Edwin Lisowski, spoluzakladatel a Chief Growth Officer společnosti Addepto – Interview Series

Edwin Lisowski, spoluzakladatel a Chief Growth Officer společnosti Addepto, dohlíží na strategický růst, rozvoj podnikání a marketing společnosti. Přináší rozsáhlé zkušenosti v oblasti datové architektury, AI-driven strategie a analytického poradenství, kombinující technické znalosti s silným zaměřením na škálování AI adopce a podnikových transformačních iniciativ pro globální klienty.

Addepto je varšavská poradenská firma specializující se na umělou inteligenci, strojové učení, datové inženýrství a obchodní inteligenci pro podnikové klienty. Společnost pomáhá organizacím proměnit syrové údaje v akční informace prostřednictvím komplexní AI strategie, vývoje proof-of-concept a implementace produkčních modelů. Pracuje v sektorech, jako je finance, logistika, výroba a pojištění, Addepto zdůrazňuje přizpůsobené řešení a dlouhodobé partnerství, aby klienti mohli využít AI pro měřitelný obchodní dopad.

Co vás inspirovalo k založení Addepto v roce 2018 a jakou mezeru na trhu jste se snažili vyplnit?

V roce 2018 jsme neustále viděli dva extrémy: velké dodavatele prodávající „jednu velikost pro všechny“ AI a na druhé straně interní týmy uvízlé po několika proof-of-conceptech, protože jim chyběla data inženýrství a MLOps síla. Postavili jsme Addepto, aby byl tím týmem, který spojuje strategii → data inženýrství → modely → produkci, zejména pro datové náročné průmysly. Tento komplexní přístup je stále naší DNA.

Která z oblastí služeb Addepto – počítačové vidění, NLP, strojové učení nebo datové inženýrství – zaznamenala nejrychlejší přijetí v podnikovém sektoru, a proč?

V posledních 18-24 měsících se NLP/GenAI nejrychleji rozvíjelo v podnikovém sektoru (vyhledávání, asistenti, zpracování dokumentů), protože přímo mapuje znalostní práci ROI a může začít od základních modelů. Průzkumy odvětví ukazují široký krok vpřed v používání AI v roce 2024, s GenAI-vedenými případy škálováním napříč funkcemi.

Mnohé společnosti mají potíže s přechodem z proof-of-concept AI na produkční systémy. Jak Addepto pomáhá překlenout tuto mezeru?

Zacházíme s produkcí jako s disciplínou, ne s fází: objevitelské workshopy, datové smlouvy, referenční architektury, CI/CD pro modely, pozorovatelnost a „den-2“ operace (drift, náklady, zábrany). Konkrétně standardizujeme MLOps a refactorujeme proof-of-concept na mikroslužební koncové body, které se hodí do klientova stacku (Databricks/Spark, Kubernetes, stávající BI). To je způsob, jakým pravidelně dodáváme více než jen demonstrace.

Generativní AI je nyní centrální pro vaše nabídky. Jak rozhodujete, kdy použít základní modely versus vývoj vlastních modelů?

Náš rozhodovací strom je pragmatický:

• Začínáme s základními modely, když dominuje čas na hodnotu, široké jazykové úkoly a variabilita.
• Přejdeme na jemné ladění nebo adaptéry, když je kritická terminologie domény nebo tónová přesnost.
• Vyvíjíme vlastní modely, když je důležitá latence/náklad/IP kontrola, data jsou proprietární/strukturovaná nebo se uplatňují okrajové omezení.
  To odráží, kam se podniky ubírají: méně „experimentů“, více architektur přizpůsobených účelu.

V roce 2024 jste spustili ContextClue jako dedikovanou platformu pro znalostní management. Jaký bolestivý bod vás přesvědčil, že je čas pro samostatný produkt?

Inženýrští klienti nás neustále ptali na totéž: „Naše CAD, PLM, ERP a dokumenty nemluví, můžete je udělat, aby spolu myslely?“ Řešili jsme to opakovaně v projektech, takže jsme z tohoto vzorce vytvořili produkt. Rok 2024 byl správný okamžik, protože GenAI učinil vyhledávání a autorství použitelnými pro inženýry (nejen pro datové týmy). Oznámili jsme a začali ho nasazovat v tomto časovém rámci.

ContextClue integruje CAD, ERP, PLM a technické dokumenty. Který z těchto zdrojů dat je nejtěžší sjednotit, a jak to řešíte?

CAD je nejobtížnější: binární/proprietární formáty, verzení, sestavy a prostorový kontext. Normalizujeme CAD spolu s PLM/ERP metadata, poté mapujeme vše do znalostního grafu, aby části, systémy, specifikace a postupy vyřešily stejné entity. To je páteř ingest pipeline ContextClue.

Platforma podporuje semantické vyhledávání a generování dokumentů. Jak zajišťujete přesnost a důvěru v těchto výstupech pro inženýrské týmy?

Tři vrstvy:

• Založené na vyhledávání (schema-aware RAG nad znalostním grafem) s citacemi na zdrojové artefakty.
• Zásady + testování (hodnoticí sady v CI, červené týmové podněty, regresní testy).
• Lidská účast v kritických výstupech (SOP, kompatibilní dokumenty). Dokonce otevřeli části naší hodnotící a graf-extrakční toolchain, aby to bylo auditovatelné.

Co dělá ContextClue odlišným od ostatních nástrojů pro znalostní management v těžkém průmyslu a inženýrských ekosystémech?

Je to inženýrsky rodinné: nerozumí pouze „souborům“, ale také sestavám, závislostem a dopadům změn, propojuje CAD/PLM/ERP a historii údržby do akčního grafu. Soutěžící nástroje pro znalostní management často zastavují na indexaci; ContextClue sjednocuje strukturu + sémantiku a produkuje jak lidsky čitelné dokumenty, tak strojově čitelné modely (pro digitální dvojčata, plánování).

Jak vidíte vývoj ContextClue s růstem multimodální AI, zejména při kombinaci textu, schémat a 3D modelů?

Dvě směry jsou již v pohybu:

• Vision-over-CAD & schémat: extrahování topologie, volání a BOM odkazů, aby se odpovědi zakotvily v kresbách.
• 3D zarovnání: propojení znalostních uzlů s 3D souřadnicemi/Omniverse pohledy, aby se dotazy na údržbu nebo plánování vyřešily na správném místě v modelu. Očekávejte bohatší agenty, které navigují části, verze a postupy napříč modalitami.

Pohledem do budoucnosti, jak vidíte Addepto a ContextClue, jak budou ovlivňovat růst jeden druhého, a kde vidíte jejich kombinovaný dopad na odvětví v příštím desetiletí?

Addepto bude pokračovat v tlačení hranice, produkci multimodálních/agických systémů zodpovědně, zatímco ContextClue promění tuto výzkum a vývoj v opakovanou hodnotu pro inženýrské týmy. Společně se snažíme snížit „ztrátu znalostí“ (čas ztracený při vyhledávání/znovu vytváření) v měřítku, měřením výsledků, jako je inženýrský cyklus, míra opětovných prací a doba přípravy auditu napříč závody a programy. Trh se pohybuje od „mnoha pilotů“ k „méně, vyšší hodnotě rolloutů“, a plánujeme být partnerem a platformou, která pravidelně dodává tyto výhry.

Děkuji za skvělý rozhovor, čtenáři, kteří chtějí se dozvědět více, by měli navštívit Addepto.