Erik Schwartz, Chief AI Officer (CAIO) Tricon Infotech – Interview Series

Erik Schwartz es el Chief AI Officer (CAIO) de Tricon Infotech. una empresa líder en consultoría y servicios de software. Tricon Infotech entrega soluciones automatizadas eficientes y transformaciones digitales completas a través de productos personalizados y implementaciones empresariales.

Erik Schwartz es un ejecutivo de tecnología experimentado y emprendedor con más de dos décadas de experiencia en el sector tecnológico, especializado en la intersección de la IA, la recuperación de información y el descubrimiento de conocimiento. A lo largo de su carrera, Erik ha estado a la vanguardia de la integración de plataformas a gran escala y la integración de la IA en tecnologías de búsqueda, mejorando significativamente la interacción del usuario y la accesibilidad de la información. Sus roles anteriores incluyeron puestos senior en Comcast, Elsevier y Microsoft, donde lideró iniciativas pioneras de IA, búsqueda y LLM.

El viaje profesional de Erik se caracteriza por su dedicación a la innovación y su creencia en el poder de la colaboración. Ha impulsado constantemente a los equipos hacia la entrega rápida de soluciones innovadoras, estableciéndose firmemente como un líder de confianza en la comunidad tecnológica. Su trabajo, más recientemente en el proyecto Scopus AI en Elsevier, subraya su compromiso de redefinir los límites de cómo interactuamos con la información y creamos una relación de confianza con los usuarios.

En su papel como Chief AI Officer (CAIO), Erik aprovecha su amplia experiencia para desarrollar e implementar estrategias de IA integrales para los clientes de Tricon. Su proceso exhaustivo no solo desmitifica la IA, sino que también garantiza que estas empresas estén equipadas para tener éxito y prosperar en el competitivo panorama de la tecnología de IA. Erik es apasionado de fomentar el crecimiento y la innovación, compartiendo sus conocimientos para inspirar y empoderar a las organizaciones para aprovechar eficazmente el poder transformador de la IA.

¿Puede compartir algunos aspectos destacados de su viaje profesional que lo llevaron a su cargo actual como Chief AI Officer en Tricon Infotech?

He estado inmerso en el dominio de la Recuperación de Información a lo largo de toda mi carrera. Mi viaje comenzó a principios de los 90 como Web Master en el amanecer de Internet. Durante este período formativo, me centré en construir bibliotecas digitales para agencias gubernamentales, universidades y empresas de medios, lo que sentó las bases para mi experiencia en sistemas de información digital.

En la década de 2000, me trasladé a trabajar con proveedores de motores de búsqueda, donde perfeccioné mis habilidades en tecnologías de búsqueda. Esta fase de mi carrera estuvo marcada por un crecimiento y aprendizaje significativos a través de diversas adquisiciones, lo que finalmente me llevó a unirme a Microsoft en 2008. En Microsoft, desempeñé un papel fundamental en el desarrollo y mejora de plataformas de Descubrimiento de Conocimiento, impulsando la innovación y mejorando la accesibilidad de la información para los usuarios.

Después de mi período en Microsoft, lideré iniciativas en corporaciones importantes como Comcast y Elsevier, donde fui responsable de ejecutar plataformas de Descubrimiento de Conocimiento a gran escala. Estas experiencias han sido instrumentales en moldear mi enfoque de la IA y la recuperación de información, culminando en mi cargo actual como Chief AI Officer en Tricon Infotech. Aquí, aprovecho mi amplia experiencia para impulsar estrategias y soluciones de IA que permiten a nuestros clientes aprovechar todo el potencial de sus datos.

¿Cómo han influido sus experiencias en empresas como Comcast, Elsevier y Microsoft en su enfoque para integrar la IA y las tecnologías de búsqueda?

A lo largo de mi carrera, he estado profundamente centrado en técnicas de procesamiento de lenguaje natural (NLP) y aprendizaje automático. Inicialmente, estas tecnologías se basaban en sistemas basados en reglas simplistas. Sin embargo, a medida que los conjuntos de datos crecieron y la potencia de cómputo se volvió más robusta, comenzamos a mejorar significativamente las experiencias del usuario al cosechar automáticamente los datos y alimentarlos de regreso a los algoritmos para mejorar su rendimiento.

En Microsoft, después de la adquisición de FAST, serví como gerente de producto en el equipo de SharePoint. En este papel, estuve involucrado en la integración de tecnologías de búsqueda avanzadas en sistemas de gestión de contenido empresarial, mejorando la recuperación de información y las capacidades de colaboración para las empresas.

En Comcast, construí una plataforma de descubrimiento de conocimiento que impulsó todo el negocio de video, permitiendo a los usuarios buscar y descubrir contenido en decodificadores, dispositivos móviles y dispositivos web. Este motor de búsqueda se escaló para manejar más de 1.000 millones de solicitudes por día, mejorando significativamente la experiencia del usuario al proporcionar recomendaciones de contenido y resultados de búsqueda rápidos y precisos.

Una de las experiencias más transformadoras fue en Elsevier, donde lanzamos una experiencia de IA generativa para Scopus, uno de sus productos más confiables. Esta iniciativa utilizó un modelo de lenguaje grande (LLM) para ayudar a los usuarios a hacer mejores preguntas y obtener respuestas más precisas del contenido técnico profundo en la base de datos de comunicaciones académicas. Este enfoque basado en LLM garantizó la precisión y confiabilidad completa de más de 90 millones de artículos contenidos en la base de datos, demostrando el poder de la IA para mejorar la investigación académica y la difusión del conocimiento.

¿Qué es lo que más le emociona sobre los avances actuales en IA generativa y su potencial de aplicaciones?

Uno de los mayores desafíos históricos en la Recuperación de Información ha sido mantener el contexto. Para los humanos, este es un proceso natural, pero para las máquinas, encontrar información ha sido tradicionalmente una experiencia muy transaccional: hacer una pregunta, obtener una respuesta. Sumergirse más a fondo en un tema requería hacer preguntas cada vez más específicas. La IA generativa revoluciona este enfoque al permitir una interacción más conversacional y contextual, similar a una conversación natural con alguien a quien acaba de conocer.

Además, la IA generativa incorpora técnicas adicionales que mejoran la comprensión más profunda, que históricamente han sido difíciles para los motores de búsqueda tradicionales. Por ejemplo, los modelos de lenguaje grande (LLM) pueden manejar sin esfuerzo aspectos como el tono, el análisis de sentimiento, la comprensión semántica y la desambiguación. Estas capacidades permiten a los LLM captar las sutilezas del lenguaje humano y el contexto con facilidad, proporcionando respuestas más precisas y significativas directamente. Este avance es lo que más me emociona, ya que abre un sinfín de posibilidades para crear aplicaciones más intuitivas, responsivas e inteligentes en diversos dominios.

¿Cómo se diferencia el enfoque de Tricon Infotech hacia la IA generativa de otras empresas en la industria?

En el espacio de la IA generativa, hay dos áreas de enfoque principales. La primera, que recibe una gran atención de algunos de los proveedores de tecnología más grandes, es el entrenamiento y la afinación de modelos de IA. La segunda área, donde los practicantes de la IA generativa realmente destacan, es la inferencia: el uso de la IA generativa para crear productos y servicios valiosos.

En Tricon Infotech, nos centramos en lo segundo. Nuestro enfoque es distinto porque enfatizamos la aplicación práctica y el despliegue rápido. Hemos desarrollado un programa integral que ayuda a los líderes empresariales a identificar rápidamente los casos de uso más impactantes para la IA generativa. Nuestro proceso incluye una solución de prototipado rápido, que permite a los clientes trabajar con sus propios datos en un entorno de sandbox de IA. Este enfoque garantiza que puedan ver resultados tangibles y interactuar con información impulsada por IA temprano en el ciclo de desarrollo.

Además, tenemos un enfoque radical en el tiempo de valor. Nuestro objetivo es ayudar a los clientes a construir y desplegar aplicaciones orientadas al consumidor dentro de 90 días. Este plazo acelerado no solo impulsa una innovación más rápida, sino que también garantiza que las empresas puedan capitalizar rápidamente los beneficios de la IA generativa, creando nuevas corrientes de ingresos y mejorando la satisfacción del cliente.

¿Puede discutir algunos de los desafíos clave en la implementación de modelos de lenguaje grande (LLM) y IA generativa en soluciones empresariales?

La implementación de modelos de lenguaje grande (LLM) y IA generativa en soluciones empresariales presenta varios desafíos emergentes. El primer desafío y más importante es la confianza. Las empresas deben estar seguras de que los sistemas de IA no comprometerán su propiedad intelectual o información corporativa sensible. Garantizar la seguridad de los datos y obtener las garantías adecuadas de que la IA no malversará los datos es crucial para generar confianza.

El segundo desafío es el problema de las alucinaciones. La IA generativa puede producir ocasionalmente respuestas confiadas que son factualmente inexactas. Esto puede socavar la confiabilidad de los sistemas de IA. Técnicas como la afinación de modelos y el empleo de Generación mejorada con recuperación (RAG) pueden ayudar a mitigar la ocurrencia de alucinaciones al garantizar que las respuestas de la IA estén basadas en datos precisos.

El tercer desafío significativo es el costo. La licencia y escalabilidad de los LLM pueden ser bastante costosas. Incluso las ofertas empresariales de proveedores importantes como Microsoft, Amazon y Google vienen con tarifas de entrada altas y mínimos. Por lo tanto, es crucial que las empresas monitoreen y gestionen de cerca el retorno de la inversión (ROI) para garantizar que la implementación de soluciones de IA sea viable económicamente.

¿Puede explicar el enfoque estructurado que Tricon Infotech utiliza para desarrollar soluciones de IA generativa personalizadas para empresas?

Tricon Infotech es una empresa de desarrollo de productos que se destaca por ofrecer servicios administrados a través de equipos de productos completos y dedicados, en lugar de la tradicional ampliación del personal. Nuestro enfoque implica desplegar equipos de productos completos que pueden gestionar todos los aspectos del ciclo de vida de desarrollo de productos, incluyendo investigación de usuarios, diseño de experiencia de usuario (UX), desarrollo front-end y back-end, automatización de pruebas, despliegue, escalabilidad y operaciones continuas.

Este modelo de servicio administrado integral garantiza que nuestros clientes puedan centrarse directamente en capturar valor de sus datos sin las complejidades y la sobrecarga de gestionar recursos separados. Nuestro principal impulsor es el tiempo de valor, lo que significa que priorizamos la entrega de beneficios tangibles de manera rápida y eficiente. Nuestra ambición es construir relaciones generativas a largo plazo con nuestros clientes, agregando continuamente valor e iterando a través del proceso de desarrollo de características.

Nuestro enfoque estructurado está diseñado para ser ágil y receptivo, lo que nos permite adaptarnos rápidamente a nuevos desafíos y oportunidades en el panorama de la IA. Al aprovechar las capacidades completas de nuestros equipos multidisciplinarios, entregamos soluciones de IA generativa altamente personalizadas que se adaptan a las necesidades específicas de cada empresa. Este enfoque no solo nos distingue de las empresas tradicionales de ampliación del personal, sino que también garantiza que proporcionamos soluciones integrales y de extremo a extremo que impulsan un impacto comercial significativo.

¿Cuáles son algunos ejemplos de problemas del mundo real que las soluciones de IA generativa de Tricon han abordado con éxito?

1. Aprendizaje electrónico – convirtiendo medios tradicionales y material educativo heredado en contenido interactivo multimodal. Esto permite a nuestros clientes reutilizar el contenido existente para adaptarse a nuevas formas de aprendizaje y llegar a los aprendices en diferentes plataformas donde ya están. Además, el contenido puede volver a utilizarse en programas de aprendizaje hiperpersonalizados que pueden adaptarse automáticamente a las necesidades y estilos de aprendizaje del aprendiz (audio, visual, etc.)
2. IA privada – Ayudando a los clientes a construir soluciones de IA de confianza para empresas que permanecen privadas y respetan las reglas de acceso del cliente, mientras se mantienen los costos y ayudan a escalar en todas las funciones de la empresa, ayudando a profesionales y servicios compartidos sobrecargados de trabajo a escalar mejor en la organización, comprendiendo nativamente las diversas reglas y restricciones de políticas locales y regionales distribuidas geográficamente. Estas IA privadas no solo servirán a la empresa, sino que también generarán nuevas corrientes de ingresos para nuestros clientes.
3. Automatización de procesos – todavía hay una cantidad masiva de organizaciones que dependen de procesos manuales y la integración de datos de “swivel chair”. La IA ayuda a conectar los diversos sistemas juntos creando capas inteligentes que no solo pueden validar los datos, sino también comprender la señal de datos única creada por el conjunto de datos o la herramienta y ayudar a enrutar eficientemente los flujos de trabajo alrededor, identificando problemas en la cadena de suministro

¿Cuál es el papel del aprendizaje continuo y el crecimiento en mantenerse por delante en el campo de la IA en rápida evolución?

Uno de los desafíos más significativos en el campo de la IA es capacitar al grupo de talentos. Hay una nueva generación de trabajadores que intuitivamente entienden herramientas de IA y tecnologías. Sin embargo, también hay una generación más antigua que necesita comprender qué pueden y no pueden hacer estas herramientas. El aprendizaje continuo es crucial para cerrar esta brecha.

Las herramientas de IA tienen el potencial de mejorar dramáticamente la productividad, permitiendo a las empresas lograr mucho más con recursos significativamente menores, reduciendo así los plazos y los costos. Para que estos beneficios se materialicen, los empleados deben estar abiertos a aprender nuevas formas de trabajar e integrar estas herramientas en sus flujos de trabajo.

Además, es esencial abordar el miedo a la seguridad laboral. Los empleados deben entender que aquellos que abrazan el aprendizaje continuo y el crecimiento estarán mejor equipados para incorporar nuevas herramientas de IA en sus rutinas diarias, lo que en última instancia conducirá a una mayor seguridad laboral. La realidad es que el éxito en el futuro impulsado por la IA llegará a aquellos que buscan activamente comprender y aprovechar estas tecnologías en evolución.

¿Cómo vislumbra el futuro de la IA transformando la tecnología de búsqueda y la interacción del usuario en la próxima década?

Ya estamos presenciando un cambio significativo de los motores de búsqueda tradicionales a herramientas de IA generativa para consultas iniciales. Este cambio está impulsado por la capacidad de la IA generativa para proporcionar respuestas y soluciones directas, eliminando la necesidad de navegar por múltiples sitios web o recursos de forma independiente. En el futuro cercano, será común que las IA asistan a reuniones, tomen acciones y manejen tareas rutinarias, lo que conducirá a una reducción sustancial en los roles de ciertas funciones dentro de las empresas.

Uno de los desafíos clave que permanece es cómo monetizar la IA generativa, ya que el modelo de publicidad tradicional puede enfrentar obstáculos significativos en este nuevo panorama. Mi predicción es que los datos se volverán cada vez más valiosos, actuando más como una moneda a medida que navegamos por este mundo valiente. Este cambio requerirá modelos de negocio innovadores que aprovechen las capacidades únicas de la IA, garantizando que los usuarios y las empresas puedan derivar un valor tangible de sus interacciones.

En general, el futuro de la IA en la tecnología de búsqueda y la interacción del usuario promete ser transformador, haciendo que la recuperación de información sea más intuitiva y eficiente, y redefiniendo la forma en que abordamos las interacciones digitales y las funciones empresariales.

¿Qué consejo práctico daría a las empresas que buscan aprovechar la IA para impulsar el éxito y la innovación?

No tenga miedo de la tecnología. Comience haciendo que las herramientas de IA estén disponibles para sus empleados, para garantizar que sus datos y propiedad intelectual (PI) permanezcan seguros. Muchos empleados ya están utilizando herramientas de IA, pero sin una gobernanza adecuada, existe el riesgo de mal uso. Por lo tanto, es crucial capacitar a su personal para que comprendan los riesgos involucrados y cómo usar estas herramientas de manera segura y efectiva.

Además, es esencial prestar atención a las medidas de éxito. Las herramientas de IA pueden ser costosas, pero se espera que los costos disminuyan con el tiempo. Sin embargo, es importante mantener un enfoque claro en el retorno de la inversión (ROI) para gestionar los costos y comprender el impacto en su negocio. Al hacerlo, puede aprovechar la IA para impulsar la innovación y el éxito, garantizando que los beneficios superen los gastos.

Gracias por la gran entrevista, los lectores que deseen aprender más pueden visitar Tricon Infotech.