人工知能は、物流を自動化し、膨大なデータセットをスキャンして隠れた洞察を得、ユーザーにリアルタイムで応答するパワーツールを提供し、業界の数を根本的に変えることができます。 しかし、これらのシステムが規模で信頼できるように機能するには、訓練されたモデル以上のものが必要です. 彼らは、迅速なデータフローをサポートし、複数のサーバー間のサービスを調整し、需要が成長するにつれて規模を拡大する安定したバックエンドインフラストラクチャを必要とします。 そのような信頼性は、モデルの背後にあるシステムを理解し、それらを生産準備する方法を知っているエンジニアに依存します。 マイクロソフトやメタなどの企業で経験を積み、システムに焦点を当てたソフトウェアエンジニアAbhigyan Khaundは、リアルタイムで異常を明らかにする詐欺検出システム、遅延削減ツール、および防衛チームのためのセキュアなデジタルフレームワークに貢献しました。 Abhigyan Khaundの初期の生活、キャリア、そして世界中の何百万人もの人々にサービスを提供するテクノロジーの背後にあるバックエンドインフラストラクチャの構築における貴重な貢献について詳しくご覧ください。 マイクロソフトでのスタート:エンタープライズコミュニケーションにおける遅延に対処 インドのテクノロジー研究所Mandiからコンピュータサイエンスの学士号を取得した後、Abhigyanはマイクロソフトのソフトウェアエンジニアとしてバックエンドシステムの現実体験を築き始め、Microsoft Teamsのシェアレッドチャンネル機能のデジタルバックボーンで、異なる組織のユーザーが同じワークスペースで協力できるようになりました。 採用が増加するにつれて、オンボードの遅延はより頻繁になり、新しいユーザーはアクセスを得る前に数分待たなければならなくなった - 企業レベルでは受け入れられないことです。 ユーザが追加されるたびに、システムはゼロからの許可を再評価し、過剰なチェックと複数のネットワーク呼び出しを引き起こしました。 Abhigyanは、アクセスポリシーのインテリジェントなキャッシュを導入し、不要な複製評価を減らし、バックエンドサービス間のコミュニケーションを簡素化することによって、この流れを再設計しました。 これらの変更は、使用量が増加するにつれて機能が効果的にスケールできるようになったため、オンボード時間の10倍の改善をもたらしました。 「その経験は、システムの設計に深い評価を与え、複雑な、高い投資環境を静かにパワーアップするようなインフラストラクチャに取り組みたいと思わせた」と彼は思い出します。 メタに切り替え、AIの制約に走る マイクロソフトでの彼の時間にインスピレーションを得て、アビヒヤンはジョージア・テックの修士号でコンピュータサイエンスに焦点を当てた。彼の研究の間、彼はMetaに機械学習エンジニアのインターンとして加わり、詐欺の検出を改善するための企業規模のイニシアチブに貢献しました。 強化学習の批評家は、大規模な詐欺検出システムにおける偽ポジティブとアルゴリズム偏見のリスクがあると述べているが、アビヒヤン氏と彼のチームはポジティブな結果を見た。 モデルはテストでうまく行ったが、生産システムはパイプラインが失敗のサポートがなく、溶け切ったマイクロサービスに構築されていたため、小さな遅れさえも全流れを妨げる可能性がある。 これは、アビヒヤンが脆弱なシステムに取り組むのは初めてではありませんでした。 この場合、課題は、メタデータ、埋め込み、希少なユーザー履歴などの異なるソースからのシグナルを1つのパイプラインに統合し、まだ最初から関連する結果を返すことができた。 アイスブレーカー Metaのツールと取り組みは異なりましたが、課題は同じでした:不完全なデータと圧力の下で一貫したリアルタイムの意思決定ができるAIシステムを構築します。 チームはモデルを改善することに成功したが、このプロジェクトは、アプリケーションインフラストラクチャの開発に Abhigyan のコミットメントを強化した:「私は、エレガントなシステムが最も優れたアーキテクチャを持っているわけではないことを学びました。 Unified Operating Picture Frameworkの作成 Abhigyanは現在、データプラットフォームを構築するために知られているPalantir Technologiesのソフトウェアエンジニアとして働いています。 彼の主な責任は、会社の支部、パートナー組織、および非接続環境に分散したチームに共有されたリアルタイムの状況意識を与える統合された作業イメージフレームワークを維持することです。 Abhigyan は、より多くのチームがそれを採用するにつれてフレームワークを信頼できるようにすることに焦点を当て、データパイプラインが速く、一貫性があり、安全であることを保証します。 AIを破壊するのを防ぐインフラを構築する Abhigyanは、大規模なクラウドプラットフォームから独立して動作できるAIシステムに注意を向けてきたが、これらの軽量でタスク特有のエージェントは、電話やタブレットなどの個人デバイスで直接動作し、接続が制限されている場合でも迅速に反応し、機能を継続できる。 モデルコンテキスト・プロトコル(MCP)は、AIエージェントが外部データソースに安全かつダイナミックに接続することを可能にするものである。 長期的には、AIエンジニアリングがハイブリッドの分野に発展するのを見ている:パーツモデルビルダー、パーツシステム思考者. 彼は、モデルがリアルタイムでどのようによりよく反応できるか(バッチで予測するだけでなく)、どのように彼らは予測できないユーザーの行動に耐え、システムへの信頼を損なうことなく失敗を孤立させる方法に特に興味を持っています。 「最終的な目標は、AIがクラウドの魔法のように感じるのではなく、信頼できる、有用でアクセス可能なもののように感じるようにすることだ」と彼は結論付けています。 詐欺検出、エンタープライズデータ SaaS、および職場ソフトウェアにおける彼の仕事を通じて、 キャリアは明確な原則を反映しています:AIはその背後にある技術的基盤と同じくらい有用です. それは、圧力の下に耐えられるシステム、データをスムーズに流れるパイプライン、そして必要な瞬間に応答する低遅延ツールを意味します。 アビヒヤン・ハウンド そして、このテクノロジーがより重要な操作に組み込まれるにつれて、彼の仕事は、よりスマートなモデルだけでなく、現実世界の条件で信頼できるように設計されたシステムの重要性を強調しています。

This story contains new, firsthand information uncovered by the writer.

このオーディオは、ストーリーの元の言語で制作されています。

長すぎる; 読むには

Make resilience your competitive advantage

AIアプリケーションの背後にあるシステムエンジニアリングに関するAbhigyan Khaund

About Author

コメント

ラベル

この記事は

Related Stories

ユーザー中心の暗号通貨製品の作成: 顧客からのフィードバックの重要性

目に見えない層: ユーザーインタビューがかけがえのない資産である理由

ワークフローを10倍に向上させる方法: 必須アプリ17選

クラウド移行を成功させるための完全ガイド: 戦略とベストプラクティス

ユーザー中心の暗号通貨製品の作成: 顧客からのフィードバックの重要性

目に見えない層: ユーザーインタビューがかけがえのない資産である理由

ワークフローを10倍に向上させる方法: 必須アプリ17選

クラウド移行を成功させるための完全ガイド: 戦略とベストプラクティス

Light-Mode

Classic

Newspaper

Dark-Mode

Neon Noir

Minty

HN StartUps