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 επιβεβαίωσε τη διαίσθησή μου ήταν η δουλειά συμμόρφωσης με την προστασία προσωπικών δεδομένων που έκανα στην Ethyca. Δημιουργώντας συστήματα συμμόρφωσης για μεγάλες επιχειρήσεις, συνειδητοποίησα ότι μπορούσαμε να τοποθετήσουμε ένα επίπεδο γύρω από τα δεδομένα μιας εταιρείας, το οποίο θα αξιολογούσε κάθε αίτημα με βάση τρία πράγματα: τι είναι τα δεδομένα, τι επιτρέπεται να κάνουμε με αυτά και ποιος είναι ο κίνδυνος αν το κάνουμε. Η δουλειά αυτή έκανε σαφή τον πραγματικό περιορισμό. Στις επιχειρήσεις δεν λείπουν δεδομένα. Τους λείπει ένα επίπεδο διακυβέρνησης που ορίζει για ποιους σκοπούς επιτρέπεται να χρησιμοποιούνται. Αυτό ήταν το στοίχημά μας το 2019 και, μετά την έλευση της AI, έγινε ακόμη πιο επίκαιρο.

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 στην οποία ανταποκρινόμαστε προέρχεται από ομάδες που έχουν εντολή να θέσουν την AI σε λειτουργία γρήγορα και με ασφάλεια, αλλά προς το παρόν δεν μπορούν να πετύχουν και τα δύο. Οι πράκτορες μπαίνουν σε κανονική λειτουργία ταχύτερα από όσο μπορεί οποιαδήποτε ομάδα να τους παρακολουθήσει και η ερώτηση των ρυθμιστικών αρχών έχει αλλάξει. Παλαιότερα ρωτούσαν αν υπήρχε πολιτική. Τώρα ρωτούν αν μπορείς να αποδείξεις ότι η πολιτική τηρήθηκε για ένα συγκεκριμένο δεδομένο και έναν συγκεκριμένο σκοπό. Οι περισσότερες εταιρείες μπορούν να απαντήσουν ικανοποιητικά στην πρώτη ερώτηση. Ελάχιστες 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 δύσκολο είναι ότι ο σκοπός δεν αποτελεί τεχνικό στοιχείο που μπορείς να διαβάσεις από μια βάση δεδομένων. Εξαρτάται από τη δραστηριότητα της επιχείρησης, από όσα έχεις υποσχεθεί στους πελάτες και από όσα επιτρέπει ο νόμος. Αυτός είναι ο ρόλος του LLRM. Μαθαίνει πώς λειτουργεί η συγκεκριμένη επιχείρηση και στη συνέχεια επεξεργάζεται τους κανονισμούς που την αφορούν. Το αποτέλεσμα είναι σαφής προσδιορισμός των επιτρεπόμενων και μη επιτρεπόμενων χρήσεων κάθε είδους δεδομένων. Το PBAC επιβάλλει έπειτα αυτόν τον προσδιορισμό στο σημείο πρόσβασης. Το LLRM συλλογίζεται, το 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 δαπανώνται σε κάτι που απαιτεί ανθρώπινη κρίση. Δαπανώνται στη συγκέντρωση των στοιχείων. Κάποιος χαρτογραφεί τα δεδομένα με το χέρι, τα καταχωρίζει σε υπολογιστικό φύλλο και μετά αναζητά στις ομάδες τις πληροφορίες που χρειάζονται για να σχηματιστεί το πλαίσιο. Όταν συγκεντρωθούν όλα, η ίδια η αξιολόγηση —το μέρος που απαιτεί να σκεφτεί ένας άνθρωπος— αποτελεί μικρό μόνο τμήμα της εργασίας. Στο υπόλοιπο, ένας επαγγελματίας λειτουργεί ως συλλέκτης πληροφοριών που η επιχείρηση ήδη διαθέτει, αλλά είναι διασκορπισμένες σε διαφορετικές 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

Τα οφέλη αποδοτικότητας προκύπτουν από την αλλαγή στο ποιος κάνει τι. Το σύστημα αντλεί μόνο του τα μεταδεδομένα, ώστε κανείς να μη χρειάζεται να αναζητά χειροκίνητα τις πληροφορίες του πλαισίου. Παρουσιάζει μόνο τις ερωτήσεις που μπορεί πράγματι να απαντήσει ένας άνθρωπος, εκείνες που απαιτούν ουσιαστική κρίση, αντί να τον αναγκάζει να συμπληρώνει πεδία που μπορεί να συμπληρώσει μια μηχανή. Και το ίχνος ελέγχου δημιουργείται αυτόματα όσο γίνεται η αξιολόγηση, αντί να το συντάσσει κάποιος εκ των υστέρων από μνήμης. Έτσι οι 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 των περισσότερων εργαλείων συμμόρφωσης είναι ότι ενσωματώνουν τους κανόνες στο ίδιο το προϊόν. Έτσι, όταν αλλάζει ο νόμος, πρέπει να περιμένεις τον προμηθευτή να επανασχεδιάσει το εργαλείο. Το Astralis έχει σχεδιαστεί να λειτουργεί αντίστροφα. Στη βάση του υπάρχει μια κοινή γλώσσα περιγραφής δεδομένων και των χρήσεών τους, χωρίς καθόλου κανόνες. Οι κανόνες βρίσκονται χωριστά, σε ένα επίπεδο πολιτικής από πάνω. Το LLRM διαβάζει τον κανονισμό, προσδιορίζει τι σημαίνει για τη συγκεκριμένη επιχείρηση και συντάσσει ανάλογα την πολιτική. Το PBAC επιβάλλει στη συνέχεια όσα ορίζει κάθε φορά αυτή η πολιτική. Επομένως, μια αλλαγή κανόνων αφήνει τον μηχανισμό επιβολής εντελώς ανέπαφο.

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 απολύτως πραγματικό και συμβαίνει ήδη. Η Καλιφόρνια επέβαλε στην Disney πρόστιμο 2,75 εκατ. δολαρίων επειδή τα συστήματά της δεν μπορούσαν να εφαρμόσουν αξιόπιστα κάτι τόσο βασικό όσο την επιλογή εξαίρεσης ενός πελάτη. Στα συστήματά της, ένας καταναλωτής που επέλεγε εξαίρεση σε μία συσκευή παρέμενε ενταγμένος στις υπόλοιπες, ενώ οι οδηγίες εξαίρεσης από το πρόγραμμα περιήγησης δεν αντιμετωπίζονταν καν ως έγκυρα αιτήματα. Το περιστατικό δεν προκλήθηκε από έναν πράκτορα που ενεργούσε απρόβλεπτα. Ήταν ένα αρκετά απλό κενό ανάμεσα σε όσα έλεγε η Disney στους πελάτες και σε όσα μπορούσαν να επιβάλουν τα συστήματά της.

Οι δικλίδες που πράγματι το αποτρέπουν δεν είναι εντυπωσιακές: να γνωρίζεις ποια δεδομένα διαθέτεις και ποιες δεσμεύσεις έχεις αναλάβει γι’ αυτά και να τα συγκεντρώνεις όλα σε ένα σημείο. Οι περισσότερες τέτοιες αστοχίες προκύπτουν επειδή η υπόσχεση μιας ομάδας δεν έφτασε ποτέ στη βάση δεδομένων μιας άλλης.

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.