Tiến sĩ Pandurang Kamat, Giám đốc Công nghệ, Persistent Systems – Loạt phỏng vấn

Tiến sĩ Pandurang Kamat là Giám đốc Công nghệ tại Persistent Systems (PERSISTENT.BO ), ông chịu trách nhiệm nghiên cứu công nghệ tiên tiến tập trung vào việc giải phóng giá trị kinh doanh thông qua đổi mới quy mô. Ông là một nhà lãnh đạo công nghệ có kinh nghiệm giúp khách hàng cải thiện trải nghiệm người dùng, tối ưu hóa quy trình kinh doanh và tạo ra các sản phẩm kỹ thuật số mới. Tầm nhìn của ông cho Persistent là trở thành một cường quốc đổi mới toàn cầu và đa dạng, bao gồm cả học thuật và các công ty khởi nghiệp.

Pandurang gia nhập Persistent vào năm 2012. Trước khi gia nhập Persistent, ông là Giám đốc Phân tích cho các doanh nghiệp tìm kiếm và nội dung của Ask.com, nơi ông lãnh đạo một đội toàn cầu để quản lý nền tảng phân tích của Ask. Trước đó, ông đã giúp xây dựng các sản phẩm truyền thông và phương tiện truyền thông kỹ thuật số an toàn tại Bell Labs và HP Labs và một nền tảng nghiên cứu không dây giành giải thưởng tại Đại học Rutgers.

Persistent Systems là một đối tác kỹ thuật số và hiện đại hóa doanh nghiệp đáng tin cậy cho các nhà lãnh đạo thị trường toàn cầu trên các ngành công nghiệp.

Điều gì ban đầu thu hút bạn đến với khoa học máy tính và kỹ thuật máy tính?

Sự quan tâm của tôi đến khoa học máy tính và kỹ thuật máy tính được bắt đầu trong một khóa học mùa hè tại trường. Việc học các cấu trúc lập trình và tạo ra các trò chơi máy tính đã giới thiệu tôi đến logic có cấu trúc hỗ trợ các lĩnh vực này. Tôi bị thu hút bởi khả năng phá vỡ các vấn đề phức tạp và giải quyết chúng một cách hệ thống. Điều thực sự thu hút tôi là sự lợi thế to lớn mà các chương trình được thiết kế tốt mang lại. Chúng có thể tự động hóa các nhiệm vụ, tối ưu hóa các quy trình và trao quyền cho các cá nhân hoặc các đội nhỏ để đạt được những thành tựu đáng kể. Sự kết hợp giữa sáng tạo, giải quyết vấn đề và tiềm năng chuyển đổi này tiếp tục truyền cảm hứng cho tôi. Từ những trải nghiệm ban đầu đến hành trình liên tục của tôi, tôi vẫn đam mê với những khả năng vô tận mà công nghệ mang lại. Khoa học máy tính và kỹ thuật không chỉ định hình tương lai mà còn cung cấp các con đường cho đổi mới và tiến bộ thúc đẩy tôi tiến về phía trước.

Phần lớn doanh thu của Persistent Systems đến từ việc xây dựng phần mềm cho các doanh nghiệp, làm thế nào sự ra đời của trí tuệ nhân tạo sinh (GenAI) đã thay đổi cách thức hoạt động của nhóm bạn?

Sự ra đời của trí tuệ nhân tạo sinh (GenAI) đã thay đổi cách thức hoạt động của nhóm chúng tôi tại Persistent, đặc biệt là trong việc phát triển phần mềm cho các doanh nghiệp. Sự gián đoạn này trong ngành công nghệ thông tin không chỉ mang lại thách thức mà còn mang lại cơ hội đáng kể để tưởng tượng lại hoạt động kinh doanh một cách toàn diện.

Là một doanh nghiệp kỹ thuật số và công nghệ thông tin được hỗ trợ bởi AI, Persistent đã chấp nhận GenAI để cách mạng hóa các khía cạnh khác nhau của chu kỳ phát triển kỹ thuật phần mềm. Trong hơn một năm qua, chúng tôi đã phát triển các công cụ và bộ công cụ hoàn toàn định nghĩa lại các quy trình như tạo mã, tạo trường hợp kiểm tra và di chuyển báo cáo. Trong các dự án hiện đại hóa di sản, cách tiếp cận của chúng tôi đã thay đổi đáng kể. Chúng tôi hiện đang sử dụng các công cụ để tối ưu hóa các quy trình tiếp nhận mã, giảm thiểu rủi ro dự án và đẩy nhanh việc trên tàu của các thành viên mới trong nhóm bằng cách cung cấp cho họ một sự hiểu biết sâu sắc hơn về các cơ sở mã phức tạp. Hơn nữa, sự hợp tác của chúng tôi với các lĩnh vực ngành cho phép chúng tôi cung cấp các giải pháp được thiết kế cho dữ liệu doanh nghiệp. Bằng cách phát triển các trợ lý kỹ thuật số có thể hiểu ngôn ngữ kinh doanh và cung cấp tài liệu tham khảo liên quan, chúng tôi tăng cường hiệu quả hoạt động và ra quyết định trong các doanh nghiệp. Các trợ lý này tuân thủ các nguyên tắc AI có trách nhiệm, đảm bảo tính minh bạch, trách nhiệm, bảo mật và quyền riêng tư trong khi liên tục cải thiện độ chính xác và hiệu suất của chúng thông qua đánh giá tự động của đầu ra mô hình.

Có những thách thức nào khi hiện đại hóa hoàn toàn các hệ thống cũ bằng cách sử dụng trí tuệ nhân tạo sinh?

GenAI là một công cụ mạnh mẽ, nhưng nó không phải là một viên đạn bạc cho việc hiện đại hóa hoàn toàn các hệ thống cũ. Các tổ chức trên các ngành công nghiệp phải áp dụng một cách tiếp cận kết hợp, tận dụng chuyên môn của con người và khả năng của AI. Mặc dù GenAI mang lại tiềm năng đáng kể cho việc hiện đại hóa, nhưng nó cũng có những hạn chế. Các thách thức chính bao gồm:

• Hiểu biết hạn chế về các hệ thống cũ: Các mô hình GenAI yêu cầu sự hiểu biết toàn diện về các hệ thống hiện có để hoạt động hiệu quả. Các hệ thống cũ thường thiếu tài liệu toàn diện, cản trở khả năng của AI để nắm bắt các phụ thuộc của chúng một cách hiệu quả.
• Chất lượng dữ liệu và thiên vị: Chất lượng và tính đại diện của dữ liệu được sử dụng để đào tạo mô hình AI có tác động đáng kể đến đầu ra của nó. Các hạn chế của dữ liệu đào tạo có thể được phản ánh trong mã được tạo, có khả năng giới thiệu các vấn đề mới.
• Đảm bảo chất lượng và bảo mật: Mặc dù GenAI có thể tự động hóa việc tạo mã, nhưng đầu ra cần được kiểm tra và xác minh nghiêm ngặt để đáp ứng các tiêu chuẩn chất lượng, yêu cầu chức năng và bảo mật.
• Phạm vi hiện đại hóa hạn chế: GenAI có thể không phù hợp cho việc thay đổi hoàn toàn hệ thống. Nó có thể xuất sắc trong các nhiệm vụ cụ thể như tái cấu trúc mã hoặc tạo trường hợp kiểm tra, nhưng các thay đổi kiến trúc phức tạp vẫn đòi hỏi sự can thiệp của con người.
• Quản lý thay đổi và sự đồng thuận của các bên liên quan: Quản lý thay đổi tổ chức và đạt được sự đồng thuận của các bên liên quan là các yếu tố quan trọng trong việc xác định thành công của việc hiện đại hóa các hệ thống cũ bằng GenAI. Truyền thông rõ ràng, chương trình đào tạo và các sáng kiến tham gia của các bên liên quan có thể giúp giải quyết sự kháng cự đối với thay đổi và tạo điều kiện cho các chuyển đổi suôn sẻ.

Một trong những thách thức của Trí tuệ nhân tạo sinh là tính nhất quán, làm thế nào Persistent Systems hỗ trợ xây dựng trải nghiệm người dùng nhất quán?

Tính nhất quán là một yếu tố của việc cung cấp trải nghiệm người dùng và kết quả doanh nghiệp cấp độ doanh nghiệp và an toàn GenAI. Chúng tôi xem xét quá trình một cách toàn diện.

Chúng tôi cung cấp hỗ trợ từ đầu đến cuối trên tất cả các giai đoạn của việc áp dụng GenAI. Hướng dẫn chiến lược và phân tích các trường hợp sử dụng chi tiết của chúng tôi giúp các tổ chức chọn các mô hình nền tảng (FMs) phù hợp nhất với nhu cầu cụ thể của họ. Thông qua việc tư vấn và phân tích chi tiết, chúng tôi hỗ trợ khách hàng trong việc xác định các trường hợp sử dụng rõ ràng và đưa ra quyết định thông minh về việc chọn FM.

Sau đó, chúng tôi tập trung vào nhiều cách tiếp cận, chẳng hạn như kích hoạt vài lần hoặc thậm chí tinh chỉnh, để đảm bảo rằng các mô hình được sử dụng trong các ứng dụng được điều chỉnh cho trường hợp sử dụng và dữ liệu doanh nghiệp.

Các giải pháp của chúng tôi không chỉ sử dụng các kỹ thuật RAG tiêu chuẩn mà còn đi sâu vào các chiến lược kích hoạt và chia nhỏ dữ liệu để đảm bảo rằng dữ liệu liên quan nhất được truy xuất và cung cấp cho FM trong quá trình suy luận. Chúng tôi tăng cường độ chính xác và tính liên quan của bối cảnh này bằng cách sử dụng các biểu đồ kiến thức tiên tiến để nắm bắt các mối quan hệ ẩn trong dữ liệu doanh nghiệp.

Chúng tôi cũng sử dụng các kỹ thuật nền tảng và rào cản để giới hạn và tập trung phạm vi của suy luận.

Cuối cùng, chúng tôi đưa ứng dụng qua một khuôn khổ đánh giá tự động nghiêm ngặt đảm bảo tính nhất quán của suy luận và trải nghiệm, phiên bản sau phiên bản.

Có thể cung cấp các ví dụ thực tế về các giải pháp được hỗ trợ bởi GenAI đã cách mạng hóa thành công các tương tác của khách hàng?

Persistent đã biến đổi các tương tác của khách hàng cho một nhà cung cấp giải pháp phần mềm hàng đầu thông qua các giải pháp được hỗ trợ bởi GenAI. Đối mặt với các thách thức về khả năng mở rộng trong các giai đoạn hoạt động cao điểm, công ty đã triển khai một Kho lưu trữ Kiến thức Trung tâm và Bot Đội ngũ Trợ lý Đối thoại. Nó đã tối ưu hóa việc truy cập thông tin, dẫn đến giảm 80% thời gian giải quyết yêu cầu của khách hàng. Chất lượng của các phản hồi cũng được cải thiện đáng kể, dẫn đến sự hài lòng của khách hàng được tăng cường.

Chúng tôi cũng hỗ trợ một công ty cổ phần tư nhân bằng cách tận dụng GenAI để tự động hóa việc tạo báo cáo đầu tư chi tiết. Với hệ thống được hỗ trợ bởi GenAI, thời gian cần thiết để tạo báo cáo đã được giảm 90%. Cách tiếp cận được tối ưu hóa này đã cách mạng hóa hoạt động của công ty, tạo điều kiện cho việc ra quyết định nhanh chóng và hiệu quả. Hiệu quả không chỉ tiết kiệm thời gian quý báu mà còn thúc đẩy sự hợp tác giữa các bên liên quan và đảm bảo một sự tiếp xúc cá nhân hóa trong mỗi bản ghi nhớ, tăng cường hiệu quả tổng thể.

Làm thế nào bạn tiếp cận đổi mới GenAI có trách nhiệm?

Cách tiếp cận của chúng tôi đối với đổi mới GenAI có trách nhiệm ưu tiên các thực tiễn đạo đức và tuân thủ quy định trên toàn bộ quá trình phát triển và triển khai. Chúng tôi nhấn mạnh tính minh bạch, trách nhiệm và công bằng trong việc ra quyết định được hỗ trợ bởi AI.

Chúng tôi thiết lập các hướng dẫn đạo đức mạnh mẽ để điều chỉnh việc phát triển, triển khai và sử dụng các hệ thống GenAI. Trong việc theo đuổi đổi mới GenAI có trách nhiệm, chúng tôi kiểm tra và xác thực nghiêm ngặt các hệ thống của mình để giảm thiểu các rủi ro tiềm ẩn như thiên vị, thông tin sai lệch và vấn đề bảo mật.

Hơn nữa, chúng tôi ưu tiên tính minh bạch và trách nhiệm trong việc ra quyết định được hỗ trợ bởi AI bằng cách cung cấp cho người dùng cái nhìn rõ ràng về hoạt động của hệ thống. Cuối cùng, cách tiếp cận của chúng tôi nhằm mục đích phát triển và triển khai các hệ thống GenAI không chỉ thúc đẩy đổi mới và hiệu quả mà còn đóng góp tích cực cho xã hội.

Tầm nhìn của bạn cho tương lai của AI là gì?

Tầm nhìn của tôi cho tương lai của AI là đa diện. Đầu tiên, trong kỹ thuật số, tôi hình dung AI không chỉ là một trợ lý lập trình mà còn là một đối tác cộng tác, tương tự như một “người lập trình đôi”. Điều này liên quan đến việc AI hỗ trợ trong các nhiệm vụ lập trình và tích cực tham gia vào việc giải quyết vấn đề bằng cách lập bản đồ các nhiệm vụ phức tạp và thực hiện các nhiệm vụ con.

Thứ hai, tôi dự đoán một kỷ nguyên của các tác nhân và trợ lý AI được cá nhân hóa, cung cấp trải nghiệm được cá nhân hóa cho các cá nhân – một cách tiếp cận “cá nhân hóa của 1”. Những tác nhân này sẽ hiểu các sở thích, hành vi và nhu cầu duy nhất của người dùng, cung cấp hỗ trợ và dịch vụ được tùy chỉnh cao.

Cuối cùng, tôi tin vào sự tiến hóa của các hệ thống AI tổng hợp, nơi các mô hình AI khác nhau cùng tồn tại để giải quyết các nhu cầu khác nhau. Sẽ không có một mô hình “một kích cỡ phù hợp với tất cả” duy nhất, mà là sự kết hợp của các mô hình lớn và nhỏ, chung và được thiết kế cho mục đích cụ thể, cùng làm việc trong các dịch vụ AI. Cách tiếp cận này cho phép có sự linh hoạt, hiệu quả và hiệu quả cao hơn trong việc giải quyết một loạt các vấn đề trên các lĩnh vực khác nhau.

Cảm ơn cuộc phỏng vấn tuyệt vời, độc giả muốn tìm hiểu thêm có thể truy cập Persistent Systems.