Darren Kimura, CEO a prezident AI Squared – rozhovorová série

Darren Kimura je zkušený podnikatel, vynálezce a investor, který目前 působí jako prezident a CEO AI Squared. S více než 25 lety vedení v technologickém a čistě energetickém sektoru vedl společnosti jako Energy Industries Corporation, Sopogy a LiveAction a spoluzaložil venture firmu Enerdigm Ventures. Je známý tím, že vynalezl technologii MicroCSP solární energie, a sehrál klíčovou roli při škálování společností zaměřených na edge computing, AI a SaaS-based řešení.

AI Squared je nízkonákladová platforma navržená tak, aby pomohla podnikům integrovat AI přehledy přímo do nástrojů, které již používají – jako je Salesforce (CRM ), Slack, Google Sheets a ServiceNow. Zjednodušením nasazení AI a umožněním rozhodování v reálném čase umožňuje platforma týmům napříč inženýrstvím, prodejem a provozem odemknout měřitelnou obchodní hodnotu. Slouží klientům v oblasti financí, dodavatelského řetězce a vlády, AI Squared urychluje podnikové přijetí AI tím, že jej činí bezproblémovým, kontextovým a akčním.

Co vás inspirovalo k připojení a nakonec vedení AI Squared?

Vždy jsem byl přitahován k řešení složitých, reálných problémů, které vyžadují hluboké technologické znalosti a bezchybnou realizaci. Začal jsem svou kariéru v oblasti energetické efektivity a obnovitelných zdrojů, zachycoval strojové údaje v měřítku a pomáhal lidem pochopit a jednat podle nich. S časem se to vyvinulo v přesunutí zpracování dat blíže k místu, kde se práce děje, z okraje, v zabezpečených systémech nebo uvnitř podnikových workflow.

Když jsem se poprvé setkal s AI Squared, okamžitě jsem viděl, že řeší velmi reálnou a velmi naléhavou výzvu: jak přesunout AI z laboratoře do každodenního použití. Většina společností se stále zaměřuje na budování modelů. AI Squared se zaměřila na nasazení.

Co mě ještě více přesvědčilo, byla jejich základna. Společnost vznikla uvnitř NSA a strávila posledních šest let získáváním důvěry napříč ministerstvem obrany, zpravodajskou komunitou, vesmírnou komunitou a některými z největších podniků na seznamu Fortune 500 prostřednictvím skutečných projektů a významných výsledků, které pokračují v růstu z roku na rok. To mi ukázalo dvě věci: první, že jsou vážně zaměřeni na bezpečnost, dodržování předpisů a dopad. A druhá, že jsou týmem, kterému lze důvěřovat.

Jak vaše zkušenosti se škálováním ZEDEDA a prací ve venture kapitálu ovlivnily váš přístup k nasazení AI na podnikové úrovni?

U ZEDEDA jsme pracovali na okraji jako operační systém uvnitř otevřené komunity. To mě donutilo hluboce pochopit reálné omezení, kterým čelí naši zákazníci s digitální transformací. Tam jsme měli špičkový inženýrský tým z Cisco, Sun Microsystems, Juniper, Arista, ale také mě to naučilo, jak důležité je spojit tu technickou excelenci se silným podnikovým trhem.

Z venture strany jsem získal jiný druh vhledu. Viděl jsem, jak hluboké technické společnosti škálovat, pomaleji na začátku, ale rychleji, jakmile jste postavili silnou základnu. To mě naučilo myslet v systémech: tržní timing, produktová připravenost, zákaznická zralost a kapitálová strategie musí semua sladit. To je perspektiva, kterou jsem přinesl do nasazení AI v AI Squared. Nejde o to dodávat modely, ale o dodávání výsledků, kterým podniky mohou důvěřovat, měřit a škálovat.

AI Squared zdůrazňuje vkládání AI do systémů, které lidé již používají. Jak vypadá řešení „poslední míle“ AI v praxi?

87 % projektů AI nikdy nedosáhne produkce, protože integrace je pomalá, složitá a odpojená od koncových uživatelů. AI Squared řeší toto vytvořením národní bezpečnostní třídy integrační pipeline, která spojuje AI/ML modely s datovými zdroji, jako jsou Databricks nebo Snowflake, a systémy, které tyto společnosti již používají, jako jsou CRM, ERP a vlastní aplikace.

Jak vaše platforma pomáhá mostem mezi týmy datové vědy a obchodními uživateli?

AI Squared zjednodušuje předání od vývoje modelu k produkci. Týmy datové vědy mohou nasadit modely bezpečně prostřednictvím naší platformy, zatímco obchodním uživatelům jsou poskytovány přehledy uvnitř nástrojů, které již používají, jako je Salesforce, Teams, Slack nebo jakékoli jiné systémové aplikace.

Pracujete s NSA, námořnictvem USA a dalšími federálními agenturami. Jak priority, jako je dodržování předpisů, transparentnost a etické použití, formují produktový roadmap AI Squared?

Etika, dodržování předpisů a transparentnost jsou naším nejvyšším cílem na našem roadmapu. Vědíme z práce s federálními agenturami, že musíme priorizovat stopovatelnost, auditorské a vysvětlitelnost. Budujeme na principech nulové důvěry, podporujeme zabezpečené nasazení prostředí a jasných vládních modelů.

Jakou roli, podle vás, hraje diskriminační AI při zlepšování rozhodování pro federální agentury?

Diskriminační AI je přesná, interpretovatelná a efektivní. Je ideální pro vysoké prostředí, kde je třeba jasných odpovědí, ano nebo ne, hrozba nebo ne. Ve federálních agenturách to umožňuje rychlejší triáž, detekci rizik a prioritizaci. Doporučuje se generativním modelům tím, že nabízí strukturované, validované výstupy, které podporují kritické rozhodování.

Kde vidíte největší riziko – a příležitost – pro přijetí AI v národní bezpečnosti?

Největším rizikem je neřízená autonomie, nasazení AI systémů bez transparentnosti, dozoru nebo bezpečnostních zábran. Příležitost spočívá v urychlení situační povědomí a rozhodovací rychlosti. AI může procházet rozsáhlými daty v reálném čase, aby odhalila vzory, které by lidé mohli minout. Ale aby se tato hodnota realizovala, musí být důvěryhodná, stopovatelná a integrovaná s lidským systémem.

Jaké jsou některé z nejčastějších chyb, kterých se společnosti dopouštějí při nasazení GenAI?

Největší chyba je soustředění se na novinku místo nutnosti. Mnohé společnosti nasazují GenAI bez jasně stanoveného případu použití, plánu dodržování předpisů nebo metriky úspěchu. To vede k únavě pilotů, neskalovatelným prototypům a problémům s důvěrou. GenAI je mocný, ale jako jakékoli technologie, potřebuje být sladěn s problémem, uživatelem a workflow.

Můžete sdílet příklad, kde AI Squared pomohla podniku vyhnout se „syndromu lesklého objektu“ a místo toho dodat měřitelný dopad?

Jeden podnik přišel s tím, že chce postavit vlastní LLM pro klasifikaci zákaznických služeb. Ukázali jsme jim, jak jednoduchý, vložený klasifikátor nasazený prostřednictvím naší platformy může dodat 90% přesnost v jejich CRM za méně než dvě týdny. Žádné nové rozhraní, žádné vlastní školení. To je síla řešení správného problému se správným nástrojem.

Jaké jsou některé z nejzajímavějších trendů, o kterých jste nejvíce nadšeni v podnikovém AI za příštích 3-5 let?

Tři z nich jsou:

1. LLM, které jsou skutečně multimodální a zaměřené na konkrétní úkoly
2. Agentní AI systémy, které činí akce, ne pouze generují obsah
3. Standardizované governance, které umožňují přijetí AI v regulovaných odvětvích

Tyto trendy hnají AI k tomu, aby byla více využitelná, důvěryhodná a integrovaná do každodenních operací.

Jak AI Squared vyvíjí svou platformu, aby držela krok s rychle se vyvíjejícími LLM a modelovými ekosystémy?

Jsme modelově agnostičtí podle designu. Bez ohledu na to, zda se jedná o open-source model, komerční LLM nebo proprietární diskriminační model, naše platforma umožňuje organizacím bezpečně nasadit a spravovat jej uvnitř jejich stávajících workflow. Soustředíme se na orchestraci, kontrolu verzí a governance, aby se modelový stack mohl vyvíjet bez narušení uživatelského prostředí.

Co znamená úspěch pro AI Squared v příštím kapitole pod vaším vedením?

Úspěch znamená stát se výchozím způsobem, jakým podniky a vládní agentury operacionalizují AI. Znamená to snížení času na získání hodnoty z měsíců na dny a činí nasazení AI tak bezproblémovým a zabezpečeným, jako je spuštění nové funkce. Pod mým vedením se soustředíme na škálovatelnost, důvěru a reálné výsledky, ne pouze na inovace pro jejich vlastní sake, ale na dopad, kde to nejvíce záleží.

Děkuji za skvělý rozhovor, čtenáři, kteří si chtějí dozvědět více, by měli navštívit AI Squared.