Erik Schwartz, Director de Inteligencia Artificial (CAIO) de Tricon Infotech – Serie de Entrevistas

Erik Schwartz es el Director de Inteligencia Artificial (CAIO) de Tricon Infotech, una empresa líder en consultoría y servicios de software. Tricon Infotech ofrece soluciones eficientes y automatizadas, así como 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 inteligencia artificial, 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 inteligencia artificial en tecnologías de búsqueda, mejorando significativamente la interacción del usuario y la accesibilidad a la información. Anteriormente, ocupó puestos senior en Comcast (CMCSA ), Elsevier y Microsoft (MSFT ), donde lideró iniciativas pioneras en inteligencia artificial, 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 a los equipos hacia la entrega rápida de soluciones innovadoras, estableciéndose como un líder de confianza en la comunidad tecnológica. Su trabajo, más recientemente en el proyecto Scopus AI en Elsevier, subraya su compromiso con la redefinición de los límites de cómo interactuamos con la información y creamos una relación de confianza con los usuarios.

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

¿Puede compartir algunos aspectos destacados de su viaje profesional que lo llevaron a su cargo actual como Director de Inteligencia Artificial 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 etapa de mi carrera se caracterizó por un crecimiento y aprendizaje significativos a través de varias adquisiciones, lo que finalmente me llevó a unirme a Microsoft en 2008. En Microsoft, desempeñé un papel crucial en el desarrollo y mejora de plataformas de Descubrimiento de Conocimiento, impulsando la innovación y mejorando la accesibilidad a 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 fundamentales para moldear mi enfoque hacia la inteligencia artificial y la recuperación de información, culminando en mi cargo actual como Director de Inteligencia Artificial en Tricon Infotech. Aquí, aprovecho mi amplia experiencia para impulsar estrategias y soluciones de inteligencia artificial que permiten a nuestros clientes aprovechar al máximo el potencial de sus datos.

¿Cómo han influido sus experiencias en empresas como Comcast, Elsevier y Microsoft en su enfoque hacia la integración de la inteligencia artificial y las tecnologías de búsqueda?

A lo largo de mi carrera, he estado profundamente enfocado 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 cálculo se volvió más robusta, comenzamos a mejorar significativamente las experiencias de los usuarios 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 las capacidades de recuperación de información y colaboración para las empresas.

En Comcast, construí una plataforma de descubrimiento de conocimiento que impulsaba todo su negocio de video, permitiendo a los usuarios buscar y descubrir contenido en set-top boxes, 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 inteligencia artificial 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 inteligencia artificial para mejorar la investigación académica y la difusión del conocimiento.

¿Qué es lo que más le emociona sobre los avances actuales en inteligencia artificial generativa y sus posibles 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 profundamente en un tema requería hacer preguntas cada vez más específicas. La inteligencia artificial generativa revoluciona este enfoque al permitir una interacción más conversacional y contextual, similar a una conversación natural con alguien a quien acabas de conocer.

Además, la inteligencia artificial 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 sin esfuerzo, proporcionando respuestas más precisas y significativas directamente, lo que abre una multitud de posibilidades para crear aplicaciones más intuitivas, responsivas e inteligentes en diversos dominios.

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

En el espacio de la inteligencia artificial generativa, hay dos áreas de enfoque principal. 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 inteligencia artificial. La segunda área, donde los practicantes de la inteligencia artificial generativa realmente destacan, es la inferencia: el uso de la inteligencia artificial generativa para crear productos y servicios valiosos.

En Tricon Infotech, nos centramos en lo último. 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 inteligencia artificial generativa. Nuestro proceso incluye una solución de prototipado rápido, que permite a los clientes trabajar con sus propios datos en un entorno de inteligencia artificial. Este enfoque garantiza que puedan ver resultados tangibles y interactuar con perspectivas impulsadas por la inteligencia artificial 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 los 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 inteligencia artificial 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 inteligencia artificial generativa en soluciones empresariales?

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

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

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

¿Puede explicar el enfoque estructurado que Tricon Infotech utiliza para desarrollar soluciones empresariales personalizadas de inteligencia artificial generativa?

Tricon Infotech es una empresa de desarrollo de productos que se destaca por ofrecer servicios administrados a través de equipos de productos completos y de pilas completas, 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 la investigación de usuarios, el diseño de experiencia de usuario (UX), el desarrollo front-end y back-end, la automatización de pruebas, la implementación, el escalado y las 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, continuamente agregando 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 inteligencia artificial. Al aprovechar las capacidades completas de nuestros equipos multidisciplinarios, entregamos soluciones de inteligencia artificial generativa altamente personalizadas que se adaptan a las necesidades específicas de cada empresa. Este enfoque no solo nos distingue de las firmas tradicionales de ampliación del personal, sino que también garantiza que proporcionamos soluciones holísticas y de extremo a extremo que impulsan un impacto comercial significativo.

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

1. E-Learning – convirtiendo medios tradicionales y materiales educativos heredados en contenido interactivos multi-modales. Esto permite a nuestros clientes repurpar contenido existente para adaptarse a nuevas formas de aprendizaje y llegar a los aprendices en diferentes plataformas donde ya están. Además, el contenido puede ser repurpado en programas de aprendizaje hiperpersonalizados que pueden adaptarse automáticamente a las necesidades y estilos de aprendizaje del aprendiz (audio, visual, etc.)
2. Inteligencia Artificial Privada – Ayudando a los clientes a construir soluciones de inteligencia artificial de confianza que permanecen privadas y honran las reglas de acceso de los clientes, mientras se mantienen los costos y ayudan a escalar a través de las diversas funciones de la empresa, ayudando a profesionales sobrecargados de trabajo y servicios compartidos a escalar mejor hacia la organización, comprendiendo de forma nativa las diversas reglas y políticas de localización y distribución geográfica. Estas inteligencias artificiales privadas no solo servirán a la empresa, sino que también generarán nuevas corrientes de ingresos para nuestros clientes.
3. Automatización de Procesos – todavía hay un número masivo de organizaciones que dependen de procesos manuales y de integración de datos de “silla giratoria”. La inteligencia artificial ayuda a conectar los diferentes sistemas al crear 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, 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 inteligencia artificial en constante evolución?

Uno de los desafíos más significativos en el campo de la inteligencia artificial es actualizar la fuerza laboral. Hay una nueva generación de trabajadores que entienden intuitivamente las herramientas de inteligencia artificial 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 inteligencia artificial 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 hagan realidad, 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 comprender que aquellos que abrazan el aprendizaje continuo y el crecimiento estarán mejor equipados para incorporar nuevas herramientas de inteligencia artificial 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 inteligencia artificial llegará a aquellos que buscan activamente comprender y aprovechar estas tecnologías en evolución.

¿Cómo vislumbra el futuro de la inteligencia artificial 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 inteligencia artificial generativa para consultas iniciales. Este cambio está impulsado por la capacidad de la inteligencia artificial generativa para proporcionar respuestas y soluciones directas, eliminando la necesidad de navegar por múltiples sitios web o recursos de forma independiente. En el futuro próximo, será común que las inteligencias artificiales asistan a reuniones, tomen acciones y manejen tareas rutinarias, lo que conducirá a una reducción significativa de los roles de ciertas funciones dentro de las empresas.

Uno de los desafíos clave que permanece es cómo monetizar la inteligencia artificial 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 este nuevo mundo. Este cambio requerirá modelos de negocio innovadores que aprovechen las capacidades únicas de la inteligencia artificial, garantizando que los usuarios y las empresas puedan derivar un valor tangible de sus interacciones.

En general, el futuro de la inteligencia artificial en la tecnología de búsqueda y la interacción del usuario promete ser transformador, haciendo que la recuperación de información sea más intuitiva y eficiente, mientras redefine la forma en que nos acercamos a las interacciones digitales y las funciones empresariales.

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

No tenga miedo de la tecnología. Comience haciendo que las herramientas de inteligencia artificial estén disponibles para sus empleados, para garantizar que sus datos y propiedad intelectual (PI) permanezcan seguros. Muchos empleados ya están utilizando herramientas de inteligencia artificial, 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 utilizar estas herramientas de manera segura y efectiva.

Además, es esencial prestar atención a las medidas de éxito. Las herramientas de inteligencia artificial 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 inteligencia artificial para impulsar la innovación y el éxito, garantizando que los beneficios superen los gastos.

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