Chris Mahl, Präsident und CEO bei Pryon – Interview-Serie

Chris Mahl ist Präsident und Chief Executive Officer bei Pryon. Mit mehr als zwei Jahrzehnten Erfahrung bei einigen der weltweit bekanntesten Unternehmen für Unternehmenssoftware, spezialisiert sich Chris auf die Skalierung von Go-to-Market- und Betriebsstrategien für Technologieunternehmen in allen Wachstumsphasen.

Pryon bietet einen vertrauenswürdigen, sicheren und bewährten Weg, um generative KI in Unternehmen umzusetzen. Pryons beste Ingestions- und Retrieval-Engines können mit generativen LLMs kombiniert werden, um Retrieval-Augmented-Generation umzusetzen und sicherzustellen, dass genaue, instantane und verifizierbare Antworten auf Unternehmensscale bereitgestellt werden.

Mit der führenden Retrieval-Technologie extrahiert Pryon RAG Suite sicher Antworten aus allen Formen von Inhalten, einschließlich Audio, Bildern, Text und Video, die in einer Vielzahl von Quellen gespeichert sind. Pryons Produkte sind intuitiv zu bedienen, über API von jedem System zugänglich und können in wenigen Wochen in der Cloud oder vor Ort bereitgestellt werden.

Pryon konzentriert sich auf Retrieval-Augmented Generation (RAG). Können Sie erklären, wie Ihr Ansatz zum Retrieval im Vergleich zu anderen KI-gesteuerten Such- und Wissensmanagement-Systemen unterscheidet?

Pryons Ansatz zum Retrieval hebt sich ab, da unser Retrieval-Engine in der Lage ist, Inhalte in Echtzeit aus verschiedenen Quellen wie PDFs, Bildern, Webseiten und Videos zu zugreifen, während die Datenprivatsphäre ohne externe Abhängigkeiten gewahrt bleibt. Wir haben semantische Suche mit granularer Datenattribuierung kombiniert, um eine Retrieval-Genauigkeit von über 90% zu erreichen. Im Gegensatz zu vielen Systemen skaliert unser System effektiv für große Organisationen, sodass Teams schnell und präzise Entscheidungen auf der Grundlage ihrer bestehenden Wissensbasis treffen können.

Der Pryon-Ingestions-Engine ist dafür ausgelegt, große Mengen an multimodalem Inhalt zu strukturieren. Was macht Ihren Ingestions-Prozess einzigartig und wie verbessert er die Retrieval-Genauigkeit?

Pryons Ingestion kann multimodale Inhalte verarbeiten, indem Antworten aus Audio, Bildern, Text und Video über verschiedene Quellen extrahiert werden. Dies löst das grundlegende Problem der nicht verbundenen Daten in Unternehmen. Da unstrukturierte Daten jährlich um über 50% wachsen, transformiert unser Ingestions-Engine verstreute Informationen in strukturiertes, handlungsfähiges Wissen. Der Prozess ist für Sicherheit und Privatsphäre konzipiert und schützt sensible Unternehmensdaten, während er sie sofort nutzbar macht.

Ihr Retrieval-Engine verspricht instantane, genaue und verifizierbare Antworten. Wie stellt Pryon sicher, dass die Genauigkeit gewährleistet und Halluzinationen minimiert werden, wenn Informationen extrahiert werden?

Pryon stellt die Genauigkeit sicher und minimiert Halluzinationen durch mehrere Mechanismen. Unsere Technologie kombiniert semantische Suche mit granularer Datenattribuierung, was bedeutet, dass Antworten auf ihre spezifischen Quellen zurückverfolgt werden können. Diese Attribuierung ist für die Verifizierung von entscheidender Bedeutung. Das System greift in Echtzeit auf Inhalte aus Originalquellen zu, anstatt auf möglicherweise veraltete oder unvollständige Wissensbasen zurückzugreifen. Diese direkte Verbindung zu den Quellen, kombiniert mit unserer hohen Retrieval-Genauigkeit (über 90%), reduziert das Risiko von Halluzinationen, die viele generative KI-Systeme plagen.

Wie geht Pryon mit Echtzeit-Aktualisierungen von Informationen um, insbesondere in dynamischen Umgebungen wie Regierung, Energie und Gesundheitswesen?

Pryon stellt sicher, dass Benutzer in Echtzeit auf die aktuellsten Informationen zugreifen können, durch flexible, auf Abruf erfolgende Inhalts-Synchronisation. Benutzer können Inhalts-Synchronisationen über unser Admin-Portal auslösen oder Updates mithilfe unseres Sync-API auf einem regelmäßigen Basis – ob wöchentlich, täglich oder sogar stündlich, je nach betrieblichen Anforderungen – automatisieren. Unser Delta-Check-Prozess optimiert die Effizienz, indem nur geänderte Inhalte aktualisiert werden, was eine schnelle, genaue und ressourcenschonende Wissensabruf in mission-kritischen Umgebungen wie Regierung, Energie und Gesundheitswesen ermöglicht.

Pryon arbeitet mit Regierungs- und Verteidigungsbehörden zusammen. Obwohl Details oft klassifiziert sind, können Sie über einen Anwendungsfall sprechen, in dem Ihre KI die Entscheidungsfindung oder betriebliche Effizienz erheblich verbessert hat?

Pryon arbeitet mit einer Reihe von Verteidigungs- und Nachrichtendiensten zusammen, einschließlich des Air Force Research Laboratory (AFRL) und des Chief Digital and Artificial Intelligence Office (CDAO), um den Betrieb zu rationalisieren und eine schnellere, informiertere Entscheidungsfindung zu ermöglichen.

Ein leistungsstarkes Beispiel ist unsere Zusammenarbeit mit dem Digital Transformation Office (DAF DTO) des US-Luftwaffenministeriums. Dieses Team unterstützt Beschaffungs- und Wartungspersonal, das oft kritische Informationen in Hunderttausenden von Webseiten und Dokumenten finden muss. Gemeinsam haben wir DTO Wingman gestartet, einen KI-gesteuerten Assistenten, der genaue, Echtzeit-Antworten auf komplexe Fragen liefert – inklusive Quellenangabe.

Anstatt manuell nach Richtlinien-Dokumenten oder Vorschriften zu suchen, können Benutzer einfach Fragen stellen wie “Was bin ich befugt, mit meiner Reisekarte zu kaufen?” oder “Was ist der digitale Bau-Code und wie hängt er mit Beschaffungen zusammen?” Die KI liefert präzise Antworten und hilft sogar bei der Erstellung von Berichten und Präsentationsmaterialien.

Indem Pryon Luftwaffen- und Weltraumstreitkräften sofortigen Zugang zu vertrauenswürdigen Antworten bietet, hilft DTO Wingman Teams, effizienter zu arbeiten und verlässliche, zeitnahe Anleitung für leitende Mitarbeiter und Entscheidungsträger zu bieten.

Ihre Arbeit im Bereich Life Sciences erwähnt KI-gesteuerte Forschung. Wie hilft Pryons System Forschern, große Datenmengen wie PubMed oder private Forschungs-Repositorys zu navigieren?

Pryons System hilft Forschern, große Datenmengen wie PubMed oder private Forschungs-Repositorys zu navigieren, durch mehrere Schlüsselkapazitäten.

Verbesserung der Forschungsqualität:

• Reduzierung menschlicher Fehler: Systematische Abrufung aktueller Daten stellt sicher, dass weniger Artikel verpasst oder Beweise übersehen werden.
• Untermauerung durch Beweise: Jede Antwort basiert auf der ursprünglichen Literatur, was datengesteuerte Schlussfolgerungen fördert, die auf den Satz zurückverfolgt werden können, aus dem sie stammen.

Schutz vor hochsensiblen Inhalten:

• Vertraulichkeit: Währt strenge Zugriffskontrollen und Datenverschlüsselung, die für proprietäre oder patientenbezogene Datensätze unerlässlich sind.
• Compliance: Mit Daten, die unter Vorschriften wie HIPAA oder DSGVO fallen, können Forscher darauf vertrauen, dass sensible Informationen geschützt sind.

Für Kundenservice und Vertrieb: Wie vergleicht sich Pryons KI mit herkömmlichen Chatbot- und CRM-Lösungen in Bezug auf die Steigerung der Effizienz und die Reduzierung der Support-Belastung?

Kundenservice-/Vertriebs-Interaktionen müssen in der Regel eine Balance zwischen Genauigkeit und Flexibilität ihrer Chatbot-/CRM-Lösungen finden. Da die Lieferung einer falschen Antwort an einen Kunden inakzeptabel ist und rechtliche Auswirkungen haben kann, entscheiden sich viele Chatbot-Anbieter und traditionelle Conversational-AI-Lösungen dafür, die Flexibilität der Lösung mit harten deterministischen “FAQ-only”-Interaktionen zu begrenzen.

Dies ist ein Problem für den Anbieter, der manuell spezifische Antworten auf häufig gestellte Fragen kodieren muss, und bietet dem Kunden eine schlechte Erfahrung, der die Oberfläche eines Chatbots hat, aber eine völlig unflexible Erfahrung, die sich kaum von der Lektüre einer FAQ unterscheidet. Andere Anbieter entscheiden sich dafür, eine flexiblere generative Erfahrung mit weniger Einschränkungen für die LLM zu verwenden, was jedoch aufgrund des Fehlens einer präzisen Abrufung dazu führt, dass ganze Produktkataloge oder Webseiten in das Kontextfenster der LLM gestopft werden, was die Genauigkeit der Ausgabe verringert und möglicherweise katastrophale Folgen haben kann.

Die Kunst und Wissenschaft der RAG besteht darin, das Signal (Wahrheit) zu maximieren und das Rauschen (irrelevante Kontexte, die die LLM oft verwirren) zu minimieren. Die Präzision von Pryons Abruf – in der Lage, eine spezifische satzbezogene Antwort über alle Dokumente hinweg zu finden – bedeutet, dass Kundenservice und Vertrieb nicht länger Kompromisse zwischen Genauigkeit und Flexibilität eingehen müssen.

Was sehen Sie als die größten Herausforderungen bei der Einführung von KI in Unternehmen heute, insbesondere bei RAG-basierten Systemen?

Während dies sicherlich etwas ist, das wir in unseren eigenen Interaktionen mit dem Markt finden, wird es auch zunehmend anerkannt, dass “KI-fähige Daten” (oder das Fehlen davon) der größte Punkt des Scheiterns für KI-Einsätze ist.

• 91% der Führungskräfte in einer Umfrage von Harvard Business Review sagten, dass eine zuverlässige Datenbasis für eine erfolgreiche KI-Einführung unerlässlich sei.
• McKinsey fand heraus, dass 70% der GenAI-Initiativen mit Herausforderungen im Zusammenhang mit Daten konfrontiert sind, wobei nur 1% der wichtigen Daten eines Unternehmens in aktuellen Modellen widergespiegelt werden.
• The Wall Street Journal nannte Zuverlässigkeit als die größte Sorge für die Einführung von KI-Agenten – ein Problem, das eng mit Datenqualität und -zugänglichkeit verbunden ist.
• Gartner identifizierte den Mangel an GenAI-fähigen Daten als den Hauptgrund für fehlgeschlagene Einsätze.

KI-fähige Daten gehen über die bloße Vektorisierung Ihrer Word-Dokumente hinaus – es geht darum, Ihre isolierten Quellen zu vereinen, mit komplexen Formaten wie multimodalen Eingaben zu arbeiten, Ihre Daten zu bereinigen, zu verbessern, in ein Format zu bringen, das LLMs verwenden können, es in die richtige Granularitätsstufe zu unterteilen, um die optimale Genauigkeit zu erhalten und die Kosten zu senken, es intelligent zu indexieren und es mit einem leistungsfähigen Abrufsystem zu verbinden usw.

Diese sind große Herausforderungen, die spezielle Kompetenzen und Werkzeuge erfordern – in einer Umfrage von RAG-Entwicklern, die Lösungen innerhalb großer Unternehmen entwickeln, die Pryon durchgeführt hat, rangierte die Datenvorbereitung als die teuerste, zeitaufwändigste und technisch anspruchsvollste Phase des Aufbaus, gefolgt von der Informationsabruf.

Wie unterscheidet sich Pryons RAG-Suite von den Unternehmenslösungen, die von Microsoft, Google oder OpenAI angeboten werden?

Die spezifische Differenzierung variiert von Spieler zu Spieler, aber im Großen und Ganzen konzentrieren sich die großen Technologie-Unternehmen darauf, die “Schnittstelle” zur KI am Arbeitsplatz zu sein. Pryon konzentriert sich auf ein fundamentaleres Level des Stacks – die Wissensschicht. Pryon löst die tiefen Probleme der Datenvorbereitung und -abruf, während die großen Technologie-Unternehmen darauf ausgerichtet sind, breite KI-Lösungen bereitzustellen, die einige einfache RAG-Anwendungsfälle abdecken können, aber oft bei den realen Komplexitäten von Unternehmens- und Regierungsanwendungsfällen versagen. Pryon kann auch komplementär zu diesen Systemen sein, wobei der von Copilot, Gemini oder GPT generierte Inhalt in die Pryon-Wissensschicht eingebunden wird, um von nachgelagerten Anwendungen und Agenten organisiert und nutzbar gemacht zu werden.

Wie geht Pryon die sich entwickelnden KI-Regulierungen, wie den EU-KI-Akt und die US-KI-Richtlinien, an, um die Einhaltung und ethische KI-Nutzung zu gewährleisten?

Während KI-Regulierungen global weiterentwickelt werden, bleibt Pryon der Einhaltung und ethischen KI-Nutzung verpflichtet. Unser Ansatz stimmt mit Rahmenwerken wie dem EU-KI-Akt, den US-KI-Richtlinien und den Grundsätzen für verantwortungsvolle KI (RAI) des Verteidigungsministeriums überein, um sicherzustellen, dass unsere KI-Lösungen vertrauenswürdig, transparent und regelbar sind. Durch die Einhaltung des RAI-SHIELD-Rahmenwerks integrieren wir eine strenge Bewertung, Nachverfolgbarkeit und kontinuierliche Überwachung über den gesamten KI-Lebenszyklus – mit der Priorisierung von Sicherheit, Fairness und Leistung. Indem Pryon diese Best Practices in unsere Bereitstellungsmethodik integriert, ermöglichen wir es Organisationen, KI verantwortungsvoll einzusetzen, während sie die höchsten regulatorischen und ethischen Standards erfüllen.

Vielen Dank für das großartige Interview. Leser, die mehr erfahren möchten, sollten Pryon besuchen.