Chris Mahl, Presidente y CEO en Pryon – Serie de Entrevistas

Chris Mahl es Presidente y Director Ejecutivo en Pryon. Con más de dos décadas de experiencia en algunas de las empresas de software empresarial más conocidas del mundo, Chris se especializa en escalar estrategias de mercado y operativas para empresas de tecnología en todas las etapas de crecimiento.

Pryon proporciona un camino de confianza, seguro y probado para implementar inteligencia artificial generativa en empresas. Los motores de ingesta y recuperación de Pryon pueden combinarse con LLM generativos para implementar generación aumentada de recuperación y proporcionar respuestas precisas, instantáneas y verificables a escala empresarial.

Utilizando tecnología de recuperación líder en la industria, la suite RAG de Pryon extrae respuestas de forma segura de todos los formatos de contenido, incluidos audio, imágenes, texto y video, almacenados en una multitud de fuentes. Los productos de Pryon son fáciles de usar, accesibles a través de API desde cualquier sistema y se pueden implementar en cuestión de semanas en la nube o en las instalaciones.

Pryon se centra en Generación Aumentada de Recuperación (RAG). ¿Puede explicar cómo su enfoque de recuperación difiere de otros sistemas de búsqueda y gestión de conocimiento impulsados por IA?

El enfoque de recuperación de Pryon se destaca porque nuestro Motor de Recuperación puede acceder a contenido en tiempo real desde fuentes diversas como PDF, imágenes, páginas web y videos, manteniendo la privacidad de los datos sin dependencias externas. Hemos combinado la búsqueda semántica con la atribución de datos granulares para lograr una precisión de recuperación superior al 90%. A diferencia de muchos sistemas, el nuestro se escala de manera efectiva para grandes organizaciones, lo que permite a los equipos tomar decisiones rápidas y precisas basadas en su base de conocimientos existente.

El Motor de Ingesta de Pryon está diseñado para estructurar grandes cantidades de contenido multimodal. ¿Qué hace que su proceso de ingesta sea único y cómo mejora la precisión de recuperación?

La ingesta de Pryon puede manejar contenido multimodal, extrayendo respuestas de audio, imágenes, texto y video de diversas fuentes. Esto aborda el problema fundamental de los datos desconectados en las empresas. Con los datos no estructurados creciendo más del 50% anualmente, nuestro motor de ingesta transforma la información dispersa en conocimiento estructurado y utilizable. El proceso está diseñado para la seguridad y la privacidad, protegiendo los datos sensibles de la empresa mientras los hace inmediatamente útiles.

Su Motor de Recuperación promete respuestas instantáneas, precisas y verificables. ¿Cómo garantiza Pryon la precisión y minimiza las alucinaciones al extraer información?

Pryon garantiza la precisión y minimiza las alucinaciones a través de varios mecanismos. Nuestra tecnología combina la búsqueda semántica con la atribución de datos granulares, lo que significa que las respuestas se pueden rastrear hasta sus fuentes específicas. Esta atribución es fundamental para la verificación. El sistema accede a contenido en tiempo real desde fuentes originales en lugar de confiar en bases de conocimiento potencialmente obsoletas o incompletas. Esta conexión directa con los materiales de origen, combinada con nuestra alta precisión de recuperación (superior al 90%), reduce significativamente el riesgo de alucinaciones que afectan a muchos sistemas de IA generativa.

¿Cómo maneja Pryon las actualizaciones en tiempo real de la información, especialmente en entornos dinámicos como el gobierno, la energía y la atención médica?

Pryon garantiza el acceso en tiempo real a la información más actualizada a través de la sincronización de contenido flexible y bajo demanda. Los usuarios pueden desencadenar sincronizaciones de contenido según sea necesario a través de nuestro portal de administración o automatizar las actualizaciones utilizando nuestra API de sincronización en una base programada, ya sea semanal, diaria o incluso por hora, dependiendo de las necesidades operativas. Nuestro proceso de verificación de delta optimiza la eficiencia actualizando solo el contenido cambiado, lo que garantiza una recuperación de conocimiento rápida, precisa y eficiente en entornos críticos como el gobierno, la energía y la atención médica.

Pryon trabaja con agencias gubernamentales y de defensa. Aunque los detalles a menudo son clasificados, ¿puede discutir un caso de uso donde su IA mejoró significativamente la toma de decisiones o la eficiencia operativa?

Pryon trabaja con una serie de agencias de defensa e inteligencia, incluido el Laboratorio de Investigación de la Fuerza Aérea (AFRL) y la Oficina de Digitalización y Inteligencia Artificial (CDAO), para ayudar a racionalizar las operaciones y permitir una toma de decisiones más rápida y mejor informada.

Un ejemplo poderoso es nuestra colaboración con la Oficina de Transformación Digital de la Fuerza Aérea de los Estados Unidos (DAF DTO). Este equipo apoya al personal de adquisiciones y sostenimiento que a menudo necesita encontrar información crítica enterrada en cientos de miles de páginas web y documentos. Juntos, lanzamos DTO Wingman, un asistente impulsado por IA que proporciona respuestas precisas y en tiempo real a preguntas complejas, completas con atribución de fuente.

En lugar de buscar manualmente documentos de política o regulaciones, los usuarios pueden simplemente hacer preguntas como “¿Qué estoy autorizado a comprar con mi tarjeta de viaje?” o “¿Qué es el Código de Edificio Digital y cómo se relaciona con las adquisiciones?” La IA devuelve respuestas precisas y incluso ayuda a generar informes y materiales de presentación rápidamente.

Al proporcionar a los miembros de la Fuerza Aérea y la Fuerza Espacial acceso inmediato a respuestas de confianza, DTO Wingman está ayudando a los equipos a trabajar de manera más eficiente y a brindar orientación confiable y oportuna a los altos directivos y tomadores de decisiones.

En su trabajo en ciencias de la vida, se menciona la investigación asistida por IA. ¿Cómo ayuda el sistema de Pryon a los investigadores a navegar por grandes conjuntos de datos como PubMed o repositorios de investigación privados?

El sistema de Pryon ayuda a los investigadores a navegar por grandes conjuntos de datos como PubMed o repositorios de investigación privados a través de varias capacidades clave.

Calidad de investigación mejorada:

• Reducción del error humano: La recuperación sistemática de datos actualizados garantiza menos artículos perdidos o evidencia pasada por alto.
• Apoyado por evidencia: Cada respuesta se basa en la literatura original, lo que fomenta conclusiones basadas en datos, con fuentes que se remontan a la oración de la que provino.

Protección sobre contenido altamente sensible:

• Confidencialidad: Mantiene controles de acceso estrictos y cifrado de datos, esenciales para conjuntos de datos de propiedad o relacionados con pacientes.
• Cumplimiento: Con los datos gobernados por regulaciones como HIPAA o GDPR, los investigadores pueden confiar en que la información sensible está protegida.

Para el servicio al cliente y las ventas, ¿cómo se compara la IA de Pryon con las soluciones tradicionales de chatbot y CRM en términos de aumento de eficiencia y reducción de la carga de soporte?

Las interacciones de servicio al cliente y ventas generalmente tienen que equilibrar la precisión y la flexibilidad de sus soluciones de chatbot y CRM. Dado que proporcionar una respuesta incorrecta a un cliente es inaceptable y puede tener implicaciones legales, muchos proveedores de chatbot y soluciones de IA conversacional optan por limitar la flexibilidad de la solución con interacciones de estilo “solo Preguntas Frecuentes” deterministas.

Esto es un dolor para el proveedor, que requiere codificar manualmente respuestas específicas a preguntas comunes, y proporciona una mala experiencia para el cliente, que tiene la interfaz de un chatbot, pero una experiencia completamente inflexible que apenas difiere de leer un FAQ. Otros proveedores optan por intentar utilizar una experiencia generativa más flexible con menos límites en la LLM, sin embargo, debido a la falta de recuperación precisa, esto implica meter catálogos de productos completos o páginas web en la ventana de contexto de la LLM, disminuyendo la precisión de la salida, potencialmente de manera desastrosa.

El arte y la ciencia de RAG se trata de maximizar la señal (verdad) y minimizar el ruido (contexto irrelevante que a menudo confunde a la LLM). La precisión de la recuperación de Pryon, capaz de encontrar una respuesta a nivel de oración específica en todos sus documentos, significa que el servicio al cliente y las ventas ya no tienen que comprometer la precisión por la flexibilidad.

¿Qué ve como los mayores desafíos en la adopción de IA empresarial hoy en día, particularmente con sistemas basados en RAG?

Si bien ciertamente algo que encontramos en nuestras propias interacciones con el mercado, también es cada vez más reconocido que los “datos listos para IA” (o la falta de ellos) es el punto de falla más grande para las implementaciones de IA.

• El 91% de los directivos en una encuesta de Harvard Business Review dijo que una base de datos confiable es esencial para una implementación exitosa de IA.
• McKinsey encontró que el 70% de las iniciativas de GenAI enfrenta desafíos relacionados con los datos, con solo el 1% de los datos importantes de una empresa reflejados en los modelos actuales.
• The Wall Street Journal citó la confiabilidad como la principal preocupación para la adopción de agentes de IA, un problema estrechamente relacionado con la calidad y la accesibilidad de los datos.
• Gartner identificó la falta de datos listos para GenAI como la principal razón para las implementaciones fallidas.

Los datos listos para IA van más allá de simplemente vectorizar sus documentos de Word, se trata de unificar sus fuentes fragmentadas, trabajar con formatos complejos como entradas multimodales, limpiar sus datos, mejorar sus datos, ponerlos en un formato que las LLM puedan trabajar, dividirlos a la nivel de granularidad adecuado para mantener la precisión óptima y mantener los costos bajos, indexarlos de manera inteligente, conectarlos a un sistema de recuperación de alto rendimiento, etc.

Estos son desafíos importantes que requieren competencias y herramientas dedicadas, en una encuesta de constructores de RAG que desarrollan soluciones dentro de grandes empresas que Pryon realizó, la preparación de datos se clasificó como la parte más costosa, tiempo consumida y técnicamente desafiante de la construcción, seguida de cerca por la recuperación de información.

¿Cómo diferencia la suite RAG de Pryon de las soluciones empresariales ofrecidas por Microsoft, Google o OpenAI?

La diferenciación específica varía de un jugador a otro, pero en general, los grandes jugadores de tecnología se centran en ser la “interfaz” de la IA en el trabajo. Pryon se centra en un nivel más fundamental de la pila, la capa de conocimiento. Pryon resuelve los problemas profundos de preparación de datos y recuperación, mientras que los grandes jugadores de tecnología se centran en proporcionar soluciones de IA amplias que pueden servir algunos casos de uso de RAG simples, pero a menudo se desmoronan cuando se enfrentan a las complejidades reales de los casos de uso empresarial y gubernamental. Pryon también puede ser complementario con estos sistemas, con el contenido generado por Copilot, Gemini o GPT que se conecta a la capa de conocimiento de Pryon para ser organizado y preparado para su uso por aplicaciones y agentes posteriores.

Con la evolución de las regulaciones de IA, como el Acta de IA de la UE y las directrices de IA de EE. UU., ¿cómo aborda Pryon el cumplimiento y el uso ético de la IA?

A medida que las regulaciones de IA evolucionan a nivel global, Pryon sigue comprometido con el cumplimiento y la implementación ética de la IA. Nuestro enfoque se alinea con marcos como el Acta de IA de la UE, las directrices de IA de EE. UU. y los principios de IA Responsable (RAI) del Departamento de Defensa, garantizando que nuestras soluciones de IA sean confiables, transparentes y gobernables. A través del cumplimiento del marco RAI SHIELD, integramos una evaluación rigurosa, trazabilidad y monitoreo continuo en todo el ciclo de vida de la IA, priorizando la seguridad, la equidad y el rendimiento. Al incorporar estas mejores prácticas en nuestra metodología de implementación, Pryon permite a las organizaciones aprovechar la IA de manera responsable mientras cumple con los más altos estándares regulatorios y éticos.

Gracias por la gran entrevista, los lectores que deseen obtener más información deben visitar Pryon.