مقابلات
كريس ماهل، الرئيس والرئيس التنفيذي في برايون – سلسلة المقابلات
أضف Unite.AI إلى مصادرك المفضلة على Google
كريس ماهل هو الرئيس والرئيس التنفيذي في برايون. مع أكثر من عقدين من الخبرة في بعض أبرز الشركات البرمجية في العالم، يختص كريس في تطوير استراتيجيات التسويق والتشغيل للشركات التكنولوجية في جميع مراحل النمو.
برايون توفر طريقًا موثوقًا وآمنًا ومثبتًا لتنفيذ الذكاء الاصطناعي التوليدي في الشركات. يمكن ربط محركات الاستخلاص والاسترجاع من الدرجة الأولى في برايون مع الذكاء الاصطناعي التوليدي لتنفيذ توليد مدعوم بالاسترجاع وتقديم إجابات دقيقة وفورية ويمكن التحقق منها على مستوى المؤسسة.
تركز برايون على توليد مدعوم بالاسترجاع. هل يمكنك شرح كيفية اختلاف نهجك في الاسترجاع عن أنظمة البحث والتدبير المعرفي القائمة على الذكاء الاصطناعي الأخرى؟
يتميز نهج برايون في الاسترجاع لأنه يمكنه الوصول إلى المحتوى في الوقت الفعلي من مصادر متنوعة مثل المستندات والصور والصفحات الإلكترونية والفيديوهات مع الحفاظ على خصوصية البيانات دون الاعتماد على أي طرف ثالث. لقد جمعنا بين البحث الدلالي والتعيين الدقيق للبيانات لتحقيق دقة استرجاع تزيد عن 90٪. على عكس العديد من الأنظمة، نظامنا يوسع نطاقه بشكل فعال للشركات الكبيرة، مما يسمح للفرق باتخاذ قرارات سريعة ودقيقة بناءً على قاعدة المعرفة الحالية.
تم تصميم محرك الاستخلاص في برايون لتنظيم كميات هائلة من المحتوى المتعدد. ما يجعل عملية الاستخلاص فريدة، وكيف تعزز دقة الاسترجاع؟
يمكن لمحرك الاستخلاص في برايون التعامل مع المحتوى المتعدد – 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 الاستخلاص في برايون المعلومات المبعثرة إلى معرفة مهيكلة ويمكن التفاعل معها. يتم تصميم العملية من أجل الأمان والخصوصية، مع الحفاظ على بيانات الشركات الحساسة محمية أثناء جعلها مفيدة على الفور.
يتعهد محرك الاسترجاع بتقديم إجابات فورية ودقيقة ويمكن التحقق منها. كيف يضمن برايون الدقة وتقليل الخيال عند استخراج المعلومات؟
يضمن برايون الدقة وتقليل الخيال من خلال آليات متعددة. تجمع تقنيتنا بين البحث الدلالي والتعيين الدقيق للبيانات، مما يعني أن الإجابات يمكن تتبعها إلى مصادرها المحددة. هذا التعيين ضروري للتحقق. النظام يصل إلى المحتوى في الوقت الفعلي من المصادر الأصلية بدلاً من الاعتماد على قواعد المعرفة القديمة أو غير الكاملة. هذا الاتصال المباشر بالمصادر، مع دقة الاسترجاع العالية (تزيد عن 90٪)، يقلل بشكل كبير من خطر الخيال الذي يعاني منه العديد من أنظمة الذكاء الاصطناعي التوليدي.
كيف تتعامل برايون مع التحديثات في الوقت الفعلي للمعلومات، خاصة في البيئات الديناميكية مثل الحكومة والطاقة والرعاية الصحية؟
تضمن برايون الوصول في الوقت الفعلي إلى أحدث المعلومات من خلال تزامن المحتوى المرن وعلى الطلب. يمكن للمستخدمين تشغيل تزامن المحتوى عند الحاجة من خلال بوابة الإدارة أو تلقائيًا باستخدام واجهة برمجة التطبيقات للتنزامن على أساس منتظم – سواء أسبوعيًا أو يوميًا أو حتى ساعيًا، حسب الاحتياجات التشغيلية. عملية فحص التغييرات تحسن الكفاءة من خلال تحديث المحتوى المعدل فقط، مما يضمن استرجاع المعرفة السريع والدقيق والكفء في المواقف الحساسة مثل الحكومة والطاقة والرعاية الصحية.
تعمل برايون مع الوكالات الحكومية والدفاعية. بينما تكون التفاصيل غالبًا سرية، هل يمكنك مناقشة حالة استخدام حيث تحسنت تقنية الذكاء الاصطناعي بشكل كبير في اتخاذ القرارات أو كفاءة التشغيل؟
تعمل برايون مع مجموعة من الوكالات الدفاعية والاستخباراتية، بما في ذلك مختبر أبحاث القوات الجوية (AFRL) ومكتب الرقمية والذكاء الاصطناعي (CDAO)، لمساعدة العمليات على التحسين وتحقيق اتخاذ قرارات أسرع وأكثر إطلاعا.
مثال قوي هو تعاوننا مع مكتب التحول الرقمي في وزارة القوات الجوية الأمريكية (DAF DTO). يدعم هذا الفريق أفراد الاستحواذ والصيانة الذين يحتاجون غالبًا إلى العثور على معلومات حرجة مدفونة عبر مئات الآلاف من الصفحات الإلكترونية والوثائق. معًا، أطلقنا DTO Wingman، مساعدًا مدعومًا بالذكاء الاصطناعي يقدم إجابات دقيقة وفي الوقت الفعلي للأسئلة المعقدة – مع إسناد المصدر.
بدلاً من البحث اليدوي عن وثائق السياسات أو اللوائح، يمكن للمستخدمين ببساطة طرح أسئلة مثل “ما الذي مخول لي شراؤه باستخدام بطاقتي السفرية؟” أو “ما هو قانون البناء الرقمي وكيف يرتبط بالاستحواذ؟” يعود الذكاء الاصطناعي بالردود الدقيقة ويساعد حتى في توليد التقارير ومواد العرض بسرعة.
من خلال تقديم إجابات موثوقة على الفور للموظفين في القوات الجوية وفرقة الفضاء، يساعد DTO Wingman الفرق على العمل بكفاءة أكبر وتقديم توجيهات موثوقة وذات صلة زمنية للمسؤولين الكبار ومتخذي القرارات.
في مجال العلوم الحية، تذكر عملك في البحث المدعوم بالذكاء الاصطناعي. كيف يساعد نظام برايون الباحثين في التنقل في قواعد بيانات واسعة مثل PubMed أو مستودعات البحث الخاصة؟
يساعد نظام برايون الباحثين في التنقل في قواعد بيانات واسعة مثل PubMed أو مستودعات البحث الخاصة من خلال قدرات رئيسية.
جودة البحث المحسنة:
- تقليل الأخطاء البشرية: الاسترجاع المنهجي للبيانات الحديثة يضمن قلة الإغفال للمقالات أو الأدلة.
- مدعوم بالدليل: كل إجابة مدعومة بالأدب الأصلي، مما يؤدي إلى استنتاجات مدعومة بالبيانات، مع إسنادها إلى الجملة التي جاءت منها.
حماية المحتوى الحساس للغاية:
- السرية: الحفاظ على سيطرة الوصول厳格ة وتشفير البيانات، أمر ضروري لمجموعات البيانات الخاصة أو المرتبطة بالمرضى.
- الامتثال: مع بيانات خاضعة للتنظيمات مثل HIPAA أو GDPR، يمكن للباحثين الثقة في حماية المعلومات الحساسة.
لدعم العملاء والمبيعات، كيف يقارن نظام برايون بالحلول التقليدية ل聊بوت وCRM من حيث زيادة الكفاءة وتقليل عبء الدعم؟
تحتاج تفاعلات خدمة العملاء والمبيعات عادة إلى موازنة الدقة ومرونة حلول چاتبوت وCRM. منذ أن يعتبر تقديم إجابة خاطئة للعميل أمرًا غير مقبول ويمكن أن يكون له عواقب قانونية، يختار العديد من مزودي چاتبوت وحلول الذكاء الاصطناعي التقليدية تقييد مرونة الحل بتفاعلات من نوع “الأسئلة الشائعة فقط”.
هذا يسبب ألمًا للموردين، مما يتطلب برمجة يدوية للإجابات المحددة للأسئلة الشائعة، ويوفر تجربة سيئة للعميل، الذي لديه واجهة چاتبوت – ولكن تجربة غير مرنة تختلف قليلًا عن قراءة الأسئلة الشائعة. يختار بعض الموردين محاولة استخدام تجربة توليدية أكثر مرونة مع حدود أقل على الذكاء الاصطناعي، ومع ذلك، بسبب عدم وجود استرجاع دقيق، يتضمن ذلك وضع كتالوجات المنتجات أو الصفحات الإلكترونية بالكامل في نافذة السياق للذكاء الاصطناعي، مما يقلل من دقة الإخراج، ويمكن أن يكون له عواقب وخيمة.
فن وعلوم توليد مدعوم بالاسترجاع هو حول تحسين الإشارة (الحقيقة) وتقليل الضوضاء (السياق غير المرتبط الذي ي混ون الذكاء الاصطناعي غالبًا). دقة استرجاع برايون – القادرة على استخلاص إجابة محددة على مستوى الجملة عبر جميع الوثائق – 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 توليد مدعوم بالاسترجاع؟
في حين أن هذا شيء نجدونه في تفاعلاتنا مع السوق، يُ認 أيضًا على نطاق متزايد أن “بيانات جاهزة للذكاء الاصطناعي” (أو نقصها) هي أكبر نقطة فشل لتنفيذ الذكاء الاصطناعي.
- 91٪ من الكبار التنفيذيين في استطلاع لمجلة هارفارد للأعمال قالوا إن أساسًا موثوقًا بالبيانات ضروري لتنفيذ الذكاء الاصطناعي الناجح.
- وجدت مكنزي أن 70٪ من مبادرات الذكاء الاصطناعي التوليدي تواجه تحديات تتعلق بالبيانات، مع وجود فقط 1٪ من البيانات المهمة للشركة في نماذج اليوم.
- أشارت صحيفة وول ستريت جورنال إلى الموثوقية باعتبارها القلق الأول لاعتماد وكلاء الذكاء الاصطناعي – وهو vấnة ترتبط ارتباطًا وثيقًا بجودة البيانات وإمكانية الوصول إليها.
- حددت جارتنر عدم وجود بيانات جاهزة للذكاء الاصطناعي التوليدي كأعلى سبب لفشل التنفيذ.
بيانات جاهزة للذكاء الاصطناعي تتجاوز مجرد تحويل مستندات الكلمات إلى نماذج متجهية – إنها حول توحيد مصادرك المبعثرة، والعمل مع تنسيقات معقدة مثل المدخلات المتعددة، وتنظيف البيانات، وتحسينها، ووضعها في تنسيق يمكن للذكاء الاصطناعي التعامل معه، وتجزئتها على مستوى الحبيبة المناسبة للحفاظ على الدقة المثلى وتقليل التكاليف، وفهرسةها بذكاء، وربطها بنظام استرجاع عالي الأداء، إلخ.
هذه تحديات كبيرة تتطلب كفاءات وأدوات مخصصة – في استطلاع أجرته برايون على مطورين نظام توليد مدعوم بالاسترجاع الذين يطورون حلولًا داخل الشركات الكبيرة، جاءت تحضير البيانات في المرتبة الأولى كأغلى وأكثر استهلاكًا للوقت وتقنيًا في جزء بناء النظام.
كيف تتميز مجموعة برايون لتوليد مدعوم بالاسترجاع عن الحلول التي تقدمها الشركات الكبيرة مثل مايكروسوفت وغوغل وOpenAI؟
التفريق المحدد يختلف من لاعب إلى آخر، ولكن على مستوى عال، يركز اللاعبون الكبار على كونهم “واجهة” للذكاء الاصطناعي في العمل. تركز برايون على مستوى أكثر أساسية في العمود – طبقة المعرفة. تحل برايون مشاكل تحضير البيانات والاسترجاع العميقة، بينما يركز اللاعبون الكبار على تقديم حلول الذكاء الاصطناعي الشاملة التي يمكنها خدمة بعض حالات استخدام توليد مدعوم بالاسترجاع البسيطة، ولكنها غالبًا ما تتفكك عندما تتعامل مع تعقيدات الحالات الفعلية في الشركات والحكومات. يمكن أن تكون برايون مكمّلة لهذه الأنظمة، مع المحتوى الذي يُنشئه Copilot أو Gemini أو GPT يُدخل إلى طبقة المعرفة في برايون لجعلها جاهزة للاستخدام من قبل التطبيقات والوكلاء لاحقًا.
مع تطور اللوائح المتعلقة بالذكاء الاصطناعي، مثل قانون الذكاء الاصطناعي في الاتحاد الأوروبي وارشادات الذكاء الاصطناعي في الولايات المتحدة، كيف تتعامل برايون مع الامتثال واستخدام الذكاء الاصطناعي بشكل أخلاقي؟
(GOOGL )مع تطور اللوائح المتعلقة بالذكاء الاصطناعي على الصعيد العالمي، تظل برايون ملتزمة بالامتثال وتنفيذ الذكاء الاصطناعي بشكل أخلاقي. يتوافق نهجنا مع الإطارات مثل قانون الذكاء الاصطناعي في الاتحاد الأوروبي وارشادات الذكاء الاصطناعي في الولايات المتحدة ومبادئ الذكاء الاصطناعي المسؤول في وزارة الدفاع، مما يضمن أن حلول الذكاء الاصطناعي لدينا موثوقة وشفافة ويمكن التحكم فيها. من خلال الالتزام بإطار SHIELD للذكاء الاصطناعي المسؤول، ندمج التقييم الصارم والتعقب والرصد المستمر على مدار دورة حياة الذكاء الاصطناعي – مع الأولوية للسلامة والعدالة والأداء. من خلال دمج هذه أفضل الممارسات في منهجية التنفيذ لدينا، تمكن برايون المنظمات من استغلال الذكاء الاصطناعي بشكل مسؤول مع الامتثال لأعلى المعايير التنظيمية والأخلاقية.
شكرًا على المقابلة الرائعة، القراء الذين يرغبون في معرفة المزيد يمكنهم زيارة برايون.
