Jeffrey Lai, zakladatel a generální ředitel IrisGo – rozhovor

Jeffrey Lai, zakladatel a generální ředitel IrisGo, je podnikatel v oblasti umělé inteligence a produktový lídr s hlubokými kořeny v inteligentních asistentech a jazykových technologiích. Předtím, než založil IrisGo v roce 2025 a působil jako zakladatel v rezidenci AI Fund, strávil Lai více než 12 let v Apple (AAPL ), kde pomáhal budovat a rozšiřovat Siri, a nakonec se stal manažerem jazykového inženýrství pro Siri. Jeho práce se zaměřila na rozvoj multilingvální konverzační umělé inteligence, včetně vývoje čínské verze Siri. Předtím, než nastoupil do Apple, působil ve funkci inženýra v Cisco Systems (CSCO ) a dokončil stáž ve skupině Inteligentní robotika v NASA Ames Research Center. S kariérou, která zahrnuje robotiku, podnikový software a spotřebitelskou umělou inteligenci, se Lai neustále zaměřoval na to, aby komplexní technologie byly přístupnější a užitečnější v každodenní práci.

IrisGo vyvíjí operační systém umělé inteligence navržen pro novou generaci osobních počítačů s umělou inteligencí. Místo toho, aby fungoval jako samostatný chatbot, je platforma navržena tak, aby pozorovala, jak uživatelé provádějí úkoly napříč aplikacemi, učil se z těchto pracovních postupů a automatizoval je prostřednictvím inteligentního asistenta na zařízení. Jeho jádrem je umožnit uživatelům demonstrovat úkol jednou a poté převést tento proces na opakovaně použitelný pracovní postup, což pomáhá snižovat opakující se digitální práci. Díky využití specializovaných možností zpracování umělé inteligence v moderních počítačích s umělou inteligencí si IrisGo klade za cíl umožnit více soukromou, rychlou a kontextově vědomou automatizaci, a tím se umisťuje do rostoucího trhu agenty umělé inteligence, které mohou aktivně vykonávat úkoly jménem uživatelů, místo toho, aby pouze poskytly doporučení.

Po pomoci s budováním Siri v Apple, které konkrétní zkušenosti vás přesvědčily, že je čas založit IrisGo, a jaký byl hlavní problém v interakci mezi člověkem a počítačem, který jste cítil, že zůstal nevyřešen?

Když jsme budovali Siri, soustředili jsme se enormně na přirozené porozumění jazyka. Ale Siri měl potíže s kontextem, což je výzvou, protože způsob, jakým lidé skutečně pracují a komunikují, je plný implicitního kontextu. Když požádáte kolegu, “Můžete mi poslat tu zprávu?” on ví, o kterou zprávu jde. On ví vaši sdílenou historii, váš aktuální projekt, o čem jste diskutovali. Siri tohle neměl.

Velmi dlouho byla umělá inteligence navržena tak, aby reagovala na vás. Napíšete něco, dostanete něco zpět. To je interakční model, který jsme zdědili ze zoekaných engineů a chatbotů. Ale většina toho, co lidé skutečně dělají na počítači, není otázka, je to pracovní postup. Sestavte tuto zprávu. Porovnejte tyto tabulky. Stáhněte data ze tří různých aplikací a naformátujte je do dokumentu. Taková práce se nehodí do promptu.

To, co mě přesvědčilo, abych založil IrisGo, bylo uvědomění, že průmysl nestaví pro každodenní použití. Všichni stavěli chytrější modely, lepší porozumění jazyka, rychlejší odpovědi. Ale základní mezera, kde umělá inteligence může skutečně vykonávat práci, a ne jen reagovat na požadavky, tam stále byla. To je problém, který jsme se rozhodli vyřešit.

Ohlédnutím se za lety práce na Siri, jaké byly největší lekce, které jste se naučili o omezeních hlasových asistentů, zejména pokud jde o pochopení kontextu, záměru a chování uživatelů?

Největší lekce, kterou jsem se naučil, je, že kontext je všechno. Lidé zřídka komunikují izolovanými příkazy; jejich požadavky jsou tvarovány tím, na čem pracují a co se snaží dosáhnout. Raní hlasoví asistenti byli navrženi kolem odpovědí na jednotlivé požadavky, což funguje dobře pro mnoho úkolů, ale je méně efektivní pro pokračující práci, která zahrnuje více aplikací a pracovních postupů. Tato zkušenost mě naučila, že porozumění záměru vyžaduje porozumění kontextu, a tato myšlenka se stala jednou z základních nápadů za IrisGo.

Co jsme se naučili, je, že záměr je často vrstvený. Někdo říká jednu věc a myslí jinou, a získat to správně vyžaduje porozumění osobě, ne jen slovům. Tohle porozumění je zabudováno do IrisGo od začátku.

IrisGo je často popisován jako operační systém umělé inteligence spíše než jako asistent umělé inteligence. Jaký je rozdíl, a proč věříte, že průmysl potřebuje novou softwarovou vrstvu pro éru počítačů s umělou inteligencí?

Asistent umělé inteligence čeká na vás. Otevřete ho, napíšete něco, on odpoví, a pak je hotovo. Interakční model je v podstatě stejný jako u zoekaných engineů, kde uživatel zadá požadavek a umělá inteligence vygeneruje odpověď.

IrisGo, který je operačním systémem umělé inteligence, funguje vedle všeho, co děláte, napříč celým systémem, pořád. Má přístup k vašim souborům, aplikacím, prohlížeči, e-mailu. Chápe, jak pracujete, protože to pozoroval s vaším svolením. A zásadně, může jednat, ne jen radit.

Přemýšlejte o tom, co Windows udělaly pro osobní počítače. Předtím, než existovaly, musel jste být technický, abyste počítač mohli použít. Windows vytvořily univerzální, intuitivní vrstvu mezi lidmi a softwarem. Éra počítačů s umělou inteligencí potřebuje svou vlastní verzi této vrstvy, která vezme surovou sílu modelů umělé inteligence a učiní je skutečně užitečnými pro lidi, kteří dělají svou každodenní práci.

To je IrisGo: inteligentní vrstva počítače s umělou inteligencí. Když expedujete počítače s umělou inteligencí bez této vrstvy, máte prostě silný čip, který nic nedělá. Co potřebujete, je software, který ví, jak ho využít ve prospěch osoby, která ho používá.

Jedním z hlavních nápadů IrisGo je, že uživatelé mohou naučit systém úkol jedinou demonstrací. Proč věříte, že “pozorovat a učit” je přirozenější model než prompting nebo ruční vytváření pracovních postupů?

Co dělá funkci “Pozorovat a učit” tak silnou, je, že je založena na tom, jak skutečně učíme jeden druhého. Když naším novým zaměstnancem, nebudete mu psát 40 kroků. Ukážete mu, jak něco udělat jednou, on to pozoruje, učí se a bere to od tam. To je intuitivní. To je přirozené.

Problém s promptingem je, že klade břemeno na uživatele, aby přesně vyjádřil, co chce, ve formátu, který umělá inteligence může pochopit. Pro jednoduché dotazy to funguje dobře. Ale co třeba pro komplexní, vícekrokové pracovní postupy, které zahrnují vaše konkrétní soubory a váš konkrétní způsob práce? To může rychle selhat. Většina lidí nedokáže popsat své pracovní postupy dostatečně přesně, aby umělá inteligence je mohla správně vykonat.

Ukázat je snazší než říkat. To není nový vhled; je to běžný smysl. Co “Pozorovat a učit” dělá, je aplikuje tuto logiku na automatizaci. Uděláte úkol jednou, způsobem, jakým byste to normálně udělali. IrisGo se učí z vzoru. A od té chvíle zvládne ten pracovní postup za vás.

Mnohé agenty umělé inteligence dnes stále vyžadují významné nastavení a dohled. Co odlišuje skutečně autonomního agenta od chatbota, který prostě následuje instrukce?

Krátká odpověď je, že skutečně autonomní agent má svůj vlastní kontext, dělá své vlastní rozhodnutí a pokračuje v práci, i když na něj nikdo nedohlíží.

Chatbot je reaktivní podle designu. Žije a umírá podle promptu. Dejte mu instrukci, vykoná ji a pak přestane. Pokud se něco změní, pokud krok selže nebo pokud potřebuje adaptovat, ztratí se. Zeptá se vás, co má dělat dál.

Skutečně autonomní agent má cíl, ne jen instrukci. Má kontext o prostředí, ve kterém operuje. Může zvládnout výjimky. Může rozhodnout, zda pokračovat, opakovaně se pokusit nebo označit něco pro lidskou kontrolu. A wichtig, může běžet na pozadí, zatímco pracujete na jiných věcech.

Velká většina toho, co se prodává jako “agenty umělé inteligence” dnes, jsou ve skutečnosti sofistikovaní chatboti s extra kroky. Mezera mezi těmito produkty a skutečnou autonomií je enormní. Co dělá IrisGo odlišným, je, že začíná z modelu, jak pracujete, naučeného přímo z pozorování vás, a používá to, aby dělal správná rozhodnutí, ne jen následoval instrukce.

Mluvili jste o důležitosti trvalé paměti a lokálního kontextu. Proč jsou tyto schopnosti nezbytné, pokud má umělá inteligence jít za hranice odpovědí a začít jednat na behalf uživatele?

Představte si, že najmete asistenta, který, každý ráno, nemá žádnou paměť o tom, kdo jste, na čem pracujete nebo jak věci děláte. Strávíte půl dne opakovaným vysvětlováním kontextu a budete extrémně frustrovaní. To je v podstatě to, co většina nástrojů umělé inteligence vás žádá, abyste dělali dnes.

Trvalá paměť znamená, že systém vás zná. Zná vaše projekty, vaše pracovní postupy, vaše preference a jak se věci vyvinuly v čase. Nemusíte znovu vytvářet kontext každou relaci. Umělá inteligence to nesete dál.

Lokální kontext je stejně kritický, protože vaše práce neexistuje v cloudu. Existuje na vašem počítači, ve souborech, aplikacích, e-mailech, záložkách prohlížeče. IrisGo běží na vašem zařízení, což znamená, že má přístup k vaší celé pracovnímu prostředí a může operovat na vaši behalf napříč vším.

Tyto dvě věci dohromady — paměť a lokální přístup — jsou tím, co umožňuje umělé inteligenci přestat být nástrojem, který používáte, a začít být systémem, který pracuje pro vás. Vidíme, jak se více technického průmyslu začíná uvědomovat důležitost tohoto přístupu, včetně velkých technologických firem, takže je to jasná validace našeho přístupu.

Ochrana osobních údajů zůstává jednou z největších obav týkajících se umělé inteligence. Jak vyvažujete potřebu personalizace a paměti s uživatelskými očekáváními kolem bezpečnosti a vlastnictví dat?

Předpoklad, že ochrana osobních údajů a personalizace jsou v napětí, je první věc, kterou je třeba zpochybnit. Postavili jsme IrisGo tak, aby personalizace mohla probíhat na zařízení, ne jen v cloudu.

Velká většina zpracování IrisGo probíhá místně, na vašem počítači. Vaše pracovní postupy, soubory, kontext semua zůstávají s vámi. Zpracování v cloudu se děje pouze tehdy, když to explicitně autorizujete, a když k tomu dojde, je šifrováno od konce do konce. Jste v kontrolu nad tím, co jde kam.

Tento model činí IrisGo více silným, protože má přístup k plnému kontextu vašeho pracovního prostředí. A znamená to, že uživatelé nemusí volit mezi užitečnou umělou inteligencí a bezpečnou.

Lidé důvěřují svým osobním počítačům s citlivou prací. Naším cílem je udělat IrisGo hodným stejné důvěry. To je fundamentální pro to, jak je produkt navržen.

IrisGo je již expedován na počítačích s umělou inteligencí od Acer, s plány expandovat do dalších výrobců. Jak důležité, podle vás, budou distribuční partnerství pro určení, které platformy umělé inteligence nakonec dosáhnou mainstreamového přijetí?

Distribuce je absolutně kritická pro mainstreamové přijetí. Podívejte se na historii platformové soutěže v technologiích. Windows vyhrály, protože byly na téměř každém počítači. Android vyhrál, protože byl nejvíce používaným operačním systémem pro mobilní zařízení, která nebyla iPhone. Společnosti, které se snažily vyhrát pouze prostřednictvím kvality produktu, bez distribuce, která by je podporovala, většinou neuspěly.

Trh počítačů s umělou inteligencí sleduje podobný vzorec. Když je IrisGo předinstalován na zařízení, je tam, když otevřete krabici. Nemusíte ho hledat, stáhnout nebo rozhodnout se, zda mu dát šanci. To je enormní výhoda.

Již jsme v 3 milionech laptopů Acer, které budou expedovány tento rok, a jsme v jednání s dalšími prvotřídními výrobci počítačů. Naším cílem je být operačním systémem umělé inteligence pro počítače jako standard. Tato distribuční strategie je centrální pro to, jak se stáváme standardem v této kategorii.

Jakmile se agenty umělé inteligence stanou schopnými zpracovávat faktury, výzkum, reporty a další obchodní pracovní postupy, jaké nové výzvy v oblasti řízení, dohledu a důvěry by se organizace měly připravovat dnes?

První výzvou je auditovatelnost. Když agent umělé inteligence dokončí pracovní postup, jako je zpracování faktury nebo generování reportu, můžete vidět, co udělal, proč to udělal a odkud pocházejí data? Takový transparentní auditní stopa je nezbytný pro soulad a pro odhalování chyb, než se stanou závažnými.

Druhá je definice hranic. Které pracovní postupy jsou vhodné pro autonomní provedení a které vyžadují lidskou kontrolu? Společnosti potřebují jasnou politiku kolem toho. Tendence je nechat umělou inteligenci dělat více a více, postupně, a pak si uvědomit příliš pozdě, že rozhodnutí s vysokými závažnostmi jsou dělána bez dostatečné kontroly.

Třetí je kalibrace důvěry. Zaměstnanci potřebují pochopit, co může a nemůže udělat umělá inteligence a kdy ověřit její výstup místo toho, aby předpokládali, že je správná. To je otázka kultury a školení stejně jako technologie.

Domnívám se, že organizace, které se na to připravují dnes, budou mít významnou výhodu, protože když se schopnosti umělé inteligence zvětšují, více rámců pro governance se bude kumulovat.

Pět let od teď, myslíte, že lidé budou stále trávit většinu svého času interagující s umělou inteligencí prostřednictvím chatových rozhraní, nebo se umělá inteligence bude stále více stahovat do pozadí a proaktivně dokončovat práci bez toho, aby byli požádáni?

Směr již ukazuje, že umělá inteligence se bude stále více stahovat do pozadí. Model, ke kterému směřujeme, je ten, ve kterém váš počítač rozumí vaší práci a stará se o rutinní části, takže vaše pozornost je uvolněna pro věci, které skutečně vyžadují vás.

Přemýšlejte o tom, jak autopilot funguje v letectví. Piloti nejsou ruce na každém okamžiku každého letu. Systém zvládne základní část, a lidská účast je zapojena, když je zapotřebí úsudek a odborné znalosti. To je budoucnost práce s umělou inteligencí. Váš počítač zvládne opakující se, pravidlové pracovní postupy. Vy se soustředíte na strategii, kreativitu a rozhodnutí, která vyžadují skutečný lidský úsudek.

Pět let od teď, nejproduktivnější lidé budou ti, kteří stojí vedle systémů, které rozumějí, jak uživatel operuje. V minulosti lidé dělali veškerou práci na svých počítačích. V budoucnosti váš počítač také bude dělat práci za vás.

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