Denis Romanovskiy, SOFTSWISS 首席 AI 官 – 采访系列

Denis Romanovskiy，SOFTSWISS 首席 AI 官，是一位具有超过 25 年经验的资深技术高管，曾领导过多个大规模工程项目，涉及游戏、企业软件、物联网和高负载在线平台。过去五年，他一直在 iGaming 行业工作，曾担任 SOFTSWISS 的副首席技术官，负责多个产品团队的技术治理，重点关注在线赌场和体育博彩平台，在此之前，他曾担任当前职位，负责定义和实施公司的 AI 战略。

SOFTSWISS 是一家总部位于马耳他的 iGaming 技术公司，提供在线赌场和体育博彩的整体解决方案，包括赌场平台、游戏聚合器、体育博彩解决方案和托管服务。该公司支持全球运营商，提供可扩展、合规和可靠的基础设施，处于游戏技术和新兴 AI 驱动优化的交叉点。

您曾领导过多个大规模技术项目，目前正在 SOFTSWISS 定义和实施企业 AI 战略，您在高负载、高可用性系统方面的背景如何影响您在 2000 多人组织中嵌入 AI 的方法?

我的高负载、高可用性系统经验教会了我一个基本的教训：任何复杂的变化都需要系统方法。你不能仅仅部署一项技术并希望它能正常工作 – 你需要设计整个生态系统，并确保流程、结构和技术都能协同工作。

我们将这个原则应用于 SOFTSWISS 的 AI 采用。它从个人层面开始。我们向每位员工解释如何安全有效地使用 AI – 它能做什么、它的限制是什么以及相关的风险是什么。关键是，我们让他们清楚地知道，当 AI 出现时，他们的结果责任并不会消失。AI 扩展了你的能力，但责任仍然在你身上。你仍然拥有输出质量、决策和结果的责任。

然后我们转移到团队层面，这是动态发生变化的地方。新的机会出现 – 更快的规划周期、自动化验证、增强分析 – 但也出现了新的风险：过度依赖 AI 输出、批判性思维的侵蚀、团队内 AI 采用的不一致性。这是经理发挥关键作用的地方。他们需要调整如何审查工作、提出的问题和寻找的信号。当有人以两倍的速度交付结果时，经理的工作是了解质量是否保持不变以及该人是否真正理解他们交付的内容。

这种分层方法 – 个人意识、团队级适应、管理监督 – 是我们能够在大型组织中扩展 AI 而不损害稳定性和可靠性的原因，这些都是我们受监管环境所要求的。它不仅仅是关于技术的问题，而是关于围绕它构建的系统，使其能够持续采用。

AI 作为生产力工具与直接嵌入核心基础设施和决策系统的区别是什么，它如何改变长期的商业结果?

生产力 AI – 聊天助手和代码协同编辑 – 是人们在工作中首次遇到 AI 的地方。这一步很重要，你不能跳过它。它建立了 AI 文化，教会人们评估输出，并在整个组织中创造了负责任的使用习惯。

但是，AI 帮助个人和 AI 直接嵌入组织运作方式之间存在根本区别。基础设施级 AI – 通过 AI 平台集成到企业系统中 – 成为管理系统的一部分。它涉及规划、控制和审计。它尊重治理框架，并直接输入决策链。

影响差异很大。生产力工具在个别任务上提供 20-30% 的效率增益 – 有价值，但只是增量。基础设施 AI 加速整个流程 3-5 倍。并且随着时间的推移，它重塑了组织本身 – 消除了部分或全部某些角色，创造了新的角色，并压缩了曾经需要多次手工交接的工作流程。

这就是为什么这两类需要不同的方法。生产力 AI 是一个使能挑战。基础设施 AI 是一个组织转型，需要仔细规划、变革管理和持续监督。

需要哪些架构和文化转变才能从孤立的 AI 实验转变为集中、组织范围的 AI 平台?

从架构上讲，集中平台是必不可少的 – 提供对多个模型供应商的安全访问，同时保持严格的数据治理。没有这一层，实验扩展了碎片化，而不是价值。

从文化上讲，转变是从执行导向思维转变为设计导向思维。随着 AI 使执行变得更便宜、更快，竞争优势转移到团队如何架构工作流程。员工应该设计流程，让 AI 处理重复操作，而人类仍然控制编排和决策质量。

大型企业如何系统地增加部署 AI 时的学习速度，什么运营机制使其可衡量?

学习速度会增加，当实验是结构化的。在 SOFTSWISS，我们在产品团队中任命 AI 冠军，他们识别用例、完善最佳实践，并在整个组织中共享。研讨会进一步加速知识转移。

衡量标准与业务关键绩效指标（KPI）相关。我们跟踪支持中的解决时间或代码审查中的自动化水平等指标。如果 AI 采用不提高可衡量的指标，那么它仍然是表面上的。

哪些遗留流程最常限制成熟技术公司中 AI 采用的影响?

主要约束是尝试将 AI 集成到刚性管理结构中，具有长规划周期和固定资源分配。AI 的优势在于速度，过时的治理模型减慢了这种优势。

另一个限制因素是弱数据分类。没有结构化和良好治理的数据，安全和可扩展的 AI 集成变得极其困难。

您能否分享将 AI 直接集成到核心系统中产生可衡量效率、收入或运营绩效改进的例子?

在技术支持中，嵌入 Jira 的 AI 分析票据历史记录和文档以提出解决方案路径，显著减少了解决时间。

在人力资源中，自动化助手处理福利和休假查询每月节省数百个小时。

在开发中，AI 驱动的代码审查自动化达到 60-80%，加速了开发生命周期 2-4 倍。这些收益是运营可衡量的，并直接影响效率。

如何设计治理框架，以确保 AI 深度嵌入企业工作流程时的可审计性、安全性和责任?

治理必须创建一个受控环境，而不是限制创新。我们依靠企业级别的供应商协议，并在将信息发送到云模型之前应用数据屏蔽。

责任是构建到系统设计中。AI 驱动的操作在定义的回滚窗口内运行，允许人工覆盖。最终责任仍然在设计和拥有工作流程的团队领导者身上。

哪些结构优势使小型 AI 本地团队能够比传统企业更快地扩展，并且如何使较大的组织在不失去稳定性的情况下适应?

核心区别在于架构。传统公司将工作分为顺序阶段 – 每个阶段由单独的角色拥有，并在角色之间有手工交接和队列。AI 本地团队可以同时跨所有阶段执行。没有队列，没有等待链中的下一个人。整个流程是端到端自动化的，这给了他们巨大的速度优势。

对于较大的组织，前进的道路是渐进的。首先 – 建立 AI 文化，并为团队提供 AI 工具。给人们时间来学习、实验和将 AI 集成到现有的工作流程中。在这一阶段，创新发生在现有流程内，而不是取代它们。

一旦团队获得经验和信心，你就可以设定更雄心勃勃的目标 – 优化整个流程，而不是单个步骤。这是真正的转变开始的地方，但只有当人们和流程准备好时才会发生。

关键是节奏。移动得太快，你就会破坏稳定性。移动得太慢，市场就会把你甩在后面。正确的方法是故意、顺序的进展 – 这样组织就能演变而不会失去已经有效的东西。

在 iGaming 行业中运营，具有监管和可靠性要求，如何影响 AI 基础设施的架构和部署?

iGaming 是一个独特的环境。它涉及真钱、实时交易和多个管辖区的监管监督。在 SOFTSWISS，我们在多个许可证下运营 – 每个许可证都有其自身的合规性要求。这意味着每个技术决策，包括 AI，必须考虑到超出标准数据保护的复杂监管环境。

监管市场需要严格遵守数据存储、删除和处理规则，包括 GDPR。但在 iGaming 中，范围更广 – 反洗钱要求、负责任的赌博义务、许可条件规定了数据流动和处理的方式。基础设施必须保证敏感数据不会用于外部模型训练，并且每个 AI 驱动的决策都保持可审计性。

同时，可靠性标准也非常高。系统 24/7 运行，具有大量交易量。我们部署的任何 AI 系统都必须达到相同的标准 – 始终可用、完全可审计，并能够处理我们在支持和合规性运营中看到的数据量。在这个行业中，AI 故障不仅仅是麻烦 – 它是一个监管和财务风险。

随着企业 AI 的成熟，哪些功能将区分真正将 AI 集成到其运营模式的公司和那些仍然停留在表面层次的采用者?

在成熟的 AI 组织中，每位员工都将拥有 AI 在他们的指尖 – 跨系统具有对企业数据的安全访问，无需手动请求。流程将端到端自动化，没有队列或角色之间的交接。工作将连续流动，而不是分阶段进行。

但是，自动化本身是不够的。区分领导者和其他人的是控制 AI 驱动工作的能力。团队和组织将适应自动化质量监控 – 提前检测问题并在问题扩大之前纠正它们。

个别员工的角色发生了根本性的转变。他们不再执行任务，而是为 AI 定义规格 – 提供足够的上下文、明确的目标和质量控制方法。他们的价值在于引导 AI 和优化其输出，而不是手动完成工作。

领导者的角色也发生了变化。经理和高管成为组织范围内系统思维的架构师。他们的工作是连接不同的工作流程、工具和工件，创建能够更好地解决客户问题的价值流，而不是优化单个任务 – 而是设计如何使一切协同工作。

这种深度集成 – AI 在每个人的手中，自动化流程，系统化质量控制，以及专注于端到端价值的领导 – 将定义长期的竞争优势。感谢您接受这次精彩的采访，希望了解更多的读者可以访问 SOFTSWISS。