L’ex CTO di una startup Google condivide come sta usando l’IA per costruire la sua azienda da zero
Scopri come un ex CTO di Google utilizza agenti IA per sviluppare software più velocemente, automatizzare i flussi di lavoro finanziari e ripensare lo sviluppo basandolo sulla supervisione umana e l'esecuzione tramite IA.
Valliappa Lakshmanan
Co-fondatore e CTO di Obin
Esperienza: Valliappa Lakshmanan condivide approfondimenti su come costruire un'azienda nativa dell'IA focalizzata sui flussi di lavoro finanziari.
Agenti Autonomi: Obin è specializzata nello sviluppo di agenti IA che gestiscono compiti finanziari in modo indipendente, riducendo al minimo l'intervento umano.
Integrazione dell'IA: Una profonda esperienza nell'IA è essenziale; la conoscenza del dominio migliora le prestazioni dell'IA e riduce gli errori.
Processi di Revisione: L'aumento dei contenuti generati dall'IA rende necessari nuovi metodi di revisione per garantire la correttezza e gestire il rilascio.
Sovraccarico Cognitivo: Il ritmo veloce degli strumenti IA può sopraffare i team, rendendo necessaria una struttura dedicata al 'pensiero profondo'.
Valliappa Lakshmanan è il cofondatore e CTO di Obin, un'azienda nativa AI che costruisce agenti autonomi per i flussi di lavoro finanziari. In precedenza, è stato Direttore delle Soluzioni di Analytics e AI presso Google Cloud. E vanta una profonda esperienza nell'integrazione dell'AI.
Abbiamo incontrato Lak per capire come sta costruendo un'azienda nativa AI. Ecco cosa ci ha raccontato.
Una profonda esperienza nell'integrazione dell'AI
Sono Lak, cofondatore e CTO di Obin. Costruiamo agenti AI autonomi che eseguono flussi di lavoro finanziari end-to-end.
Vuoi di più da The CTO Club?
Crea un account gratuito per completare questo articolo e unirti a una comunità di CTO e leader ingegneristici che condividono framework, strumenti e approfondimenti reali per progettare, implementare e scalare tecnologie guidate dall'IA.
Have an account? Log In
Ho iniziato la mia carriera come ricercatore nel machine learning, concentrandomi sulla previsione di eventi meteorologici estremi. Siamo stati una delle prime industrie a costruire modelli ML in tempo reale e a distribuirli in produzione. Successivamente, l'ondata tecnologica del deep learning del 2014 mi ha portato nel settore privato.
Ho guidato il team delle soluzioni Analytics e AI presso Google Cloud, lavorando con molti clienti per implementare l'AI in produzione. Sono poi passato a Silver Lake, una società di private equity, dove ho contribuito a creare ed eseguire la strategia AI per le aziende del loro portafoglio.
Dunque, porto con me una profonda esperienza sia nell'implementazione dell'AI in produzione che nel ripensare come le aziende si adattano e sfruttano le opportunità delle nuove tecnologie.
Un livello di eccellenza elevato
Obin ha meno di un anno, ma il nostro team è in rapida crescita. La sfida ingegneristica nella costruzione di agenti AI autonomi per la finanza consiste nel ribaltare il modello rispetto ai chatbot e ai copiloti — dove sono gli umani a controllare ogni fase — verso una modalità in cui l'AI esegue il flusso di lavoro da inizio a fine, e gli umani supervisionano e controllano.
Questo rispecchia molto da vicino anche il nostro modo di sviluppare software — gli agenti AI scrivono la maggior parte del codice sotto l'attenta supervisione dei nostri ingegneri.
Lavoriamo con alcune delle più grandi aziende del settore finanziario sulle loro funzioni più critiche, quindi il livello richiesto per completamento dei compiti e accuratezza è molto elevato.
Per questo motivo, lavoriamo con Robin — il nostro framework per agenti che semplifica la costruzione di agenti per settori regolamentati e garantisce che soddisfino tutti i controlli necessari di conformità e auditabilità.
Perché le aziende nativamente AI hanno un vantaggio
Poiché l'azienda è relativamente nuova, abbiamo avuto la fortuna di poter costruire in modo agentico. Siamo completamente nativi AI in tutte le nostre funzioni.
La cosa più significativa è che usiamo l'AI in modo estensivo nello sviluppo software. Claude Code genera quasi tutto il nostro codice iniziale. Finché possiamo verificare il funzionamento del codice, e il codice è abbastanza contenuto, è molto affidabile. Inoltre, abbiamo un bot di revisione Claude nel nostro CI/CD che controlla ogni commit e PR. I "quick win" e problemi che il nostro bot evidenzia hanno ridotto il carico sui revisori di codice, consentendoci di muoverci più velocemente.
Un altro vantaggio è che non abbiamo più bisogno di user stories o PRD per sviluppare software. Ora, semplicemente prototipiamo e iteriamo.
L'AI genera anche la documentazione di progetto dal codice, e la usiamo anche per riformattare quella documentazione per diversi pubblici (security, data architect, ingegneri AI, ecc.). Possiamo estrarre, evidenziare e riformattare i documenti molto più rapidamente rispetto a un umano.
Infine, anche le presentazioni per investitori e sales sono create usando l'AI.
Perché gestire i lavoratori AI presenta delle sfide
Ognuno dei nostri ingegneri è di fatto un manager che supervisiona una coorte di lavoratori AI. Questo approccio ci ha permesso di ridurre i tempi di implementazione delle feature e la qualità del codice è addirittura migliorata grazie a una gestione degli errori più efficace.
Tuttavia, la velocità di deployment ha presentato una sfida. Ora dobbiamo gestire con attenzione gli ambienti di sviluppo per rendere possibile il test delle funzionalità.
Perché gli artefatti AI richiedono nuovi processi di revisione
Con l'aumento degli artefatti creati dall’AI — codice, file di configurazione, documenti, pipeline, ecc. — è importante che i leader tecnologici aumentino la loro capacità di revisione. Puoi e dovresti creare controlli di correttezza per ogni artefatto.
Ecco un esempio: puoi confrontare le informazioni di un avviso di rimessa con quelle dei precedenti avvisi per lo stesso accordo, mutuatario, ecc.
È meglio anticipare i controlli di correttezza piuttosto che scoprire un problema con l’artefatto generato dall’AI in fase di esecuzione!
E, naturalmente, prevedere revisioni umane nei processi di controllo.
Puoi e dovresti creare controlli di correttezza per ogni artefatto… Meglio anticipare i controlli di correttezza piuttosto che scoprire un problema con l’artefatto generato dall’AI in fase di esecuzione.
Dove è ancora necessaria la presenza umana nello sviluppo software con AI
Quando si tratta di codice, c’è una chiara distinzione fra ciò che gestisce l’AI e ciò che gestiscono gli umani.
Attualmente, tutti i commit e le PR ricevono una revisione preliminare da parte dell’AI. Gli esseri umani, tuttavia, effettuano le fusioni finali delle PR. Un ingegnere senior continua a rivedere tutte le PR dal punto di vista dell’architettura.
Il confine è tutto ciò che comporta un contesto oltre il codice sorgente. Questo significa che è indispensabile l’intervento umano in tutto ciò che riguarda gli stakeholder e la complessità normativa, ad esempio.
Perché la competenza settoriale è fondamentale nell’integrazione dell’AI
L’AI funziona meglio nei settori in cui possiedi una profonda competenza. È importante sapere come si presenta qualcosa di “buono”, così da poter iterare con il modello fino a ottenere risultati soddisfacenti.
Nelle aree in cui non abbiamo una forte competenza, gli output dell’AI tendono a essere superficiali.
Ecco un esempio. Di default, l’AI non era efficace nel generare i nostri riassunti delle transazioni. Non riusciva a gestire informazioni contrastanti nei documenti di origine e spesso si concentrava sulle affermazioni più estreme invece che su quelle più rilevanti. Per le informazioni senza fondamento reale, l’AI non ha ancora visto abbastanza dati di mercato privati per coglierne le sfumature. E poiché noi stessi non eravamo esperti in materia, abbiamo trovato difficile portare il modello a un livello adeguato.
Perché i leader tecnologici devono essere cauti nell’automazione dei processi esistenti
In tema di automazione, non automatizzare i tuoi processi attuali. Usa invece l’intelligenza artificiale per eliminare i passaggi intermedi e arrivare subito al risultato finale.
Ad esempio, pensa ai passaggi necessari per creare una slide PowerPoint. È facile lasciarsi tentare dal far seguire all’AI questi stessi passaggi, ma una slide, alla fine, è solo XML + immagini. L’AI può generarla senza replicare i tuoi step. Questo principio vale anche nei processi aziendali — puoi creare una fattura senza passare dal sistema attuale. Basta chiamare le API di backend per ottenere prezzi e quantità corretti.
Perché l’AI può creare sovraccarico cognitivo
Ecco uno degli svantaggi maggiori che ho riscontrato per i leader tecnologici: la velocità con cui lavorano gli strumenti AI può generare un notevole sovraccarico cognitivo.
Per ridurre il sovraccarico, abbiamo introdotto due ore di “pensiero profondo” ogni pomeriggio. Se funzionerà, è ancora da vedere.
Rimani aggiornato
Puoi seguire Valliappa Lakshmanan su LinkedIn, oppure dare un'occhiata a Obin.
In arrivo altre interviste con esperti su The CTO Club!
