Direktøren for skybasert datautvikling deler hvordan han bruker CustomGPT-er for å styrke ingeniører

Subash D'Souza er direktør for skybasert datateknikk ved California State University. Han er også grunnleggeren av Data Con LA og Data 4 Good. Han har dessuten hatt lederstillinger i Headspace og Warner Bros.

Vi satte oss ned med Subash for å lære hvordan han gjør ingeniører i stand til å arbeide effektivt, samtidig som han opprettholder styring og gjennomganger. Her er det han sa.

En karriere innen data

Jeg er grunnleggeren av Data Con LA og Data 4 Good, en offentlig-privat ideell tenketank som samarbeider med organisasjoner om å håndtere samfunnsproblemer ved hjelp av data, blant annet utfordringer som hjemløshet og digital likhet, samtidig som vi fremmer teknologisk innovasjon, data og analyse samt offentlig-private partnerskap.

Jeg er også for tiden direktør for skybasert datateknikk ved California State University, Office of the Chancellor. Jeg er medlem av Data Governance PMC i Linux Foundation. Før dette var jeg leder for datateknikk i Headspace og direktør for stordata og drift i Warner Bros.

Ledelse av datateknikk og AI

Jeg leder organisasjonen for datateknikk og AI/ML ved California State University Chancellor’s Office, og støtter datainitiativer på tvers av CSU-systemet.

Vi undersøker hvordan AI kan forbedre studentreisen fra søknad til uteksaminering. Ved å bygge videre på den eksisterende dataplattformen vår og studentdataene våre ønsker vi å bruke AI til å identifisere mønstre som forbedrer konverteringen av søkere, gjenkjenne studenter som trenger tidligere støtte, og til syvende og sist forbedre andelen som fortsetter og fullfører studiene. Dette flytter oss fra bare å rapportere hva som har skjedd, til proaktivt å bruke data og AI for å hjelpe campusene våre med å ta bedre beslutninger tidligere – beslutninger som støtter studentenes suksess.

Den skybaserte arkitekturen vår bruker AWS, Databricks, Snowflake og analyseplattformer til å bygge skalerbare datapipelines og dataprodukter. Teamet mitt støtter et komplekst miljø med flere campus, der vi utvikler delte løsninger, etablerer tekniske standarder og gjør campusene i stand til å bygge og distribuere sine egne dataprodukter gjennom modellen vår for et datasenter for fremragende arbeid.

Hvordan AI kan gjøre ingeniører mer effektive, samtidig som gjennomgang og styring opprettholdes

Jeg introduserte AI direkte i modellen vår for å gjøre ingeniørene mer effektive, gjennom CSU Data COE CustomGPT.

Tidligere var utviklerne hovedsakelig avhengige av dokumentasjon og tekniske ledere for veiledning og feilsøking. Vi opprettet en CSU-spesifikk AI-mentor basert på praksisene og dokumentasjonen vår innen datateknikk, slik at utviklerne kunne forstå arkitekturen, utviklingsstandardene og arbeidsflytene våre.

Den hjelper på tre måter:

• Når det gjelder kunnskap, gir CustomGPT ingeniørene umiddelbar tilgang til CSU-spesifikk veiledning om arkitekturen, standardene og utviklingsprosessene våre, i stedet for at de må lete gjennom dokumentasjon eller vente på en ekspert.
• Når det gjelder utvikling, hjelper den ingeniørene med å forstå etablerte mønstre og navigere i arbeidsflytene våre for Databricks, Git, testing og distribusjon.
• Når det gjelder feilsøking, kan ingeniørene beskrive en feil eller et problem og bruke AI til å identifisere sannsynlige årsaker og mulige neste trinn.

Dette ga teamene raskere tilgang til enhetlig teknisk veiledning, reduserte avhengigheten av enkeltstående eksperter og hjalp oss med å skalere kunnskapen om datateknikk på tvers av CSU-campusene, samtidig som vi beholdt de etablerte prosessene for gjennomgang og styring.

Hvorfor AI øker hastigheten, samtidig som mennesker fortsatt har ansvaret

Vi bruker derfor i økende grad AI til å støtte aktiviteter som kodeutvikling, feilsøking, dokumentasjon, veiledning i testing og til å hjelpe ingeniører med å navigere i våre CSU-standarder for datautvikling gjennom verktøy som CustomGPT-en jeg nevnte ovenfor.

AI har imidlertid ennå ikke erstattet menneskelig dømmekraft i komplekse arkitektur-, sikkerhets- eller produksjonsbeslutninger. Vi har også erfart at AI har problemer med spørsmål som avhenger av svært spesifikk kontekst eller teknisk dokumentasjon som endrer seg raskt.

Den kan for eksempel foreslå en teknisk gyldig tilnærming til et distribusjons- eller sikkerhetsproblem uten å forstå våre spesifikke krav til AWS, Databricks, Snowflake, tilgangskontroll eller godkjenning fullt ut.

Derfor forblir arkitekturbeslutninger, produksjonsdistribusjoner, sikkerhets- og tilgangsbeslutninger samt endelige kodegjennomganger uttrykkelig menneskelige oppgaver. Utviklingsprosessen vår krever fagfellevurdering, testing, validering fra ende til ende og definerte godkjenninger før kode går videre mot produksjon.

Vi bruker AI til å akselerere teknisk utvikling og forbedre konsistensen, mens mennesker fortsatt er ansvarlige for beslutninger som påvirker sikkerhet, arkitektur, styring og produksjonssystemer.

Hvorfor CTO-er må etablere styring før de integrerer AI

Alle CTO-er bør forstå at AI-transformasjon først og fremst ikke er et teknologiproblem – det er et problem knyttet til mennesker, kunnskap og styring.

AI kan dramatisk akselerere hvordan team lærer, utvikler og løser problemer, men verdien avhenger av pålitelig organisasjonskunnskap og tydelig menneskelig ansvar.

Ærlig talt skulle jeg ønske at jeg tidligere hadde innsett at verdien av AI i stor grad avhenger av kvaliteten på og organiseringen av kunnskapen som ligger bak. Med CustomGPT-en vår kunne vi for eksempel ha unngått noe av den tidlige eksperimenteringen ved å konsentrere oss tidligere om å kuratere riktig kunnskap, definere hvor AI bør og ikke bør stoles på, og etablere tydelige menneskelige kontrollpunkter.

Min viktigste lærdom av dette var at man ikke bare bør rulle ut et AI-verktøy. Først må man bygge opp kunnskapen, styringen og det menneskelige ansvaret rundt det.

Hvorfor CTO-er må investere både i AI og medarbeiderne sine

Jeg råder CTO-er til å se på AI som en akselerator, ikke som en erstatningsstrategi.

Begynn med praktiske bruksområder der AI fjerner friksjon, forbedrer utviklernes produktivitet og gjør organisasjonskunnskap mer tilgjengelig. Men la mennesker fortsatt være ansvarlige for arkitektur-, sikkerhets- og produksjonsbeslutninger.

Det er like viktig å investere i medarbeiderne. Erfaringen vår med CSU Data COE viser at kombinasjonen av AI, praktisk læring og samarbeid på tvers av team bygger sterkere teknisk kompetanse.

Organisasjonene som lykkes med AI, vil kombinere raske eksperimenter med solid utviklingsdisiplin, styring og målbare resultater.

Følg med

Du kan følge arbeidet til Subash D'Souza på LinkedIn. Ta også en titt på Data Con LA og Data 4 Good.

Flere ekspertintervjuer kommer på The CTO Club!