라이언 박사 빠른 스케일링 기술 회사의 데이터 및 엔지니어링 분야에서 15 년 이상의 리더십 경험을 보유한 유명한 데이터 과학자입니다. Ries 박사는 AI와 함께 20 년 이상의 경험을 쌓았으며 고객이 AWS 데이터 인프라 및 AI 모델을 구축 할 수 있도록 5 년 이상의 경험을 보유하고 있습니다. 박사 학위를 취득한 후 UCLA 및 Caltech의 생물 물리학 화학 분야에서 Ries 박사는 미국 국방부와 수많은 Fortune 500 대 기업을위한 최첨단 데이터 솔루션을 개발하는 데 도움을주었습니다.
미션의 수석 AI 및 데이터 과학자 인 Ryan은 AWS 인프라를 활용하는 세계에서 가장 어려운 문제를 해결하기 위해 성공적인 데이터 엔지니어, 데이터 아키텍트, ML 엔지니어 및 데이터 과학자 팀을 구축했습니다.
사명 클라우드에서 태어난 주요 관리 서비스 및 컨설팅 제공 업체로서 엔드 투 엔드 클라우드 서비스, 혁신적인 AI 솔루션 및 AWS 고객을위한 소프트웨어를 제공합니다. 이 회사는 AWS 프리미어 Tier 파트너 인 비즈니스가 기술 투자를 최적화하고 성과 및 거버넌스를 향상 시키며 효율적으로 확장하고 데이터를 안전하게 확보하며 자신감을 갖춘 혁신을 수용하도록 도와줍니다.
DAQRI에 AR 하드웨어를 구축함으로써 Mission에서 AI 장교가되기까지 인상적인 여행을했습니다. 기업에서 AI의 역할에 대한 관점을 가장 많이 형성 한 개인적인 경험이나 전환점은 무엇입니까?
컴퓨팅 전력 및 인프라 문제로 인해 초기 AI 개발은 크게 제한되었습니다. 우리는 종종 시간이 많이 걸리고 복잡한 연구 논문에서 직접 코딩해야했습니다. Python 및 Open-Source AI 라이브러리의 상승으로 인해 주요 변화가 발생하여 실험과 모델 구축이 훨씬 빠르게 만들어졌습니다. 그러나 가장 큰 전환점은 AWS와 같은 초 스케일러가 확장 가능한 컴퓨팅 및 스토리지를 널리 액세스 할 수있을 때 발생했습니다.
이 진화는 AI 역사 전체에서 지속적인 도전을 반영합니다. 이러한 한계는 이전 AI 겨울을 일으켰으며,이를 극복하는 것은 오늘날의“AI Renaissance”의 기본이었습니다.
Mission의 엔드 투 엔드 클라우드 서비스 모델은 회사가 AWS에서 AI 워크로드를보다 효율적이고 안전하게 확장하는 데 어떻게 도움이됩니까?
미션에서 보안은 우리가하는 모든 일에 통합됩니다. 우리는 AWS 2 년 연속 올해의 보안 파트너 였지만 흥미롭게도 전용 보안 팀이 없습니다. 미션의 모든 사람들이 개발의 모든 단계에서 보안을 염두에두고 구축하기 때문입니다. AWS 생성 AI를 통해 고객은 AWS 베드로크 계층을 사용하는 것이 혜택을 받는데, 이는 AWS 생태계 내에서 PII와 같은 민감한 정보를 포함한 데이터를 유지하는 데이터를 유지합니다. 이 통합 접근 방식은 보안이 사후 생각이 아니라 기본적으로 보장합니다.
확장 성은 미션에서 핵심 초점입니다. 우리는 교육 및 추론을위한 AI 인프라를 관리하는 MLOPS 파이프 라인을 구축하는 광범위한 경험을 가지고 있습니다. 많은 생성 AI가 ChatGpt와 같은 대규모 공공 규모 시스템과 관련이 있지만 대부분의 엔터프라이즈 사용 사례는 내부적이며 더 관리하기 쉬운 스케일링이 필요합니다. Bedrock의 API 계층은 실제 워크로드를 위해 확장 가능하고 안전한 성능을 제공하는 데 도움이됩니다.
클라우드 마이그레이션에서 생성 AI 솔루션 배포에 이르기까지 미션 서비스를 사용하는 일반적인 엔터프라이즈 참여를 안내해 주시겠습니까?
미션에서 우리는 기업의 비즈니스 요구와 사용 사례를 이해하는 것으로 시작합니다. 클라우드 마이그레이션은 현재 온 프레미스 환경을 평가하고 확장 가능한 클라우드 아키텍처를 설계하는 것으로 시작합니다. 피크 용량을 제공 해야하는 온 프레미스 설정과 달리 클라우드를 사용하면 평균 워크로드를 기반으로 리소스를 확장하여 비용을 줄일 수 있습니다. 모든 워크로드가 마이그레이션이 필요한 것은 아닙니다. 일부는 퇴직, 재 획득 또는 효율성을 위해 재건 될 수 있습니다. 재고 및 계획 후, 우리는 단계적 마이그레이션을 실행합니다.
생성 AI를 사용하면 개념 증명 단계를 넘어 섰습니다. 우리는 기업이 설계 아키텍처를 설계하고, 조종사를 운영하여 프롬프트를 개선하고 가장자리 케이스를 주소를 지정 한 다음 생산으로 이동하도록 도와줍니다. 데이터 중심 AI의 경우 온-프레미스 데이터를 클라우드로 마이그레이션하여 더 큰 가치를 잠금 해제합니다. 이 엔드 투 엔드 접근 방식은 생성 AI 솔루션이 첫날부터 강력하고 확장 가능하며 비즈니스 준비가되도록합니다.
미션은“자신감을 갖는 혁신”을 강조합니다. AI를 규모로 채택하는 비즈니스의 실질적인 용어로 무엇을 의미합니까?
그것은 부트 캠프 졸업뿐만 아니라 노련한 데이터 과학자들과 같은 실제 AI 전문 지식을 가진 팀을 보유하고 있음을 의미합니다. 고객은 우리가 실험하지 않는다는 것을 믿을 수 있습니다. 우리 사람들은 모델의 작동 방식과이를 안전하고 규모로 구현하는 방법을 이해합니다. 이것이 우리가 불필요한 위험을 감수하지 않고 비즈니스가 혁신을 돕는 방법입니다.
예측 분석, NLP 및 컴퓨터 비전에서 일했습니다. 오늘날 생성 AI가 오늘날 가장 많은 엔터프라이즈 가치를 가져 오는 것을 보십니까?
생성 AI는 주로 지능형 문서 처리 (IDP) 및 챗봇을 통해 기업에서 상당한 가치를 제공하고 있습니다. 많은 비즈니스는 더 많은 사람들을 고용하여 운영을 확장하기 위해 고군분투하므로 생성 AI는 반복적 인 작업을 자동화하고 워크 플로우 속도를 높이는 데 도움이됩니다. 예를 들어, IDP는 보험 신청 검토 시간을 50% 줄이고 건강 관리에서 환자 치료 조정이 향상되었습니다. 챗봇은 종종 다른 AI 도구 또는 시스템의 인터페이스 역할을하므로 회사는 일상적인 상호 작용과 작업을 효율적으로 자동화 할 수 있습니다.
그러나 생성 이미지와 비디오에 대한 과대 광고는 종종 실제 비즈니스 사용을 능가합니다. 시각적으로 인상적이지만 이러한 기술은 마케팅 및 창의적인 프로젝트를 넘어서는 실제 응용 프로그램이 제한되어 있습니다. 대부분의 기업은 생성 미디어 솔루션을 핵심 운영으로 확장하는 것이 어려워서 기본 비즈니스 도구보다 참신함을 얻는 것이 어렵다는 것을 알게되었습니다.
“Vibe Coding”은 새로운 용어입니다. 세상에서 그것이 무엇을 의미하는지, 그리고 그것이 AI 개발의 더 넓은 문화적 변화를 어떻게 반영하는지 설명 할 수 있습니까?
VIBE 코딩은 구조화 된 계획 또는 설계보다 직관 또는 자연어 프롬프트를 기반으로 코드를 생성하기 위해 대형 언어 모델을 사용하는 개발자를 말합니다. 반복 및 프로토 타이핑 속도를 높이는 데 유용합니다. 개발자는 아이디어를 신속하게 테스트하거나 상용구 코드를 생성하거나 반복적 인 작업을 오프로드 할 수 있습니다. 그러나 종종 구조가 부족하고 유지하기가 어렵고 비효율적이거나 불안 할 수있는 코드로 이어집니다.
우리는 LLM이 주니어 개발자와 같은 작용 및 인간이 AII 생성 구성 요소를 더 큰 시스템에보고, 정제 및 통합하는 아키텍트 또는 QA 엔지니어와 더 유사한 역할을 수행하는 에이전트 환경으로 더 넓은 전환을보고 있습니다. 이 협업 모델은 강력 할 수 있지만 Guardrails가 마련된 경우에만 가능합니다. 적절한 감독이 없으면 VIBE 코딩은 특히 엄격한 테스트없이 생산에 돌진 할 때 기술 부채, 취약성 또는 성과 문제를 도입 할 수 있습니다.
AI 장교의 진화하는 역할에 대한 당신의 취향은 무엇입니까? AI가 비즈니스 전략에 대한 기본이되면서 조직이 리더십 구조를 어떻게 다시 생각해야합니까?
AI 경찰관은 절대적으로 가치를 더할 수 있지만 역할이 성공을 위해 설정된 경우에만 가치를 더할 수 있습니다. 회사는 종종 기존 리더십 구조에 맞추지 않고 새로운 C-Suite 타이틀을 만듭니다. AI 경찰관이 CTO, CDO 또는 기타 execs와 목표를 공유하지 않으면 사일로의 의사 결정, 상충되는 우선 순위 및 실행 중단 위험이 있습니다.
조직은 AI 책임자가 최고 데이터 책임자 또는 CTO와 같은 역할을 대체하거나 증강하는지 여부를 신중하게 고려해야합니다. 제목은 의무보다 중요합니다. 중요한 것은 누군가가 조직 전체에서 AI 전략 (데이터, 인프라, 보안 및 비즈니스 사용 사례를 형성 할 수 있도록 권한을 부여하고 의미있는 변화를 유발할 수있는 능력을 제공하는 것입니다. 그렇지 않으면, 그 역할은 영향력보다 더 상징적입니다.
수상 경력에 빛나는 AI 및 데이터 팀을 이끌었습니다. 높은 지분 AI 역할을 고용 할 때 어떤 자질을 찾습니까?
최고의 품질은 실제로 코스를 수강 한 사람이 아니라 실제로 AI를 아는 사람을 찾는 것입니다. AI에 진정으로 유창하고 여전히 봉투를 밀기 위해 호기심과 관심을 유지하는 사람들이 필요합니다.
나는 항상 새로운 접근법을 찾고 할 수있는 것과 할 수없는 것의 경계에 도전하는 사람들을 찾고 있습니다. 이러한 깊은 지식과 지속적인 탐색의 조합은 혁신과 신뢰할 수있는 구현이 똑같이 중요한 높은 지분 AI 역할에 필수적입니다.
많은 기업들이 ML 모델을 운영하기 위해 고군분투합니다. 개념 증명 연옥에서 멈춘 팀과 성공하는 팀을 어떻게 분리한다고 생각하십니까?
가장 큰 문제는 교차 팀 정렬입니다. ML 팀은 유망한 모델을 구축하지만 다른 부서는 잘못 정렬 된 우선 순위로 인해이를 채택하지 않습니다. POC에서 생산으로 이동하려면 MLOPS 인프라 (버전 작성, 재교육 및 모니터링이 필요합니다. Genai의 경우 그 차이가 더 넓습니다. 챗봇을 제작한다는 것은 신속한 튜닝, 파이프 라인 관리 및 규정 준수를 의미합니다.
Mission의 인프라 및 AI 전략 경험의 혜택을 누릴 수있는 AI-First 제품을 구축하는 스타트 업 설립자에게 어떤 조언을 하시겠습니까?
스타트 업이라면 특히 확립 된 브랜드가없는 최고의 AI 인재를 유치하기가 어렵습니다. 강력한 창립 팀이라도 AI 시스템을 제대로 구축하고 확장하는 데 필요한 경험이 많은 사람들을 고용하기는 어렵습니다. 그곳에서 회사와 같은 회사와의 파트너십은 실질적인 차이를 만들 수 있습니다. 인프라, 전략 및 실습 전문 지식을 제공함으로써 더 빠르게 움직일 수 있으므로 더 빨리 제품을 검증 할 수 있습니다.
다른 중요한 부분은 초점입니다. 우리는 많은 창립자들이 Chatgpt 주변의 기본 인터페이스를 포장하고 제품이라고 부르려고 노력하지만 사용자는 더 똑똑해지고 더 많은 것을 기대하고 있습니다. 실제 문제를 해결하거나 진정으로 차별화 된 것을 제공하지 않으면 소음에서 길을 잃기 쉽습니다. 미션은 스타트 업이 AI가 실제 가치를 창출하는 위치와 첫날부터 확장 가능하고 안전하며 생산 준비를하는 방법에 대해 전략적으로 생각하도록 도와줍니다. 그래서 당신은 단순히 실험을하고있는 것이 아니라 성장을 위해 건설하고 있습니다.
훌륭한 인터뷰에 감사드립니다. 더 배우고 싶은 독자들은 방문해야합니다. 사명.
게시물 Ryan Ries, Mission의 AI 및 데이터 과학자 – 인터뷰 시리즈 먼저 나타났습니다 Unite.ai.