Inna Tokarev Sela, administrerende direktør og grundlægger af Illumex – Intervju-serie

Inna Tokarev Sela, administrerende direktør og grundlægger af Illumex, ændrer måden, virksomheder forbereder deres strukturerede data til generativ AI på. Illumex giver organisationer mulighed for at implementere genAI-analyseagenter ved at oversætte spredt, kryptisk data til meningsfuld, kontekst rig business-sprog med indbygget styring.

Platformen analyserer automatisk metadata for at lokalisere og mærke struktureret data uden at flytte eller ændre den, og tilføjer semantisk betydning og aligner definitioner for at sikre klarhed og gennemsigtighed. Ved at oprette business-termer, foreslå metrikker og identificere potentielle konflikter, sikrer Illumex datastyring på højeste niveau.

Med Illumex kan analyseagenter fortolke brugerforespørgsler med præcision, og levere nøjagtige, kontekstbevidste og hallucinationsfrie svar. Under Innas ledelse sætter Illumex en ny standard for AI-beredskab, og hjælper virksomheder med at låse fuldt ud af deres datas potentiale.

Hvad inspirerede dig til at grundlægge Illumex, og hvordan har dine erfaringer fra Sisense og SAP formet din vision for virksomheden?

Visionen for Illumex opstod under mine studier, hvor jeg forestillede mig, at information var tilgængelig gennem mindmap-lignende associationer i stedet for traditionelle databaser – og dermed giver direkte adgang til relevant data uden omfattende menneskelig konsultation.

Min tid hos SAP lærte mig grundlæggende om at bygge enterprise-software og skalerbarhed. Arbejdet med produktudvikling på SAP HANA cloud-platform og forretningsinitiativer som startup-partnerskabsrammen gav mig dybe indsigt i virksomhedskunders behov. Det afslørede en betydelig kløft mellem, hvordan virksomheder nærmer sig data-praksis, og hvad slutbrugere faktisk har brug for.

Hos Sisense viste opbygningen af AI-praksis fra bunden den enorme værdi, som AI kunne bringe til kunderne. At se denne effekt, kombineret med fremvæksten af SaaS og GenAI-teknologier, overbeviste mig om, at det var det rette tidspunkt at lancere Illumex i 2021.

illumex fokuserer på Generativ Semantisk Stof. Kan du forklare kernebegrebet og hvad der motiverede dig til at tage sig af denne specifikke udfordring inden for AI og data-analyse?

illumex har banet vejen for Generativ Semantisk Stof – en platform, der automatiserer oprettelsen af menneske- og maskinlæsbart organisatorisk kontekst og resonnering. Denne platform samler oplevelsen af både LLM-baseret generativ AI og business-applikationer for tekniske og ikke-tekniske brugere omkring en fælles kontekst.

Dette enkeltstående stof giver to store fordele: det strømliner datastyring gennem automatisering af op til 80% af data-engineering-opgaver og giver ikke-tekniske brugere adgang til analytics med indbygget styring, forklarbarhed og nøjagtighed. Begge disse fordele løser et multi-milliard-marked for virksomhedsbeslutninger.

Tænk på det som en digital legeplads, hvor maskiner, mennesker og applikationer interagerer spontant uden forudgående programmering. Dette er i overensstemmelse med vores vision om en applikationsfri fremtid, hvor du i stedet for at jonglere med multiple værktøjer som regneark, analytics, finansielle systemer og kunde-styring blot udtrykker din opgave, og den udføres problemfrit. Generativ Semantisk Stof er grundlaget for denne fremtid.

Hvad var nogle af de vigtigste udfordringer, du stod over for i Illumex’ tidlige dage, og hvordan overvandede du dem?

I 2021, på trods af at generativ AI-semantiske modeller har eksisteret siden 2017, og grafneurale netværk har eksisteret endnu længere, var det en svær opgave at forklare til venturekapitalister, hvorfor vi havde brug for automatiseret kontekst og resonnering. Selv at definere det dengang var en svær opgave.

Jeg ville sige, at den største udfordring var at skabe denne begejstring om denne fremtidige teknologi og fremtidige marked. Og jeg var meget heldig at møde fremtænkende investorer, der troede på mig.

Hvordan giver Illumex virksomheder mulighed for at blive AI-klare, og hvorfor er denne overgang kritisk i dagens forretningslandskab?

Forretningsverdenen splitter sig i to lejre: virksomheder, der erkender og udnytter AI som en transformerende kraft lignende internettet, og de, der misser eller forsinker forståelsen af denne mulighed.

illumex møder virksomheder, hvor de er i deres AI-reise. Vi forbereder deres data til generativ AI-implementering, udvider og styre organisatorisk logik og kontekst, og giver mulighed for implementering af agent-analyse og orkestrering.

Vores fuld-stack GenAI-implementeringsplatform for struktureret data løfter enhver virksomheds landskab til at effektivt udnytte disse avancerede teknologier.

illumex understreger “hallucinationsfrie” generative AI-svar. Hvordan sikrer Illumex deterministiske og pålidelige udgang?

illumex bygger på eksisterende forretningsontologier – viden grafer, der fanger industri-specifik terminologi, arbejdsgange og processer på tværs af sektorer som farmaceutik, detailhandel og produktion, samt forretningsfunktioner som finans, HR og supply chain.

Når vi påtager os kunder, gen-træner vi disse ontologier på deres metadata. Inden for få dage kan virksomheder søge i deres data, validere resultater og identificere problemer som duplikater eller konflikter.

Den agente analytics chatbot giver fuld gennemsigtighed – viser, hvordan spørgsmål fortolkes og kobles til kundens ontologi og derefter til data. Denne gennemsigtighed, kombineret med automatiseret data-validering, sikrer deterministiske, hallucinationsfrie svar. Derudover kan styringshold forhåndsgodkende potentielle svar, da konteksten indlejrer alle mulige spørgsmål og deres permutationer på forhånd.

Hvordan adskiller Illumex sig fra traditionelle tilgange som Retrieval-Augmented Generation (RAG)?

Mens RAG forsøger at tilpasse standard-AI-modeller ved at fodre dem med virksomhedsdata og logik, står den over for flere begrænsninger. Det er en sort boks – du kan ikke bestemme, om du har leveret nok eksempler til korrekt tilpasning, eller hvordan modelopdateringer påvirker nøjagtighed. Det afhænger også af datavidenskabsmænd, der måske mangler forretningskontekst, hvilket gør det svært at fuldt ud fange virksomhedslogik.

Dertil kommer, at RAG forbruger omkring 80% af AI-infrastruktur og tokens kun til finjustering i stedet for faktisk brug, hvilket giver anledning til ROI-behavior. Det mangler desuden indbygget styring – der er ingen måde for compliance-hold at validere træningsdygtighed eller sikre korrekt adgangskontrol.

illumex’ Generative Semantisk Stof (GSF) løser disse udfordringer gennem automatiseret kontekstbygning uden at forbruge eksterne AI-tokens. Det eliminerer behovet for specialiserede datavidenskabsmænd og giver fuld gennemsigtighed i kobling og resonnering gennem web, Slack eller Teams-grænseflader. GSF inkluderer indbygget styring og forklarbarhed, klare indikatorer for virksomhedsdækning og datakvalitet, og automatiseret kvalitetsvurdering for spørgsmål-svarkapaciteter.

Mange virksomheder kæmper med at træffe data-drevne beslutninger, på trods af at de investerer kraftigt i data-infrastruktur. Hvorfor tror du, denne kløft eksisterer, og hvordan løser Illumex den?

Kløften mellem data-investering og effektiv beslutningstagning fortsætter med at udvide sig, da data-volumener eksploderer, både internt og eksternt. Virksomheder står over for ikke kun deres egen voksende data, men også en række eksterne kilder – fra vejr-API’er til industriel cloud-platforme, der deler sundhedsdata på tværs af europæiske institutioner, plus syntetisk data til forskellige formål.

Udfordringen er, at virksomheder stadig afhænger af mennesker til kritiske data-opgaver som modellering, kvalitetsvurdering og dashboard-oprettelse. Dog gør skalaen og kompleksiteten af moderne data-miljøer det stadig mere umuligt for menneskelige hold at effektivt klassificere data, vurderere deres kvalitet og sikre, at de er egnede til AI-drevet analytics og automatisering.

illumex brostyrer denne kløft ved at automatisere disse traditionelt manuelle processer, og giver virksomheder mulighed for at effektivt styre, validere og udnytte deres udvidende data-landskab til meningsfulde forretningsbeslutninger.

Hvilke brancher har været de hurtigste til at adoptere Illumex’ platform, og hvilke unikke udfordringer eller muligheder har du observeret i disse sektorer?

Vi ser den hurtigste adoption i brancher, der ligger i skæringspunktet mellem data-intensitet og tung regulering, hvor virksomheder har brug for robust automatisering af data-kvalitets-overvågning, brugssporing og konflikt-detektion. Finans-tjenester, farmaceutik og detailhandel/e-handel er i front, da disse sektorer søger at genopfinde sig selv ved hjælp af deres eksisterende data-aktiver, samtidig med at de navigerer komplekse reguleringer.

Med generativ AI under hurtig udvikling, hvad ville du råde virksomheder til at gøre for at integrere AI effektivt og ansvarligt?

Start med at udvikle en klar strategisk plan, der identificerer specifikke brugstilfælde og de forretnings-imperativer, der driver AI-adoption. Det er afgørende at undgå at skabe nye siloer af AI-teknologi, der opererer i isolation fra eksisterende systemer.

I stedet opbyg en samlet platform, der integrerer data-styring, analytics og generative AI-kapaciteter. At holde AI-initiativer adskilt fra etablerede styringspraksis skaber ikke kun betydelige risici, men fører også til øgede omkostninger. Nøglen er at skabe en fælles infrastruktur, der understøtter alle disse funktioner, samtidig med at man opretholder ordentlig tilsyn.

Med AI-adoption accelererende, hvilke trends ser du, der former det virksomheds- AI-landskab over de næste 3-5 år?

To store trends er under udvikling i AI-landskabet. Først er agente analytics under opsving, hvilket giver mulighed for mere avanceret data-analyse og indsigt. For det andet ser vi en skiftning mod agente orkestrering, der giver mulighed for arbejdsgange baseret på samarbejde mellem multiple AI-modeller med forskellige funktioner.

Denne orkestrering flytter os ud over enkelt-formål-applikationer mod mere omfattende løsninger. For eksempel i sundhedssektoren, i stedet for isolerede applikationer til specifikke opgaver, tænk på automatisering af hele lægekontor-arbejdsgange – kombinerende billed-scanning, recept-behandling og lægemiddel-anbefalinger i ét sammenhængende system.

Disse fremskridt afhænger af en robust generativ semantisk stof til at sikre præcis data-adgang, fælles kontekst og koordination mellem AI-agenter. Dette grundlag vil være afgørende for at aktivere både agente analytics og orkestrerede AI-løsninger til at nå deres fulde potentiale.

Tak for det gode interview, læsere, der ønsker at lære mere, skal besøge Illumex.