Κίλιαν Κίεραν, Ιδρυτής και Διευθύνων Σύμβουλος της Ethyca – Σειρά Συνεντεύξεων

Κίλιαν Κίεραν, Ιδρυτής και Διευθύνων Σύμβουλος της Ethyca, είναι ένας επιχειρηματίας με πολλή εμπειρία στη δημιουργία επιχειρήσεων που βασίζονται σε δεδομένα. Πριν ιδρύσει την Ethyca το 2019, ήταν επικεφαλής της ψηφιακής εταιρείας CKSK για μια δεκαετία και στη συνέχεια ίδρυσε την BrandCommerce, αξιοποιώντας την εμπειρία του στην ανάπτυξη λογισμικού, την εμπειρία του χρήστη και τα προγράμματα δεδομένων μεγάλων επιχειρήσεων. Στην Ethyca, ο Κίεραν επικεντρώθηκε στη μετατροπή της προστασίας δεδομένων και της διακυβέρνησης από μια σε μεγάλο βαθμό χειροκίνητη λειτουργία συμμόρφωσης σε υποδομή που μπορεί να ενσωματωθεί απευθείας στον τρόπο με τον οποίο οι οργανισμοί δημιουργούν και λειτουργούν τεχνολογία.

Ethyca αναπτύσσει αξιόπιστη υποδομή δεδομένων που βοηθά τις επιχειρήσεις να ανακαλύψουν ευαίσθητες πληροφορίες, να διαχειρίζονται τη συγκατάθεση, να εκπληρώσουν αιτήσεις προστασίας δεδομένων και να επιβάλλουν τους κανόνες που διέπουν τον τρόπο με τον οποίο τα δεδομένα χρησιμοποιούνται σε συμβατικές εφαρμογές και συστήματα τεχνητής νοημοσύνης. Η πλατφόρμα της είναι κατασκευασμένη γύρω από το Fides, μια ανοιχτή γλώσσα διακυβέρνησης που δημιουργεί ένα συνεπές πλαίσιο για την ορισμό, τον έλεγχο και την επιβολή των επιτρεπόμενων χρήσεων δεδομένων σε συστήματα, API και πipelines AI. Η εταιρεία lanzει τώρα το Astralis, ένα επίπεδο διακυβέρνησης AI που συνδυάζει αυτοματοποιημένες αξιολογήσεις ρυθμιστικών με έλεγχο πρόσβασης με βάση τον σκοπό, επιτρέποντας στους οργανισμούς να καθορίσουν γιατί τα μοντέλα και οι πράκτορες έχουν πρόσβαση σε συγκεκριμένα δεδομένα και να επιβάλλουν αυτές τις άδειες σε πραγματικό χρόνο. Η Ethyca λέει ότι η πλατφόρμα μπορεί να μειώσει τις αξιολογήσεις που παραδοσιακά απαιτούν 40 έως 60 ώρες χειροκίνητου έργου σε περίπου 20 έως 40 λεπτά, βοηθώντας τις επιχειρήσεις να επεκτείνουν τις αναπτύξεις AI χωρίς να επιτρέψουν στις διαδικασίες διακυβέρνησης να γίνουν εμπόδιο.

Ιδρύσατε πολλές εταιρείες πριν από την εκκίνηση της Ethyca το 2019, συμπεριλαμβανομένης της δημιουργίας της CKSK σε μια παγκόσμια ψηφιακή εταιρεία που εξυπηρετεί οργανισμούς Fortune 500. Ποια εμπειρία κατά τη διάρκεια αυτού του ταξιδιού σας έκανε να πιστεύετε ότι η διακυβέρνηση δεδομένων, αντί για τα μοντέλα AI, θα γίνει το καθοριστικό εμπόδιο για την υιοθέτηση AI από τις επιχειρήσεις;

Πέρασα χρόνια xây dựng μια ψηφιακή εταιρεία που εξυπηρετούσε μεγάλες επιχειρήσεις όπως η Heineken, η Sony και η Pepsi κατά τη διάρκεια της ψηφιακής διαφήμισης και της χρυσής εποχής των μέσων κοινωνικής δικτύωσης. Κάθε φορά, είδα το ίδιο μοτίβο να αναπτύσσεται. Μια ισχυρή τεχνολογία φτάνει, όλοι αγωνίζονται να την υιοθετήσουν και μόνο όταν έχει already ενσωματωθεί στην επιχείρηση, οι ρυθμιστές εμφανίζονται για να θέσουν φραγμούς γύρω της, αφήνοντας τις ομάδες συμμόρφωσης να αντιμετωπίσουν τις συνέπειες. Πάρτε το GDPR, την πρώτη πραγματική επίθεση στη χρήση δεδομένων από τις εταιρείες. Οι ρυθμιστές επενέβησαν μόνο αφού η martech και τα μέσα κοινωνικής δικτύωσης είχαν ήδη κάνει τη συλλογή δεδομένων την οσφυική στήλη των επιχειρηματικών μοντέλων τους. Ήταν σαφές για μένα ότι το ίδιο μοτίβο θα συνέβαινε με την AI.

Αυτό που στερεώθηκε την υποψία που είχα ήταν το έργο συμμόρφωσης προστασίας δεδομένων που έκανα στην Ethyca. Κατασκευάζοντας συστήματα συμμόρφωσης για μεγάλες επιχειρήσεις, συνειδητοποίησα ότι θα μπορούσατε να τοποθετήσετε ένα επίπεδο γύρω από τα δεδομένα μιας εταιρείας που αξιολογούσε κάθε αίτηση με βάση τρία πράγματα: τι είναι τα δεδομένα, τι επιτρέπεται να κάνετε με αυτά και ποιο είναι το ρίσκο αν τα κάνετε. Το έργο αυτό έκανε σαφές το πραγματικό εμπόδιο. Οι επιχειρήσεις δεν είναι短 σε δεδομένα. Είναι短 σε ένα επίπεδο διακυβέρνησης που ορίζει ποια δεδομένα επιτρέπεται να χρησιμοποιηθούν για ποιο σκοπό. Αυτό ήταν το στοίχημα που κάναμε το 2019 και από τότε που η AI εμφανίστηκε, έχει γίνει ακόμη πιο σχετικό.

Τι έχει αλλάξει η εξέλιξη της επιχειρηματικής AI από απλά chatbots σε αυτόνομους πράκτορες AI που μπορούν να λαμβάνουν αποφάσεις και να thựcούν ενέργειες; Πώς έχει αλλάξει η εξέλιξη αυτή τις προκλήσεις διακυβέρνησης που αντιμετωπίζουν οι οργανισμοί και γιατί οι παραδοσιακές προσεγγίσεις συμμόρφωσης δεν είναι πλέον αποτελεσματικές;

Οι άνθρωποι μιλάνε για την επιχειρηματική AI και το ROI της, ως αν η αξία προέρχεται από το να συνδέσετε έναν πράκτορα στις ροές εργασίας σας. Στην πραγματικότητα, η αξία προέρχεται από τη σύνδεση του πράκτορα με ένα ευρύ φάσμα συστημάτων, ώστε να μπορεί να συνθέσει δεδομένα και να παράγει εξόδους που δεν θα μπορούσε να κάνει ένας άνθρωπος σε αυτό το χρονικό διάστημα. Η πρόσβαση στα δεδομένα είναι το πραγματικό εμπόδιο.

Το πρόβλημα είναι ότι το ίδιο που κάνει τον πράκτορα πολύτιμο είναι αυτό που τον κάνει και επικίνδυνο. Όσο περισσότερα συστήματα συνδέετε, τόσο περισσότερα δεδομένα αρχίζουν να ρέουν από ένα μέρος του οργανισμού σε άλλο και κάθε μία από αυτές τις ροές γίνεται μια ευκαιρία για τα δεδομένα να βρεθούν στο λάθος μέρος.

Κάθε μία από αυτές τις ροές πρέπει να ελεγχθεί: είναι τα δεδομένα αυτά επιτρεπόμενα να χρησιμοποιηθούν με αυτόν τον τρόπο, για αυτόν τον σκοπό, σύμφωνα με τον νόμο προστασίας δεδομένων και την πολιτική μας; Όταν υπάρχουν μερικές από αυτές τις αποφάσεις κάθε μέρα, ένας άνθρωπος μπορεί να τις λάβει χειροκίνητα. Όταν υπάρχει ένας πράκτορας AI που εκτελεί χιλιάδες αιτήσεις ανά δευτερόλεπτο, γίνεται ανθρώπινα αδύνατο. Αυτό είναι το σημείο όπου η παραδοσιακή συμμόρφωση καταρρέει.

Για να πραγματοποιηθούν οι φουσκωμένες αξιολογήσεις μεγάλων εταιρειών AI, η διακυβέρνηση πρέπει να μεταφερθεί σε πραγματικό χρόνο, με ταχύτητα μηχανής, τη στιγμή που τα δεδομένα πρόσβασης.

Η Ethyca lanzει το Astralis ως ένα επίπεδο διακυβέρνησης για την επιχειρηματική AI. Ποια συγκεκριμένα προβλήματα πελατών οδήγησαν στη δημιουργία της πλατφόρμας και γιατί είναι η σωστή στιγμή να την εισαγάγει;

Το έργο της καθαρισμού δεδομένων για την AI vẫn γίνεται με τον ίδιο τρόπο που γινόταν για την προστασία δεδομένων το 2016, με ανθρώπους που συμπληρώνουν ερωτηματολόγια και εκτελούν αξιολογήσεις με το χέρι. Αυτή η διαδικασία ήταν ήδη πολύ αργή για την κανονική εργασία προστασίας δεδομένων και ενάντια στον όγκο των χρήσεων AI, δεν έχει καμία ευκαιρία. Το μεγαλύτερο μέρος του τι πουλάνε ως διακυβέρνηση AI σήμερα είναι τα ίδια έντυπα και εργογραφίες με ένα λεζάντα “AI” επάνω τους. Η συμπλήρωση ενός εντύπου δεν είναι διακυβέρνηση. Αυτό που λείπει είναι το λογισμικό που κάνει τη δουλειά της διακυβέρνησης από μόνη της, αντί να παράγει ένα αρχείο ενός ανθρώπου που το έχει κάνει με το χέρι. Αυτό είναι αυτό που κατασκευάσαμε το Astralis για να κάνει.

Η ζήτηση που απαντάμε προέρχεται από ομάδες που έχουν οδηγηθεί να στείλουν AI γρήγορα και ασφαλώς και δεν μπορούν να το κάνουν και τα δύο. Οι πράκτορες μπαίνουν σε παραγωγή γρηγορότερα από ό,τι οποιαδήποτε ομάδα μπορεί να跟 रखει και η ερώτηση που κάνουν οι ρυθμιστές έχει αλλάξει. Παλιά ήταν αν είχαν μια πολιτική. Τώρα είναι αν μπορούν να αποδείξουν ότι η πολιτική τους ακολουθήθηκε σε ένα συγκεκριμένο κομμάτι δεδομένων, για ένα συγκεκριμένο σκοπό. Οι περισσότερες εταιρείες μπορούν να απαντήσουν στην πρώτη ερώτηση καλά. Πολύ λίγες μπορούν να απαντήσουν στη δεύτερη.

Η Gartner προβλέπει ότι η μέση εταιρεία Fortune 500 θα τρέχει 150.000 πράκτορες AI μέχρι το 2028, από 15 το 2025. Πώς πρέπει οι ηγετές των επιχειρήσεων να ξανασκέφτουν τη διακυβέρνηση σε ένα κόσμο όπου οι αυτόνομοι πράκτορες μπορεί να ξεπεράσουν τους ανθρώπινους υπαλλήλους που αλληλεπιδρούν με δεδομένα;

Μέχρι το 2028, οι πράκτορες που αγγίζουν τα δεδομένα μιας εταιρείας θα ξεπεράσουν τους υπαλλήλους που το κάνουν. Όταν οι ηθοποιοί που χρησιμοποιούν τα δεδομένα σας είναι σε μεγάλο βαθμό μηχανές, ποιος είναι υπεύθυνος; Το παλιό μοντέλο τοποθετεί την ευθύνη στον τελικό ανθρώπινο έλεγχο, αλλά όταν οι περισσότερες από αυτές τις αποφάσεις δεν λαμβάνονται ούτε εξετάζονται από έναν άνθρωπο, η ευθύνη πρέπει να μεταφερθεί από τους ανθρώπους στα συστήματα.

Η τράπεζα έκανε αυτή τη μεταφορά πριν από καιρό. Δεν εμπιστεύομαστε μια τράπεζα επειδή ένας υπαλληλός μετράει τα χαρτονομίσματα με το χέρι. Της εμπιστεύομαστε επειδή οι έλεγχοι είναι καλοί και επειδή υπάρχουν άνθρωποι που είναι υπεύθυνοι για τη διατήρηση τους. Η διακυβέρνηση δεδομένων πρέπει να κάνει το ίδιο. Η απόδειξη ότι μια εταιρεία χειρίζεται τα δεδομένα της υπεύθυνα δεν είναι ότι ένας άνθρωπος τα έλεγξε, αλλά ότι το σύστημα εφαρμόζει την πολιτική αυτόματα σε κάθε χρήση και μπορεί να παράσχει απόδειξη για αυτό, ώστε η ευθύνη να είναι ενσωματωμένη. Αυτό θα επιτρέψει στους ηγέτες των επιχειρήσεων να επικεντρωθούν σε αυτό που είναι καλοί: να εφαρμόζουν κρίση, να ορίζουν τους κανόνες και να στέκονται πίσω από το σύστημα.

Το Astralis συνδυάζει ένα Μεγάλο Γλωσσικό Μοντέλο Ρυθμιστικών (LLRM) με Έλεγχο Πρόσβασης με βάση τον Σκοπό (PBAC). Μπορείτε να εξηγήσετε πώς αυτά τα δύο τεχνολογικά εργαλεία συνεργάζονται για να διασφαλίσουν ότι τα συστήματα AI κατανοούν όχι μόνο ποιος μπορεί να έχει πρόσβαση στα δεδομένα, αλλά και γιατί πρέπει να έχουν πρόσβαση σε αυτά;

Ο παραδοσιακός έλεγχος πρόσβασης ελέγχει ποιος είσαι και αν η ταυτότητά σου σου επιτρέπει να αγγίξεις συγκεκριμένα δεδομένα.

Αλλά η προστασία δεδομένων είναι διαφορετική. Δεν είναι μια ερώτηση για το ποιος μπαίνει. Ένας άνθρωπος μπορεί να είναι hoàn hảo αυτορτισμένος να αγγίξει ένα σύνολο δεδομένων και να το χρησιμοποιήσει ακόμη για κάτι που δεν του επιτρέπεται να κάνει. Η ερώτηση που γίνεται σημαντική είναι για ποιο σκοπό τα δεδομένα χρησιμοποιούνται και αν ο σκοπός αυτός επιτρέπεται. Αυτό είναι αυτό που απαντά και επιβάλλει το PBAC.

Το σκληρό μέρος είναι ότι ο σκοπός δεν είναι ένα τεχνικό γεγονός που μπορείτε να διαβάσετε από μια βάση δεδομένων. Εξαρτάται από το τι κάνει η επιχείρησή σας, τι υπόσχονται οι πελάτες σας και τι επιτρέπεται από τον νόμο. Αυτό είναι για τι είναι το LLRM. Μαθαίνει πώς λειτουργεί η συγκεκριμένη επιχείρησή σας, στη συνέχεια εργάζεται με τους κανονισμούς που ισχύουν για αυτήν. Η έξοδος είναι μια σαφής ορισμός του τι κάθε είδους δεδομένων μπορεί και δεν μπορεί να χρησιμοποιηθεί για. Το PBAC στη συνέχεια επιβάλλει αυτήν την ορισμό στο σημείο πρόσβασης. LLRM συλλογίζει, PBAC ενεργεί.

Η ανακοίνωση εκκίνησης της λέει ότι οι αξιολογήσεις AI μπορούν να μειωθούν από 40 έως 60 ώρες χειροκίνητου έργου σε μόλις 20 έως 40 λεπτά. Ποια τμήματα της διαδικασίας διακυβέρνησης σήμερα είναι τα πιο αναποτελεσματικά και πού δημιουργεί η αυτοματοποίηση τις μεγαλύτερες κερδισμένες;

Οι περισσότερες από αυτές τις 40 έως 60 ώρες δεν ξοδεύονται σε τίποτα που χρειάζεται ανθρώπινη κρίση. Ξοδεύονται στην συναρμολόγηση. Κάποιος χαρτογραφεί τα δεδομένα με το χέρι, τα κρατά σε ένα excel και στη συνέχεια κυνηγά το контекστ ανάμεσα στις ομάδες. Μέχρι τη στιγμή που όλα αυτά συλλέγονται, η πραγματική αξιολόγηση, το μέρος που χρειάζεται一个人 να σκεφτεί, είναι ένα μικρό κομμάτι του έργου. Το υπόλοιπο είναι ένας επαγγελματίας που действuje ως συλλέκτης πληροφοριών για την επιχείρηση που ήδη έχει, μόνο που είναι σκορπισμένα σε ομάδες.

Εξοργιστικά, αυτό είναι έργο που δεν μείνει ποτέ τελειωμένο. Μια αξιολόγηση είναι μια στιγμιαία φωτογραφία, αλλά οι χρήσεις AI δεν σταματούν να έρχονται. Νέες χρήσεις εμφανίζονται συνεχώς και κάθε μία από αυτές χρειάζεται τη δική της αναθεώρηση. Έτσι, η χειροκίνητη διαδικασία δεν είναι μόνο αργή μια φορά, αλλά είναι μόνιμα πίσω από το ρυθμό που θέλει να κινηθεί η επιχείρηση και θα γίνει ακατάλληλη καθώς οι εταιρείες

Οι κερδισμένες από την αποδοτικότητα έρχονται από την αλλαγή του ποιος κάνει τι. Το σύστημα τραβά τα μετα-δεδομένα από μόνη της, ώστε κανείς δεν χρειάζεται να κυνηγά το контекστ με το χέρι. Επιφέρνει μόνο τις ερωτήσεις που μπορεί πραγματικά να απαντήσει ένας άνθρωπος – τις πραγματικές κλήσεις κρίσης – αντί να κάνει έναν άνθρωπο να γρίνει μέσα από πεδία που μια μηχανή μπορεί να γεμίσει. Και το ίχνος ελέγχου χτίζεται από μόνη του καθώς η αξιολόγηση συμβαίνει, αντί να γράφεται από μια ανάμνηση μετά. Αυτό είναι το σημείο όπου 40 ώρες γίνονται 40 λεπτά.

Μια από τις πιο εντυπωσιακές αξιολογήσεις είναι ότι μια μεγάλη αμερικανική χρηματοοικονομική εταιρεία επεξεργάζεται περίπου 6.000 αιτήσεις διακυβέρνησης ανά δευτερόλεπτο μέσω του Astralis. Τι σας διδάσκει η λειτουργία σε αυτό το επίπεδο για τις μελλοντικές απαιτήσεις υποδομής για την επιχειρηματική AI;

Το μάθημα είναι ότι η διακυβέρνηση δεν μπορεί να είναι ένα ξεχωριστό βήμα πλέον. Σε 6.000 αποφάσεις ανά δευτερόλεπτο, πρέπει να συμβαίνει μέσα στο δρόμο δεδομένων, με την ίδια ταχύτητα με τις ερωτήσεις και τα μοντέλα που διέπουν. Για την AI, η διακυβέρνηση πρέπει να είναι υποδομή: πάντα ενεργό και πάντα σε γραμμή, όχι ένα αναφορά που παράγεται στην πλευρά. Πρέπει να είναι γρήγορη, γιατί αν η διακυβέρνηση είναι αργή, γίνεται το πράγμα που οι άνθρωποι παραλείπουν για να φτάσουν στο χρονοδιάγραμμα τους.

Η ρύθμιση AI συνεχίζει να εξελίσσεται γρήγορα τόσο στις Ηνωμένες Πολιτείες όσο και στην Ευρώπη. Πώς χτίζετε μια πλατφόρμα διακυβέρνησης που μπορεί να προσαρμοστεί σε μεταβαλλόμενους νομικούς πλαισίων χωρίς να αναγκάζει τις επιχειρήσεις σε συνεχείς χειροκίνητες ενημερώσεις πολιτικής;

Το λάθος που κάνουν τα περισσότερα εργαλεία συμμόρφωσης είναι ότι ενσωματώνουν τους κανόνες στο προϊόν, ώστε όταν ο νόμος αλλάζει, είστε αναγκασμένοι να περιμένετε τον προμηθευτή να ξανασχεδιάσει το εργαλείο. Το Astralis είναι κατασκευασμένο για να λειτουργήσει με τον αντίστροφο τρόπο. Στη βάση του είναι μια κοινή γλώσσα για την περιγραφή δεδομένων και των χρήσεων τους, και δεν κρατά κανέναν κανόνα. Οι κανόνες κάθονται ξεχωριστά, σε ένα επίπεδο πολιτικής πάνω από αυτό. Το LLRM διαβάζει τον κανονισμό, εργάζεται για το τι σημαίνει αυτό για την συγκεκριμένη επιχείρησή σας και γράφει την πολιτική ανάλογα. Το PBAC στη συνέχεια επιβάλλει ό,τι λέει η πολιτική αυτή τη στιγμή – έτσι μια αλλαγή στους κανόνες αφήνει το μηχανισμό επιβολής εντελώς ακαθόριστο.

Όταν ένας νέος κανονισμός φτάσει, όλη η προσπάθεια μιας εταιρείας μπορεί να πηγαίνει στο να κατανοήσει τι σημαίνει αυτό για την επιχείρησή της. Κανένα από αυτό δεν πηγαίνει στην ανασχεδιασμό των συστημάτων προστασίας δεδομένων.

Πολλοί εκτελεστές φοβούνται ότι οι πράκτορες AI θα λάβουν μη εξουσιοδοτημένες αποφάσεις ή θα έχουν πρόσβαση σε ευαίσθητες πληροφορίες. Πόσο πραγματικό είναι αυτό το πρόβλημα σήμερα και ποια πρακτικά μέτρα πρέπει να ληφθούν για να αποτραπεί αυτό πριν από την ανάπτυξη πράκτορων AI σε μεγάλη κλίμακα;

Είναι完全 πραγματικό και ήδη συμβαίνει. Η Καλιφόρνια πρόστισε την Disney 2,75 εκατομμύρια δολάρια επειδή τα συστήματά της δεν μπορούσαν να επιβάλλουν με αξιοπιστία κάτι τόσο βασικό όσο μια opt-out ενός πελάτη. Στα συστήματά της, ένας πελάτης που είχε opt-out σε ένα συσκευή παρέμεινε opted-in σε άλλη συσκευή και οι οδηγίες opt-out στο επίπεδο του browser δεν θεωρήθηκαν έγκυρες αιτήσεις. Αυτό το περιστατικό δεν προκλήθηκε από έναν πράκτορα που ενεργούσε απρόβλεπτα, αλλά ήταν ένα bastante απλό κενό μεταξύ того που είπε η Disney στους πελάτες της και τι ήταν ικανά να επιβάλλουν τα συστήματά της.

Τα μέτρα ασφαλείας που πραγματικά αποτρέπουν αυτό είναι μη γламούρ: να γνωρίζετε ποια δεδομένα κατέχετε και τι έχετε δεσμευτεί γι’ αυτά και να τα κρατάτε όλα σε ένα μέρος, επειδή οι περισσότερες από αυτές τις αποτυχίες προέρχονται από το γεγονός ότι μια ομάδα δεν έλαβε ποτέ την υπόσχεση της άλλης ομάδας.

Μέσα σε τρία έως πέντε χρόνια, τι θα διακρίνει τις επιχειρήσεις που θα καταφέρουν να λειτουργήσουν την AI από αυτές που οι πρωτοβουλίες AI θα παραμείνουν σε πιλοτικές εργασίες και ποιο ρόλο θα παίξει η διακυβέρνηση στη δημιουργία αυτού του ανταγωνιστικού πλεονεκτήματος;

Η διαφορά θα έρθει από το αν μια εταιρεία έχει ένα σύστημα για να διακυβερνήσει όλα τα δεδομένα της ή αν θα επιλέξει να κολλήσει τη διακυβέρνηση σε κάθε βάση δεδομένων και ομάδα ξεχωριστά. Οι εταιρείες που ακόμη διακυβερνούν τα δεδομένα τους τμήμα προς τμήμα θα συνεχίσουν να χτυπούν τοίχους, επειδή η AI φτάνει σε τμήματα από σχεδιασμό. Κάθε επιχείρηση λέγεται να στείλει AI γρήγορα και να μην βρεθεί σε ένα γράμμα του ρυθμιστή, και μέχρι τώρα αυτά τα δύο έχουν έλξει το ένα το άλλο. Όποιος λύσει και τα δύο, αντί να ικανοποιηθεί με ένα, θα κερδίσει τη δεκαετία.

Ευχαριστώ για τη μεγάλη συνέντευξη, οι αναγνώστες που θέλουν να μάθουν περισσότερα πρέπει να επισκεφθούν την Ethyca ή το Astralis.