Chris Mahl, President and CEO at Pryon – Interview Series

Chris Mahl on Pryonin presidentti ja toimitusjohtaja. Yli kaksi vuosikymmentä kokemusta maailman tunnetuimmissa yritysohjelmistoyhtiöissä, Chris on erikoistunut skaalaamaan markkinointi- ja operatiivisia strategioita teknologiayrityksille kaikissa kasvuvaiheissa.

Pryon tarjoaa luotettavan, turvallisen ja osoitetun tien generatiivisen tekoälyn käyttöönottoon yrityksissä. Pryonin parhaimpien luokkien ingestio- ja hakukoneet voidaan yhdistää generatiivisiin LLM:ien kanssa retrieval-augmentoituun generointiin ja tarjota turvallisesti tarkkoja, välittömiä ja verifioiduissa vastauksia yrityskohtaisessa mittakaavassa.

Pryonin tuotteet ovat helppokäyttöisiä, saatavilla API:n kautta miltä tahansa järjestelmältä, ja ne voidaan ottaa käyttöön muutamassa viikossa pilvessä tai paikallisesti.

Pryon keskittyy Retrieval-Augmented Generationiin (RAG). Voitko selittää, miten teidän lähestymistapanne eroaa muista tekoälypohjaisista haku- ja tietohallintajärjestelmistä?

Pryonin lähestymistapa eroaa siinä, että hakukoneemme pystyy käyttämään sisältöä reaaliajassa moninaisista lähteistä, kuten PDF-tiedostoista, kuvista, verkkosivuista ja videoista, ylläpitäen samalla tietosuojaa ilman ulkoisia riippuvuuksia. Olemme yhdistäneet semanttisen haun hienorakeisen tietojen attribuuttiin saavuttaaksemme yli 90 prosentin hakutarkan.

Pryon Ingestion Engine on suunniteltu järjestelmään suuria määriä monimutkaisia sisältöjä. Mitä teidän ingestio-prosessissa on ainutlaatuista, ja miten se parantaa hakutarkkuutta?

Pryonin ingestio pystyy käsittelemään monimutkaisia sisältöjä – haettavien vastausten hakeminen äänistä, kuvista, teksteistä ja videoista eri lähteistä. Tämä ratkaisee yritysten perustavanlaatuista ongelmaa, joka liittyy erillisiin tietoihin. Kun strukturoimattomat tiedot kasvavat yli 50 prosenttia vuosittain, ingestio-moottorimme muuttaa hajanaiset tiedot toimivaksi, rakenteelliseksi tietoksi. Prosessi on suunniteltu turvallisuutta ja tietosuojaa silmällä pitäen, suojelemalla herkkää yritysten tietoa ja tekemällä sen välittömästi hyödylliseksi.

Teidän hakukone lupaa välittömiä, tarkkoja ja verifioiduissa vastauksia. Miten Pryon varmistaa tarkan ja minimoi “hallusinaatiot” tietojen hakemisessa?

Pryon varmistaa tarkan ja minimoi “hallusinaatiot” useiden mekanismien avulla. Teknologiamme yhdistää semanttisen haun hienorakeisen tietojen attribuuttiin, mikä tarkoittaa, että vastaukset voidaan jäljittää takaisin alkuperäisiin lähteisiinsä. Tämä attribuutti on kriittinen verifioinnin kannalta. Järjestelmä käyttää sisältöä reaaliajassa alkuperäisistä lähteistä, sen sijaan, että se riippuisi vanhentuneista tai epätäydellisistä tietokannoista. Tämä suora yhteys alkuperäisiin lähteisiin, yhdistettynä korkeaan hakutarkkuuteen (yli 90 prosentti), vähentää merkittävästi “hallusinaatioiden” riskiä, jotka vaivaavat monia generatiivisia tekoälyjärjestelmiä.

Miten Pryon käsittelee reaaliaikaisia päivityksiä tietoihin, erityisesti dynaamisissa ympäristöissä, kuten hallinnossa, energiassa ja terveydenhuollossa?

Pryon varmistaa reaaliaikaisen pääsyn viimeisimpiin tietoihin joustavien, tarpeen mukaan toteutettavien sisällön synkronointien avulla. Käyttäjät voivat käynnistää sisällön synkronoinnin haluamallaan tavalla Pryonin hallintaportaalissa tai automatisoida päivitykset Sync-API:n avulla säädetyn aikataulun mukaan – olipa se viikoittain, päivittäin tai jopa tunneittain, riippuen toiminnan tarpeista. Delta-tarkistusprosessimme optimoi tehokkuuden vain päivittämällä muuttuneet tiedot, varmistaen nopean, tarkan ja resursseiltaan tehokkaan tietojen hakemisen kriittisissä ympäristöissä, kuten hallinnossa, energiassa ja terveydenhuollossa.

Pryon työskentelee hallituksen ja puolustusvirastojen kanssa. Vaikka yksityiskohdat ovat usein luokiteltuja, voitko keskustella tapauksesta, jossa teidän tekoäly paransi merkittävästi päätöksentekoa tai operatiivista tehokkuutta?

Pryon työskentelee useiden puolustus- ja tiedusteluvirastojen, mukaan lukien Ilmailututkimuslaboratorion (AFRL) ja Päädigitaalisen ja tekoälytoimiston (CDAO) kanssa, auttaakseen virtaviivaistamaan toimintoja ja mahdollistaakseen nopeamman ja perustellumman päätöksentekoa.

Yksi voimakas esimerkki on yhteistyömme Yhdysvaltain ilmavoimien Digitaalisen transformaation toimiston (DAF DTO) kanssa. Tämä tiimi tukee hankintaa ja ylläpitoa, joiden henkilöstö usein tarvitsee löytää kriittistä tietoa, joka on haudattu satoihin tuhansiin verkkosivuihin ja asiakirjoihin. Yhdessä käynnistimme DTO Wingmanin, tekoälypohjaisen avustajan, joka toimittaa tarkkoja, reaaliaikaisia vastauksia monimutkaisiin kysymyksiin – yhdessä lähteen attribuutilla.

Sen sijaan, että etsivät manuaalisesti tietoa matkakortin käytöstä tai säännöistä, käyttäjät voivat vain kysyä kysymyksiä, kuten “Mitä minä saan ostaa matkakortillani?” tai “Mitä on Digitaalinen rakennuskoodi ja miten se liittyy hankintoihin?” Tekoäly palauttaa tarkat vastaukset ja auttaa jopa luomaan raportteja ja esitysmateriaaleja nopeasti.

Antamalla ilmavoimien ja avaruusvoimien henkilöstölle välittömän pääsyn luotettaviin vastauksiin, DTO Wingman auttaa tiimejä työskentelemään tehokkaammin ja tarjoamaan luotettavaa, ajankohtaista ohjausta johtajille ja päätöksentekijöille.

Teidän työ elämän-tieteissä mainitsee tekoälyavusteisen tutkimuksen. Miten Pryonin järjestelmä auttaa tutkijoita navigoimaan laajojen tietokantojen, kuten PubMedin tai yksityisten tutkimusrekisterien, kautta?

Pryonin järjestelmä auttaa tutkijoita navigoimaan laajojen tietokantojen kautta useiden avainominaisuuksien kautta.

Parannettu tutkimuksen laatu:

• Vähennetty inhimillinen virhe: Järjestelmällinen hakeminen ajantasaisia tietoja varmistaa vähemmän väärinkäsityksiä tai ylitettyjä todisteita.
• Todisteiden tuki: Jokainen vastaus perustuu alkuperäiseen kirjallisuuteen, edistäen tietopohjaisia johtopäätöksiä, joiden lähteet voidaan jäljittää takaisin lauseeseen, josta ne ovat peräisin.

Suojelu herkkää sisältöä:

• Luottamuksellisuus: Tiukat pääsyrajoitukset ja tietojen salaus ovat olennaisia omistajien tai potilaiden tietojen kaltaisille herkillä tietoja sisältäville tietokannoille.
• Sääntelynmukaisuus: Tutkijat voivat luottaa siihen, että herkillä tiedoilla käydään sääntelyn mukaisesti, kuten HIPAA- tai GDPR-säädösten mukaisesti.

Asiakaspalvelun ja myyntiprosessien osalta, miten Pryonin tekoäly vertautuu perinteisiin chatbot- ja CRM-ratkaisuihin tehokkuuden ja tukipyyntöjen määrän vähentämisen suhteen?

Asiakaspalvelun ja myyntiprosessien vuorovaikutukset vaativat usein tasapainoa tarkkuuden ja joustavuuden välillä chatbot- ja perinteisten keskustelutekoälyratkaisujen suhteen. Koska antaa väärä vastaus asiakkaalle on vastuuton ja voi johtaa laillisiin seuraamuksiin, monet chatbot-toimittajat ja perinteiset keskustelutekoälyratkaisut valitsevat rajoittamaan joustavuutta “vain FAQ”-tyyppisillä vuorovaikutuksilla.

Tämä on haaste toimittajalle, joka edellyttää manuaalista koodaamista tiettyjä vastauksia yleisiin kysymyksiin, ja se tarjoaa huonon asiakaskokemuksen, joka on vain hieman erilainen kuin FAQ:n lukeminen. Muut toimittajat valitsevat yrittääksesi käyttää joustavampaa generatiivista kokemusta vähemmän rajoituksilla LLM:llä, mutta tämä edellyttää koko tuotekatalogin tai verkkosivun lisäämistä LLM:n kontekstiuudeksi, mikä laskee tulosteen tarkkuutta ja voi johtaa katastrofaalisiin seuraamuksiin.

RAG:n taidetta on maksimoida signaali (totuus) ja minimoida kohina (epäolennainen konteksti, joka usein sekoittaa LLM:n). Pryonin hakukoneen tarkkuus – pystyväksi etsimään tarkkaa, lausekohtaisia vastauksia kaikista asiakirjoista – tarkoittaa, että asiakaspalvelu ja myynti eivät enää joutuisi tinkimään tarkkuuden ja joustavuuden välillä.

Mitä näet suurimpana haasteena tekoälyn käyttöönotossa yrityksissä tällä hetkellä, erityisesti RAG-pohjaisissa järjestelmissä?

Vaikka se on selvästi jotain, mitä löydämme omista markkinoiden kanssa käymistämme keskusteluista, se on myös yhä enenevissä määrin tunnustettu, että “tekoälyvalmiit tiedot” (tai niiden puute) on yksin suurin este tekoälykäyttöönotoissa.

• 91 prosenttia johtajista Harvard Business Review -tutkimuksessa sanoi, että luotettava tietopohja on välttämätön onnistuneelle tekoälykäyttöönotolle.
• McKinsey löysi, että 70 prosenttia GenAI-alihankkeista kohtaa haasteita, jotka liittyvät tietoihin, ja vain 1 prosentti yrityksen tärkeistä tiedoista heijastuu nykyisissä malleissa.
• The Wall Street Journal mainitsi luotettavuuden ykköshaasteena tekoälyagenttien käyttöönotossa – ongelmana, joka liittyy läheisesti tietojen laatuun ja saatavuuteen.
• Gartner tunnisti tekoälyvalmiiden tietojen puutteen ykkössyynä epäonnistuneille käyttöönotoille.

Tekoälyvalmiit tiedot ulottuvat vain sanomisten vektoroinnista – se on yhdistää erilliset lähteet, työskennellä monimutkaisten muotojen, kuten multimodaalisten syötteiden, kanssa, puhdistaa tiedot, parantaa tietoja, saada ne muotoon, jota LLM:t voivat käsitellä, jakaa ne oikeaan yksityiskohtaiseen tasoon, ylläpitääkseen optimaalisen tarkan ja pitääkseen kustannukset alhaalla, indeksoida niitä älykkäästi, yhdistää ne suorituskykyiseen hakujärjestelmään jne.

Nämä ovat suuria haasteita, jotka vaativat omistautunutta osaamista ja työkaluja – Pryonin RAG-kehittäjien kyselyssä, joissa kehitetään ratkaisuja suurten yritysten sisällä, tietojen valmistelu oli ykköseksi kallein, aikaa vievin ja teknisesti haasteellisin osa rakennusprosessia, ja sen jälkeen tuli tietojen hakeminen.

Miten erottuu Pryonin RAG Suite -yritysratkaisut Microsoftin, Google ja OpenAI:n tarjoamista ratkaisuista?

Eroavaisuus vaihtelee toimijasta toiseen, mutta korkealla tasolla suuret teknologiayritykset keskittyvät toimimaan “tekoälyliittymänä” työssä. Pryon keskittyy perustasolle – tietotason. Pryon ratkaisee syvät ongelmat tietojen valmistelusta ja hakemisesta, kun taas suuret teknologiayritykset keskittyvät tarjoamaan laajoja tekoälyratkaisuja, jotka voivat palvella joitakin yksinkertaisia RAG-käyttötapauksia, mutta usein epäonnistuvat, kun niitä sovelletaan todellisen elämän monimutkaisiin yritys- ja hallituskäyttötapauksiin. Pryon voi myös olla täydentävä näiden järjestelmien kanssa, ja sisältöä, jonka Copilot, Gemini tai GPT tuottaa, voidaan liittää Pryonin tietotason kanssa, jotta se voidaan järjestää ja valmistaa valmiiksi alempien sovellusten ja agenttien käyttöön.

Miten Pryon lähestyy tekoälyn sääntelyä ja eettistä käyttöä, kun tekoälyn säännökset kehittyvät, kuten EU:n tekoälylain ja Yhdysvaltain tekoälyohjeet?

Kun tekoälyn säännökset kehittyvät maailmanlaajuisesti, Pryon sitoutuu sääntelynmukaisuuteen ja vastuulliseen tekoälyn käyttöön. Lähestymistapaamme on linjassa EU:n tekoälylain, Yhdysvaltain tekoälyohjeiden ja puolustusministeriön Vastuullisen tekoäly (RAI) -periaatteiden kanssa, varmistaen, että tekoälyratkaisumme ovat luotettavia, läpinäkyviä ja hallittavissa. RAI SHIELD -kehyksen mukaisesti integroidaan tiukka arviointi, jäljittäminen ja jatkuva seuranta tekoälyelinkaaren ympärille – priorisoiden turvallisuutta, reiluutta ja suorituskykyä. Upottamalla nämä parhaat käytännöt käyttöönottometodologiaamme, Pryon mahdollistaa organisaatioille tekoälyn hyödyntämisen vastuullisesti ja täyttää korkeimmat sääntely- ja eettiset standardit.

Kiitos haastattelusta, lukijat, jotka haluavat oppia lisää, voivat vierailla Pryon:ssa.