Babak Hodjat é vice-presidente de IA evolutiva da Cognizant e ex-cofundador e CEO da Sentient. Ele é responsável pela tecnologia central por trás do maior sistema distribuído de inteligência synthetic do mundo. Babak também foi o fundador do primeiro fundo de hedge baseado em IA do mundo, o Sentient Funding Administration. Ele é um empreendedor em série, tendo fundado diversas empresas do Vale do Silício como principal inventor e tecnólogo.
Antes de cofundar a Sentient, Babak foi diretor sênior de engenharia da Sybase iAnywhere, onde liderou a engenharia de soluções móveis. Ele também foi cofundador, CTO e membro do conselho da Dejima Inc. Babak é o principal inventor da tecnologia patenteada e orientada a agentes da Dejima, aplicada a interfaces inteligentes para computação móvel e empresarial – a tecnologia por trás do Siri da Apple.
Um estudioso publicado nas áreas de vida synthetic, engenharia de software program orientada a agentes e inteligência synthetic distribuída, Babak possui 31 patentes concedidas ou pendentes em seu nome. Ele é especialista em vários campos da IA, incluindo processamento de linguagem pure, aprendizado de máquina, algoritmos genéticos e IA distribuída, e fundou diversas empresas nessas áreas. Babak possui um Ph.D. em inteligência de máquina pela Universidade Kyushu, em Fukuoka, Japão.
Olhando para trás, para sua carreira, desde a fundação de várias empresas orientadas por IA até a liderança do AI Lab da Cognizant, quais são as lições mais importantes que você aprendeu sobre inovação e liderança em IA?
A inovação necessita de paciência, investimento e incentivo, e deve ser promovida e sem restrições. Se você construiu a equipe certa de inovadores, poderá confiar neles e dar-lhes complete liberdade artística para escolher como e o que pesquisam. Os resultados muitas vezes irão surpreendê-lo. Do ponto de vista da liderança, a investigação e a inovação não devem ser algo agradável ou uma reflexão tardia. Criei equipas de investigação muito cedo quando criei start-ups e sempre fui um forte defensor do investimento em investigação, e isso tem valido a pena. Nos bons tempos, a investigação mantém-no à frente da concorrência e, nos maus momentos, ajuda-o a diversificar e a sobreviver, pelo que não há desculpa para subinvestir, restringir ou sobrecarregar com prioridades empresariais de curto prazo.
Como um dos principais inventores da Siri da Apple, como sua experiência no desenvolvimento de interfaces inteligentes moldou sua abordagem para liderar iniciativas de IA na Cognizant?
A tecnologia de linguagem pure que desenvolvi originalmente para a Siri period baseada em agentes, por isso venho trabalhando com o conceito há muito tempo. A IA não period tão poderosa nos anos 90, então usei um sistema multiagente para lidar com a compreensão e o mapeamento de comandos de linguagem pure para ações. Cada agente representava um pequeno subconjunto do domínio do discurso, de modo que a IA de cada agente tinha um ambiente simples para dominar. Hoje, os sistemas de IA são poderosos e um LLM pode fazer muitas coisas, mas ainda assim beneficiamos ao tratá-lo como um trabalhador do conhecimento numa caixa, restringindo o seu domínio, dando-lhe uma descrição de trabalho e ligando-o a outros agentes com responsabilidades diferentes. A IA é, portanto, capaz de aumentar e melhorar qualquer fluxo de trabalho empresarial.
Como parte de minha missão como CTO de IA na Cognizant, administro nosso Superior AI Lab em São Francisco. Nosso princípio central de pesquisa é a tomada de decisões baseada em agentes. Atualmente, temos 56 patentes nos EUA sobre tecnologia central de IA baseada nesse princípio. Estamos todos dentro.
Você poderia falar mais sobre as pesquisas e inovações de ponta que estão sendo desenvolvidas atualmente no Laboratório de IA da Cognizant? Como é que estes desenvolvimentos estão a responder às necessidades específicas das empresas Fortune 500?
Temos vários estúdios de IA e centros de inovação. Nosso Superior AI Lab em São Francisco se concentra em ampliar o estado da arte em IA. Isto faz parte do nosso compromisso anunciado no ano passado de investir mil milhões de dólares em IA generativa nos próximos três anos.
Mais especificamente, estamos focados no desenvolvimento de novos algoritmos e tecnologias para atender nossos clientes. Confiança, explicabilidade e decisões multiobjetivos estão entre as áreas importantes que buscamos e que são vitais para as empresas Fortune 500.
Em torno da confiança, estamos interessados em investigação e desenvolvimento que aprofundem a nossa compreensão de quando podemos confiar na tomada de decisões da IA o suficiente para nos submetermos a ela e quando um ser humano deve envolver-se. Possuímos diversas patentes relacionadas a este tipo de modelagem de incerteza. Da mesma forma, redes neurais, IA generativa e LLMs são inerentemente opacos. Queremos ser capazes de avaliar uma decisão de IA e fazer perguntas sobre por que ela recomendou algo – essencialmente tornando-o explicável. Finalmente, compreendemos que, por vezes, as decisões que as empresas pretendem tomar têm mais do que um objectivo de resultado – redução de custos e aumento de receitas equilibrado com considerações éticas, por exemplo. A IA pode ajudar-nos a alcançar o melhor equilíbrio entre todos estes resultados, otimizando estratégias de decisão de uma forma multiobjetiva. Esta é outra área muito importante em nossa pesquisa em IA.
Os próximos dois anos são considerados críticos para a IA generativa. Quais você acredita que serão as principais mudanças neste período e como as empresas devem se preparar?
Estamos a entrar num período explosivo para a comercialização de tecnologias de IA. Hoje, os principais usos da IA são melhorar a produtividade, criar melhores interfaces de usuário baseadas em linguagem pure, resumir dados e ajudar na codificação. Durante este período de aceleração, acreditamos que a organização de estratégias globais de tecnologia e IA em torno do princípio central dos sistemas multiagentes e da tomada de decisões permitirá melhor que as empresas tenham sucesso. Na Cognizant, nossa ênfase na inovação e na pesquisa aplicada ajudará nossos clientes a aproveitar a IA para aumentar a vantagem estratégica à medida que ela se torna mais integrada aos processos de negócios.
Como a IA Generativa remodelará as indústrias e quais são os casos de uso mais interessantes emergentes do Laboratório de IA da Cognizant?
A IA generativa foi um grande avanço para as empresas. Agora você tem a capacidade de criar uma série de trabalhadores do conhecimento que podem ajudar os humanos em seu trabalho diário. Seja simplificando o atendimento ao cliente por meio de chatbots inteligentes ou gerenciando o estoque do armazém por meio de uma interface de linguagem pure, os LLMs são muito bons em tarefas especializadas.
Mas o que vem a seguir é o que realmente remodelará as indústrias, à medida que os agentes adquirirem a capacidade de comunicar entre si. O futuro será sobre as empresas terem agentes em seus dispositivos e aplicativos que possam atender às suas necessidades e interagir com outros agentes em seu nome. Eles trabalharão em empresas inteiras para ajudar os humanos em todas as funções, desde RH e finanças até advertising and marketing e vendas. Num futuro próximo, as empresas gravitarão naturalmente para se tornarem baseadas em agentes.
Notavelmente, já temos um sistema multiagente que foi desenvolvido em nosso laboratório na forma de Neuro AI, um gerador de casos de uso de IA que permite aos clientes criar e prototipar rapidamente casos de uso de decisão de IA para seus negócios. Já está apresentando alguns resultados interessantes e compartilharemos mais sobre isso em breve.
Qual será o papel das arquiteturas multiagentes na próxima onda de transformação da geração AI, especialmente em ambientes empresariais de grande escala?
Em nossas pesquisas e conversas com líderes corporativos, recebemos cada vez mais perguntas sobre como eles podem tornar a IA generativa impactante em grande escala. Acreditamos que a promessa transformadora dos sistemas de inteligência synthetic multiagentes é basic para alcançar esse impacto. Um sistema de IA multiagente reúne agentes de IA integrados em sistemas de software program em diversas áreas da empresa. Pense nisso como um sistema de sistemas que permite que os LLMs interajam entre si. Hoje, o desafio é que, embora os objetivos, atividades e métricas de negócios estejam profundamente interligados, os sistemas de software program usados por equipes diferentes não estão, criando problemas. Por exemplo, atrasos na cadeia de abastecimento podem afectar o pessoal do centro de distribuição. A integração de um novo fornecedor pode impactar as emissões do Escopo 3. A rotatividade de clientes pode indicar deficiências do produto. Sistemas isolados significam que as ações são muitas vezes baseadas em insights extraídos de apenas um programa e aplicados a uma função. As arquiteturas multiagentes irão gerar insights e ações integradas em toda a empresa. Esse é o poder actual que pode catalisar a transformação empresarial.
De que forma você vê a evolução dos sistemas multiagentes (MAS) nos próximos anos e como isso afetará o cenário mais amplo da IA?
Um sistema de IA multiagente funciona como um grupo de trabalho digital, analisando prompts e extraindo informações de toda a empresa para produzir uma solução abrangente não apenas para o solicitante unique, mas também para outras equipes. Se ampliarmos e olharmos para uma indústria específica, isso poderá revolucionar as operações em áreas como a manufatura, por exemplo. Um Agente de Fornecimento analisaria os processos existentes e recomendaria componentes alternativos mais econômicos com base nas estações e na demanda. Este Agente de Fornecimento se conectaria então com um Agente de Sustentabilidade para determinar como a mudança impactaria as metas ambientais. Por fim, um Agente Regulador supervisionaria as atividades de conformidade, garantindo que as equipes enviassem relatórios completos e atualizados dentro do prazo.
A boa notícia é que muitas empresas já começaram a integrar organicamente chatbots com tecnologia LLM, mas precisam ser intencionais sobre como começarão a conectar essas interfaces. Deve-se ter cuidado quanto à granularidade da agentetização, aos tipos de LLMs usados e quando e como ajustá-los para torná-los eficazes. As organizações devem começar do topo, considerar as suas necessidades e objetivos e trabalhar a partir daí para decidir o que pode ser agente.
Quais são os principais desafios que impedem as empresas de adotar totalmente a IA e como a Cognizant aborda esses obstáculos?
Apesar do apoio e do investimento da liderança, muitas empresas temem ficar para trás na IA. De acordo com a nossa pesquisa, existe uma lacuna entre o compromisso estratégico dos líderes e a confiança para executar bem. O custo e a disponibilidade de talentos e a imaturidade percebida das atuais soluções da Geração de IA são dois inibidores significativos que impedem as empresas de adotarem totalmente a IA.
A Cognizant desempenha um papel basic ajudando as empresas a percorrer a jornada da produtividade ao crescimento da IA. Na verdade, dados recentes de um estudo que conduzimos com a Oxford Economics apontam para a necessidade de conhecimentos externos para ajudar na adoção da IA, com 43% das empresas a indicar que planeiam trabalhar com consultores externos para desenvolver um plano para a IA generativa. Tradicionalmente, a Cognizant é responsável pela última etapa com os clientes – fizemos isso com armazenamento de dados e migração para nuvem, e a agentetização não será diferente. Este é um trabalho que deve ser altamente customizado. Não é uma jornada que sirva para todos. Somos os especialistas que podem ajudar a identificar as metas de negócios e o plano de implementação e, em seguida, contratar os agentes personalizados certos para atender às necessidades de negócios. Somos, e sempre fomos, as pessoas para quem ligar.
Muitas empresas lutam para obter um ROI imediato dos seus investimentos em IA. Que erros comuns eles cometem e como podem ser evitados?
A IA generativa é muito mais eficaz quando as empresas a integram no seu próprio contexto de dados, ou seja, personalizam-na com base na sua própria base sólida de dados empresariais. Além disso, mais cedo ou mais tarde, as empresas terão de dar o passo desafiador para reimaginar os seus processos empresariais fundamentais. Hoje, muitas empresas estão usando IA para automatizar e melhorar processos existentes. Resultados maiores podem acontecer quando eles começam a fazer perguntas como: quais são os constituintes deste processo, como posso mudá-los e me preparar para o surgimento de algo que ainda não existe? Sim, isto exigirá uma mudança de cultura e a aceitação de alguns riscos, mas parece inevitável quando se orquestram as muitas partes da organização num todo poderoso.
Que conselho você daria aos líderes emergentes de IA que buscam causar um impacto significativo na área, especialmente em grandes empresas?
A transformação dos negócios é complexa por natureza. Os líderes emergentes de IA em empresas maiores devem concentrar-se em quebrar processos, experimentar mudanças e inovar. Isto requer uma mudança de mentalidade e riscos calculados, mas pode criar uma organização mais poderosa.
Obrigado pela ótima entrevista, os leitores que desejam saber mais devem visitar a Cognizant.
