Jeffrey Lai, Gründer und CEO von IrisGo – Interview-Serie

Jeffrey Lai, Gründer und CEO von IrisGo, ist ein AI-Unternehmer und Produktleiter mit tiefen Wurzeln in intelligenten Assistenten und Sprachtechnologien. Bevor er IrisGo 2025 gründete und als Gründer in Residence bei AI Fund tätig war, verbrachte Lai mehr als 12 Jahre bei Apple (AAPL ), wo er half, Siri aufzubauen und zu skalieren, und schließlich als Siri Language Engineering Manager tätig war. Seine Arbeit konzentrierte sich auf die Weiterentwicklung der multilingualen konversationalen KI, einschließlich der Entwicklung der chinesischsprachigen Version von Siri. Vor Apple hatte er Ingenieurpositionen bei Cisco Systems (CSCO ) und absolvierte ein Praktikum bei der Intelligent Robotics Group des NASA Ames Research Center. Mit einer Karriere, die sich über Robotik, Unternehmenssoftware und Consumer-AI erstreckt, hat Lai sich stets darauf konzentriert, komplexe Technologien zugänglicher und nützlicher für den täglichen Arbeitsablauf zu machen.

IrisGo entwickelt ein KI-Betriebssystem, das für die neue Generation von KI-gesteuerten Personalcomputern konzipiert ist. Anstatt als eigenständiger Chatbot zu fungieren, ist die Plattform darauf ausgelegt, zu beobachten, wie Benutzer Aufgaben über Anwendungen hinweg ausführen, diese Workflows zu erlernen und sie durch einen intelligenten On-Device-Assistenten zu automatisieren. Der Kernansatz konzentriert sich darauf, es Benutzern zu ermöglichen, eine Aufgabe einmal zu demonstrieren und dann in einen wiederverwendbaren Workflow umzuwandeln, um repetitive digitale Arbeit zu reduzieren. Durch die Nutzung der dedizierten KI-Verarbeitungsfähigkeiten moderner KI-PCs zielt IrisGo darauf ab, eine privatere, responsivere und kontextbewusste Automatisierung zu ermöglichen und positioniert sich innerhalb des wachsenden Marktes für agente KI-Systeme, die im Namen der Benutzer aktiv Aufgaben ausführen können, anstatt nur Empfehlungen zu geben.

Nachdem Sie bei Apple an der Entwicklung von Siri gearbeitet haben, welche spezifischen Erfahrungen haben Sie dazu veranlasst, IrisGo zu gründen, und welches war das wichtigste Problem in der Mensch-Computer-Interaktion, das Sie als ungelöst ansahen?

Als wir Siri aufbauten, konzentrierten wir uns unglaublich auf das Verständnis natürlicher Sprache. Aber Siri hatte Schwierigkeiten mit dem Kontext, was herausfordernd ist, weil die Art und Weise, wie Menschen tatsächlich arbeiten und kommunizieren, voller impliziten Kontext ist. Wenn Sie einen Kollegen fragen: “Können Sie mir diesen Bericht senden?”, wissen sie, welchen Bericht. Sie wissen Ihre gemeinsame Geschichte, Ihr aktuelles Projekt, worüber Sie diskutiert haben. Siri hatte das nicht.

Für viele Jahre wurde KI darauf ausgelegt, auf Sie zu reagieren. Etwas eingeben, etwas zurückbekommen. Das ist das Interaktionsmodell, das wir von Suchmaschinen und Chatbots geerbt haben. Aber die meisten Dinge, die Menschen tatsächlich auf einem Computer tun, sind keine Fragen, sondern Workflows. Bericht kompilieren. Tabellenkreuzreferenzen. Daten aus drei verschiedenen Anwendungen ziehen und in ein Dokument formatieren. Diese Art von Arbeit passt nicht in eine Aufforderung.

Was mich dazu veranlasste, IrisGo zu gründen, war die Erkenntnis, dass die Branche nicht für den täglichen Gebrauch baute. Jeder baute intelligentere Modelle, besseres Sprachverständnis, schnellere Antworten. Aber die grundlegende Lücke, wo KI tatsächlich die Arbeit erledigen kann, nicht nur auf Anfragen reagieren, war noch immer da. Das ist das Problem, das wir zu lösen versuchten.

Blicken Sie auf Ihre Jahre zurück, die Sie an der Arbeit an Siri gearbeitet haben, welche waren die größten Lektionen, die Sie über die Grenzen von Sprachassistenten gelernt haben, insbesondere im Hinblick auf das Verständnis von Kontext, Absicht und Benutzerverhalten?

Die größte Lektion, die ich gelernt habe, ist, dass Kontext alles ist. Menschen kommunizieren selten in isolierten Befehlen; ihre Anfragen werden durch das geprägt, woran sie arbeiten und was sie zu erreichen versuchen. Frühe Sprachassistenten wurden um einzelne Anfragen herum entworfen, was für viele Aufgaben gut funktioniert, aber weniger effektiv für laufende Arbeiten ist, die mehrere Anwendungen und Workflows umfassen. Diese Erfahrung hat mich gelehrt, dass das Verständnis von Absichten das Verständnis von Kontext erfordert, und diese Erkenntnis wurde zu einer der grundlegenden Ideen hinter IrisGo.

Was wir gelernt haben, ist, dass Absicht oft geschichtet ist. Jemand sagt etwas und meint etwas anderes, und das richtig zu verstehen, erfordert das Verständnis der Person, nicht nur der Worte. Dieses Verständnis ist von Anfang an in IrisGo eingebaut.

IrisGo wird oft als KI-Betriebssystem und nicht als KI-Assistent beschrieben. Was ist der Unterschied, und warum glauben Sie, dass die Branche eine neue Softwareebene für die Ära der KI-PCs benötigt?

Ein KI-Assistent wartet auf Sie. Sie öffnen es, tippen etwas ein, es reagiert und dann ist es fertig. Das Interaktionsmodell ist im Wesentlichen dasselbe wie bei einer Suchmaschine, bei der der Benutzer eine Anfrage stellt und die KI eine Antwort generiert.

IrisGo, das ein KI-Betriebssystem ist, arbeitet neben allem, was Sie tun, über Ihr gesamtes System hinweg, immer. Es hat Zugriff auf Ihre Dateien, Ihre Anwendungen, Ihren Browser, Ihre E-Mails. Es versteht, wie Sie arbeiten, weil es mit Ihrer Erlaubnis beobachtet. Und entscheidend kann es handeln, nicht nur beraten.

Denken Sie daran, was Windows für die persönliche Computertechnik getan hat. Bevor es existierte, musste man technisch versiert sein, um einen Computer zu verwenden. Windows schuf eine universelle, intuitive Ebene zwischen den Menschen und der Software. Die Ära der KI-PCs benötigt ihre eigene Version dieser Ebene, die die rohe Kraft der KI-Modelle nutzt und sie wirklich nützlich für die Menschen macht, die ihre tägliche Arbeit erledigen.

Das ist IrisGo: die Intelligenzschicht des KI-PCs. Wenn Sie KI-PCs ohne diese Schicht ausliefern, haben Sie nur einen leistungsstarken Chip, der untätig herumsitzt. Was Sie benötigen, ist eine Software, die weiß, wie sie ihn im Namen der Person, die sie verwendet, einsetzen kann.

Eine der Kernideen von IrisGo ist, dass Benutzer das System durch eine einzige Demonstration einer Aufgabe unterrichten können. Warum glauben Sie, dass das “Beobachten und Lernen” ein natürlicheres Modell ist als das Abrufen oder manuelle Erstellen von Workflows?

Was die “Beobachten und Lernen”-Funktion so leistungsstark macht, ist, dass sie auf der Art und Weise basiert, wie wir einander tatsächlich unterrichten. Wenn Sie einen neuen Mitarbeiter einarbeiten, schreiben Sie ihm keine 40-Schritt-Anleitung. Sie zeigen ihm, wie Sie etwas machen, er beobachtet, er lernt und übernimmt es dann. Das ist intuitiv. Das ist natürlich.

Das Problem mit dem Abrufen ist, dass es die Last auf den Benutzer legt, genau zu artikulieren, was er will, in einem Format, das die KI verstehen kann. Für einfache Anfragen funktioniert das gut. Aber wie geht es mit komplexen, mehrschrittigen Workflows, die Ihre spezifischen Dateien und Ihre spezifische Arbeitsweise beinhalten? Es kann schnell zusammenbrechen. Die meisten Menschen können ihre Workflows nicht mit genügend Präzision beschreiben, um die KI dazu zu bringen, sie korrekt auszuführen.

Zeigen ist einfacher als Erzählen. Das ist keine neue Erkenntnis; es ist gesunder Menschenverstand. Was “Beobachten und Lernen” tut, ist, diese Logik auf die Automatisierung anzuwenden. Sie führen Ihre Aufgabe einmal aus, auf die Art und Weise, wie Sie es normalerweise tun. IrisGo lernt das Muster. Und von diesem Zeitpunkt an erledigt es den Workflow für Sie.

Viele KI-Agenten heute erfordern noch erhebliche Einrichtung und Überwachung. Was unterscheidet einen wirklich autonomen Agenten von einem Chatbot, der einfach Anweisungen befolgt?

Die kurze Antwort ist, dass ein wirklich autonomer Agent seinen eigenen Kontext hat, eigene Entscheidungen trifft und auch dann weiterarbeitet, wenn Sie nicht zusehen.

Ein Chatbot ist per Design reaktiv. Er lebt und stirbt mit dem Prompt. Sie geben ihm eine Anweisung, er führt sie aus und dann hört er auf. Wenn sich etwas ändert, wenn ein Schritt fehlschlägt oder wenn er sich anpassen muss, verliert er sich. Er wird Sie fragen, was Sie als Nächstes tun möchten.

Ein wirklich autonomer Agent hat ein Ziel, nicht nur eine Anweisung. Er hat Kontext über die Umgebung, in der er operiert. Er kann Ausnahmen handhaben. Er kann entscheiden, ob er fortfährt, erneut versucht oder etwas für eine menschliche Überprüfung flaggt. Und wichtigsterweise kann er im Hintergrund laufen, während Sie an anderen Dingen arbeiten.

Die meisten Dinge, die heute als “KI-Agenten” verkauft werden, sind im Grunde genommen nur fortschrittliche Chatbots mit extra Schritten. Die Lücke zwischen diesen Produkten und echter Autonomie ist enorm. Was IrisGo unterschiedlich macht, ist, dass es von einem Modell davon ausgeht, wie Sie arbeiten, das direkt durch das Beobachten von Ihnen gelernt wird, und dass es verwendet, um die richtigen Entscheidungen zu treffen, nicht nur Anweisungen zu befolgen.

Sie haben über die Wichtigkeit von persistentem Speicher und lokalem Kontext gesprochen. Warum sind diese Fähigkeiten unerlässlich, wenn KI über das Beantworten von Fragen hinausgehen und im Namen des Benutzers handeln soll?

Stellen Sie sich vor, Sie hätten einen Assistenten, der jeden Morgen keine Erinnerung daran hat, wer Sie sind, woran Sie arbeiten oder wie Sie Dinge gerne erledigt haben. Sie würden den halben Tag damit verbringen, den Kontext zu erklären, und Sie würden extrem frustriert werden. Das ist im Wesentlichen, was die meisten KI-Tools von Ihnen heute verlangen.

Persistenter Speicher bedeutet, dass das System Sie kennt. Es kennt Ihre Projekte, Ihre Workflows, Ihre Vorlieben und wie sich Dinge im Laufe der Zeit entwickelt haben. Sie müssen den Kontext nicht jedes Mal neu herstellen, wenn Sie eine Sitzung starten. Die KI trägt diesen Kontext weiter.

Lokaler Kontext ist ebenso kritisch, weil Ihre Arbeit nicht in der Cloud lebt. Sie lebt auf Ihrem Computer, in Dateien, Anwendungen, E-Mails, Browser-Registerkarten. IrisGo läuft auf Ihrem Gerät, was bedeutet, dass es Zugriff auf Ihre gesamte Arbeitsumgebung hat und in Ihrem Namen überall darauf zugreifen kann.

Diese beiden Dinge zusammen – Speicher und lokaler Zugriff – sind es, die es der KI ermöglichen, aufzuhören, ein Werkzeug zu sein, das Sie verwenden, und zu beginnen, ein System zu sein, das für Sie arbeitet. Wir sehen, dass immer mehr Unternehmen in der Technologiebranche beginnen, die Bedeutung dieses Ansatzes zu erkennen, einschließlich der großen Technologieunternehmen, also ist es eine klare Bestätigung unseres Ansatzes.

Privatsphäre bleibt eine der größten Bedenken im Zusammenhang mit KI. Wie balancieren Sie die Notwendigkeit von Personalisierung und Speicher mit den Erwartungen der Benutzer in Bezug auf Sicherheit und Datenbesitz?

Die Annahme, dass Privatsphäre und Personalisierung im Widerspruch zueinander stehen, ist das Erste, was in Frage gestellt werden muss. Wir haben IrisGo so konzipiert, dass Personalisierung auf dem Gerät und nicht nur in der Cloud erfolgen kann.

Der größte Teil der IrisGo-Verarbeitung findet lokal auf Ihrem Computer statt. Ihre Workflows, Ihre Dateien, Ihr Kontext bleiben alle bei Ihnen. Cloud-Verarbeitung erfolgt nur, wenn Sie sie explizit autorisieren, und wenn sie erfolgt, ist sie von Ende zu Ende verschlüsselt. Sie sind in der Kontrolle darüber, was wohin geht.

Dieses Modell macht IrisGo leistungsstärker, weil es Zugriff auf den vollen Kontext Ihrer Arbeitsumgebung hat. Und es bedeutet, dass Benutzer nicht zwischen einem nützlichen KI-System und einem sicheren System wählen müssen.

Menschen vertrauen ihren persönlichen Computern mit sensiblen Arbeiten an. Unser Ziel ist es, IrisGo würdig dieses Vertrauens zu machen. Dies ist fundamental für die Produktgestaltung.

IrisGo wird bereits auf KI-PCs von Acer ausgeliefert, mit Plänen, auf weitere Hersteller auszuweiten. Wie wichtig glauben Sie, dass Vertriebspartnerschaften für die Bestimmung der KI-Plattformen sind, die letztendlich eine breite Akzeptanz erreichen werden?

Der Vertrieb ist absolut entscheidend für die breite Akzeptanz. Schauen Sie sich einfach die Geschichte des Wettbewerbs um Plattformen in der Technologie an. Windows gewann, weil es auf fast jedem PC installiert war. Android gewann, weil es das meistgenutzte Betriebssystem für mobile Geräte war, die keine iPhones waren. Die Unternehmen, die versuchten, durch reine Produktqualität zu gewinnen, ohne den Vertrieb, der es unterstützt, schafften es meist nicht.

Der Markt für KI-PCs folgt einem ähnlichen Muster. Wenn IrisGo auf einem Gerät vorinstalliert ist, ist es da, wenn Sie die Box öffnen. Sie müssen nicht danach suchen, es herunterladen oder entscheiden, es eine Chance zu geben. Das ist ein enormer Vorteil.

Wir sind bereits in 3 Millionen Acer-Laptop-Geräten, die in diesem Jahr ausgeliefert werden, und wir sind in Gesprächen mit weiteren erstklassigen PC-Herstellern. Das Ziel ist es, das KI-Betriebssystem für PCs zu werden. Diese Vertriebsstrategie ist zentral für unsere Positionierung in dieser Kategorie.

Wenn KI-Agenten in der Lage sind, Rechnungen, Forschung, Berichte und andere Geschäftsworkflows zu bearbeiten, welche neuen Herausforderungen in Bezug auf Governance, Überwachung und Vertrauen sollten Organisationen heute vorbereiten?

Die erste Herausforderung ist die Prüfbarkeit. Wenn ein KI-Agent einen Workflow wie die Verarbeitung einer Rechnung oder die Generierung eines Berichts abschließt, können Sie sehen, was er getan hat, warum er es getan hat und woher die Daten stammen? Diese Art von transparenter Prüfung ist für die Einhaltung von Vorschriften und für das Erkennen von Fehlern, bevor sie sich ausbreiten, unerlässlich.

Die zweite ist die Definition von Grenzen. Welche Workflows sind für autonome Ausführung geeignet und welche erfordern eine menschliche Überprüfung? Unternehmen benötigen klare Richtlinien dazu. Die Tendenz ist, der KI immer mehr zu erlauben, und dann zu spät zu erkennen, dass Entscheidungen mit hohen Einsätzen ohne ausreichende Überwachung getroffen werden.

Drittens ist es die Vertrauenskalibrierung. Mitarbeiter müssen verstehen, was die KI kann und was nicht, und wann sie die Ausgabe überprüfen sollten, anstatt anzunehmen, dass sie korrekt ist. Das ist ein Problem der Kultur und der Schulung ebenso wie der Technologie.

Ich glaube, dass die Organisationen, die sich heute darauf vorbereiten, einen bedeutenden Vorteil haben werden, weil die Governance-Rahmenbedingungen mit dem Wachstum der KI-Fähigkeiten zunehmen werden.

In fünf Jahren werden die Menschen immer noch die meiste Zeit damit verbringen, mit KI über Chat-Schnittstellen zu interagieren, oder wird KI zunehmend in den Hintergrund treten und Arbeit ohne Aufforderung proaktiv erledigen?

Die Entwicklung zeigt bereits, dass KI zunehmend in den Hintergrund treten wird. Das Modell, auf das wir hinarbeiten, ist eines, bei dem Ihr Computer Ihre Arbeit versteht und die routinemäßigen Teile davon erledigt, sodass Ihre Aufmerksamkeit für die Dinge frei wird, die tatsächlich Ihre Anwesenheit erfordern.

Denken Sie daran, wie der Autopilot in der Luftfahrt funktioniert. Piloten sind nicht jeden Moment eines jeden Fluges hands-on. Das System erledigt die Grundlage, und der Mensch engagiert sich, wenn Urteilsvermögen und Fachwissen erforderlich sind. Das ist die Zukunft der KI-gestützten Wissensarbeit. Ihr Computer erledigt die repetitiven, regelbasierten Workflows. Sie konzentrieren sich auf Strategie, Kreativität und die Entscheidungen, die echtes menschliches Urteilsvermögen erfordern.

In fünf Jahren werden die produktivsten Menschen diejenigen sein, die neben Systemen arbeiten, die verstehen, wie der Benutzer operiert. In der Vergangenheit haben die Menschen all die Arbeit auf ihren Computern erledigt. In der Zukunft wird Ihr Computer auch Arbeit für Sie erledigen.

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