Erik Schwartz, Chief AI Officer (CAIO) Tricon Infotech – Intervieuserie

Erik Schwartz er Chief AI Officer (CAIO) hos Tricon Infotech, et ledende konsulent- og softwarevirksomhed. Tricon Infotech leverer effektive, automatiserede løsninger og fulde digitale transformationer gennem brugerdefinerede produkter og virksomhedsimplementeringer.

Erik Schwartz er en erfaren teknologileder og iværksætter med mere end to årtiers erfaring i teknologisektoren, specialiseret i intersectionen mellem AI, informationshenting og videnopdagelse. Gennem sin karriere har Erik været i forkanten af integrationen af store skala-platforme og integration af AI i søgeteknologier, hvilket betydeligt har forbedret brugerinteraktionen og informationsadgangen. Hans tidligere roller omfatter nøglepositioner hos Comcast (CMCSA ), Elsevier og Microsoft (MSFT ), hvor han ledede banebrydende AI-, søge- og LLM-initiativer.

Eriks professionelle rejse er kendetegnet ved hans engagement i innovation og hans tro på samarbejdets kraft. Han har konsekvent drevet hold mod hurtig levering af banebrydende løsninger, hvilket har etableret ham som en troværdig leder i teknologisamfundet. Hans arbejde, senest på Scopus AI-projektet hos Elsevier, understreger hans engagement i at gendefinere grænserne for, hvordan vi interagerer med information og opbygger en tillidsfuld relation med brugerne.

I sin rolle som Chief AI Officer (CAIO) udnytter Erik sin omfattende erfaring til at udvikle og implementere omfattende AI-strategier for Tricon-kunder. Hans grundige proces afmystificerer ikke kun AI, men sikrer også, at disse virksomheder er udstyret til at lykkes og trives i den konkurrerende landskab af AI-teknologi. Erik er passioneret om at fremme vækst og innovation, deler sine indsigt for at inspirere og udvikle organisationer til at udnytte den transformative kraft af AI effektivt.

Kan du dele nogle højdepunkter fra din karriere, der har ført dig til din nuværende rolle som Chief AI Officer hos Tricon Infotech?

Jeg har været dybt involveret i informationshentingsdomænet hele min karriere. Min rejse begyndte i begyndelsen af 90’erne som webmaster ved internetts fødsel. Under denne formative periode fokuserede jeg på at bygge digitale biblioteker for regeringsinstitutioner, universiteter og medievirksomheder, hvilket lagde grundlaget for min ekspertise i digitale informationsystemer.

I 2000’erne skiftede jeg til at arbejde med søgemaskineleverandører, hvor jeg udviklede mine færdigheder i søgeteknologier. Denne fase af min karriere var kendetegnet ved betydelig vækst og læring gennem forskellige opkøb, hvilket til sidst førte mig til at tilslutte mig Microsoft i 2008. Hos Microsoft spillede jeg en afgørende rolle i udviklingen og forbedringen af videnopdagelsesplatforme, hvilket drev innovation og forbedrede informationsadgangen for brugerne.

Efter min tid hos Microsoft ledede jeg initiativer hos store virksomheder som Comcast og Elsevier, hvor jeg var ansvarlig for at køre store skala-videnopdagelsesplatforme. Disse erfaringer har været afgørende for at forme min tilgang til AI og informationshenting, hvilket kulminerede i min nuværende rolle som Chief AI Officer hos Tricon Infotech. Her udnytter jeg min omfattende erfaring til at drive AI-strategier og -løsninger, der giver vores kunder mulighed for at udnytte fuldt ud af deres data.

Hvordan har dine erfaringer hos virksomheder som Comcast, Elsevier og Microsoft påvirket din tilgang til at integrere AI og søgeteknologier?

Gennem hele min karriere har jeg været dybt fokuseret på naturlig sprogbehandling (NLP) og maskinlæring. Initiativt var disse teknologier baseret på simple regelbaserede systemer. Men da datasæt voksede større og beregningskraft blev mere robust, begyndte vi at forbedre brugeroplevelsen betydeligt ved at automatisere datahøst og føde det tilbage i algoritmerne for at forbedre deres ydeevne.

Hos Microsoft, efter opkøbet af FAST, fungerede jeg som produktmanager på SharePoint-holdet. I denne rolle var jeg involveret i at integrere avancerede søgeteknologier i virksomhedsindholdsstyringssystemer, hvilket forbedrede informationshenting og samarbejdskapaciteter for virksomheder.

Hos Comcast byggede jeg en videnopdagelsesplatform, der drev deres hele videoforretning, hvilket gjorde det muligt for brugere at søge og opdage indhold på tv, mobil og webenheder. Denne søgemaskine kunne håndtere over 1 milliard anmodninger om dagen, hvilket betydeligt forbedrede brugeroplevelsen ved at give hurtige og præcise indholdsanbefalinger og søgeresultater.

En af de mest transformative erfaringer var hos Elsevier, hvor vi lancerede en generativ AI-oplevelse til Scopus, en af deres mest troværdige produkter. Dette initiativ anvendte en stor sprogmodel (LLM) til at hjælpe brugere med at stille bedre spørgsmål og få mere præcise svar fra det dybt tekniske indhold i den videnskabelige kommunikationsdatabase. Denne LLM-drevne tilgang sikrede den fulde nøjagtighed og tillid til over 90 millioner artikler i databasen, hvilket demonstrerede kraften af AI til at forbedre akademisk forskning og videnformidling.

Hvad er det, der mest fascinerer dig ved de nuværende fremskridt i generativ AI og dens potentielle anvendelser?

En af de største historiske udfordringer i informationshenting har været at fastholde kontekst. For mennesker er dette en naturlig proces, men for maskiner har informationshenting traditionelt været en meget transaktionsbaseret oplevelse: stille et spørgsmål, få et svar. At dykke dybere ind i et emne krævede at stille stadig mere specifikke spørgsmål. Generativ AI revolutionerer denne tilgang ved at muliggøre en mere konversationel og kontekstuel interaktion, meget lig en naturlig samtale med nogen, du lige har mødt.

Desuden inkorporerer generativ AI yderligere teknikker, der forbedrer dybere forståelse, hvilket traditionelt har været svært for traditionelle søgemaskiner. For eksempel kan store sprogmodeller (LLM’er) behandle aspekter som tone, sentimentanalyse, semantisk forståelse og tvetydighed uden besvær. Disse kapaciteter giver LLM’er mulighed for at fatte nuancerne i menneskesprog og kontekst uden besvær, hvilket giver mere præcise og meningsfulde svar lige fra starten. Denne fremgang fascinerer mig mest, da den åbner op for en mangfoldighed af muligheder for at skabe mere intuitive, responsive og intelligente applikationer på tværs af forskellige domæner.

Hvordan adskiller Tricon Infotechs tilgang til GenAI sig fra andre virksomheder i branchen?

I GenAI-rummet er der to primære fokusområder. Det første, som modtager betydelig opmærksomhed fra nogle af de største teknologivirksomheder, er træning og finjustering af AI-modeller. Det andet område, hvor GenAI-praktikere virkelig excellerer, er inferens – brug af GenAI til at skabe værdifulde produkter og tjenester.

Hos Tricon Infotech fokuserer vi på det sidste. Vores tilgang er distinkt, da vi betoner praktisk anvendelse og hurtig implementering. Vi har udviklet et omfattende program, der hjælper forretningsledere med at identificere de mest indflydelsesrige brugsområder for GenAI. Vores proces inkluderer en hurtig prototyperingsløsning, der giver kunderne mulighed for at arbejde med deres eget data i en AI-sandbox. Denne tilgang sikrer, at de kan se konkrete resultater og interagere med AI-drevne indsigt tidligt i udviklingscyklen.

Desuden har vi en radikal fokus på tid til værdi. Vores mål er at hjælpe kunder med at bygge og implementere forbrugerorienterede applikationer inden for 90 dage. Denne accelererede tidsramme driver ikke kun hurtigere innovation, men sikrer også, at virksomheder kan kapitalisere på fordelene ved GenAI, skabe nye indtægtsstrømme og forbedre kundetilfredshed.

Kan du diskutere nogle af de nøgleudfordringer i implementeringen af store sprogmodeller (LLM’er) og generativ AI i virksomheds løsninger?

Implementeringen af store sprogmodeller (LLM’er) og generativ AI i virksomhedsløsninger præsenterer flere opdykkende udfordringer. Den første og mest fremtrædende udfordring er tillid. Virksomheder må være sikre på, at AI-systemer ikke vil kompromittere deres immaterielle ejendom eller følsomme virksomhedsinformationer. At sikre datasikkerhed og få ordentlig garanti for, at AI ikke misbruger data, er afgørende for at opnå tillid.

Den anden udfordring er problemet med hallucinationer. Generativ AI kan nogle gange producere selvbevidste svar, der faktisk er fejlbehæftede. Dette kan undergrave tilliden til AI-systemer. Teknikker som finjustering af modeller og anvendelse af Retrieval Augmented Generation (RAG) kan hjælpe med at mindske forekomsten af hallucinationer ved at sikre, at AI-svar er baseret på præcis data.

Den tredje betydelige udfordring er omkostningerne. Licensering og skalerbarhed af LLM’er kan være ret dyrt. Selv virksomhedsprodukter fra store leverandører som Microsoft, Amazon (AMZN ) og Google (GOOGL ) kommer med høje indgangspriser og minimumskrav. Derfor er det afgørende for virksomheder at nøje overvåge og styre avkastningen på investeringen (ROI) for at sikre, at implementeringen af AI-løsninger er økonomisk bæredygtig.

Kan du forklare den strukturerede tilgang, Tricon Infotech anvender til udvikling af tilpassede GenAI-virksomhedsløsninger?

Tricon Infotech er en produktudviklingsvirksomhed, der adskiller sig ved at tilbyde managed services gennem dedikeret, fuld-stack produktteams i stedet for traditionel staff augmentation. Vores tilgang indebærer at udrulle hele produktteams, der kan styre alle aspekter af produktudviklingslivscyklussen, herunder brugerforskning, brugeroplevelsesdesign (UX), front-end og back-end udvikling, testautomatisering, implementering, skalerbarhed og fortsat drift.

Denne omfattende managed service-model sikrer, at vores kunder kan fokusere direkte på at indhente værdi fra deres data uden kompleksiteterne og omkostningerne ved at styre separate ressourcer. Vores nøgle-driver er tid til værdi, hvilket betyder, at vi prioriterer at levere konkrete fordele hurtigt og effektivt. Vores ambition er at opbygge langsigtede generative relationer med vores kunder ved at fortsat tilføje værdi og iterere gennem funktionudviklingsprocessen.

Vores strukturerede tilgang er designet til at være agil og responsiv, hvilket giver os mulighed for at tilpasse os hurtigt til nye udfordringer og muligheder i AI-landskabet. Ved at udnytte de fulde kapaciteter af vores tværfaglige teams leverer vi højt tilpassede GenAI-løsninger, der er tilpasset de specifikke behov for hver enkelt virksomhed. Denne tilgang adskiller os ikke kun fra traditionelle staff augmentation-firmaer, men sikrer også, at vi tilbyder holistiske, end-to-end-løsninger, der driver betydelig forretningsimpact.

Hvad er nogle eksempler på reelle problemer, som Tricons GenAI-løsninger har løst med succes?

1. E-læring – omformning af traditionel medie og arvemateriale til interaktive multi-modale indhold. Dette giver vores kunder mulighed for at genbruge eksisterende indhold til at tilpasse sig nye måder at lære på og nå lærende på forskellige platforme, hvor de allerede er.
2. Privat AI – hjælp til kunder med at bygge tillidsfulde virksomheds-AI-løsninger, der forbliver private og respekterer kundernes adgangsregler, samtidig med at de opretholder omkostninger og hjælper med at skala ud på tværs af virksomhedens forskellige funktioner, hvilket hjælper overbelastede fagfolk og fællesservice med at skala ud bedre til organisationen, samtidig med at de naturligt forstår de forskellige regler og begrænsninger i lokale og regionale politikker, der er fordelt geografisk. Disse private AI’er vil ikke kun tjene virksomheden, men vil også generere nye indtægtsstrømme for vores kunder.
3. Procesautomatisering – der er stadig en enorm mængde organisationer, der afhænger af manuelle processer og swivel chair-dataintegration. AI hjælper med at forbinde de forskellige systemer sammen ved at oprette intelligente lag, der ikke kun kan validere data, men også forstå det unikke signal, der er skabt af det enestående datasæt eller værktøj, og hjælper med at effektivt routere arbejdsgange rundt om og identificere forsyningskædeproblemer.

Hvad er rollen af kontinuerlig læring og vækst i at føre an i det hurtigt udviklende felt af AI?

En af de mest betydelige udfordringer i AI-feltet er at opskolere talentpoolen. Der er en ny generation af arbejdere, der intuitivt forstår AI-værktøjer og -teknologier. Men der er også en ældre generation, der har brug for at forstå, hvad disse værktøjer kan og ikke kan gøre. Kontinuerlig læring er afgørende for at brobygge denne kløft.

AI-værktøjer har potentialet til at dramatisk forbedre produktiviteten, hvilket giver virksomheder mulighed for at opnå langt mere med betydeligt færre ressourcer, hvilket reducerer tidsrammer og omkostninger. For at disse fordele kan realiseres, må medarbejdere være åbne for at lære nye måder at arbejde på og integrere disse værktøjer i deres arbejdsgange.

Desuden er det essentiel at adressere frygten for job sikkerhed. Medarbejdere må forstå, at de, der omfavner kontinuerlig læring og vækst, vil være bedre udstyret til at integrere nye AI-værktøjer i deres daglige rutiner, hvilket ultimativt vil føre til større job sikkerhed. Realiteten er, at succes i den AI-drevne fremtid vil komme til dem, der aktivt søger at forstå og udnytte disse udviklende teknologier.

Hvordan forestiller du dig, at fremtiden for AI vil forandre søgeteknologi og brugerinteraktion i de næste ti år?

Vi oplever allerede en betydelig skift fra traditionelle søgemaskiner til generative AI-værktøjer til initielle forespørgsler. Denne skift skyldes generativ AI’s evne til at give direkte svar og løsninger, hvilket eliminerer behovet for at traversere multiple websites eller ressourcer uafhængigt. I den nærmeste fremtid vil det blive almindeligt for AI’er at deltage i møder, udføre handlinger og håndtere rutineopgaver, hvilket vil føre til en betydelig reduktion i rollerne for visse funktioner inden for virksomheder.

En af de nøgleudfordringer, der stadig eksisterer, er at figurere ud, hvordan man kan monitere generativ AI, da den traditionelle reklame-model kan stå over for betydelige hindringer i dette nye landskab. Min forudsigelse er, at data vil blive stadig mere værdifuld, fungerende som en slags valuta, da vi navigerer i denne nye verden. Denne skift vil kræve innovative forretningsmodeller, der udnytter de unikke kapaciteter af AI, samtidig med at de sikrer, at brugere og virksomheder kan udhente konkrete fordele fra deres interaktioner.

Samlet set lover fremtiden for AI i søgeteknologi og brugerinteraktion at være transformerende, gør informationshenting mere intuitiv og effektiv, samtidig med at den omdefinerer, hvordan vi tilgår digitale interaktioner og virksomhedsfunktioner.

Hvad er det praktiske råd, du ville give til virksomheder, der søger at udnytte AI til at drive succes og innovation?

Vær ikke bange for teknologien. Start med at gøre AI-værktøjer tilgængelige for dine medarbejdere for at sikre, at din data og immaterielle ejendom forbliver sikre. Mange medarbejdere bruger allerede AI-værktøjer, men uden ordentlig styring er der en risiko for misbrug. Derfor er det afgørende at opskolere dit personale, så de forstår risikoen og ved, hvordan de kan bruge disse værktøjer sikkert og effektivt.

Desuden er det essentiel at holde øje på succesmålene. AI-værktøjer kan være dyre, men omkostningerne forventes at falde over tid. Det er dog vigtigt at holde fokus på avkastningen på investeringen (ROI) for at styre omkostninger og forstå impakten på din forretning. Ved at gøre dette kan du udnytte AI til at drive innovation og succes, samtidig med at du sikrer, at fordelene overstiger omkostningerne.

Tak for det gode interview. Læsere, der ønsker at lære mere, kan besøge Tricon Infotech.