Babak Hodjat는 Evolutionary AI 부문 부사장입니다. 인식Sentient의 전 공동 창립자이자 CEO입니다. 그는 세계 최대 분산 인공 지능 시스템의 핵심 기술을 담당하고 있습니다. 바박은 세계 최초의 AI 기반 헤지펀드인 센티언트 인베스트먼트 매니지먼트(Sentient Investment Management)의 창립자이기도 하다. 그는 주요 발명가이자 기술 전문가로서 다수의 실리콘 밸리 회사를 창업한 연쇄 기업가입니다.
Sentient를 공동 창립하기 전에 Babak은 Sybase iAnywhere에서 엔지니어링 부문 수석 이사로 재직하면서 모바일 솔루션 엔지니어링을 이끌었습니다. 그는 또한 Dejima Inc.의 공동 창립자, CTO 및 이사였습니다. Babak은 Apple Siri의 기반이 되는 기술인 모바일 및 기업 컴퓨팅용 지능형 인터페이스에 적용되는 Dejima의 에이전트 중심 특허 기술의 주요 발명가입니다.
인공 생명, 에이전트 지향 소프트웨어 엔지니어링 및 분산 인공 지능 분야의 출판된 학자인 Babak은 자신의 이름으로 31개의 특허를 부여했거나 출원 중입니다. 그는 자연어 처리, 기계 학습, 유전 알고리즘, 분산 AI 등 다양한 AI 분야의 전문가이며 이 분야에서 여러 회사를 설립했습니다. Babak은 박사 학위를 보유하고 있습니다. 일본 후쿠오카 규슈대학교에서 기계지능 박사 학위를 취득했습니다.
여러 AI 기반 회사를 설립하는 것부터 Cognizant의 AI Lab을 이끄는 것까지 경력을 되돌아보면 AI의 혁신과 리더십에 대해 배운 가장 중요한 교훈은 무엇입니까?
혁신에는 인내, 투자, 육성이 필요하며, 제한 없이 육성되어야 합니다. 올바른 혁신가들로 구성된 팀을 구성했다면 그들을 신뢰하고 그들에게 연구 방법과 대상을 선택할 수 있는 완전한 예술적 자유를 부여할 수 있습니다. 결과는 종종 당신을 놀라게 할 것입니다. 리더십의 관점에서 볼 때, 연구와 혁신은 있으면 좋은 일이거나 나중에 생각해야 할 일이 되어서는 안 됩니다. 저는 스타트업을 시작할 때 아주 일찍부터 연구팀을 구성했고 항상 연구 투자를 강력하게 옹호해 왔으며 그 결과 좋은 결과를 얻었습니다. 좋은 시기에는 연구를 통해 경쟁 우위를 확보할 수 있고, 나쁜 시기에는 다각화하고 생존하는 데 도움이 됩니다. 따라서 단기적인 비즈니스 우선순위로 인해 투자를 부족하게 하거나 제한하거나 과도한 부담을 가할 이유가 없습니다.
Apple Siri의 주요 발명가 중 한 명인 지능형 인터페이스 개발 경험이 Cognizant의 주요 AI 이니셔티브에 대한 접근 방식을 어떻게 형성했습니까?
원래 Siri를 위해 개발한 자연어 기술은 에이전트 기반이었기 때문에 오랫동안 그 개념을 가지고 작업해 왔습니다. 90년대에는 AI가 그렇게 강력하지 않았기 때문에 저는 다중 에이전트 시스템을 사용하여 자연어 명령을 이해하고 행동에 매핑했습니다. 각 에이전트는 담화 영역의 작은 하위 집합을 나타내므로 각 에이전트의 AI는 마스터할 수 있는 간단한 환경을 가졌습니다. 오늘날 AI 시스템은 강력하며 하나의 LLM이 많은 일을 할 수 있지만, 우리는 그것을 상자 안의 지식 근로자로 취급하고, 도메인을 제한하고, 작업 설명을 제공하고, 다른 책임을 가진 다른 에이전트와 연결함으로써 여전히 이점을 얻습니다. 따라서 AI는 모든 비즈니스 워크플로우를 강화하고 개선할 수 있습니다.
Cognizant에서 AI CTO로서의 임무의 일환으로 저는 샌프란시스코에서 Advanced AI Lab을 운영하고 있습니다. 우리의 핵심 연구 원칙은 에이전트 기반 의사 결정입니다. 현재 우리는 이 원리를 기반으로 한 핵심 AI 기술에 대한 미국 특허 56개를 보유하고 있습니다. 우리는 모두 참여했습니다.
Cognizant의 AI Lab에서 현재 개발 중인 최첨단 연구 및 혁신에 대해 자세히 설명해 주시겠습니까? 이러한 개발은 Fortune 500대 기업의 구체적인 요구 사항을 어떻게 해결하고 있습니까?
우리는 여러 AI 스튜디오와 혁신 센터를 보유하고 있습니다. 샌프란시스코에 있는 Advanced AI Lab은 AI 분야의 최첨단 기술을 확장하는 데 중점을 두고 있습니다. 이는 향후 3년 동안 생성 AI에 10억 달러를 투자하겠다고 작년에 발표한 약속의 일부입니다.
보다 구체적으로, 우리는 고객에게 서비스를 제공하기 위해 새로운 알고리즘과 기술을 개발하는 데 중점을 두고 있습니다. 신뢰, 설명 가능성 및 다목적 의사결정은 Fortune 500대 기업에 필수적인 우리가 추구하는 중요한 영역 중 하나입니다.
신뢰와 관련하여 우리는 AI의 의사 결정을 따를 만큼 신뢰할 수 있는 경우와 인간이 개입해야 하는 경우에 대한 이해를 심화하는 연구 개발에 관심이 있습니다. 우리는 이러한 유형의 불확실성 모델링과 관련된 여러 특허를 보유하고 있습니다. 마찬가지로 신경망, 생성 AI 및 LLM은 본질적으로 불투명합니다. 우리는 AI 결정을 평가하고 왜 무언가를 추천했는지에 대해 질문할 수 있기를 원합니다. 즉, 본질적으로 설명이 가능하도록 만드는 것입니다. 마지막으로, 우리는 기업이 내릴 수 있기를 원하는 의사결정이 하나 이상의 결과 목표(예: 윤리적 고려 사항과 균형을 이루는 수익 증가와 비용 절감)를 갖고 싶어한다는 것을 이해합니다. AI는 다중 목표 방식으로 의사결정 전략을 최적화함으로써 이러한 모든 결과의 최상의 균형을 달성하는 데 도움을 줄 수 있습니다. 이는 AI 연구에서 또 다른 매우 중요한 영역입니다.
향후 2년은 생성 AI에 매우 중요한 기간으로 간주됩니다. 이 시기에 가장 중요한 변화는 무엇이라고 생각하며, 기업은 어떻게 준비해야 합니까?
우리는 AI 기술 상용화 폭발적인 시기를 맞이하고 있습니다. 오늘날 AI의 주요 용도는 생산성 향상, 더 나은 자연어 기반 사용자 인터페이스 생성, 데이터 요약 및 코딩 지원입니다. 이 가속화 기간 동안 우리는 다중 에이전트 시스템 및 의사 결정의 핵심 원칙을 중심으로 전반적인 기술 및 AI 전략을 구성하는 것이 기업의 성공을 가장 효과적으로 이끌 것이라고 믿습니다. Cognizant에서는 혁신과 응용 연구에 중점을 두어 고객이 AI를 활용하여 AI가 비즈니스 프로세스에 더욱 통합됨에 따라 전략적 이점을 높이는 데 도움이 될 것입니다.
Generative AI는 산업을 어떻게 변화시킬 것이며 Cognizant의 AI Lab에서 나타나는 가장 흥미로운 사용 사례는 무엇입니까?
생성적 AI(Generative AI)는 기업에 큰 진전을 이루었습니다. 이제 일상 업무에서 인간을 지원할 수 있는 일련의 지식 근로자를 만들 수 있는 능력이 생겼습니다. 지능형 챗봇을 통해 고객 서비스를 간소화하든, 자연어 인터페이스를 통해 창고 재고를 관리하든, LLM은 전문적인 작업에 매우 능숙합니다.
그러나 그 다음에는 상담원이 서로 의사소통할 수 있는 능력을 갖게 되면서 산업을 진정으로 재편하게 될 것입니다. 미래에는 기업의 장치와 애플리케이션에 귀하의 요구 사항을 해결하고 귀하를 대신하여 다른 에이전트와 상호 작용할 수 있는 에이전트가 있을 것입니다. 그들은 HR, 재무, 마케팅, 영업에 이르기까지 모든 역할에서 인간을 돕기 위해 전체 비즈니스에 걸쳐 일할 것입니다. 가까운 미래에 기업은 자연스럽게 에이전트 기반으로 전환하게 될 것입니다.
특히 우리 연구실에서는 이미 다음과 같은 형태로 개발된 다중 에이전트 시스템을 보유하고 있습니다. 신경 AI고객이 비즈니스를 위한 AI 의사 결정 사용 사례를 신속하게 구축하고 프로토타입을 만들 수 있는 AI 사용 사례 생성기입니다. 이는 이미 몇 가지 흥미로운 결과를 제공하고 있으며 이에 대한 자세한 내용은 곧 공유할 예정입니다.
특히 대규모 기업 환경에서 Gen AI 혁신의 차세대 물결에서 다중 에이전트 아키텍처가 어떤 역할을 하게 될까요?
기업 리더들과의 연구와 대화에서 우리는 Generative AI를 대규모로 영향력 있게 만들 수 있는 방법에 대해 점점 더 많은 질문을 받고 있습니다. 우리는 다중 에이전트 인공 지능 시스템의 혁신적인 약속이 그러한 영향을 달성하는 데 핵심이라고 믿습니다. 멀티 에이전트 AI 시스템은 기업 전반의 다양한 영역에서 소프트웨어 시스템에 내장된 AI 에이전트를 통합합니다. LLM이 서로 상호 작용할 수 있도록 하는 시스템 시스템이라고 생각하십시오. 오늘날의 과제는 비즈니스 목표, 활동 및 지표가 깊게 얽혀 있음에도 불구하고 서로 다른 팀에서 사용하는 소프트웨어 시스템이 서로 얽혀 있지 않아 문제를 일으킨다는 것입니다. 예를 들어, 공급망 지연은 유통 센터 인력에 영향을 미칠 수 있습니다. 새로운 벤더를 온보딩하면 Scope 3 배출량에 영향을 미칠 수 있습니다. 고객 회전율은 제품 결함을 나타낼 수 있습니다. 사일로 시스템은 종종 하나의 프로그램에서 얻은 통찰력을 바탕으로 하나의 기능에 적용되는 조치를 의미합니다. 다중 에이전트 아키텍처는 비즈니스 전반에 걸쳐 통찰력과 통합된 조치를 제공합니다. 이것이 기업 혁신을 촉진할 수 있는 진정한 힘입니다.
다중 에이전트 시스템(MAS)이 향후 몇 년 동안 어떤 방식으로 발전할 것으로 예상하며, 이것이 광범위한 AI 환경에 어떤 영향을 미칠까요?
멀티 에이전트 AI 시스템은 가상 작업 그룹으로 기능하여 비즈니스 전반에서 프롬프트를 분석하고 정보를 도출하여 원래 요청자뿐만 아니라 다른 팀도 위한 포괄적인 솔루션을 생성합니다. 예를 들어 특정 산업을 확대하여 살펴보면 제조와 같은 분야의 운영에 혁명을 일으킬 수 있습니다. 소싱 에이전트는 기존 프로세스를 분석하고 계절과 수요에 따라 보다 비용 효율적인 대체 구성 요소를 추천합니다. 그런 다음 이 소싱 에이전트는 지속 가능성 에이전트와 연결하여 변경 사항이 환경 목표에 어떤 영향을 미칠지 결정합니다. 마지막으로 규제 기관은 규정 준수 활동을 감독하여 팀이 적시에 완전한 최신 보고서를 제출하도록 보장합니다.
좋은 소식은 많은 회사가 이미 LLM 기반 챗봇을 유기적으로 통합하기 시작했지만 이러한 인터페이스를 연결하기 시작하는 방법에 대해 의도적이어야 한다는 것입니다. 에이전트화의 세분성, 사용되는 LLM 유형, LLM을 효과적으로 조정하기 위한 시기 및 방법에 대해 주의를 기울여야 합니다. 조직은 위에서부터 시작하여 요구 사항과 목표를 고려하고 거기에서 아래로 작업하여 에이전트화할 수 있는 항목을 결정해야 합니다.
기업이 AI를 완전히 수용하는 데 방해가 되는 주요 과제는 무엇이며 Cognizant는 이러한 장애물을 어떻게 해결합니까?
경영진의 지원과 투자에도 불구하고 많은 기업은 AI에서 뒤처지는 것을 두려워합니다. 우리 연구에 따르면 리더의 전략적 헌신과 잘 실행하려는 자신감 사이에는 격차가 있는 것으로 나타났습니다. 인재의 비용과 가용성, 그리고 현재 Gen AI 솔루션의 미성숙으로 인식되는 점은 기업이 AI를 완전히 수용하는 데 방해가 되는 두 가지 중요한 장애물입니다.
Cognizant는 기업이 AI 생산성에서 성장으로의 여정을 헤쳐나갈 수 있도록 돕는 필수적인 역할을 합니다. 실제로 옥스퍼드 이코노믹스(Oxford Economics)와 함께 실시한 연구의 최근 데이터에 따르면 AI 채택을 돕기 위해 외부 전문 지식이 필요하다는 점을 지적하고 있으며, 43%의 기업이 생성적 AI에 대한 계획을 개발하기 위해 외부 컨설턴트와 협력할 계획이라고 밝혔습니다. 전통적으로 Cognizant는 고객과 함께 라스트 마일을 소유해 왔습니다. 우리는 데이터 스토리지와 클라우드 마이그레이션을 통해 이를 수행했으며 에이전트화도 다르지 않습니다. 이는 고도로 맞춤화되어야 하는 작업입니다. 모든 여행에 딱 맞는 단일 크기는 아닙니다. 우리는 비즈니스 목표와 구현 계획을 식별하고 비즈니스 요구 사항을 해결하는 데 적합한 맞춤형 에이전트를 도입하는 데 도움을 줄 수 있는 전문가입니다. 우리는 부름을 받아야 할 사람들이고 언제나 그랬습니다.
많은 기업이 AI 투자에서 즉각적인 ROI를 얻기 위해 고군분투하고 있습니다. 그들은 흔히 어떤 실수를 저지르며, 이러한 실수를 어떻게 피할 수 있습니까?
생성적 AI는 기업이 자체 데이터 컨텍스트에 적용할 때, 즉 기업 데이터라는 강력한 기반을 바탕으로 맞춤화할 때 훨씬 더 효과적입니다. 또한 조만간 기업은 기본적인 비즈니스 프로세스를 재구상하기 위한 어려운 조치를 취해야 할 것입니다. 오늘날 많은 기업에서는 AI를 사용하여 기존 프로세스를 자동화하고 개선하고 있습니다. 이 프로세스의 구성 요소는 무엇이며, 이를 어떻게 변경하며, 아직 존재하지 않는 것의 출현에 대비하는지와 같은 질문을 하기 시작하면 더 큰 결과가 발생할 수 있습니다. 예, 이를 위해서는 문화 변화가 필요하고 일부 위험을 감수해야 하지만 조직의 여러 부분을 하나의 강력한 전체로 조율할 때는 불가피해 보입니다.
해당 분야, 특히 대기업 내에서 상당한 영향력을 미치고자 하는 신흥 AI 리더들에게 어떤 조언을 해주고 싶나요?
비즈니스 혁신은 본질적으로 복잡합니다. 대기업 내에서 떠오르는 AI 리더는 프로세스를 세분화하고, 변화를 실험하고, 혁신하는 데 집중해야 합니다. 이를 위해서는 사고방식의 변화와 계산된 위험이 필요하지만 이를 통해 더욱 강력한 조직을 만들 수 있습니다.
훌륭한 인터뷰에 감사드립니다. 더 자세히 알고 싶은 독자들은 방문하시기 바랍니다. 인식.
게시물 Babak Hodjat, Cognizant AI CTO – 인터뷰 시리즈 처음 등장한 Unite.AI.
