Dr. Zohar Bronfman, Mitgründer und CEO von Pecan AI – Interview-Serie

Dr. Zohar Bronfman ist der Mitgründer und CEO von Pecan AI. Mit seiner tiefen Expertise in computergestützter Psychologie und Data Science wandte Zohar seinen angeborenen unternehmerischen Geist an, um Pecan direkt nach seinem Studium mitzegründen. Zohar hält zwei PhDs von der Tel Aviv University – einen in computergestützter kognitiver Neurowissenschaft und einen anderen in der Geschichte und Philosophie von Wissenschaft und Technologie. Er hält auch einen BA in Wirtschaftswissenschaften von der Open University of Israel.

Gegründet im Jahr 2018 ist Pecan AI eine Plattform für Predictive Analytics, die ihre bahnbrechende Predictive GenAI nutzt, um Barrieren für die Adoption von KI zu beseitigen und predictive Modeling für alle Daten- und Geschäftsteams zugänglich zu machen. Unter der Leitung von generativer KI können Unternehmen präzise Vorhersagen in verschiedenen Geschäftsbereichen erhalten, ohne dass spezielles Personal erforderlich ist. Predictive GenAI ermöglicht eine schnelle Modelldefinition und -ausbildung, während automatisierte Prozesse die KI-Implementierung beschleunigen. Durch die Kombination von predictiver und generativer KI kann Pecan die Geschäftswirkung von KI jetzt viel schneller und einfacher realisieren.

Wie war die Reise bei der Gründung von Pecan AI und welche wichtigen Meilensteine wurden auf dem Weg erreicht?

Die Gründung von Pecan AI war ein echter Achterbahn. Alles begann, als mein Mitgründer und ich an einem internationalen Data-Science-Wettbewerb teilnahmen. Wir erstellten eine Automatisierung für die Datenbereitung, die zu Pecans Prototyp wurde, aber wir verpassten die Frist und verloren. Anstatt aufzugeben, entschieden wir uns, unseren Prototyp in etwas Bedeutsames zu verwandeln. Nur zwei Monate nach Abschluss unserer Promotionen im Jahr 2018 mieteten wir ein kleines Zimmer an der Tel Aviv University und begannen zu arbeiten. Mit begrenzter Geschäftserfahrung präsentierten wir unsere Idee Venture-Kapital-Gebern. Zum Glück sahen Haim Sadger und Aya Peterburg von S Capital das Potenzial und investierten 4 Millionen Dollar, was uns den notwendigen Schub gab.

Ein wichtiger Meilenstein war die Aufnahme von 66 Millionen Dollar in einer Series-C-Runde unter der Leitung von Insight Partners, mit Unterstützung von GV (früher Google (GOOGL ) Ventures) und anderen. Diese Finanzierung ermöglichte es uns, global zu expandieren und unsere Entwicklungsbestrebungen zu beschleunigen.

Wie beeinflusst Ihre Erfahrung in computergestützter kognitiver Neurowissenschaft Ihre Herangehensweise an die Entwicklung von KI-Lösungen?

Meine Erfahrung in computergestützter kognitiver Neurowissenschaft sowie mein PhD in Geschichte und Philosophie von Wissenschaft und Technologie spielen eine große Rolle bei der Entwicklung von KI-Lösungen. Diese Bereiche helfen mir, sowohl die technischen als auch die philosophischen Aspekte von Technologie zu verstehen. Diese doppelte Perspektive ist in der heutigen sich schnell verändernden Technologielandschaft von unschätzbarem Wert. Sie ermöglicht es mir, KI-Produkte zu entwickeln, die nicht nur technisch fortschrittlich sind, sondern auch ethisch einwandfrei und benutzerfreundlich.

Können Sie das Konzept von Predictive GenAI erklären und wie es generative KI mit predictiver Machine Learning verbindet?

Sicher. Predictive GenAI geht darum, generative KI mit predictiver Machine Learning zu verbinden. Generative KI ermöglicht es Benutzern, mit Daten durch natürliche Sprache zu interagieren, was es einfach macht, Fragen zu stellen und die KI zu steuern. Allerdings sind ihre predictiven Fähigkeiten begrenzt. Hier kommt predictiver Machine Learning ins Spiel, da er Daten verarbeitet, um genaue zukünftige Vorhersagen zu treffen. Durch die Kombination dieser beiden Technologien ermöglicht Predictive GenAI es sogar Benutzern mit wenig Data-Science-Erfahrung, predictive Modelle zu erstellen und sie nahtlos zu verwenden, ähnlich wie bei der Konversation mit ChatGPT.

Wie vereinfacht Predictive GenAI den Prozess der Erstellung und des Einsatzes von predictiven Modellen für Unternehmen?

Predictive GenAI vereinfacht den Prozess durch Funktionen wie Predictive Chat und Predictive Notebook. Predictive Chat fungiert wie ein KI-Assistent, der Benutzer durch den Modellierungsprozess mittels natürlicher Sprache führt. Es formulierte predictive Fragen basierend auf den Geschäftsbedenken des Benutzers und generiert ein Predictive Notebook mit vorbereiteten SQL-Abfragen und Beispiel-Daten. Das bedeutet, dass Benutzer nicht von vorne beginnen müssen oder tiefgreifendes technisches Wissen benötigen, um genaue Vorhersagen zu erhalten.

Können Sie den Fallbeispiel des CAA Club Group erläutern und wie Pecan AI ihre Pannenhilfe-Dienste optimierte?

Absolut. Der CAA Club Group verbrachte früher eine Woche damit, Pannenhilfe-Vorhersagen manuell zu erstellen, was zeitaufwändig und begrenzt war. Nach der Implementierung von Pecan AI entwickelte das Data-Science-Team des Unternehmens über 30 Modelle, um kurzfristige Nachfrage-Vorhersagen zweimal wöchentlich zu generieren. Diese Vorhersagen sagen Anrufvolumen und Diensttypen stündlich voraus, was eine effiziente Personalbesetzung und schnelle Reaktionen, insbesondere während harter Winterbedingungen, ermöglicht. Pecans Plattform ermöglicht auch die kontinuierliche Verbesserung dieser Modelle, was die Service-Effizienz erhöht.

Wie profitierte Credit Pros von der Verwendung von Pecan AI für die Vorhersage von Kunden-Abwanderung und welche spezifischen Herausforderungen löste es für sie?

Die Credit Pros hatten erhebliche Schwierigkeiten bei der Vorhersage von Kunden-Abwanderung, was ein komplexer und zeitaufwändiger Prozess war. Durch die Implementierung von Pecan AI reduzierte sich die Modellentwicklungszeit von drei Monaten auf nur wenige Wochen, was proaktive Beziehungsstrategien ermöglichte. Dieser gestraffte Prozess ermöglichte es TCP, Kunden-Abwanderung genau vorherzusagen und effektive Strategien zur Kundenbindung zu entwickeln, was letztendlich zu höheren Umsätzen führte.

Wie verbessern die Tools Predictive Chat und Predictive Notebook die Benutzererfahrung und machen predictive Analytics für nicht-technische Benutzer zugänglich?

Predictive Chat nutzt GenAI, um benutzerdefinierte Notebooks basierend auf den Geschäftsfragen und Daten des Benutzers zu erstellen. Benutzer können mit dem Chat in natürlicher Sprache interagieren, Fragen beantworten und Anweisungen befolgen, was den Modellierungsprozess vereinfacht. Das Predictive Notebook enthält alle notwendigen Code-Snippets, sodass Benutzer Abfragen anzeigen, benutzerdefinierte Tabellen erstellen und die Logik des Trainings-Datensatzes verstehen können. Dieser Ansatz macht predictive Analytics für nicht-technische Benutzer zugänglich, indem er die Datenbereitung und Modellerstellung strafft.

Wie sehen Sie die Rolle von Predictive GenAI bei der Transformation verschiedener Branchen und Geschäftsfunktionen?

Predictive GenAI ermöglicht es Unternehmen, datengetriebene Entscheidungen mit unvergleichlicher Genauigkeit und Effizienz zu treffen. In der Fertigungs- und Logistikbranche optimiert es den Betrieb durch Nachfrage-Vorhersagen und die Straffung von Lieferketten. In kundenorientierten Branchen verbessert es die Zufriedenheit und Loyalität durch gezielte Marketing- und personalisierte Empfehlungen. Predictive GenAI treibt auch die Innovation voran, indem es Markttrends vorhersagt, Produktentwicklung leitet und die Zeit bis zur Markteinführung beschleunigt. Seine Anwendungen erstrecken sich auf den Gesundheitssektor für Krankheitsvorhersagen und personalisierte Behandlungspläne sowie auf Nachhaltigkeitsbemühungen, indem es Ressourcen-Nutzung optimiert und den Umwelt-Einfluss reduziert.

Wie stellt Pecan AI die Genauigkeit und Zuverlässigkeit seiner predictiven Modelle sicher?

Wir stellen die Genauigkeit und Zuverlässigkeit durch strenge Tests und kontinuierliche Validierung sicher. Pecan AI verwendet separate Trainings- und Test-Datensätze, um die Modellleistung zu bewerten, ähnlich wie bei der Bewertung einer Schulprüfung. Schlüssel-Metriken wie Genauigkeit, Präzision und Recall werden verwendet, um Modelle während der Entwicklung und im Produktionsbetrieb zu validieren. Wir fördern auch Transparenz durch erklärbare Vorhersagen, die Benutzern helfen, die Faktoren zu verstehen, die jede Vorhersage beeinflussen, und das Vertrauen in KI-gesteuerte Erkenntnisse fördern.

Wie sehen Sie die Rolle von Predictive GenAI in den nächsten Jahren evolvieren?

Im Blick auf die Zukunft ist die Zukunft von KI nicht nur darin, Ereignisse vorherzusagen, sondern auch Handlungen basierend auf diesen Vorhersagen vorzuschlagen. Predictive GenAI zielt darauf ab, Entscheidungsprozesse zu automatisieren und Geschäftsprozesse zu optimieren. Es ist jedoch wichtig, die damit verbundenen Risiken zu verstehen und die verantwortungsvolle Nutzung von KI sicherzustellen. Wenn die Technologie sich weiterentwickelt, wird sie eine entscheidende Rolle bei der Verbesserung der operativen Effizienz, der Förderung von Innovation und der Steuerung strategischer Entscheidungen in verschiedenen Branchen spielen.

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