Pilvidatan suunnittelusta vastaava johtaja kertoo, miten hän käyttää CustomGPT-ratkaisuja insinöörien tukena

Subash D'Souza on pilvidatan suunnittelun yksikön johtaja Kalifornian osavaltionyliopistossa. Hän on myös Data Con LA:n ja Data 4 Goodin perustaja. Lisäksi hän on toiminut johtotehtävissä Headspacella ja Warner Brosilla.

Keskustelimme Subashin kanssa siitä, miten hän mahdollistaa insinöörien työskentelyn samalla, kun hän ylläpitää hallintaa ja tarkastusprosesseja. Tässä hänen vastauksensa.

Ura datan parissa

Olen Data Con LA:n ja Data 4 Goodin perustaja. Data 4 Good on julkisen ja yksityisen sektorin voittoa tavoittelematon ajatushautomo, joka työskentelee organisaatioiden kanssa yhteiskunnallisten ongelmien ratkaisemiseksi datan avulla. Näihin kuuluvat esimerkiksi asunnottomuus ja digitaalinen tasa-arvo. Samalla edistämme teknologista innovointia, dataa ja analytiikkaa sekä julkisen ja yksityisen sektorin kumppanuuksia.

Toimin tällä hetkellä myös pilvidatan suunnittelun johtajana Kalifornian osavaltionyliopiston kanslerinvirastossa. Toimin Linux Foundationissa datanhallinnan PMC:n jäsenenä. Tätä ennen olin Headspacen datan suunnittelun yksikön johtaja ja Warner Brosin massadatan ja operaatioiden yksikön johtaja.

Datan suunnittelun ja tekoälyn johtaminen

Johdan Kalifornian osavaltionyliopiston kanslerinviraston datan suunnittelun ja tekoälyn sekä koneoppimisen organisaatiota ja tuen datahankkeita koko CSU-järjestelmässä.

Tutkimme, miten tekoäly voisi parantaa opiskelijan matkaa hakemuksesta valmistumiseen. Rakentamalla olemassa olevan data-alustamme ja opiskelijadatan varaan pyrimme käyttämään tekoälyä sellaisten mallien tunnistamiseen, jotka parantavat hakemusten konversiota, auttavat tunnistamaan aiempaa tukea tarvitsevat opiskelijat ja parantavat lopulta opiskelijoiden pysyvyyttä sekä valmistumisastetta. Näin siirrymme pelkästä tapahtuneen raportoinnista datan ja tekoälyn ennakoivaan hyödyntämiseen, jotta kampuksemme voivat tehdä parempia ja oikea-aikaisempia päätöksiä opiskelijoiden menestyksen tukemiseksi.

Pilvipohjainen arkkitehtuurimme hyödyntää AWS:ää, Databricksia, Snowflakea ja analytiikka-alustoja skaalautuvien dataputkien ja datatuotteiden rakentamiseen. Tiimini tukee monimutkaista, usean kampuksen ympäristöä, jossa kehitämme jaettuja ratkaisuja, määritämme suunnittelustandardeja ja mahdollistamme kampuksille niiden omien datatuotteiden rakentamisen ja käyttöönoton datan huippuosaamiskeskusmallimme avulla.

Miten tekoäly voi mahdollistaa insinöörien työskentelyn tarkastukset ja hallinta säilyttäen

Toin tekoälyn suoraan osaksi insinöörien tukimalliamme CSU Data COE CustomGPT:n avulla.

Aiemmin kehittäjät tukeutuivat ohjeistukseen ja suunnittelusta vastaaviin johtajiin saadakseen neuvoja ja apua ongelmien ratkaisemiseen. Loimme CSU:ta varten tekoälymentorin, joka perustuu datan suunnittelukäytäntöihimme ja dokumentaatioomme ja auttaa kehittäjiä ymmärtämään arkkitehtuurimme, kehitysstandardimme ja työnkulkumme.

Se auttaa kolmella tavalla:

• Tiedon osalta CustomGPT tarjoaa insinööreille välittömän pääsyn CSU-kohtaiseen ohjeistukseen arkkitehtuuristamme, standardeistamme ja kehitysprosesseistamme sen sijaan, että heidän tarvitsisi etsiä dokumentaatiosta tai odottaa asiantuntijaa.
• Kehityksen osalta se auttaa insinöörejä ymmärtämään vakiintuneita toimintamalleja ja navigoimaan Databricks-, Git-, testaus- ja käyttöönottotyönkuluissamme.
• Vianmäärityksen osalta insinöörit voivat kuvailla virheen tai ongelman ja käyttää tekoälyä todennäköisten syiden sekä mahdollisten seuraavien vaiheiden tunnistamiseen.

Tämän ansiosta tiimit saivat nopeammin käyttöönsä yhdenmukaista teknistä ohjeistusta, riippuvuus yksittäisistä asiantuntijoista väheni ja pystyimme levittämään datan suunnitteluun liittyvää osaamista CSU:n kampuksille samalla, kun vakiintuneet tarkastus- ja hallintoprosessimme säilyivät käytössä.

Miksi tekoäly nopeuttaa toimintaa, mutta ihmiset säilyvät vastuussa

Niinpä käytämme yhä enemmän tekoälyä tukemaan esimerkiksi koodin kehittämistä, vianmääritystä, dokumentointia, testausohjeita sekä insinöörien perehdyttämistä CSU:n datatekniikan standardeihin esimerkiksi aiemmin mainitsemani CustomGPT:n kaltaisten työkalujen avulla.

Tekoäly ei kuitenkaan ole vielä korvannut ihmisen harkintaa monimutkaisissa arkkitehtuuri-, turvallisuus- tai tuotantopäätöksissä. Olemme myös havainneet, että tekoälyllä on vaikeuksia kysymyksissä, jotka riippuvat erittäin yksityiskohtaisesta kontekstista tai nopeasti muuttuvasta teknisestä dokumentaatiosta.

Se saattaa esimerkiksi ehdottaa teknisesti pätevää lähestymistapaa käyttöönotto- tai turvallisuusongelmaan ymmärtämättä täysin AWS:ää, Databricksia, Snowflakea, käyttöoikeuksien hallintaa tai hyväksyntävaatimuksiamme.

Siksi arkkitehtuuripäätökset, tuotantokäyttöönotot, turvallisuutta ja käyttöoikeuksia koskevat päätökset sekä lopulliset koodikatselmoinnit ovat edelleen nimenomaisesti ihmisten vastuulla. Kehitysprosessimme edellyttää vertaisarviointia, testausta, päästä päähän -validointia ja määriteltyjä hyväksyntöjä ennen kuin koodi etenee kohti tuotantoa.

Käytämme tekoälyä nopeuttamaan insinöörityötä ja parantamaan yhdenmukaisuutta, mutta ihmiset ovat edelleen vastuussa turvallisuuteen, arkkitehtuuriin, hallintoon ja tuotantojärjestelmiin vaikuttavista päätöksistä.

Miksi teknologiajohtajien on rakennettava hallintamalli ennen tekoälyn integrointia

Jokaisen teknologiajohtajan tulisi ymmärtää, että tekoälymuutos ei ole ensisijaisesti teknologiaongelma — se on ihmisiin, tietoon ja hallintoon liittyvä ongelma.

Tekoäly voi nopeuttaa merkittävästi sitä, miten tiimit oppivat, kehittävät ja ratkaisevat ongelmia, mutta sen arvo riippuu luotettavasta organisaation tiedosta ja selkeästä ihmisten vastuusta.

Rehellisesti sanottuna toivon, että olisin ymmärtänyt aiemmin, kuinka paljon tekoälyn arvo riippuu sen taustalla olevan tiedon laadusta ja organisoinnista. Esimerkiksi CustomGPT:mme kanssa olisimme voineet välttää osan varhaisesta kokeilusta keskittymällä aiemmin oikean tiedon kuratoimiseen, määrittelemällä, missä tekoälyyn pitäisi ja ei pitäisi luottaa sekä luomalla selkeät ihmisten suorittamat tarkistuspisteet.

Suurin tästä saamani oppi oli, ettei tekoälytyökalua pidä vain ottaa käyttöön. Ensin sen ympärille on rakennettava tietopohja, hallintamalli ja ihmisten vastuu.

Miksi teknologiajohtajien on investoitava sekä tekoälyyn että ihmisiin

Neuvon teknologiajohtajia pitämään tekoälyä kiihdyttimenä, ei korvaavana strategiana.

Aloita käytännön käyttötapauksista, joissa tekoäly poistaa kitkaa, parantaa kehittäjien tuottavuutta ja tekee organisaation tiedosta helpommin saatavilla olevaa. Pidä ihmiset kuitenkin vastuussa arkkitehtuuri-, turvallisuus- ja tuotantopäätöksistä.

Yhtä tärkeää on investoida ihmisiin. Kokemuksemme CSU Data COE:stä osoittaa, että tekoälyn yhdistäminen käytännönläheiseen oppimiseen ja tiimien väliseen yhteistyöhön vahvistaa teknistä osaamista.

Tekoälyn avulla menestyvät organisaatiot yhdistävät nopean kokeilun vahvaan insinöörikuriin, hallintamalliin ja mitattaviin tuloksiin.

Pysy ajan tasalla

Voit seurata Subash D'Souzan työtä LinkedInissä. Tutustu myös tapahtumiin Data Con LA ja Data 4 Good.

Lisää asiantuntijahaastatteluja on tulossa The CTO Clubiin!