Entinen Googlen startup-yrityksen teknologiajohtaja kertoo, kuinka hän käyttää tekoälyä yrityksensä rakentamiseen alusta alkaen

Valliappa Lakshmanan on Obinin toinen perustaja ja teknologiajohtaja. Obin on tekoälylähtöinen yritys, joka rakentaa autonomisia agentteja taloushallinnon työnkulkuja varten. Aiemmin hän toimi Google Cloudin analytiikka- ja tekoälyratkaisujen johtajana. Hänellä on myös laaja kokemus tekoälyn integroinnista.

Istuimme alas Lakin kanssa ymmärtääksemme, miten hän rakentaa tekoälylähtöistä yritystä. Tässä on, mitä hänellä oli sanottavanaan.

Syvällinen asiantuntemus tekoälyn integroinnissa

Olen Lak, Obinin toinen perustaja ja teknologiajohtaja. Rakennamme autonomisia tekoälyagentteja, jotka suorittavat taloushallinnon työnkulkuja päästä päähän.

Aloitin urani koneoppimisen tutkijana keskittyen ankarien sääilmiöiden ennustamiseen. Olimme yksi ensimmäisistä toimialoista, jotka rakensivat reaaliaikaisia koneoppimismalleja ja ottivat ne käyttöön tuotannossa. Sitten vuoden 2014 syväoppimisen teknologia-aalto vei minut yksityiselle sektorille.

Johdin Google Cloudin analytiikka- ja tekoälyratkaisujen tiimiä ja työskentelin monien asiakkaiden kanssa ottamassa tekoälyä käyttöön tuotannossa. Siirryin sen jälkeen Silver Lakeen, pääomasijoitusyhtiöön, jossa autoin luomaan ja toteuttamaan tekoälystrategiaa sen sijoitussalkkuun kuuluville yrityksille.

Tuon siis mukanani syvällistä asiantuntemusta sekä tekoälyn käyttöönotosta tuotannossa että siitä, miten yritykset voivat mukautua uuden teknologian mahdollisuuksiin ja hyödyntää niitä uudella tavalla.

Työskentely korkeiden vaatimusten mukaisesti

Obin on alle vuoden ikäinen, mutta tiimimme kasvaa nopeasti. Autonomisten tekoälyagenttien rakentamisen tekninen haaste taloushallinnossa on siirtyä keskustelubottien ja apureiden rakentamisesta – tilanteesta, jossa ihmiset hallitsevat silmukan jokaista vaihetta – malliin, jossa tekoäly toteuttaa työnkulun päästä päähän ja ihmiset tarkistavat ja valvovat sitä.

Tämä vastaa läheisesti myös tapaamme rakentaa ohjelmistoja – tekoälyagentit kirjoittavat suurimman osan koodista insinööriemme huolellisessa valvonnassa.

Työskentelemme joidenkin taloushallinnon suurimpien yritysten kanssa niiden kriittisimpien toimintojen parissa, joten tehtävien suorittamiselle ja tarkkuudelle asetetut vaatimukset ovat erittäin korkeat.

Siksi työskentelemme Robinin kanssa – se on agenttikehyksemme, joka yksinkertaistaa agenttien rakentamista säännellyille toimialoille ja varmistaa, että ne täyttävät kaikki tarvittavat vaatimustenmukaisuutta ja auditoitavuutta koskevat tarkistukset.

Miksi tekoälylähtöisillä yrityksillä on etulyöntiasema

Valliappa kertoo

Niin kauan kuin voimme varmistaa koodin toiminnan ja koodi on riittävän suppea, se on erittäin luotettavaa.

Koska yritys on suhteellisen uusi, meillä on ollut mahdollisuus rakentaa agenttien avulla alusta alkaen. Olemme kaikissa toiminnoissamme täysin tekoälylähtöisiä.

Erityisesti käytämme tekoälyä laajasti ohjelmistokehityksessä. Claude Code tuottaa lähes kaiken alustavan koodimme. Niin kauan kuin voimme varmistaa koodin toiminnan ja koodi on riittävän suppea, se on erittäin luotettavaa. Lisäksi jatkuvan integraation ja jatkuvan toimituksen ympäristössämme on Claude-tarkistusrobotti, joka tarkistaa jokaisen muutoksen ja pull requestin. Botin esiin nostamat "helpot voitot" ja ongelmat ovat vähentäneet koodintarkistajien työtaakkaa ja antaneet meille mahdollisuuden edetä nopeammin.

Toinen etu on se, ettemme enää tarvitse käyttäjätarinoita tai PRD-dokumentteja ohjelmistojen rakentamiseen. Nyt vain teemme prototyyppejä ja iteroimme.

Tekoäly tuottaa koodista myös suunnitteludokumentaation, ja käytämme tekoälyä lisäksi tämän dokumentaation muotoiluun eri kohderyhmille (tietoturva-asiantuntijoille, data-arkkitehdeille, tekoälyinsinööreille ja muille). Voimme poimia, korostaa ja muotoilla dokumentaation uudelleen paljon nopeammin kuin ihminen pystyisi tekemään sen manuaalisesti.

Viimeisenä esimerkkinä laadimme myös sijoittaja- ja myyntiesitykset tekoälyn avulla.

Miksi tekoälytyöntekijöiden hallinnassa on haasteita

Jokainen insinöörimme toimii käytännössä insinööripäällikkönä ja valvoo tekoälytyöntekijöiden ryhmää. Tämän lähestymistavan ansiosta lyhensimme ominaisuuksien toteutusaikaa, ja koodin laatu itse asiassa parani paremman virheenkäsittelyn ansiosta.

Käyttöönoton nopeus aiheutti kuitenkin haasteita. Nyt meidän on hallittava kehitysympäristöjä huolellisesti, jotta ominaisuuksia voidaan testata.

Miksi tekoälyn luomat tuotokset vaativat uusia tarkistusprosesseja

Tekoälyn luomien tuotosten — koodin, asetustiedostojen, asiakirjojen, putkien ja niin edelleen — määrän kasvaessa teknologiajohtajien on tärkeää laajentaa tarkistuskykyään. Voit ja sinun pitäisi luoda oikeellisuustarkistukset jokaiselle tuotokselle.

Esimerkki: voit verrata maksuilmoituksen tietoja samaa kauppaa, lainanottajaa ja niin edelleen koskeviin aiempiin maksuilmoituksiin.

Oikeellisuustarkistukset kannattaa tehdä mahdollisimman aikaisessa vaiheessa sen sijaan, että tekoälyn luomassa tuotoksessa havaitaan ongelma vasta suorituksen aikana!

Ja tietysti on käytettävä ihmisten suorittamia tarkistusvaiheita.

Missä ihmisten on edelleen oltava mukana tekoälyavusteisessa ohjelmistokehityksessä

Koodin osalta on selvää, mitkä asiat tekoäly hoitaa ja mitkä ihmiset hoitavat.

Tällä hetkellä tekoäly tarkistaa alustavasti kaikki commitit ja PR:t. Ihmiset kuitenkin suorittavat PR:ien lopulliset yhdistämiset. Kokenut ohjelmistosuunnittelija tarkistaa edelleen kaikkien PR:ien arkkitehtuurin.

Raja kulkee siinä, liittyykö asiaan lähdekoodin ulkopuolista kontekstia. Tämä tarkoittaa esimerkiksi sitä, että ihmisten on käsiteltävä kaikki sidosryhmiin ja sääntelyn monimutkaisuuteen liittyvät asiat.

Miksi toimialan asiantuntemus on tärkeää tekoälyn integroinnissa

Tekoäly toimii parhaiten alueilla, joilla sinulla on syvällistä asiantuntemusta. On tärkeää tietää, miltä ”hyvä” näyttää, jotta voit iteroida mallin kanssa kunnes se toimii hyvin.

Alueilla, joilla meillä ei ole asiantuntemusta, tekoälyn tuotokset ovat yleensä jääneet pinnallisiksi.

Esimerkki: tekoäly ei toiminut sellaisenaan hyvin kauppojemme yhteenvetojen laatimisessa. Se ei pystynyt käsittelemään lähdeasiakirjoissa olevia ristiriitaisia tietoja, vaan keskittyi usein tärkeimpien lausuntojen sijaan kaikkein äärimmäisimpiin väitteisiin. Kun tietoa ei ole sidottu lähteisiin, tekoäly ei ole nähnyt riittävästi yksityismarkkinoiden tietoa havaitakseen vivahteita. Koska emme myöskään olleet sen asiantuntijoita, meidän oli vaikea saada sitä ajan tasalle.

Valliappa kertoo

On tärkeää tietää, miltä “hyvä” näyttää, jotta voit iteroida (tekoäly)mallin kanssa, kunnes se toimii hyvin.

Miksi teknologiajohtajien on suhtauduttava varovasti olemassa olevien prosessien automatisointiin

Automatisoinnissa ei pidä automatisoida nykyisiä prosesseja. Käytä sen sijaan tekoälyä välivaiheiden poistamiseen ja siirry suoraan lopputulokseen.

Ajatellaan esimerkiksi PowerPoint-dian luomiseen tarvittavia vaiheita. On houkuttelevaa pyytää tekoälyä noudattamaan täsmälleen näitä vaiheita, mutta dia on viime kädessä XML:ää ja kuvia. Tekoäly voi luoda sen noudattamatta käyttämiäsi vaiheita. Sama ajatus pätee liiketoimintaprosesseihin: voit luoda laskun käyttämättä nykyistä laskunluontijärjestelmää. Kutsu vain asianmukaisia taustajärjestelmän ohjelmointirajapintoja saadaksesi oikeat hinnat ja määrät.

Miksi tekoäly voi aiheuttaa kognitiivista kuormitusta

Tässä on yksi suurimmista teknologiajohtajien kohtaamista haitoista: tekoälytyökalujen toimintanopeus aiheuttaa merkittävää kognitiivista kuormitusta.

Kuormituksen vähentämiseksi otimme käyttöön kahden tunnin ”syvällisen ajattelun” ajan joka iltapäivälle. Vielä ei kuitenkaan tiedetä, auttaako se.

Seuraa mukana

Voit seurata Valliappa Lakshmanania LinkedInissä tai tutustua Obiniin.

Lisää asiantuntijahaastatteluja on tulossa The CTO Clubissa!