عمري كوهل، الرئيس التنفيذي ومؤسس Pyramid Analytics – سلسلة المقابلات

عمري كوهل هو الرئيس التنفيذي ومؤسس Pyramid Analytics. منصة Pyramid Decision Intelligence توفر رؤى مدفوعة بالبيانات لجميع الأشخاص لاتخاذ قرارات أسرع وأكثر ذكاء. وهو يقود استراتيجية الشركة وعملياتها من خلال سوق البيانات والتحليلات سريع النمو. كوهل يمتلك فهمًا عميقًا للتكنولوجيا التحليلية والذكاء الاصطناعي، وخبرة إدارية قيمة، و khảية طبيعية لتحدي التفكير التقليدي. كوهل هو رائد أعمال مخضرم مع سجل حافل في تطوير وإدارة الشركات سريعة النمو. درس الاقتصاد والمالية وإدارة الأعمال في جامعة بار إيلان وحصل على ماجستير في إدارة الأعمال الدولية من جامعة نيويورك، كلية ستيرن للأعمال.

هل يمكنك أن تبدأ بتوضيح ما هو GenBI وكيف يدمج الذكاء الاصطناعي مع الذكاء التجاري لتعزيز عمليات اتخاذ القرارات؟

GenBI هو الإطار والميكانيكا لإحضار قوة GenAI و LLMs والذكاء الاصطناعي العام إلى التحليلات والذكاء التجاري وعمليات اتخاذ القرارات.

في الوقت الحالي، ليس من العملي استخدام GenAI وحده لاستخدام البيانات لتحقيق نتائج مفيدة. قد يستغرق ذلك أكثر من أسبوع لتحميل كمية كافية من البيانات إلى أداة GenAI للحصول على نتائج مفيدة. هذا ببساطة ليس عمليًا، لأن البيانات التجارية ديناميكية جدًا وحساسة جدًا لاستخدامها بهذه الطريقة. مع GenBI، يمكن لأي شخص استخراج رؤى قيمة من بياناته، فقط عن طريق طرح سؤال بلغة طبيعية ومراجعة النتائج في شكل لوحة تحكم بالذكاء التجاري. يستغرق الأمر أقل من 30 ثانية للحصول على إجابة مفيدة وذات صلة.

ما هي الابتكارات التكنولوجية الرئيسية وراء GenBI التي تتيح لها فهم ومعالجة مهام الذكاء التجاري المعقدة من خلال اللغة الطبيعية؟

حسنا، بدون كشف كل أسرارنا، هناك ثلاثة مكونات أساسية. أولاً، GenBI يطلب من LLMs جميع العناصر التي تحتاجها لإنتاج الخطوات التحليلية الصحيحة التي ستنتج الرؤية المطلوبة. هذا ما يسمح للمستخدم بتشكيل استفسارات باستخدام اللغة الطبيعية حتى في المصطلحات الغامضة، دون معرفة بالضبط ما النوع من الرسم البياني أو التحقيق أو الشكل المطلوب.

ثم تطبق حلول Pyramid Analytics GenBI هذه الخطوات على بيانات شركتك، بغض النظر عن تفاصيل情况ك. نتحدث عن مجموعات البيانات الأساسية والاستفسارات البسيطة، وكل الطرق إلى الحالات الأكثر تعقيدًا والقواعد البيانية المعقدة.

ثالثًا، Pyramid Analytics يمكنه تنفيذ هذه الاستفسارات على البيانات الأساسية وتحويل النتائج على الفور. LLM وحده لا يمكنه إنتاج تحليل عميق على قاعدة بيانات. تحتاج إلى عنصر روبوتي لتحديد جميع المعلومات الضرورية، تفسير طلب المستخدم لإنتاج رؤى، وتمريرها إلى منصة الذكاء التجاري لتوضيح النتائج إما بلغة بسيطة أو كتجسيد ديناميكي يمكن تعديله من خلال استفسارات متابعة.

كيف يدمج GenBI تحليلات البيانات، خاصة للمستخدمين غير التقنيين؟

بكل بساطة، GenBI يسمح لأي شخص بالوصول إلى الرؤى التي يحتاجها، بغض النظر عن مستوى خبرته. الأدوات التقليدية للذكاء التجاري تتطلب من المستخدم معرفة أفضل تقنية لتعديل البيانات للحصول على النتائج الضرورية. لكن معظم الناس لا يفكرون في مخططات البيتزا أو مخططات التبديل أو الجداول. لا يريدون أن يضطروا إلى معرفة ما النوع من التصور الأكثر فعالية لمواقفهم – هم فقط يريدون إجابات على أسئلتهم.

GenBI يزود هذه الإجابات لأي شخص، بغض النظر عن خبرته. لا يحتاج المستخدم إلى معرفة جميع المصطلحات المهنية أو تحديد ما إذا كان مخطط التبديل أو مخطط البيتزا هو الخيار الأفضل، ولا يحتاج إلى معرفة كيفية برمجة استفسارات قواعد البيانات. يمكنهم استكشاف البيانات باستخدام كلماتهم الخاصة في محادثة طبيعية.

نعتبره الفرق بين استخدام خريطة ورقية لتحديد مسارك، واستخدام تطبيقات مثل Google Maps أو تطبيقات الملاحة الأخرى. مع الخريطة التقليدية، عليك تحديد أفضل الطرق، التفكير في احتمالات الازدحام المروري، ومقارنة مختلف مسارات الإمكانية. اليوم، يضع الناس وجهتهم في التطبيق وينطلقون – هناك ثقة كبيرة في الخوارزميات التي لا ي质بها أحد في الطريق المقترح. نحن نود أن نعتقد أن GenBI يجلب نفس النوع من السحر الآلي إلى مجموعات البيانات الشركات.

ما هو رد الفعل من المستخدمين المبكرين حول سهولة الاستخدام ومنحدر التعلم؟

لقد تلقينا تعليقات إيجابية بشكل ساحق. أفضل طريقة لنا لتلخيصها هي “واو!” المستخدمون والمتحققون يقدرون بشدة سهولة استخدام Pyramid Analytics وميزاتها القوية ورؤاها المهمة.

Pyramid Analytics لديها منحدر تعلم تقريبًا صفر، لذلك لا يوجد شيء يمنع الناس من تبنيها على الفور. حوالي ثلاثة أرباع جميع فرق الأعمال التي جربت حلنا اعتمدته واستخدمته اليوم، لأنها سهلة وفعالة جدًا.

هل يمكنك أن تشارك كيف قام GenBI بتحويل عمليات اتخاذ القرارات داخل المنظمات التي طبقتها؟ هل هناك أي دراسات حالة محددة أو أمثلة؟

على الرغم من أننا كنا نطوره لمدة طويلة، إلا أننا قد أطلقنا GenBI منذ بضعة أسابيع فقط، لذلك أنا متأكد من أنك تفهم أننا لا نزال ننتظر دراسات حالة كاملة يمكن أن نشاركها، أو أمثلة عملاء يمكن أن نذكرها. ومع ذلك، يمكنني أن أخبرك أن المنظمات التي لديها آلاف المستخدمين أصبحت الآن حقيقية مدفوعة بالبيانات، لأن الجميع يمكنهم الوصول إلى الرؤى. يمكن للمستخدمين الآن unfetter قيمة جميع بياناتهم.

GenBI له تأثير تحويلي على الصناعات مثل التأمين والبنوك والمالية، بالإضافة إلى البيع بالتجزئة والتصنيع والعديد من الصناعات الأخرى. فجأة، أصبح من الممكن لمستشارين المالية، على سبيل المثال، الوصول إلى اقتراحات فورية حول أفضل طريقة لتحسين محفظة العملاء.

ما هي بعض أكبر التحديات التي واجهتها في تطوير GenBI، وكيف تناولتها؟

Pyramid Analytics كان بالفعل يستخدم الذكاء الاصطناعي للتحليلات لسنوات عديدة قبل إطلاق الحل الجديد، لذلك معظم التحديات تم حله بالفعل.

العنصر الرئيسي الجديد هو إضافة تقنية توليد استفسار متقدمة تعمل مع أي LLM لتحقيق نتائج دقيقة، مع الحفاظ على خصوصية البيانات. لقد حققنا ذلك من خلال فصل البيانات عن الاستفسار (المزيد عن ذلك في لحظة).

تحدي آخر كبير كان علينا التعامل معه هو السرعة. نتحدث عن عصر جوجل، حيث يتوقع الناس الإجابات الآن، وليس في ساعة أو حتى نصف ساعة. لقد أ đảmينا من تسريع المعالجة وتنظيم جميع تدفقات العمل لتقليل الاحتكاك.

ثم هناك حاجة لمنع الهلوسة. Chatbots معرضون للهلوسة التي تشوه النتائج وتعرض موثوقيتها للخطر. لقد عملنا بجد لتفادي تلك الهلوسة مع الحفاظ على النتائج الديناميكية.

كيف تتعامل مع القضايا المتعلقة بأمان البيانات وخصوصيتها؟

هذا سؤال رائع، لأن خصوصية البيانات وأمانها هو أكبر عائق لتحليلات GenAI الناجحة. الجميع قلقون – وبصورة مشروعة – من فكرة كشف البيانات الحساسة للغاية للشركات لآلات الذكاء الاصطناعي الثالثة، ولكنهم يريدون أيضًا القدرات التفسيرية للغة والرؤى التي يمكن أن تقدمها هذه المحركات.

لهذا السبب، لا نشارك أبدًا البيانات الفعلية مع LLMs التي نعمل معها. Pyramid Analytics يقلب المفهوم كله رأسًا على عقب من خلال служة وسيطًا بين معلومات شركتك و LLM. نسمح لك بتقديم الطلب، ثم نسلطه إلى LLM مع وصف “المكونات”، والتي هي في الأساس مجرد البيانات الوصفية.

ثم يعود LLM ب “وصفة”، التي توضح كيفية تحويل سؤال المستخدم إلى استفسار تحليلي. ثم يدير Pyramid Analytics هذه الوصفة على البيانات التي لديك بالفعل متصلة بأمان على تثبيتك الذاتي، بحيث لا تصل أي بيانات أبدًا إلى LLM. نحن ندمج النتائج لتقديمها لك في شكل سهل الفهم، مرئي. بشكل أساسي، لا شيء يمكن أن يتعرض لأمانك وخصوصيتك يتم الكشف عنه أو يغادر جدار الحماية لمنظمتك.

للمنظمات التي تبحث عن دمج GenBI في بنياتها الحالية للبيانات، ما هو شكل عملية التنفيذ؟ هل هناك أي متطلبات أو استعدادات ضرورية؟

عملية التنفيذ ل Pyramid Analytics لا يمكن أن تكون أسهل أو أسرع. المستخدمون يحتاجون إلى عدد قليل من المتطلبات والاستعدادات، ويمكنك تشغيل كل شيء في أقل من ساعة. لا تحتاج إلى نقل البيانات إلى إطار جديد أو تغيير أي شيء في استراتيجية البيانات، لأن Pyramid Analytics يستفسر بياناتك مباشرة حيث تقع.

لا يوجد حاجة لشرح بياناتك للحل، أو لتحديد الأعمدة. من السهل كما تحميل مجموعة بيانات CSV أو الاتصال بقاعدة بيانات SQL. نفس الشيء ينطبق على أي قاعدة بيانات علاقة من أي نوع. يستغرق الأمر بضع دقائق فقط لتحويل بياناتك، وبعد ذلك يمكنك طرح سؤالك الأول في ثوان.

مع ذلك، يمكنك تعديل الهيكل إذا كنت ترغب في ذلك، مثل تغيير نموذج الانضمام أو إعادة تعريف الأعمدة. يستغرق ذلك بعض الوقت والجهد، ولكننا نتحدث عن دقائق، وليس مشروع تطوير يستمر لعدة أشهر. غالبًا ما يكون عملاؤنا مذهولين بأن Pyramid Analytics تعمل على بياناتهم التقليدية في غضون خمس دقائق أو أقل.

لا تحتاج أيضًا إلى وضع أسئلة دقيقة أو صحيحة أو حتى ذكية للحصول على نتائج قوية. يمكنك إجراء أخطاء إملائية واستخدام التعبيرات الخاطئة، وستكون Pyramid Analytics تفككها وتنتج إجابة مفيدة وذات صلة. ما تحتاجه هو بعض المعرفة حول البيانات التي تسأل عنها.

متى النظر إلى الأمام، ما هو رؤيتك الاستراتيجية ل Pyramid Analytics خلال الخمس سنوات القادمة؟ كيف تتوقع أن تتطور حلولك لتلبية الطلبات المتغيرة في السوق؟

الحدود الجديدة الكبيرة هي دعم استفسارات قابلة للتوسيع وذات طابع خاص. المستخدمون يرغبون في أن يكونوا قادرين على طرح أسئلة دقيقة جدًا، مثل أسئلة حول الكيانات المخصصة، و LLMs لا يمكنها بعد إنتاج إجابات ذكية في هذه الحالات، لأنها لا تمتلك هذا النوع من الرؤى التفصيلية لقاعدة بياناتك.

نواجه تحدي كيفية استخدام نماذج اللغة لطرح أسئلة حول تفاصيل بياناتك دون الاتصال الفوري بكامل بحيرة البيانات الضخمة إلى LLM. كيف يمكننا تحسين LLM حول بيانات يتم إعادة ترطيبها كل ثانيتين؟ يمكننا إدارته لنقاط ثابتة مثل الدول والمواقع والتواريخ، ولكن ليس لشيء غامض مثل الأسماء، على الرغم من أننا قريبون جدًا من ذلك اليوم.

تحدي آخر هو تمكين المستخدمين من طرح تفسيرات رياضية خاصة لبياناتهم، وتطبيق صيغهم الخاصة. من الصعب ليس لأن الصيغة صعبة التنفيذ، ولكن لأن فهم ما يريده المستخدم والحصول على الصياغة الصحيحة هو تحدي. نحن نعمل على حل هذه التحديات، وعندما نفعل، سنكون قد مررنا بمرحلة الإلهام التالية.

شكرًا على المقابلة الرائعة، القراء الذين يرغبون في معرفة المزيد يمكنهم زيارة Pyramid Analytics.