Surojit Chatterjee, grundlægger og administrerende direktør i Ema – Intervieuserie

Surojit Chatterjee er grundlægger og administrerende direktør for Ema. Tidligere har han vejledt Coinbase gennem en succesfuld IPO i 2021 som chief product officer og har udvidet Google (GOOGL ) Mobile Ads og Google Shopping til multibilliondollarforretninger som VP og chef for produkt. Surojit har 40 US-patent og har en MBA fra MIT, MS i datalogi fra SUNY at Buffalo og B. Tech fra IIT Kharagpur.

Ema er en universel AI-medarbejder, der er integreret i virksomhedens eksisterende IT-infrastruktur. Den er designet til at forbedre produktiviteten, strømline processer og styrke holdene.

Kan du uddybe visionen bag Ema og hvad der inspirerede dig til at skabe en universel AI-medarbejder?

Målet for Ema er klart og ambitiøst: “transformere virksomheder ved at bygge en universel AI-medarbejder”. Denne vision stammer fra vores overbevisning om, at AI kan supplere menneskelige evner i stedet for at erstatte arbejdere helt. Vores universelle AI-medarbejder er designet til at automatisere kedelige, gentagne opgaver, så menneskelige medarbejdere kan fokusere på mere strategiske og værdifulde opgaver. Vi gør dette gennem Ema’s innovative agentic AI-system, der kan udføre en bred vifte af komplekse opgaver med en samling af AI-agenter (kaldet Ema’s Personas), der forbedrer effektiviteten og øger produktiviteten på tværs af utallige virksomheder.

Both du og din medstifter har imponerende baggrunde i førende teknologivirksomheder. Hvordan har din tidligere erfaring påvirket udviklingen og strategien for Ema?

Over de sidste to årtier har jeg arbejdet i ikoniske virksomheder som Google, Coinbase, Oracle (ORCL ) og Flipkart. Og på hver af disse steder tænkte jeg “Hvorfor ansætter vi de smarteste mennesker og giver dem job, der er så kedelige?”. Det er derfor, vi bygger Ema.

Før jeg co-foundede Ema, var jeg chief product officer for Coinbase og Flipkart og global chef for mobile annoncering på Google. Disse erfaringer dybede min tekniske viden på tværs af ingeniørarbejde, maskinlæring og annoncering. Disse roller tillod mig at identificere ineffektiviteter i måden, vi arbejder på, og hvordan man løser komplekse forretningsproblemer.

Ema’s medstifter og chef for ingeniørarbejde, Souvik Sen, var tidligere VP for ingeniørarbejde på Okta, hvor han overså data, maskinlæring og enheder. Før det var han på Google, hvor han var ingeniørchef for data og maskinlæring, hvor han byggede en af verdens største ML-systemer, fokuseret på privatliv og sikkerhed – Google’s Trust Graph. Hans ekspertise, især, er en drivende kraft til, at Ema’s Agentic AI-system er meget præcis og bygget til at være enterprise-klar i forhold til sikkerhed og privatliv.

Min medstifter Souvik og jeg tænkte, hvad hvis du havde en Michelin-stjernekok i huset, der kunne lave noget, du bad om. Du kunne være i humør til fransk i dag, italiensk i morgen og indisk dagen efter. Men uanset hvad du havde lyst til, eller hvilken retning du ønskede, kunne kokken genskabe retten af dine drømme. Det kan Ema gøre. Den kan overtage rollen som hvad du har brug for i virksomheden med blot en enkel samtale.

Ema bruger over 100 store sprogmodeller og dens egne mindre modeller. Hvordan sikrer du en problemfri integration og optimal ydelse fra disse forskellige kilder?

LLM’er, selvom de er kraftfulde, mangler i enterprise-miljøer på grund af deres manglende specialiserede viden og kontekstspecifik træning. Disse modeller er bygget på generel data, hvilket gør dem uegnet til at håndtere de nuancerede, proprietære oplysninger, der driver forretningsoperationer. Denne begrænsning kan føre til ukorrekte output, potentielle datasikkerhedsrisici og en manglende evne til at give domænespecifikke indsigt, der er afgørende for informerede beslutninger. Agentic AI-systemer som Ema adresserer disse mangler ved at tilbyde en mere tilpasset og dynamisk tilgang. I modsætning til statiske LLM’er kan vores agentic AI-systemer:

• Tilpasse sig enterprise-specifik data og arbejdsgange
• Udnytte multiple LLM’er baseret på nøjagtighed, omkostninger og ydelseskrav
• Vedligeholde datasikkerhed og privatliv ved at operere inden for virksomhedens infrastruktur
• Give forklarelige og verificerbare output, afgørende for forretningsansvar
• Opdatere og lære fra virksomhedens data i realtid
• Udføre komplekse, multi-trinsopgaver autonomt

Vi sikrer en problemfri integration fra disse forskellige kilder ved at bruge Ema’s proprietære 2T+ parameter mixture of experts model: EmaFusionTM. EmaFusionTM kombinerer 100+ offentlige LLM’er og mange domænespecifikke brugerdefinerede modeller for at maksimere nøjagtigheden til den lavest mulige omkostning for en bred vifte af opgaver i virksomheden, maksimerer avkastningen på investeringen. Plus, med denne nye tilgang, er Ema fremtidssikret; vi tilføjer konstant nye modeller for at undgå afhængighed af en enkelt teknologistak, og tager denne risiko væk fra vores virksomhedskunder.

Kan du forklare, hvordan Generative Workflow Engine fungerer, og hvilke fordele det tilbyder i forhold til traditionelle workflow-automatiseringsværktøjer?

Vi har udviklet titals af skabeloner til Personas (eller AI-medarbejdere til bestemte roller). Personas kan konfigureres og deployes hurtigt af forretningsbrugere – ingen kodningskundskaber kræves. I kernen er Ema’s Personas samlinger af proprietære AI-agenter, der samarbejder om at udføre komplekse arbejdsgange.

Vores patent-pendinge Generative Workflow Engine, en lille transformer-model, genererer arbejdsgange og orkestreringskode, vælger de passende agenter og designmønstre. Ema udnytter velkendte agentic designmønstre, såsom refleksion, planlægning, værktøjsbrug, multi-agent-samarbejde, language agent tree search (LATS), struktureret output og multi-agent-samarbejde, og introducerer mange innovative mønstre af sin egen. Med over 200 forudbyggede connectores integrerer Ema problemfrit med interne datakilder og kan udføre handlinger på tværs af værktøjer for at fungere effektivt i forskellige virksomhedsroller.

Ema anvendes i forskellige domæner, fra kundeservice til juridisk til forsikring. Hvilke brancher ser du den største vækstpotentiale for Ema, og hvorfor?

Vi ser potentiale på tværs af brancher og funktioner, da de fleste virksomheder har mindre end 30% automation i processer og bruger mere end 200 softwareapplikationer, hvilket fører til datasiloer og handlingssiloer. McKinsey & Co. estimerer, at generativ AI kunne tilføje svarende til 2,6 billioner til 4,4 billioner dollar årligt i produktivitetsgevinster (kilde).

Disse problemer er forværret i regulerede brancher som sundhedsvesen, finansielle tjenester, forsikring, hvor de fleste tekniske automatiseringer ikke har fundet sted, siden teknologien ikke var tilstrækkelig avanceret til deres processer. Det er her, vi ser den største mulighed for transformation og oplever stor efterspørgsel fra kunder i disse brancher for at udnytte generativ AI og teknologi som aldrig før.

Hvordan adresserer Ema datasikkerheds- og privatlivsproblemer, især når det integrerer multiple modeller og håndterer følsomme virksomhedsdata?

En presserende bekymring for enhver virksomhed, der bruger agentic AI, er den potentielle risiko for, at AI-agenter kan gå amok eller lække private data. Ema er bygget med tillid som kerne, i overensstemmelse med førende internationale standarder som SOC 2, ISO 27001, HIPAA, GDPR, NIST AI RMF, NIST CSF, NIST 800-171 For at sikre, at virksomhedens data forbliver private, sikre og i overensstemmelse, har Ema implementeret følgende sikkerhedsforanstaltninger:

• Automatisk redigering og sikkert anonymisering af følsomme data, auditlogs
• Real-tids-overvågning
• Kryptering af alle data i hvile og under overførsel
• Forklarlige og verificerbare output, afgørende for forretningsansvar

For at gå den ekstra mil udbyder Ema også fleksible installationsmuligheder, herunder on-premises-installationsmuligheder for multiple cloudsystemer, hvilket giver virksomheder mulighed for at holde deres data inden for deres eget tillidsfulde miljø.

Hvor let er det for en ny virksomhed at komme i gang med Ema, og hvad ser den typiske onboardingsproces ud?

Ema er utrolig intuitiv, så det er ret let at få holdene started på platformen. Forretningsbrugere kan konfigurere Ema’s Personas (eller AI-medarbejdere) ved hjælp af forudbyggede skabeloner på blot få minutter. De kan finjustere Personas-adfærd med samtaleinstruktioner, bruge forudbyggede connectores til at integrere med deres apps og datakilder og eventuelt tilføje private brugerdefinerede modeller, der er trænet på deres egne data. Når den er konfigureret, kan eksperter fra virksomheden træne deres Ema-persona med blot få timers feedback. Ema er blevet ansat til multiple roller af virksomheder som Envoy Global, TrueLayer, Moneyview, og i hver af disse roller udfører Ema allerede opgaver på eller over menneskelig niveau.

Ema har tiltrukket betydelig investering fra prominente investorer. Hvad mener du har været nøglen til at opnå så stærk investor-tillid?

Vi tror, investorer kan se, hvordan Ema’s platform giver virksomheder mulighed for at bruge agentic AI effektivt, strømline operationer for betydelige omkostningsreduktioner og låse op for nye potentielle indtægtsstrømme. Derudover har Ema’s ledelse ekspertise i AI og har den nødvendige tekniske viden og færdigheder. Vi har også en stærk track record for enterprise-klar levering, pålidelighed og overensstemmelse. Endelig er Ema’s produkter differentierede fra alt andet på markedet, og det er en pioner inden for de seneste tekniske fremskridt i agentic AI, hvilket gør os til det foretrukne valg for enhver virksomhed, der ønsker at tilføje næste generations AI til deres operationer.

Hvordan ser du rollen for AI på arbejdspladsen udvikle sig over de næste ti år, og hvilken rolle vil Ema spille i denne transformation?

Ema’s mission er at transformere virksomheder og hjælpe hver medarbejder med at arbejde hurtigere med hjælp af simple og nøjagtige agenter. Vores universelle AI-medarbejder har potentialet for at hjælpe virksomheder med at udføre opgaver på tværs af kundesupport, medarbejder-support, salgsaktivering, compliance, omsætningsoperationer og mere. Vi ønsker at transformere arbejdspladsen ved at give holdene mulighed for at fokusere på de mest strategiske og værdifulde projekter i stedet for kedelige, administrative opgaver. Som pioner inden for agentic AI er Ema en del af en ny æra for samarbejde mellem menneskelige og AI-medarbejdere, hvor innovation blomstrer, og produktiviteten stiger.

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