إدوين ليسوفسكي، المؤسس المشارك والرئيس التنفيذي للنمو في Addepto – سلسلة المقابلات

إدوين ليسوفسكي، المؤسس المشارك والرئيس التنفيذي للنمو في Addepto، يُشرف على نمو الشركة الاستراتيجي وتطوير الأعمال وتسويقها. وهو يجلب خبرة واسعة في هندسة البيانات واستراتيجية مدفوعة بالذكاء الاصطناعي واستشارات التحليلات، حيث يجمع بين الخبرة الفنية مع التركيز القوي على تعزيز تبني الذكاء الاصطناعي ومبادرات تحول الأعمال للعملاء العالميين.

Addepto هي شركة استشارات مقرها وارسو متخصصة في الذكاء الاصطناعي وتعلم الآلة و هندسة البيانات و حلول الذكاء التجاري للعملاء المؤسسين. تساعد الشركة المنظمات على تحويل البيانات الخام إلى رؤى قابلة للتنفيذ من خلال استراتيجية الذكاء الاصطناعي الشاملة وتطوير概念 الإثبات وتنفيذ النماذج الجاهزة للانتاج. تعمل عبر قطاعات مثل المالية واللوجستيات والتصنيع والتأمين، تؤكد Addepto على الحلول المخصصة والشراكات الطويلة الأجل لمساعدة العملاء على استغلال الذكاء الاصطناعي لتأثير تجاري قابل للقياس.

ما هو ما ألهمك لتأسيس Addepto في عام 2018، وما هو الفراغ في السوق الذي كنت تهدف إلى ملأه؟

في عام 2018، كنا نرى دائمًا الطرفين المتطرفين: البائعون الكبار يبيعون “حجم واحد يناسب الجميع” للذكاء الاصطناعي، ومن ناحية أخرى، فرق داخلية عالقة بعد بضع نماذج概念 لأنها لم تكن تمتلك قوة هندسة البيانات و MLOps. بنينا Addepto لتكون الفريق الذي يربط الاستراتيجية → أنابيب البيانات → النماذج → الإنتاج، خاصة لصناعات ثقيلة البيانات. هذا النهج الكامل لا يزال جزءًا من حمضنا النووي.

أي من مجالات خدمة Addepto – رؤية الكمبيوتر، NLP، تعلم الآلة، أو هندسة البيانات – شهد أسرع تبني مؤسسي، ولماذا؟

على مدار الأشهر 18-24 الماضية، انتقل NLP / GenAI بسرعة في المؤسسات (البحث، المساعدين، معالجة الوثائق) لأنها ترتبط مباشرة مع عائد الاستثمار في العمل المعرفي ويمكن أن تبدأ من نماذج أساسية. تظهر استطلاعات الصناعة خطوة واسعة في استخدام الذكاء الاصطناعي في عام 2024، مع استخدامات GenAI بقيادة التوسع عبر الوظائف.

كثير من الشركات تعاني في الانتقال من概念 الذكاء الاصطناعي إلى أنظمة الإنتاج. كيف تساعد Addepto في سد هذه الفجوة؟

نعتبر الإنتاج kỷبحثًا، وليس مرحلة: ورش عمل اكتشاف، عقود بيانات، هياكل مرجعية، CI / CD للنماذج، الرصد، وعمليات “يوم 2” (الانجراف، التكلفة، الحواجز). بشكل ملموس، نقوم بتوحيد MLOps وإعادة صياغة نماذج概念 إلى نقاط نهاية للميكروسيرفيس التي تتناسب مع حزمة العميل (Databricks / Spark، Kubernetes، BI الحالية). هذا هو كيف نرسل باستمرار ما يتجاوز العروض الترويجية.

الذكاء الاصطناعي التوليدي هو الآن مركزي في عروضك. كيف تقرر متى تطبق نماذج أساسية مقابل تطوير نموذج مخصص؟

شجرة决ناذجنا عملية:

• ابداً بنماذج أساسية عندما يهيمن وقت القيمة، ومهام اللغة الواسعة، والتنوع.
• انتقل إلى ضبط دقيق أو محولات عندما تكون دقة المصطلحات أو النبرة حاسمة.
• ابني نماذج مخصصة عندما تكون هناك مساواة بالاتجاه، أو بيانات ملكية / منظمة، أو قيود حافة.
  هذا يعكس حيث تتجه المؤسسات: تجارب أقل، وهيكل معماري أكثر غرضًا.

في عام 2024، أطلقت ContextClue كمنصة إدارة معرفة مخصصة. ما هو点 الألم الذي أقنعك بأن الوقت كان مناسبًا لمنتج منفصل؟

عملاء الهندسة يطلبون دائمًا الشيء نفسه: “أداتنا CAD و PLM و ERP و وثائقنا لا تتكلم، هل يمكنك جعلها تفكر معًا؟” لقد حللنا ذلك بشكل متكرر في المشاريع، لذلك قمنا بتحويل النمط إلى منتج. كان عام 2024 هو اللحظة المناسبة لأن GenAI جعل الاسترجاع والكتابة قابلة للاستخدام للمهندسين (وليس فقط فرق البيانات). أعلنا عنه وبدأنا في طرحه في ذلك الإطار الزمني.

ContextClue يدمج مع CAD و ERP و PLM و الوثائق الفنية. أي من هذه مصادر البيانات هو أكثر صعوبة في توحيدها، وكيف تحلها؟

CAD هي الأصعب: تنسيقات ثنائية / ملكية، إصدارات، تجمعات، وسياق مكاني. نقوم بتوحيد CAD جنبًا إلى جنب مع البيانات الوصفية ل PLM / ERP، ثم نربط كل شيء في граф معرفة حتى يتم حل الأجزاء والأنظمة والمواصفات والإجراءات إلى كيانات مماثلة. هذا هو العمود الفقري لخط أنابيب ContextClue.

الدعم منصة دعم بحث семантиكي وإنشاء وثائق. كيف تقومون بضمان دقة وثقة في تلك الإخراجات لفريق الهندسة؟

ثلاث طبقات:

• استرجاع مُحَكَّم (RAG متأثر بال مخطط على граф المعرفة) مع إشارات إلى المكونات المصدر.
• سياسة + اختبار (أدلة تقييم في CI، محفزات فريق الأحمر، اختبارات انحدار).
• دورة人类ية في الحلقة للخروجات الحرجة (إجراءات تشغيلية، وثائق مطابقة). حتى أننا مفتوح المصدر أجزاء من أداة سلاسل التقييم واستخراج الرسومات لتكون قابلة للتدقيق.

ما يجعل ContextClue متميزًا عن أدوات إدارة المعرفة الأخرى في صناعات ثقيلة والمنظومات الهندسية؟

إنه أصلي الهندسة: لا يبحث فقط “ملفات”، بل يفهم التجمعات والاعتماديات وتأثير التغيير، ويربط CAD / PLM / ERP وتاريخ الصيانة في граф قابل للتنفيذ. أدوات إدارة المعرفة المنافسة غالبًا ما تتوقف عند الفهارس؛ ContextClue يوحّد البنية + الدلالات وينتج كلاً من الوثائق القابلة للقراءة البشرية ونماذج قابلة للقراءة الآلية (لأدوات رقمية، التخطيط).

كيف ترى ContextClue يتطور مع ظهور الذكاء الاصطناعي متعدد الوسائط، خاصة في الجمع بين النص والرسومات والنمذجة ثلاثية الأبعاد؟

اتجاهان بالفعل في الحركة:

• رؤية أكثر من CAD ورسومات: استخراج التوبولوجيا، والاستدعاءات، وروابط قائمة مكونات لربط الإجابات في الرسومات.
• تركيب 3D: ربط عقد المعرفة بآراء / Omniverse حتى يتم حل استفسارات الصيانة أو التخطيط في المكان الصحيح في النموذج. توقع وكلاء أكثر ثراء يتنقلون عبر الأجزاء والإصدارات والإجراءات عبر الوسائط.

نظرًا إلى المستقبل، كيف ترى Addepto و ContextClue يؤثران على نمو بعضهما البعض، وأين تتخيل تأثيرهما المشترك على الصناعة في العقد القادم؟

ستستمر Addepto في دفع الحدود، وتنفيذ أنظمة متعددة الوسائط ووكالاتها مسؤولية، بينما يتحول ContextClue هذا البحث والتطوير إلى قيمة قابلة للتكرار لأفرقة الهندسة. معًا، نهدف إلى تقليص “مخلفات المعرفة” (الوقت المفقود في البحث / إعادة إنشاء) على نطاق واسع، وقياس النتائج مثل دورة الوقت الهندسي، ومعدلات إعادة العمل، ووقت استعداد التدقيق عبر المصانع والبرامج. السوق يتحرك من “عديد من الطائرات التجريبية” إلى “توسعات أقل وأكثر قيمة”، ونخطط لأن نكون الشريك والمنصة التي تقدم باستمرار هذه الانتصارات.

شكرًا على المقابلة الرائعة، القراء الذين يرغبون في معرفة المزيد يجب أن يزوروا Addepto.