Soham Mazumdar, Medstifter og CEO af WisdomAI – Interviewserie

Soham Mazumdar er medstifter og CEO af WisdomAI, et firma, der er i forkanten af AI-drevne løsninger. Før han stiftede WisdomAI i 2023, var han medstifter og chiefarkitekt hos Rubrik, hvor han spillede en nøglerolle i at skala virksomheden over en periode på 9 år. Soham havde tidligere ledende ingeniørroller hos Facebook (META ) og Google (GOOGL ), hvor han bidrog til kernsøgeinfrastruktur og blev anerkendt med Google Founders Award. Han stiftede også Tagtile, en mobil loyalitetsplatform, der blev købt af Facebook. Med to årtiers erfaring inden for softwarearkitektur og AI-innovation er Soham en erfaren iværksætter og teknolog baseret i San Francisco Bay-området.

WisdomAI er en AI-nativ forretningsintelligensplatform, der hjælper virksomheder med at få adgang til nøjagtige og aktuelle indsigt ved at integrere struktureret og ustruktureret data gennem sin proprietære “Knowledge Fabric”. Platformen driver specialiserede AI-agenter, der kuraterer datakontekst, besvarer forretningsspørgsmål på naturlig sprog og proaktivt fremhæver tendenser eller risici – uden at generere hallucineret indhold. I modsætning til traditionelle BI-værktøjer bruger WisdomAI generativ AI kun til forespørgselsgenerering, hvilket sikrer høj nøjagtighed og pålidelighed. Den integrerer med eksisterende dataøkosystemer og understøtter virksomhedsgrads sikkerhed, med tidlig adoption af store virksomheder som Cisco og ConocoPhillips (COP ).

De var medstifter af Rubrik og hjalp med at skala det til en stor virksomhedsucces. Hvad inspirerede dig til at forlade i 2023 og bygge WisdomAI – og var der et bestemt øjeblik, der klarede denne nye retning?

Virksomhedens dataineffektivitetsproblem stirrede mig lige i ansigtet. Under min tid hos Rubrik oplevede jeg førstehånds, hvordan Fortune 500-virksomheder druknede i data, men sultede efter indsigt. Selv med al den infrastruktur, vi byggede, havde mindre end 20% af virksomhedens brugere faktisk den rette adgang og viden til at bruge data effektivt i deres daglige arbejde. Det var et massivt, systemisk problem, som ingen rigtigt løste.

Jeg er også en bygger af natur – du kan se det i min vej fra Google til Tagtile til Rubrik og nu WisdomAI. Jeg bliver energiseret af at tage på grundlæggende udfordringer og bygge løsninger fra bunden. Efter at have hjulpet med at skala Rubrik til virksomhedsucces, følte jeg igen den iværksættertræk til at tackle noget lige så ambitiøst.

Sidst men ikke mindst var AI-muligheden umulig at ignorere. I 2023 blev det klart, at AI kunne slutte den kløft mellem data tilgængelighed og data brugbarhed. Tidspunktet føltes perfekt til at bygge noget, der kunne demokratisere data indsigt for alle virksomhedsbrugere, ikke kun de tekniske få.

Øjeblikket af klarhed kom, da jeg indså, at vi kunne kombinere alt, hvad jeg havde lært om virksomhedsdatainfrastruktur hos Rubrik, med den transformerende potentiale af AI for at løse dette grundlæggende ineffektivitetsproblem.

WisdomAI introducerer en “Knowledge Fabric” og en suite af AI-agenter. Kan du forklare, hvordan dette system arbejder sammen for at gå ud over traditionelle BI-dashboard?

Vi har bygget en agentic data indsigt platform, der arbejder med data, hvor det er – struktureret, ustruktureret og selv “dirty” data. I stedet for at bede analytics teams om at køre rapporter, kan forretningsledere direkte stille spørgsmål og bore i detaljer. Vores platform kan trænes på enhver data warehouse system ved at analysere forespørgselslogge.

Vi er kompatible med større cloud data services som Snowflake, Microsoft Fabric, Google’s BigQuery, Amazon’s Redshift, Databricks og Postgres og også kun dokumentformater som excel, PDF, powerpoint osv.

I modsætning til konventionelle værktøjer, der er designet primært til analytikere, giver vores konversationsinterface forretningsbrugere mulighed for at få svar direkte, mens vores multi-agent arkitektur giver mulighed for komplekse forespørgsler på tværs af diverse datasystemer.

De har betonet, at WisdomAI undgår hallucinationer ved at adskille GenAI fra svar generation. Kan du forklare, hvordan jeres system bruger GenAI anderledes – og hvorfor det er vigtigt for virksomheds tillid?

Vores AI-Ready Context Model trænes på virksomhedens data for at skabe en universel kontekstforståelse, der besvarer spørgsmål med høj semantisk nøjagtighed, mens den opretholder data privatliv og styring. Desuden bruger vi generativ AI til at formulere veldefinerede forespørgsler, der giver os mulighed for at trække data fra forskellige systemer, i stedet for at føde rå data ind i LLM’er. Dette er afgørende for at adressere hallucination og sikkerhedsproblemer med LLM’er.

De har myntet begrebet “Agentic Data Insights Platform”. Hvordan er agentic intelligens forskellig fra traditionelle analytics værktøjer eller selv standard LLM-baserede assistenter?

Traditionelle BI-stacks langsommelige beslutningsprocessen, fordi hvert spørgsmål skal kæmpe sig igennem afbrudte data siloer og en relay-hold af specialister. Når en chief revenue officer har brug for at vide, hvordan han skal lukke kvartalet, skal svaret typisk gå gennem halv en snes hænder – analytikere, der bekæmper CRM-udtræk, dataingeniører, der syr filer sammen, og dashboard-byggere, der opdaterer rapporter – og omdanner et enkelt spørgsmål til et multi-dagsprojekt.

Vores platform bryder disse siloer ned og giver den fulde dybde af data en tastetryk væk, så CRO kan bore fra overskriftsmålinger til rækkeniveau detaljer på sekunder.

Ingen ventetid i analystkøen, ingen foruddefinerede dashboards, der ikke kan følge med nye spørgsmål – kun sandt selvbetjening indsigt leveret i den hastighed, forretningsverdenen bevæger sig.

Hvordan sikrer WisdomAI, at den tilpasser sig den unikke data-vokabular og struktur for hver virksomhed? Hvilken rol spiller menneskelig input i forbedringen af Knowledge Fabric?

Arbejde med data, hvor og hvordan det er – det er essentielt det hellige gral for virksomheds business intelligence. Traditionelle systemer er ikke bygget til at håndtere ustruktureret data eller “dirty” data med trykfejl og fejl. Når information findes på tværs af varierede kilder – databaser, dokumenter, telemetridata – kæmper organisationer for at integrere denne information sammenhængende.

Uden kapacitet til at håndtere disse diverse data typer forbliver værdifuld kontekst isoleret i separate systemer. Vores platform kan trænes på enhver data warehouse system ved at analysere forespørgselslogge, hvilket giver det mulighed for at tilpasse sig hver organisations unikke data-vokabular og struktur.

De har beskrevet WisdomAI’s udviklingsproces som ‘vibe coding’ – bygning af produktoplevelser direkte i kode først, derefter itererer gennem virkeligt brug. Hvad fordele har denne tilgang givet jer i forhold til traditionel produkt design?

“Vibe coding” er en betydelig ændring i, hvordan software bygges, hvor udviklere udnytter kraften af AI-værktøjer til at generere kode blot ved at beskrive den ønskede funktionalitet på naturlig sprog. Det er som en intelligent assistent, der gør, hvad du vil have softwaren til at gøre, og skriver koden for dig. Dette reducerer dramatisk den manuelle indsats og tid, der traditionelt kræves til kodning.

I årevis har skabelsen af digitale produkter i hovedsagen fulgt en velkendt skript: planlægge produktet og brugeroplevelsen omhyggeligt, derefter udføre udviklingen og iterere baseret på feedback. Logikken var klar, fordi investering i design forud for udviklingen minimiserer dyre omgørelser under den mere dyre og tidskrævende udviklingsfase. Men hvad sker der, når omkostningerne og tiden til at udføre denne udvikling dramatisk reduceres? Denne kapacitet vender den traditionelle udviklingssekvens på hovedet. Pludselig kan udviklere starte med at bygge funktionsdygtig software baseret på en overordnet forståelse af kravene, selv før detaljerede produkt- og brugeroplevelsesdesign er færdiggjort.

Med AI-kodegenereringshastighed kan indsatsen i at skabe udførlige forudgående design i visse sammenhænge blive relativt mere tidskrævende end at få en basis, funktionsdygtig version af softwaren op og køre. Den nye paradigm i verden af vibe coding bliver: udføre (kode med AI), derefter tilpasse (design og forfine).

Denne tilgang giver mulighed for utrolig tidlig bruger validering af de grundlæggende koncepter. Forestil dig at få feedback på den faktiske funktionalitet af en funktion, før du investerer tungt i detaljerede visuelle design. Dette kan føre til mere brugercentreret design, da designprocessen direkte informeres af, hvordan brugere interagerer med et konkret produkt.

Hos WisdomAI omfavner vi aktivt AI-kodegenerering. Vi har fundet, at ved at omfavne hurtig initial udvikling kan vi teste kernefunktionaliteter og samle uvurderlig brugerfeedback tidligt i processen, live på produktet. Dette giver vores designhold mulighed for at fokusere på at forfine brugeroplevelsen og visuelt design baseret på virkeligt brug, hvilket fører til mere effektive og brugerelskede produkter, hurtigere.

Fra salg og marketing til produktion og kundesucces, WisdomAI sigter mod et bredt spektrum af forretningsbrugsfald. Hvilke vertikaler har set den hurtigste adoption – og hvilke brugsfald har overrasket jer i deres impact?

Vi har set transformerende resultater med multiple kunder. For F500 olie- og gasvirksomhed, ConocoPhillips, bruger boringingeniører og operatører nu vores platform til at stille komplekse spørgsmål om boringdata direkte på naturlig sprog. Før WisdomAI havde disse ingeniører brug for teknisk hjælp til selv grundlæggende operationelle spørgsmål om boringstatus eller jobpræstation. Nu kan de få adgang til denne information på samme tid, mens de sammenligner med bedste praksis i deres boringhåndbøger – alt gennem samme konversationsinterface. De evaluerede flere AI-leverandører i en seks-måneders proces, og vores løsning leverede en 50% nøjagtighedsforbedring i forhold til den nærmeste konkurrent.

Hos et hyper-vækst Cybersikkerhedsfirma, Descope, bruges WisdomAI som en virtuel dataanalytiker til Salg og Finans. Vi reducerede rapportoprettelsestid fra 2-3 dage til kun 2-3 timer – en 90% reduktion. Dette omdannede deres ugentlige salgsmøder fra dataindsamling til strategisessioner fokuseret på handlebare indsigt. Som deres CRO bemærker, “Wisdom AI bringer data til mine fingre. Det demokratiserer virkelig data, giver mig mulighed for at stille spørgsmål og gå videre med min dag, i stedet for at definere mit spørgsmål, vente på, at nogen bygger svaret, og så få det i 5 dage.” Denne evne til at træffe data-drevne beslutninger med uset hastighed har været særligt afgørende for en hurtigt voksende virksomhed i den konkurrerende identitetsstyringsmarked.

Mange virksomheder i dag er overbelastet med dashboards, rapporter og siloede værktøjer. Hvad er de mest almindelige misforståelser, virksomheder har om business intelligence i dag?

Virksomheder sidder på store mængder af information, men kæmper for at udnytte denne data til hurtig beslutning. Udfordringen er ikke kun at have data, men at arbejde med det i dets naturlige tilstand – hvilket ofte inkluderer “dirty” data, der ikke er renset for trykfejl eller fejl. Virksomheder investerer tungt i infrastruktur, men møder flaskehalse med stive dashboards, dårlig datahygiejne og siloet information. De fleste virksomheder har brug for specialiserede hold til at køre rapporter, hvilket skaber betydelige forsinkelser, når forretningsledere har brug for svar hurtigt. Grænsefladen, hvor mennesker forbruger data, er forældet, på trods af fremskridt i cloud data engines og datavidenskab.

Ser du WisdomAI som supplement eller til sidst erstatter eksisterende BI-værktøjer som Tableau eller Looker? Hvordan passer du ind i den bredere virksomhedsdatastak?

Vi er kompatible med større cloud data services som Snowflake, Microsoft Fabric, Google’s BigQuery, Amazon’s Redshift, Databricks og Postgres og også kun dokumentformater som excel, PDF, powerpoint osv. Vores tilgang transformerer grænsefladen, hvor mennesker forbruger data, som er forældet, på trods af fremskridt i cloud data engines og datavidenskab.

Set fremad, hvor ser du WisdomAI om fem år – og hvordan ser du konceptet “agentic intelligence” udvikle sig på tværs af virksomhedslandskabet?

Fremtiden for analytics er på vej fra specialist-drevne rapporter til selvbetjening intelligens, der er tilgængelig for alle. BI-værktøjer har været omkring i over 20 år, men adoption har ikke nået 20% af virksomhedens medarbejdere. Samtidig har 60% af arbejdspladsbrugere adopteret ChatGPT på kun 12 måneder, mange af dem bruger det til dataanalyse. Denne dramatiske forskel viser potentialet for konversationsgrænseflader til at øge adoption.

Vi oplever en grundlæggende ændring, hvor alle medarbejdere kan direkte afhøre data uden tekniske færdigheder. Fremtiden vil kombinere den computational kraft af AI med naturlig menneskelig interaktion, hvilket giver mulighed for, at indsigt finder brugere proaktivt, i stedet for at kræve, at de skal lede efter dashboards.

Tak for det store interview, læsere, der ønsker at lære mere, skal besøge WisdomAI.