In business today, inefficiency isn’t a small issue—it’s the kind of slow leak that can quietly drain billions every year. It shows up in the strangest places: unused corners in retail layouts, hospital authorization queues that move at a crawl, and telecom schedules that never seem to run on time. These aren’t one-off problems. They’re signs of long-standing system design gaps that too many industries have just learned to live with. そこでRavi Teja Pagidojuは「十分に良い」と受け入れることを拒否します。彼は単にプロセスを調整したり、破損したシステムの上に別のレイヤーのソフトウェアを追加したりするだけでなく、システム自体がどのように考え、行動すべきかを再構築します。彼のプロフェッショナルな仕事で、彼は数千の小売場所で企業の運用を提供する大規模な規模で動作するシステムを設計し、構築しました。彼の仕事は、最適化理論、クラウドエンジニアリング、応用マシン学習をカットします。 科学と現実世界の役に立つ研究を組み合わせる研究 ラヴィの最も興味深い研究方向の1つは、制限された最適化問題に生成型AIを適用することです。これは口頭の悪いことですが、単純な言葉で言えば、それは、ルールや構造が重要な場所でAIの設計決定を行う方法を教えることを意味します、例えば、小売店の棚の上に何千もの製品やアレンジメントを組織する方法。 スプリンガーが受け入れた、散布ベースのプラングラム合成の研究で、ラヴィは既存のものを単に再編成するのではなく、棚のレイアウトを生成できるモデルを導入しました。 モデルの損失機能に直接小売特有の制限を組み込むことで、システムはテストで94%の制限コンプライアンスに達しました。 エンジニアリングの観点から見ると、デザイン全体はスリープで近代的です: AWS SageMaker での分散型トレーニング、ONNX Runtime と AWS Lambda を通じてエッジ推定、および約 10,000 件の同時リクエストでさえ 500 ミリ秒未満の遅延時計。 また、GCD ダイナミックプログラミングとハイブリッド LLM-GCD フレームワークの両方で、最適化技術の詳細な比較も実施した。GPT-3.5 Turbo と組み合わせたハイブリッドアプローチは、スマートな製品カテゴリ化のためのGPT-3.5 Turboと並行して、継続的に78～85%高速な結果を生み出し、90%以上の利用率とほぼ最適な利益精度を維持しました。 研究を現実のシステムに変える ラヴィのアイデアは紙に閉じ込められず、世界中の企業が使用する作業システムに変貌します。例えば、小売業では、彼の最適化エンジンは、どの製品をどこに置くか、どのくらいの量を在庫するか、どのように利益とアクセシビリティの両方を最大化するかを決定します。 He built these platforms using .NET Core microservices, deployed them on Kubernetes, and used ServiceMesh to orchestrate how services talk to each other under heavy load. He designed and built systems that operated at massive scale, serving enterprise operations across thousands of retail locations. 彼のアーキテクチャは、安全な認証とキャッシュメカニズムを備えた、よく設計された REST API を通じて、古いエンタープライズシステム - 倉庫管理プラットフォーム、POS データベース、企業データ倉庫 - に清潔に接続します。 実際に役立つ医療システム Ravi が医療に焦点を当てたとき、使命はより個人的に感じられた。認可の遅れは、患者が人生に影響を与える決定を待つことを意味しました。 彼は .NET と Azure Functions で構築されたリアルタイムの EDI (X12 278) トランザクション エンジンを設計し、数百万件のトランザクションをほぼゼロの手動で処理できます。 自動ルーティング、内蔵認証、およびリトリシステムにより、認可サイクルを 60% 削減しました。 開発者にとっては、チームが局所で統合をテストできるプロキシAPI環境を追加しました。その単純な追加は、統合の平均タイムラインを数週間から数日に短縮しました。 Telecom Operations Run on Time(テレコム・オペレーションをタイムで実行する) テレコムの運用は混乱している。フィールドクルー、地域の重複、最後のタイミングの再スケジュール — コントロールされなければ混乱です. Ravi のソリューションは、すべての動く部品を統合傘の下に統合する標準化されたワークフロー層でした. ルールベースの優先順位化、REST API、およびOAuth 2.0セキュリティを使用して、システムは、リアルタイムで従業員の割り当て決定を改善しながら、毎日の会議要請の数千を調和しました。 結果は自分自身のために語りかけた:欠席した会議の減少、スムーズなスケジュール、および地域のマネージャーが注意を払ったコストメトリクス。 アカデミーにおける実践的な心 大学時代でも、ラヴィはレッスンのためのデモを作成した学生ではなかった。彼は .NET Core と Vue.js を使用してライブ引用管理システムを開発し、自動フォーマット、リアルタイムの検証、および複数のフォーマットの輸出を完了しました。 哲学とより広い影響力 ラヴィと協力してきた人たちに聞いてみると、一貫したテーマが聞こえてきます。彼は、複雑な技術的な課題に焦点を当てることができ、システム全体を見るために焦点を当てることができるアーキテクチャとして描かれています。 「テクノロジーは急速に進むべきだが、信頼を破ることはない、効率的であってはならないが、ユーザーにとっては決して複雑でない、そして、規模で信頼性が維持できないなら、問題を解決していない」 彼が長年にわたり構築したフレームワークは、小売よりもはるかに影響力があり、サプライチェーンシステム、医療ネットワーク、そして金融および政府プロセスの自動化のための参照点となっています。 The Edge That Puts Him Apart Ravi Teja Pagidojuの違いは、数学やコードを書く能力だけではなく、アルゴリズムの深い精度と現実世界の制約に対する共感を組み合わせる方法です。 企業の非効率性が誰が市場に残るかを決定することができる時代、ラヴィの仕事は重要なことを証明しています:効率性は単にスピードではなく、知性、信頼性、そして人間の努力を尊重することです。

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

The is an opinion piece based on the author’s POV and does not necessarily reflect the views of HackerNoon.

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。

AI-Driven Architecture at Scale: The Ravi Teja Pagidoju Approach to Industrial Efficiency(AI駆動型アーキテクチャ:産業効率へのラヴィ・テジャ・パジドゥ・アプローチ)

About Author

コメント

ラベル

この記事は

Related Stories

HackerNoon Coded: HackerNoonが最も活発に活動している上位10カ国

Telegram: クリプト島と本土を結ぶ橋

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

フォーラムからフィードへ: ソーシャルメディアアルゴリズムがデジタルインタラクションを形作る仕組み

HackerNoon Coded: HackerNoonが最も活発に活動している上位10カ国

Telegram: クリプト島と本土を結ぶ橋

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

フォーラムからフィードへ: ソーシャルメディアアルゴリズムがデジタルインタラクションを形作る仕組み

Light-Mode

Classic

Newspaper

Minty

Dark-Mode

Neon Noir

Minty

HN StartUps