gerçek zamanlı olarak bağlam ve iş akışı etrafında kararlar verip tasarlamaktır. Bizim için, bu kısım zaten mevcut; yıllardır gerçek zamanlı, iş rolü temelli, eyleme geçirilebilir içgörüler yapıyorduk. Ajan tabanlı AI, bu temel üzerindeki yeni bir araç setidir.

Platform vizyonunuz, ajanlar arası (A2A) etkileşimi ve federe AI sistemlerini içeriyor. Bu yaklaşım, geleneksel nokta entegrasyonlarına kıyasla işletme araçlarının nasıl işbirliği yaptığını değiştirir?

Son 20 yılda, varsayılan model, “bir sürü SaaS aracı satın almak ve bunları bir veri gölü etrafında bağlamak”tı. Her yeni sistem, bir nokta entegrasyonu, bir veri pipeline’ı ve doğru veriyi uzlaştırmak için bir yer anlamına geliyordu. Ajanların dünyasında, bu ölçeklenebilir değil. Verilerin nerede olması gerektiği yerde kalması ve ajanların iyi tanımlanmış arayüzler üzerinden birbirleriyle konuşması istiyorsunuz.

Bu nedenle, MCP’yi bilgi katmanında ve A2A’yi orkestrasyon ve güven katmanlarında konuştuğumuzdan bahsediyoruz. MCP, ajanların özel bir entegrasyon olmadan araçları ve verileri nasıl keşfettiğini ve kullandığını gösterir. A2A, ajanların birbirleriyle nasıl koordine edildiğini gösterir – açık güvenlik sınırları içinde.

Bunun üzerine geldiğinizde, işbirliği, bir yığın kırılgan konektör gibi görünmekten çıkıp, gerçek iş etrafında dinamik olarak bir araya gelen uzmanlar ağı gibi görünmeye başlar. Burada, Eisenhower Matrisi benzetmesi gelir. Her şey eşit derecede acil ve önemli değildir. Bazı işler gerçekten zaman kritiktir, bazıları önemlidir ancak planlanabilir, bazıları sadece yapılması gerekir ve bazıları gürültüdür. Ajanlar arası koordinasyonu, güven ve orkestrasyon katmanının üzerine kurulduğunda, bu kategorileri ölçeklenebilir bir şekilde farklı şekilde ele alabilirsiniz: ajanlar, acil ve önemli sorunlara saldırabilir, önemli ancak acil olmayanları sıraya alabilir veya programlayabilir ve düşük değerli işleri diğer her şeyi boğmaktan alıkoyabilir.

Bu, “bir konektör daha ekleyelim ve kuyruğun boşalmasını umalım” dünyasından çok farklı. Aslında, dinamik olaylar ve veriler etrafında güvenilir, dikkatlice orkestrasyonlu dinamik iş akışları görüyorsunuz, her şeyin aynı önceliği talep ettiği tek seferlik entegrasyonlar yığını yerine.

AI ajanlarının özerk hareket etmesine izin verildiğinde yönetişim hızla bir zorluğa dönüşür. AI sistemleri ölçeklerde kararlar aldığında veya uyguladığında, hız, hesap verebilirlik ve insan denetimi nasıl dengelersiniz?

Yanlış, insanların ajan tabanlı AI’yi mevcut her şeye bağlayabileceğini ve sonradan hız, hesap verebilirlik ve insan denetimini dengeler gibi düşünmeleridir. Yapamazsınız. Dikey bir teknoloji yığını problemi olduğunu kabul ederek ve kasıtlı olarak bir güven katmanı ve bir orkestrasyon katmanı inşa ederek başlamalısınız. Bu katmanlar olmadan, her şey denetimsiz bir karmaşaya dönüşür — öncelik ilk gelene ya da en yüksek sesle bağırana verilir.

Yine, Eisenhower Matrisi: tüm iş eşit yaratılmaz. Güven ve orkestrasyon, ajanların dünyasında bunu nasıl uygulamaya geçirdiğinizdir. Her ajanın her görevi yangın gibi ele almasını istemezsiniz; sistemin gerçekten zaman kritik olanı, planlanabilir olanı ve arka planda sessizce ele alınması gerekeni bilmesini istersiniz.

Ve sonra “genişlik yerine dar odak” kısmı var. Çoğu şirket, AI’den daha büyük etkiye ulaşmakla geniş bir alana yayılmakla karıştırır. Dar bir dikey dilim – somut bir kullanım durumu, bir dizi iş akışı – seçip orada güveni ve orkestrasyonu inşa etmek daha iyidir. Sektörel kapsamı daraltın, doğru işlemesini sağlayın, sınır durumlarında insan katılımını koruyun ve sonra genişletin. İşte bu, hızlı ilerlemenin, hesap verebilir kalmanın ve sonradan içinden çıkamayacağınız bir karmaşa yaratmaktan kaçınmanın yolu.

Büyük küresel ürün ve mühendislik ekiplerini yönetme deneyiminden, AI’nin birbirinden kopuk pilot projeler toplamı yerine kalıcı bir işletme yeteneğine dönüşmesi için hangi örgütsel veya kültürel değişiklikler gerekir?

Çoğu işletme, “AI problemi” değil, “bilgi ve iş akışı problemi” yaşamaktadır. İlk değişiklik, nokta çözümlerle oynamayı bırakmak ve veri ambarlarından federe bir bilgi ambarına geçmektir, herkesin görebileceği ve üzerine eyleyebileceği bir ambar. Bilgi silolarda kaldığı ve AI her silonun üzerinde yalnızca bir süs olduğu sürece, dönüşüm değil pilot projeler elde edersiniz.

Bundan sonra, daha zor sorunları belirli bir sırayla ele almanız gerekir. Birinci adım, abartıyı gerçeklikten ayırmak ve akışınızda en çok gürültü çıkaranı değil, gerçekten işe yarayanı benimsemektir. Adım iki, bilgi katmanını yeniden tasarlamak ve veriyi paylaşılan, federe bir bağlama dönüştürmektir, bir sistemin içinde gömülü bir rapor daha üretmek yerine. Adım üç, iş akışlarını bu bilgi ve gerçek bir güven katmanı etrafında yeniden düşünmektir – çoğu iş bugün, insanlar, beceriler ve yerel bilgi siloları etrafında organize edilmektedir. Bunu değiştirmezseniz, ajanlar sadece mevcut tıkanıklıkların etrafında dönecektir.

Sadece o zaman, kültürel değişim geliyor, genellikle en zor olanı. İnsanların öncelikle işlerini, araçlarını ya da kimliklerini kaybetmekten endişe etmek yerine yeni yeteneklerle çalışmaktan gerçekten heyecan duydukları bir kültüre ihtiyacınız var. Bu bir teknoloji sorunu değil, değişim yönetimi sorunudur. Bu, gerçek dağıtılmış liderliğe benzer: ön saflardaki insanlar iş akışlarını anlar, aksaklıkları dile getirirken kendilerini güvende hisseder ve ajanları bunları çözmek için kullanmaya heves duyar.

Geniş bant ve telekomünikasyon ötesinde, hangi endüstrilerin ajan tabanlı operasyonel AI’yi benimsemeye hazır olduğunu düşünüyorsunuz ve hangi koşullar onları hazırlar?

Aslında, endüstri etiketlerini kazananları seçmek yerine, kalıplar hakkında düşünüyorum. Neredeyse her sektör, aynı temel zorluğu yaşamaktadır: veri siloları ve işlev siloları inşa etmişlerdir, müşteri, çalışan ve ürün olmak üzere üç yaşam döngüsünü kapsayan tek bir görünüm yerine. Hazır olanlar, bunu görebilenler, gerçek bir bilgi katmanına sahip olmadıklarını kabul edenler ve bunu düzeltmeye istekli olanlardır.

Bundan sonra, koşullar, sağlık hizmetleri, fintech, perakende veya kritik altyapı gibi sektörlerden bağımsız olarak benzer görünmektedir. İnsanların kapasite sınırında çalıştığı karmaşık iş akışlarına, açıkça tanımlayabileceğiniz gerçek aksaklıklara ve ajanlara bağlam verebilecek yüksek kaliteli verilere ihtiyacınız vardır. Mevcut iş akışlarını haritalayabilir, işin nerede yavaşladığını veya biriken noktaları görebilir, el değiştirmelerin neden gecikmelere neden olduğunu anlayabilir ve bunu bir federe bilgi ambarı ile destekleyebilirsiniz, ajan tabanlı AI, inanılmaz bir araç seti haline gelir.

Bu dünyada sektörün hazır olup olmadığı liderliğe bağlıdır. Şirket liderleri pazarlama araçlarını ve ince yatay panoları aşıp sektöre özgü bir teknoloji yığınına yatırım yapmaya hazır mı? Veriyi bilgiye dönüştürmeye, bu bilgiyi federe etmeye, orkestrasyon ve güven çerçeveleri kurmaya ve gerçek ROI’nin nerede olduğuna ilişkin dürüst konuşmalar yapmaya istekli mi? Bu işi yapan her sektörden her şirket operasyonel, ajan odaklı AI için iyi konumdadır. Yapmayanlar ise zaten gürültülü olan yığına bir araç daha eklemekle kalır.

AI, çok ajanlı ve çok bulutlu ortamlara evrilirken, beş yıl sonra iyi AI mimarisi nasıl görünür ve liderler bugün hangi ilkeleri taahhüt etmelidir, böylece sistemlerini daha sonra yeniden inşa etmek zorunda kalmazlar?

Beş yıl sonra, AI’nin ilginç kısmı, bireysel ajanlar veya modeller olmayacak; ajanların mümkün kıldığı iş akışları ve bu iş akışlarının teslim ettiği iş değerleri olacak. Ajanlar gelip gidecek, ancak onların altındaki katmanlar – veri, bilgi, orkestrasyon, güven ve eylem – gelişmeye devam edecek, ancak onlara duyulan ihtiyaç ortadan kalkmayacak.

Bu nedenle, daha çok mimariye odaklanıyorum, belirli bir araçtan ziyade. Veri ambarlarından federe bilgi ambarlarına geçiyoruz, kırılgan nokta entegrasyonlarından açık, katmanlı yığınlara geçiyoruz. Bu dünyada, farklı bulutlarda çalışan ajanlar, farklı bilgi kaynaklarına dokunabilen ve iyi tanımlanmış arayüzler üzerinden birbirleriyle koordine eden ajanlar istiyorsunuz – MCP, bilgi katmanında ve ajanlar arası protokolleri, orkestrasyon ve güven katmanlarında.

İlerledikçe, teknoloji geliştikçe, bu katmanlardaki bileşenleri daha iyileriyle değiştirebilmek istiyorsunuz, ancak her seferinde her şeyi yeniden inşa etmek zorunda kalmıyorsunuz. Liderler için ilkeler basittir: monolitik olarak inşa etmeyin. Katmanlar için tasarlayın, böylece veri, bilgi, orkestrasyon, güven ve eylem her biri bağımsız olarak gelişebilir. Akışlar için, özellikler için değil, tasarlayın, böylece hangi iş akışlarının önemli olduğunu ve müşteri, çalışan ve ürün yaşam döngülerinde “iyi”nin neye benzediğini bilin. Ve ajan düzeyinde yönetim için tasarlayın: varsayılan olarak sıfır güveni kabul edin, net “ajan kartları” tanımlayın ve orkestrasyonu, neyin acil, neyin önemli ve neyin yapılması gerektiğini belirlemek için kullanın. Bunu yaparsanız, teknoloji değişir – her zaman değişir – ancak sürekli olarak yeniden inşa etmek zorunda kalmazsınız.

Harika röportaj için teşekkür ederim. Daha fazla bilgi edinmek isteyen okuyuculara Calix‘i ziyaret etmelerini öneririz.

Antoine, Unite.AI'nin vizyoner lideri ve kurucu ortağıdır. Yapay zekâ ve robotiğin geleceğini şekillendirmeye ve ilerletmeye yönelik sarsılmaz bir tutku taşır. Birden fazla şirket kurmuş bir girişimci olarak yapay zekânın toplumu elektrik kadar köklü biçimde dönüştüreceğine inanır ve çığır açan teknolojiler ile yapay genel zekânın (AGI) potansiyelinden sık sık heyecanla söz eder.

Bir fütürist olarak bu yeniliklerin dünyamızı nasıl şekillendireceğini araştırmaya kendini adamıştır. Ayrıca geleceği yeniden tanımlayan ve tüm sektörleri dönüştüren ileri teknolojilere yatırım yapmaya odaklanan Securities.io platformunun kurucusudur.