روهیت چوداری بنیانگذار و مدیر عامل شرکت است Acceldata، رهبر بازار در مشاهده پذیری داده های سازمانی است. او Acceldata را در سال 2018 تأسیس کرد، زمانی که متوجه شد صنعت باید نحوه نظارت، بررسی، اصلاح و مدیریت قابلیت اطمینان خطوط لوله داده و زیرساخت‌ها را در یک دنیای ابری، جهان غنی‌شده با هوش مصنوعی، دوباره تصور کند.
وقتی Acceldata را در سال 2018 تأسیس کردید، چه چیزی الهام بخش شما برای تمرکز بر روی مشاهده پذیری داده ها شد و چه شکاف هایی را در صنعت مدیریت داده پر کردید؟
سفر من برای تأسیس Acceldata در سال 2018 تقریباً 20 سال پیش به عنوان یک مهندس نرم افزار آغاز شد، جایی که من به شناسایی و حل مشکلات نرم افزاری هدایت شدم. تجربه من به عنوان مدیر مهندسی در Hortonworks من را در معرض یک موضوع تکراری قرار داد: شرکت‌هایی با استراتژی‌های داده جاه‌طلبانه با وجود سرمایه‌گذاری قابل توجه در تجزیه و تحلیل داده‌ها، در تلاش برای یافتن ثبات در پلت‌فرم‌های داده خود بودند. زمانی که کسب و کار بیشتر به آن نیاز داشت، نمی‌توانستند داده‌ها را به‌طور قابل اعتماد ارائه دهند.
این چالش در تیم من و من طنین انداز شد و ما نیاز به راه حلی را تشخیص دادیم که بتواند پایش، بررسی، اصلاح و مدیریت قابلیت اطمینان خطوط لوله داده و زیرساخت را داشته باشد. شرکت‌ها در تلاش بودند تا محصولات داده‌ای را با ابزارهایی بسازند و مدیریت کنند که برای برآوردن نیازهای در حال تکامل آنها طراحی نشده بود – که منجر به این شد که تیم‌های داده در تحلیل‌های حیاتی و برنامه‌های هوش مصنوعی دیده نشوند.
این شکاف در بازار الهام بخش ما برای راه اندازی Acceldata با هدف توسعه یک پلت فرم جامع و مقیاس پذیر برای مشاهده داده ها شد. از آن زمان، ما نحوه توسعه و عملکرد سازمان ها محصولات داده را تغییر داده ایم. پلت فرم ما رویدادها را در میان داده ها، پردازش ها و خطوط لوله مرتبط می کند و بینش بی نظیری را ارائه می دهد. تأثیر مشاهده پذیری داده ها بسیار زیاد بوده است و ما هیجان زده هستیم که صنعت را به جلو ادامه دهیم.
پس از ابداع اصطلاح “مشاهده پذیری داده ها”، چگونه این مفهوم را طی چند سال آینده، به ویژه با افزایش پیچیدگی محیط های چند ابری، تغییر می دهید؟
مشاهده پذیری داده ها از یک مفهوم خاص به یک قابلیت حیاتی برای شرکت ها تبدیل شده است. همانطور که محیط‌های چند ابری پیچیده‌تر می‌شوند، قابلیت مشاهده باید با منابع و زیرساخت‌های داده متنوع سازگار شود. طی چند سال آینده، ما پیش‌بینی می‌کنیم که هوش مصنوعی و یادگیری ماشین نقش کلیدی در پیشرفت قابلیت‌های مشاهده‌پذیری، به‌ویژه از طریق تجزیه و تحلیل پیش‌بینی‌کننده و تشخیص خودکار ناهنجاری، ایفا کنند.
علاوه بر این، قابلیت مشاهده فراتر از نظارت به جنبه‌های گسترده‌تر حاکمیت داده، امنیت و انطباق خواهد رفت. شرکت‌ها به کنترل زمان واقعی و بینش بیشتری نسبت به عملیات داده‌های خود نیاز دارند، که مشاهده‌پذیری را به بخشی حیاتی از مدیریت داده‌ها در محیط‌های پیچیده‌تر تبدیل می‌کند.
سابقه شما شامل تجربه قابل توجهی در مهندسی و توسعه محصول است. این تجربه چگونه رویکرد شما را برای ایجاد و مقیاس‌بندی Acceldata شکل داده است؟
پیشینه مهندسی و توسعه محصول من در شکل دادن به نحوه ساخت Acceldata بسیار مهم بوده است. درک چالش‌های فنی مقیاس‌بندی سیستم‌های داده به ما این امکان را می‌دهد تا پلتفرمی طراحی کنیم که نیازهای دنیای واقعی شرکت‌ها را برطرف کند. این تجربه همچنین اهمیت چابکی و بازخورد مشتری را در فرآیند توسعه ما القا کرده است. در Acceldata، ما نوآوری را در اولویت قرار می‌دهیم، اما همیشه اطمینان می‌دهیم که راه‌حل‌های ما عملی و با آنچه مشتریان در محیط‌های داده‌ای پویا و پیچیده نیاز دارند، همسو هستند. این رویکرد برای گسترش شرکت و گسترش حضور ما در بازار در سطح جهانی ضروری بوده است.
با اخیر دور سرمایه گذاری 60 میلیون دلاری سری C، حوزه های کلیدی نوآوری و توسعه که قصد دارید در Acceldata اولویت بندی کنید کدامند؟
با بودجه 60 میلیون دلاری سری C، نوآوری‌های مبتنی بر هوش مصنوعی را دو برابر می‌کنیم که پلتفرم ما را به‌طور قابل توجهی متمایز می‌کند. بر اساس موفقیت ما AI Copilot، ما در حال بهبود مدل های یادگیری ماشینی خود هستیم تا تشخیص ناهنجاری دقیق تر، اصلاح خودکار و پیش بینی هزینه را ارائه دهیم. ما همچنین در حال پیشرفت تجزیه و تحلیل پیش‌بینی‌کننده هستیم، که در آن هوش مصنوعی نه تنها به کاربران درباره مشکلات احتمالی هشدار می‌دهد، بلکه پیکربندی‌های بهینه و راه‌حل‌های پیش‌گیرانه را نیز مختص محیط‌شان پیشنهاد می‌کند.
تمرکز کلیدی دیگر اتوماسیون آگاه از زمینه است – جایی که پلتفرم ما از رفتار کاربر درس می گیرد و توصیه ها را با اهداف تجاری همسو می کند. گسترش رابط‌های زبان طبیعی (NLI) کاربران را قادر می‌سازد تا از طریق دستورات ساده و محاوره‌ای با گردش‌های کاری پیچیده مشاهده‌پذیری تعامل داشته باشند.
علاوه بر این، نوآوری‌های هوش مصنوعی ما باعث بهینه‌سازی بیشتر هزینه، پیش‌بینی مصرف منابع و مدیریت هزینه‌ها با دقت بی‌سابقه‌ای می‌شود. این پیشرفت‌ها Acceldata را به‌عنوان فعال‌ترین پلتفرم مشاهده‌پذیری مبتنی بر هوش مصنوعی قرار می‌دهد و به شرکت‌ها کمک می‌کند تا به عملیات داده‌های خود اعتماد کرده و بهینه‌سازی کنند.
هوش مصنوعی و LLM در حال تبدیل شدن به مرکز مدیریت داده ها هستند. Acceldata چگونه خود را برای رهبری در این فضا قرار می دهد و پلتفرم شما چه قابلیت های منحصر به فردی را به مشتریان سازمانی ارائه می دهد؟
Acceldata در حال حاضر در رصدپذیری داده‌های مبتنی بر هوش مصنوعی پیشرو است. پس از ادغام موفقیت آمیز فناوری هوش مصنوعی پیشرفته Bewgle، پلت فرم ما اکنون قابلیت های مبتنی بر هوش مصنوعی را ارائه می دهد که به طور قابل توجهی قابلیت مشاهده داده ها را افزایش می دهد. AI Copilot ما از یادگیری ماشینی برای تشخیص ناهنجاری‌ها، پیش‌بینی الگوهای مصرف هزینه، و ارائه بینش‌های هم‌زمان استفاده می‌کند، در حالی که همه این عملکردها را از طریق تعاملات زبان طبیعی در دسترس قرار می‌دهد.
ما همچنین تشخیص ناهنجاری پیشرفته و توصیه‌های خودکار را ادغام کرده‌ایم که به شرکت‌ها کمک می‌کند از خطاهای پرهزینه جلوگیری کنند، زیرساخت داده‌ها را بهینه کنند و کارایی عملیاتی را بهبود بخشند. علاوه بر این، راه‌حل‌های هوش مصنوعی ما مدیریت خط‌مشی را ساده می‌کند و به‌طور خودکار توصیف‌های قابل خواندن توسط انسان برای دارایی‌های داده و خط‌مشی‌ها ایجاد می‌کند و شکاف بین ذینفعان فنی و تجاری را پر می‌کند. این نوآوری ها سازمان ها را قادر می سازد تا با به حداقل رساندن خطرات و هزینه ها، پتانسیل کامل داده های خود را باز کنند.
را خرید Bewgle قابلیت های پیشرفته هوش مصنوعی را به پلتفرم Acceldata اضافه کرده است. اکنون که یک سال از خرید می گذرد، فناوری Bewgle چگونه در راه حل های Acceldata گنجانده شده است، و این ادغام چه تأثیری بر توسعه ویژگی های مشاهده داده های مبتنی بر هوش مصنوعی شما داشته است؟
در طول سال گذشته، ما فناوری‌های هوش مصنوعی Bewgle را به طور کامل در پلتفرم Acceldata ادغام کرده‌ایم و نتایج متحول کننده بوده است. تجربه Bewgle با مدل‌های پایه و رابط‌های زبان طبیعی، نقشه راه هوش مصنوعی ما را تسریع کرده است. این قابلیت‌ها اکنون در AI Copilot ما تعبیه شده‌اند و تجربه کاربری نسل بعدی را ارائه می‌کنند که به کاربران اجازه می‌دهد تا از طریق دستورات متن ساده با گردش‌های کاری مشاهده‌پذیری داده‌ها تعامل داشته باشند.
این ادغام همچنین مدل‌های یادگیری ماشینی ما را بهبود بخشیده است، تشخیص ناهنجاری، پیش‌بینی خودکار هزینه و بینش‌های فعال را بهبود می‌بخشد. ما توانسته‌ایم کنترل دقیق‌تری بر عملیات‌های مبتنی بر هوش مصنوعی ارائه دهیم که به مشتریانمان قدرت می‌دهد تا از قابلیت اطمینان و عملکرد داده‌ها در اکوسیستم‌هایشان اطمینان حاصل کنند. موفقیت این ادغام موقعیت Acceldata را به عنوان پلتفرم پیشرو قابل مشاهده مبتنی بر هوش مصنوعی تقویت کرده است و ارزش بیشتری را برای مشتریان سازمانی ما فراهم می کند.
به عنوان فردی که عمیقاً در صنعت مدیریت داده درگیر است، چه روندهایی را در بازار هوش مصنوعی و مشاهده پذیری داده در سال های آینده پیش بینی می کنید؟
در سال‌های آینده، من انتظار دارم چند روند کلیدی بازار هوش مصنوعی و مشاهده‌پذیری داده را شکل دهند. از آنجایی که شرکت‌ها به دنبال تصمیم‌گیری سریع‌تر و آگاهانه‌تر هستند، مشاهده‌ی بی‌درنگ داده‌ها حیاتی‌تر می‌شود. هوش مصنوعی و یادگیری ماشین به پیشرفت‌ها در تجزیه و تحلیل پیش‌بینی‌کننده و تشخیص خودکار ناهنجاری‌ها ادامه می‌دهند و به کسب‌وکارها کمک می‌کنند از مشکلات احتمالی جلوتر بمانند.
علاوه بر این، ما شاهد ادغام دقیق‌تر قابلیت مشاهده با حاکمیت داده و چارچوب‌های امنیتی خواهیم بود، به‌ویژه زمانی که الزامات نظارتی سخت‌تر می‌شوند. خدمات مشاهده‌پذیری مدیریت‌شده احتمالاً با پیچیده‌تر شدن محیط‌های داده افزایش خواهند یافت و به شرکت‌ها تخصص و ابزارهای مورد نیاز برای حفظ عملکرد و انطباق بهینه را می‌دهند. این روندها نقش مشاهده‌پذیری داده‌ها را در حصول اطمینان از اینکه سازمان‌ها می‌توانند ابتکارات هوش مصنوعی خود را در عین حفظ استانداردهای بالا برای کیفیت و مدیریت داده‌ها، مقیاس‌بندی کنند، افزایش می‌دهد.
با نگاهی به آینده، نقش مشاهده پذیری داده ها را در پشتیبانی از استقرار هوش مصنوعی و مدل های زبان بزرگ در مقیاس، به ویژه در صنایعی که کیفیت داده ها و الزامات حاکمیتی سختگیرانه دارند، چگونه تصور می کنید؟
مشاهده‌پذیری داده‌ها در به کارگیری هوش مصنوعی و مدل‌های زبان بزرگ در مقیاس، به‌ویژه در صنایعی مانند مالی، مراقبت‌های بهداشتی و دولتی که کیفیت و حاکمیت داده‌ها در اولویت هستند، بسیار مهم خواهد بود. از آنجایی که سازمان‌ها به طور فزاینده‌ای برای تصمیم‌گیری‌های تجاری به هوش مصنوعی متکی هستند، نیاز به داده‌های قابل اعتماد و با کیفیت بالا حتی حیاتی‌تر می‌شود.
مشاهده پذیری داده ها نظارت مستمر و اعتبارسنجی یکپارچگی داده ها را تضمین می کند و به جلوگیری از خطاها و سوگیری هایی که می تواند مدل های هوش مصنوعی را تضعیف کند، کمک می کند. علاوه بر این، مشاهده پذیری با ارائه نمایان شدن به اصل و نسب داده، استفاده و حاکمیت، و همسویی با الزامات نظارتی دقیق، نقش حیاتی در انطباق خواهد داشت. در نهایت، مشاهده‌پذیری داده‌ها، سازمان‌ها را قادر می‌سازد تا از پتانسیل کامل هوش مصنوعی استفاده کنند و اطمینان حاصل کنند که ابتکارات هوش مصنوعی آنها بر پایه داده‌های قابل اعتماد و با کیفیت بالا ساخته شده است.
با تشکر از شما برای مصاحبه عالی، خوانندگانی که مایل به کسب اطلاعات بیشتر هستند باید از آن بازدید کنند Acceldata.
