كريس ماهل، الرئيس والرئيس التنفيذي في برايون – سلسلة المقابلات

كريس ماهل هو الرئيس والرئيس التنفيذي في برايون. مع أكثر من عقدين من الخبرة في بعض أكثر الشركات البرمجية للشركات شهرة في العالم، يختص كريس في وضع استراتيجيات التسويق والتشغيل لتكنولوجيا الشركات في جميع مراحل النمو.

برايون توفر طريقًا موثوقًا وآمنًا ومثبتًا لتنفيذ الذكاء الاصطناعي التوليدي في الشركات. يمكن إقران محركات الاسترجاع والاستخلاص التابعة لبرايون بأفضل محركات اللغة التوليدية لتنفيذ توليد معزز بالاسترجاع وتقديم إجابات دقيقة وفورية ويمكن التحقق منها على مستوى الشركات.

استخدم برايون تقنية استرجاع رائدة في الصناعة، يمكن لمجموعة برايون RAG استخراج إجابات من جميع أشكال المحتوى، بما في ذلك الصوت والصور والنص والفيديو، المخزنة في مجموعة من المصادر. منتجات برايون سهلة الاستخدام ويمكن الوصول إليها عبر واجهة برمجة التطبيقات من أي نظام، ويمكن نشرها في غضون أسابيع في السحابة أو على الموقع.

يركز برايون على توليد معزز بالاسترجاع (RAG). هل يمكنك شرح كيفية اختلاف نهجك في الاسترجاع عن أنظمة البحث والإدارة المعرفية القائمة على الذكاء الاصطناعي الأخرى؟

يتميز نهج برايون في الاسترجاع لأنه يمكن لمحرك الاسترجاع الوصول إلى المحتوى في الوقت الفعلي من مصادر متنوعة مثل ملفات PDF والصور وصفحات الويب والفيديوهات مع الحفاظ على خصوصية البيانات دون الاعتماد على الخارج. لقد قمنا بدمج البحث الدلالي مع الإسناد البياني لتحقيق دقة استرجاع تزيد عن 90%. على عكس العديد من الأنظمة، فإن نظامنا يوسع نطاقه بشكل فعال للشركات الكبيرة، مما يسمح للفرق باتخاذ قرارات سريعة ودقيقة بناءً على قاعدة المعرفة الحالية.

تم تصميم محرك الاسترجاع لبرايون لتحويل كميات كبيرة من المحتوى المتعددة الوسائط. ما الذي يجعل عملية الاسترجاع فريدة، وكيف تعزز دقة الاسترجاع؟

يمكن لمحرك الاسترجاع لبرايون التعامل مع المحتوى المتعدد الوسائط – استخراج الإجابات من الصوت والصور والنص والفيديو عبر مصادر مختلفة. هذا يعالج المشكلة الأساسية للبيانات غير المتصلة في الشركات. مع نمو البيانات غير المهيكلة بنسبة تزيد عن 50% سنويًا، يتحول محرك الاسترجاع إلى معرفة مهيكلة ويمكن تنفيذها. يتم تصميم العملية لأغراض الأمان والخصوصية، مع الحفاظ على بيانات الشركات الحساسة محمية وجعلها مفيدة على الفور.

يعد محرك الاسترجاع لبرايون وعدًا بالإجابات الفورية والدقيقة واليمكن التحقق منها. كيف يضمن برايون الدقة وتقليل الوهم عند استخراج المعلومات؟

يضمن برايون الدقة وتقليل الوهم من خلال آليات متعددة. تجمع تقنيتنا بين البحث الدلالي والإسناد البياني، مما يعني أن الإجابات يمكن تتبعها إلى مصادرها المحددة. هذا الإسناد هو أمر بالغ الأهمية للتحقق. يصل النظام إلى المحتوى في الوقت الفعلي من المصادر الأصلية بدلاً من الاعتماد على قواعد معرفة قد تكون قديمة أو غير كاملة. هذا الاتصال المباشر بالمواد الأصلية، مع دقة استرجاع عالية (تزيد عن 90%)، يقلل بشكل كبير من خطر الوهم الذي يعاني منه العديد من أنظمة الذكاء الاصطناعي التوليدية.

كيف يتعامل برايون مع التحديثات الفورية للمعلومات، خاصة في البيئات الديناميكية مثل الحكومة والطاقة والرعاية الصحية؟

يضمن برايون الوصول الفوري إلى أحدث المعلومات من خلال تزامن المحتوى المرن وعلى الطلب. يمكن للمستخدمين تشغيل تزامن المحتوى حسب الحاجة من خلال بوابة الإدارة أو تلقائيًا باستخدام واجهة برمجة التطبيقات Sync-API على أساس جدول زمني – سواء أسبوعيًا أو يوميًا أو حتى ساعيًا، حسب الاحتياجات التشغيلية. يحدد عملية الفحص الدلتا الكفاءة من خلال تحديث المحتوى المتغير فقط، مما يضمن استرجاع المعرفة السريع والدقيق والكفؤ في الإعدادات الحساسة مثل الحكومة والطاقة والرعاية الصحية.

يعمل برايون مع الوكالات الحكومية والدفاعية. بينما يتم تصنيف التفاصيل غالبًا، هل يمكنك مناقشة حالة استخدام حيث تحسنت تقنية الذكاء الاصطناعي بشكل كبير في اتخاذ القرارات أو الكفاءة التشغيلية؟

يعمل برايون مع مجموعة من الوكالات الدفاعية والاستخباراتية، بما في ذلك مختبر أبحاث القوات الجوية (AFRL) ومكتب الرقمية والذكاء الاصطناعي (CDAO)، للمساعدة في简ification العمليات وتحقيق اتخاذ القرارات السريعة والمستنيرة.

مثال قوي هو تعاوننا مع مكتب التحول الرقمي التابع لوزارة القوات الجوية الأمريكية (DAF DTO). يدعم هذا الفريق أفراد شراء والصيانة الذين يحتاجون غالبًا إلى العثور على معلومات حاسمة مدفونة عبر مئات الآلاف من صفحات الويب والوثائق. معًا، أطلقنا DTO Wingman، وهو مساعد قائم على الذكاء الاصطناعي يقدم إجابات دقيقة وفورية للأسئلة المعقدة – مع الإسناد إلى المصدر.

بدلاً من البحث اليدوي عن وثائق السياسات أو اللوائح، يمكن للمستخدمين ببساطة طرح أسئلة مثل “ما الذي مخول لي شراءه باستخدام بطاقتي السفرية؟” أو “ما هو قانون البناء الرقمي وكيف يتعلق بشراء؟” يعود الذكاء الاصطناعي بالاستجابات الدقيقة ويحصل على تقارير ومواد العرض بسرعة.

من خلال منح أفراد القوات الجوية والفضاء الوصول الفوري إلى إجابات موثوقة، يساعد DTO Wingman الفرق على العمل بفعالية أكبر وتقديم إرشادات موثوقة وذات صلة لأفراد القيادة وأصحاب القرار.

تذكر أعمالك في العلوم الحياتية البحث المعزز بالذكاء الاصطناعي. كيف يساعد نظام برايون الباحثين في التنقل في مجموعات بيانات ضخمة مثل PubMed أو مستودعات البحث الخاصة؟

يساعد نظام برايون الباحثين في التنقل في مجموعات بيانات ضخمة مثل PubMed أو مستودعات البحث الخاصة من خلال القدرات الرئيسية التالية.

جودة البحث المحسنة:

• تقليل الأخطاء البشرية: الاسترجاع المنهجي للبيانات الحالية يضمن عدم تفويت مقالات أو أدلة مهملة.
• مدعوم بالدليل: كل إجابة مدعومة بالأدب الأصلي، مما يؤدي إلى استنتاجات مدفوعة بالبيانات، مدعومة بالجملة التي جاءت منها.

حماية المحتوى الحسас:

• السرية: الحفاظ على سيطرة وصول صارمة وتشفير البيانات، أمر ضروري لمجموعات البيانات المملوكة أو المرتبطة بالمرضى.
• الامتثال: مع بيانات خاضعة للتنظيم بموجب لوائح مثل HIPAA أو GDPR، يمكن للباحثين الثقة في حماية المعلومات الحساسة.

لدعم العملاء والمبيعات، كيف يقارن نظام برايون بالحلول التقليدية لчат بوت وCRM فيما يتعلق بزيادة الكفاءة وتقليل عبء الدعم؟

تفاعلات خدمة العملاء والمبيعات عادة ما يجب أن توازن بين الدقة والمرونة لحلول چات بوت وCRM. منذ أن يُعتبر تقديم إجابة خاطئة للعميل غير مقبول ويمكن أن يكون له آثار قانونية، يختار العديد من مزودي چات بوت والحلول التقليدية للذكاء الاصطناعي أن يقيدوا مرونة الحل بتفاعلات من نوع “الأسئلة الشائعة فقط”.

هذا يسبب ألمًا للمزود، مما يتطلب كتابة إجابات محددة لأسئلة شائعة، ويقدم تجربة سيئة للعميل، الذي لديه واجهة چات بوت – ولكن تجربة غير مرنة تمامًا لا تختلف عن قراءة الأسئلة الشائعة. يختار بعض المزودين محاولة استخدام تجربة أكثر مرونة مع حدود أقل على LLM، ومع ذلك، بسبب عدم وجود استرجاع دقيق، يتضمن ذلك وضع كتالوجات المنتجات أو صفحات الويب بالكامل في نافذة السياق LLM، مما يقلل من دقة الإخراج، وربما بشكل مدمر.

فن وعلوم RAG هي حول تحقيق أقصى استفادة من الإشارة (الحقيقة) وتقليل الضوضاء (السياق غير المرتبط الذي غالبًا ما ي混 ال LLM). دقة استرجاع برايون – قادرة على توفير إجابة على مستوى الجملة عبر جميع وثائقك – تعني أن خدمة العملاء والمبيعات لم يعد عليها أن تتنازل عن الدقة من أجل المرونة.

ما هي أكبر التحديات في تبني الذكاء الاصطناعي في الشركات اليوم، خاصة بالنسبة لأنظمة RAG؟

في حين أن هذا شيء نجد فيه في تفاعلاتنا مع السوق، أصبح من المعترف به على نطاق واسع أن “بيانات الذكاء الاصطناعي الجاهزة” (أو نقصها) هي أكبر نقطة فشل لتنفيذ الذكاء الاصطناعي.

• قال 91% من الكبار في استطلاع هارفارد بيزنس ريفيو إن الأساس البيانات الموثوق هو أمر ضروري لتنفيذ الذكاء الاصطناعي الناجح.
• وجدت مكنزي أن 70% من مبادرات GenAI تواجه تحديات تتعلق بالبيانات، مع تمثيل فقط 1% من بيانات الشركة المهمة في نماذج اليوم.
• أشار الجورنال إلى أن الموثوقية هي القلق رقم 1 لاعتماد وكلاء الذكاء الاصطناعي – وهو vấnة مرتبط chặtًا بجودة البيانات والوصول إليها.
• حددت جارتنر عدم وجود بيانات جاهزة لتنفيذ GenAI كأهم سبب لفشل التنفيذ.

تتجاوز بيانات الذكاء الاصطناعي الجاهزة مجرد تحويل وثائق الكلمات إلى متجهات – إنها حول توحيد مصادرك المنفصلة، والعمل مع تنسيقات معقدة مثل الإدخالات المتعددة الوسائط، وتنظيف البيانات، وتحسينها، ووضعها في تنسيق يمكن لل LLMs العمل به، وتجزئتها على مستوى الحبيبة المناسب للحفاظ على الدقة المثلى وتقليل التكاليف، وفهرسةها بذكاء، وربطها بنظام استرجاع عالي الأداء، إلخ.

هذه تحديات كبيرة تتطلب كفاءات وأدوات مخصصة – في استطلاع لمنشئي RAG يطورون حلولًا داخل الشركات الكبيرة التي أجرتها برايون، صنف تحضير البيانات كأعلى تكلفة وأكثرها استهلاكًا للوقت وتقنيًا في بناء RAG، تليها استرجاع المعلومات.

كيف تتميز مجموعة برايون RAG عن الحلول التي تقدمها شركات مثل مايكروسوفت وغوغل وOpenAI؟

تختلف التمييز الدقيق من لاعب إلى آخر، ولكن على مستوى عال، فإن اللاعبين الكبار يركزون على كونهم “واجهة” للذكاء الاصطناعي في العمل. يركز برايون على مستوى أكثر أساسية من المكدس – طبقة المعرفة. يعالج برايون مشاكل تحضير البيانات والاسترجاع العميقة، بينما يركز اللاعبون الكبار على تقديم حلول الذكاء الاصطناعي الشاملة التي يمكنها خدمة بعض حالات استخدام RAG البسيطة، ولكنها غالبًا ما تفشل عند تعقيدات حالات الاستخدام الفعلية للشركات والحكومة. يمكن لبرايون أيضًا أن يكون مكملاً لهذه الأنظمة، مع المحتوى الذي تم إنشاؤه بواسطة Copilot أو Gemini أو GPT يُدخل إلى طبقة المعرفة لبرايون لتنظيمه وجعله جاهزًا للاستخدام بواسطة التطبيقات والوكلاء التنازلية.

مع تطور لوائح الذكاء الاصطناعي، مثل قانون الذكاء الاصطناعي الأوروبي وارشادات الذكاء الاصطناعي الأمريكية، كيف يتعامل برايون مع الامتثال والاستخدام الأخلاقي للذكاء الاصطناعي؟

مع تطور لوائح الذكاء الاصطناعي على الصعيد العالمي، يبقى برايون ملتزمًا بالامتثال والاستخدام الأخلاقي للذكاء الاصطناعي. يتوافق نهجنا مع الإطارات مثل قانون الذكاء الاصطناعي الأوروبي وارشادات الذكاء الاصطناعي الأمريكية ومبادئ الذكاء الاصطناعي المسؤول (RAI) التابعة لوزارة الدفاع، مما يضمن أن حلول الذكاء الاصطناعي الخاصة بنا موثوقة وشفافة ويمكن حكمها. من خلال دمج أفضل الممارسات في منهجية التنفيذ، يسمح برايون للمنظمات باستخدام الذكاء الاصطناعي بمسؤولية مع تحقيق أعلى معايير التنظيم والاخلاق.

شكرًا على المقابلة الرائعة، القراء الذين يرغبون في التعلم أكثر يجب زيارة برايون.