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 finanziari e ripensare lo sviluppo mettendo al centro la 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 nell’IA focalizzata sui flussi di lavoro finanziari.
Agenti autonomi: Obin è specializzata nello sviluppo di agenti IA in grado di gestire compiti finanziari in autonomia, riducendo al minimo l’intervento umano.
Integrazione dell’IA: Una profonda competenza nell’IA è fondamentale; la conoscenza del settore migliora le prestazioni dell’IA e riduce gli errori.
Processi di revisione: L’aumento dei contenuti generati dall’IA richiede 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 necessario organizzare momenti strutturati di ‘deep thinking’.
Valliappa Lakshmanan è cofondatore e CTO di Obin, un'azienda nativa nell'IA che costruisce agenti autonomi per i flussi di lavoro finanziari. In precedenza è stato Direttore delle Soluzioni di Analytics e AI presso Google Cloud. Ha una profonda esperienza nell'integrazione dell'intelligenza artificiale.
Abbiamo incontrato Lak per capire come sta costruendo un'azienda nativa nell'IA. Ecco cosa ci ha raccontato.
Una profonda esperienza nell'integrazione dell'IA
Sono Lak, cofondatore e CTO di Obin. Costruiamo agenti IA autonomi che eseguono flussi di lavoro finanziari end-to-end.
Want more from The CTO Club?
Create a free account to finish this piece and join a community of CTOs and engineering leaders sharing real-world frameworks, tools, and insights for designing, deploying, and scaling AI-driven technology.
Have an account? Log In
Ho iniziato la mia carriera come ricercatore nell'apprendimento automatico, specializzandomi nella previsione di eventi meteorologici estremi. Siamo stati uno dei primi settori a costruire modelli ML in tempo reale e a distribuirli in produzione. Poi, l'ondata di tecnologia del deep learning del 2014 mi ha portato nell'industria privata.
Ho guidato il team di soluzioni Analytics e AI presso Google Cloud, lavorando con numerosi clienti che implementavano l'IA in produzione. Successivamente mi sono trasferito a Silver Lake, una società di private equity, dove ho contribuito a creare ed eseguire la strategia di IA per le aziende nel loro portafoglio.
Quindi, porto una profonda esperienza sia nell'implementazione dell'IA in produzione che nel ripensare come le aziende si adattano e sfruttano le possibilità delle nuove tecnologie.
Operare secondo standard molto elevati
Obin ha meno di un anno, ma abbiamo una squadra in rapida crescita. La sfida ingegneristica nella costruzione di agenti IA autonomi nel settore finanziario consiste nel ribaltare il modello usuale di chatbot e copiloti — dove gli umani controllano ogni passo del ciclo — passando a una modalità in cui l’IA esegue il flusso di lavoro end-to-end e gli umani supervisionano e revisionano.
Questo rispecchia anche il nostro modo di sviluppare software — gli agenti IA scrivono la maggior parte del codice sotto la supervisione attenta dei nostri ingegneri.
Lavoriamo con alcune delle aziende più grandi della finanza sulle loro funzioni più critiche, quindi il livello di precisione e la soglia per il completamento dei compiti sono estremamente elevati.
Per questo motivo, lavoriamo con Robin — la nostra piattaforma di 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 AI-native hanno un vantaggio
Poiché l'azienda è relativamente nuova, abbiamo avuto la fortuna di costruire in modo agentico. Siamo completamente AI-native in tutte le nostre funzioni.
Soprattutto, utilizziamo l'IA in modo intensivo nello sviluppo software. Claude Code genera quasi tutto il nostro codice iniziale. Finché possiamo verificare il funzionamento del codice e il codice è abbastanza compatto, è molto affidabile. Inoltre, abbiamo un bot di revisione Claude nel nostro CI/CD che controlla ogni commit e PR. I "risultati rapidi" e i problemi messi in luce dal nostro bot hanno ridotto il carico sui revisori del codice, permettendoci di muoverci più rapidamente.
Un altro vantaggio è che non abbiamo più bisogno di user story o PRD per sviluppare il software. Ora basta prototipare e iterare.
L'IA genera anche la documentazione di progettazione a partire dal codice, e la utilizziamo anche per riformattare la documentazione per diversi destinatari (sicurezza, data architect, ingegneri IA, ecc.). Possiamo raccogliere, evidenziare e riformattare la documentazione molto più rapidamente di quanto potrebbe fare un essere umano manualmente.
Infine, utilizziamo l'IA anche per realizzare presentazioni per investitori e vendite.
Perché gestire i lavoratori IA presenta delle sfide
Ciascuno dei nostri ingegneri è di fatto un responsabile tecnico che gestisce un coorte di lavoratori IA. Grazie a questo approccio abbiamo ridotto i tempi di implementazione delle funzionalità e la qualità del codice è persino migliorata grazie a una migliore gestione degli errori.
Tuttavia, la velocità di distribuzione presenta una sfida. Ora dobbiamo gestire con attenzione gli ambienti di sviluppo per consentire il testing 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 potenzino la loro capacità di revisione. È possibile e consigliato creare controlli di correttezza per ogni artefatto.
Ecco un esempio: puoi confrontare le informazioni di un avviso di rimessa con i precedenti avvisi per la stessa operazione, lo stesso mutuatario, ecc.
È meglio effettuare i controlli di correttezza prima, piuttosto che scoprire un problema con l’artefatto AI in fase di esecuzione!
E poi, ovviamente, utilizzare fasi di revisione umana.
È possibile e consigliato creare controlli di correttezza per ogni artefatto… È meglio effettuare i controlli di correttezza prima, piuttosto che scoprire un problema con l’artefatto AI in fase di esecuzione.
Dove è ancora necessaria la presenza umana nello sviluppo software AI
Per quanto riguarda il codice, esiste una chiara distinzione tra ciò che viene gestito dall’AI e ciò che viene gestito dagli umani.
Attualmente, tutte le modifiche (commit) e le pull request ricevono una revisione preliminare dall’AI. Tuttavia, la fusione finale delle pull request spetta agli umani. Un ingegnere senior continua a revisionare tutte le pull request in termini di architettura.
Il confine riguarda tutto ciò che implica un contesto oltre il codice sorgente. Questo significa che gli umani devono occuparsi di tutto ciò che è legato agli stakeholder e alla complessità normativa, per esempio.
Perché la competenza settoriale è fondamentale nell’integrazione dell’AI
L’AI funziona meglio nei settori in cui si possiede una profonda esperienza. È fondamentale sapere come si presenta un buon risultato, così da poter iterare con il modello fino a ottenere buone prestazioni.
Nei settori in cui non possediamo la competenza, i risultati dell’AI tendono ad essere superficiali.
Ecco un esempio. Di default, l’AI non ha funzionato bene per generare i riassunti delle nostre operazioni. Non era in grado di gestire informazioni contrastanti nei documenti originali e spesso si concentrava sulle affermazioni più estreme invece che sulle più importanti. Per informazioni non comprovate, l’AI non ha visto abbastanza dati di mercato privato per cogliere le sfumature. E dato che non eravamo esperti in materia, abbiamo fatto fatica a renderla più efficace.
Perché i leader tecnologici devono fare attenzione ad automatizzare i processi esistenti
Quando parliamo di automazione, non automatizzare i processi attualmente in essere. Usa invece l’AI per eliminare i passaggi intermedi e andare direttamente al risultato finale.
Ad esempio, pensa ai passi necessari per creare una diapositiva PowerPoint. È facile farsi tentare dall’idea di far seguire all’AI quegli stessi passaggi, ma alla fine una diapositiva è solo XML + immagini. L’AI può generarla senza imitare i tuoi step. Questo concetto si applica anche ai processi aziendali: puoi creare una fattura senza passare per il sistema attuale di creazione delle fatture. Basta chiamare le API di backend rilevanti per ottenere i prezzi e le quantità corretti.
Perché l’AI può creare sovraccarico cognitivo
Ecco uno degli svantaggi maggiori che ho riscontrato per i leader tecnologici: la velocità degli strumenti AI genera un significativo sovraccarico cognitivo.
Per ridurre il sovraccarico, abbiamo istituito una fascia oraria di “pensiero profondo” di due ore ogni pomeriggio. Se sarà efficace oppure no, non è ancora chiaro.
Segui gli aggiornamenti
Puoi seguire Valliappa Lakshmanan su LinkedIn o dare un'occhiata a Obin.
Altre interviste con esperti in arrivo su The CTO Club!
