Darren Kimura, AI Squaredin CEO ja puheenjohtaja – Haastattelusarja

Darren Kimura on kokenut yrittäjä, keksijä ja sijoittaja, joka toimii tällä hetkellä AI Squaredin toimitusjohtajana ja puheenjohtajana. Yli 25 vuoden johtamiskokemuksella teknologia- ja puhtaiden energialähteiden aloilla hän on johtanut yrityksiä kuten Energy Industries Corporation, Sopogy ja LiveAction, ja perustanut venture-yrityksen Enerdigm Ventures. Kimura on keksinyt MicroCSP-aurinkoteknologian ja on ollut avainasemassa yritysten kasvattamisessa, jotka keskittyvät reunan laskentaan, tekoälyyn ja SaaS-pohjaisiin ratkaisuihin.

AI Squared on matalan koodin alusta, joka auttaa yrityksiä integroimaan tekoälynsä olemassa oleviin työkaluihin, kuten Salesforceen, Slackiin, Google (GOOGL ) Sheetsiin ja ServiceNow’hon. Tekoälyn käyttöönoton yksinkertaistamisen ja reaaliaikaisen päätöksenteon mahdollistamisen kautta alusta antaa tiimille ympäri insinööritöistä, myyntiä ja operatiiveja mahdollisuuden lukita mitattavissa oleva liiketoimintaraja. Palvellessaan asiakkaita rahoitus-, toimitusketju- ja julkishallintosektorilla, AI Squared kiihdyttää yritysten tekoälyadoptionia tekemällä siitä vaivatonta, kontekstuaalista ja toiminnallista.

Mitä inspiraatioita sinä sait liittymään ja lopulta johtamaan AI Squaredia?

Olen aina ollut kiinnostunut ratkaisemasta vaikeista, todellisista maailman ongelmista, jotka vaativat syvää teknologista ymmärrystä ja virheetöntä suorittamista. Aloin urani energiatehokkuudesta ja uusiutuvista energialähteistä, ja siitä kehittyi tietojen käsittelyä lähellä työn tapahtumapaikkaa, reunassa, turvallisissa järjestelmissä tai yritysten työprosesseissa.

Kun tapasin ensimmäisen kerran AI Squaredin, näin välittömästi, että he olivat ratkaisemassa erittäin todellista ja erittäin kiireellistä haastetta: miten siirtää tekoäly laboratoriosta arkipäivän käyttöön. Useimmat yritykset ovat edelleen keskittyneitä mallien kehittämiseen. AI Squared keskittyi käyttöönottoon.

Mikä antoi minulle vielä enemmän vakuuttumusta, oli heidän perustansa. Yritys aloitti NSA:ssa ja on viimeisen kuuden vuoden ajan ansainnut luottamusta puolustusministeriössä, tiedusteluyhteisössä, avaruusyhteisössä ja joidenkin suurimpien yritysten kanssa Fortune 500 -listalla todellisten projektien ja merkittävien tuloksien kautta, jotka jatkuvat kasvamasta vuodesta toiseen. Se kertoi minulle kaksi asiaa: ensinnäkin, he olivat vakavasti kiinnostuneita turvallisuudesta, säätelystä ja vaikutuksesta. Toiseksi, he olivat joukkue, johon voisin luottaa.

Miten kokemuksesi ZEDEDAsta ja venture-pääomasta on vaikuttanut lähestymistapaasi tekoälykäyttöönottoon yritysten tasolla?

ZEDEDAssa työskentelin reunan äärellä avoimen lähdekoodin yhteisössä. Se pakotti minut ymmärtämään todelliset maailman rajoitukset, joita asiakkaamme kohtasivat digitaalisen muutoksen aikana. Siellä meillä oli maailmanluokan insinööritiimi Cisco, Sun Microsystems, Juniper, Arista, mutta se opetti myös minulle, kuinka tärkeää on yhdistää se tekninen erinomaisuus vahvaan yritysten markkinointiliikkeeseen.

Venture-puolelta sain erilaisen näkökulman. Näin, miten syvät teknologiayritykset kasvavat, hitaammin aluksi, mutta nopeammin, kun rakennetaan vahvaa perustaa. Se opetti minulle ajattelemaan järjestelminä: markkinoiden ajoitus, tuotteen valmius, asiakkaan kypsyys ja pääomastrategia kaikki on oltava kohdallaan. Se on linssi, jonka tuomin AI Squarediin tekoälykäyttöönoton suhteen. Se ei ole mallien toimittamista, vaan tulosten toimittamista, joita yritykset voivat luottaa, mitata ja skaalata.

Miten AI Squared ratkaisee “viimeisen mailin” tekoälyä käytännössä?

87 % tekoälyprojekteista ei koskaan pääse tuotantoon, koska integrointi on hidasta, monimutkaista ja irti käyttäjistä. AI Squared ratkaisee tämän luomalla kansallisen turvallisuuden luokan tietojen integrointiputken, joka yhdistää tekoäly-/mallitietojen lähteet, kuten Databricksin tai Snowflaken, ja järjestelmiä, joita yritykset jo käyttävät, kuten CRM, ERP ja mukautettuja sovelluksia.

Miten teidän alustanne auttaa siltaamaan aukon tietojen tiede- ja liiketoimintatiimien välillä?

AI Squared yksinkertaistaa mallien kehittämisen ja tuotantoon siirtämisen. Tietojen tiedetiimit voivat käyttää malleja turvallisesti alustallamme, kun taas liiketoimintatiimit saavat näkymän työkaluissa, joita he jo käyttävät, kuten Salesforce (CRM ), Teams, Slack tai muissa järjestelmäsovelluksissa.

Miten teidän yhteistyö NSA:n, Yhdysvaltain laivaston ja muiden viranomaisten kanssa vaikuttaa teidän tuotekehitykseen?

Etika, säätely ja avoimuus ovat ensisijaisia meille. Tiemme NSA:n ja muiden viranomaisten kanssa on opettanut meille, että on priorisoitava jäljitettävyyttä, tarkastettavuutta ja selittämiskykyä. Rakennamme nollaturvallisuusperiaatteiden mukaan, tuemme turvallisia käyttöönottoympäristöjä ja selkeitä hallintomalleja.

Miten tekoäly vaikuttaa päätöksentekoon viranomaisten kanssa?

Tehtävänmukainen tekoäly on tarkkaa, tulkinettavaa ja tehokasta. Se on ihanteellista korkean panoksen ympäristöissä, joissa tarvitaan selkeitä vastauksia, kyllä tai ei, uhkaa tai ei. Viranomaisten kanssa se mahdollistaa nopeamman seulonnan, riskien havaitsemisen ja priorisoinnin. Se täydentää generatiivisia malleja tarjoamalla rakenteellisia, validoitujen tuloksia, jotka tukevat kriittistä päätöksentekoa.

Missä kohtaa tekoälyadoptionissa on suurin riski ja mahdollisuus?

Suurin riski on hallitsematon autonomia, tekoälyjärjestelmien käyttöönotto ilman avoimuutta, valvontaa tai varmistuksia. Mahdollisuus piilee tilannekuvausnopeuden ja päätöksenteon kiihdyttämisessä. Tekoäly voi siivilöidä valtavat määrät tietoa reaaliajassa ja paljastaa kuvioita, joita ihmiset saattavat missata. Mutta toteuttaakseen tämän arvon, se on oltava luotettavaa, jäljitettävää ja integroitua ihmisten kanssa.

Mitä yleisiä virheitä yritykset tekevät, kun ne käyttöönottoon GenAI:ta?

Yleisin virhe on uutuuden keskittyminen välttämättömyyden sijaan. Liian moni yritys käyttöönottoon GenAI:ta ilman selkeää käyttötapausta, hallintasuunnitelmaa tai menestystekijää. Se johtaa koeprosessin uupumukseen, mittakaavaongelmiin ja luottamuspulmiin. GenAI on voimakasta, mutta kuten mikä tahansa teknologia, se on oltava kohdennettu ongelmaan, käyttäjään ja työprosessiin.

Voitko antaa esimerkin siitä, miten AI Squared auttoi yritystä välttämään “shiny object syndrome” ja toimittamaan mitattavaa vaikutusta?

Yksi yritys tuli meille ja halusi rakentaa mukautettavan LLM:n asiakaspalvelulippujen luokitteluun. Osoitimme heille, miten yksinkertainen, upotettu luokittelija, joka on käyttöönotettu alustallamme, voi toimittaa 90 %:n tarkin luokittelun heidän CRM:ään alle kahdessa viikossa. Ei uusia käyttöliittymiä, ei mukautettua koulutusta. Se on oikean ongelman ratkaisemisen voima oikealla työkalulla.

Mitä nousseita trendejä olet eniten innoissasi tekoälyssä seuraavien 3-5 vuoden aikana?

Kolme trendiä erottuu:

1. Monimodaaliset LLM:t, jotka ovat keskittyneitä tiettyihin tehtäviin
2. Toiminnalliset tekoälyjärjestelmät, jotka tekevät toimia, eivät vain luo sisältöä
3. Standardoitu hallinto, joka mahdollistaa tekoälyadoption säädellyissä aloissa

Nämä trendit ajavat tekoälyä kohti sen käytännöllisyyttä, luotettavuutta ja upottamista arkipäivän toimintaan.

Miten AI Squared kehittää alustaaan pysyäkseen mukana nopeasti kehittyvien LLM:ien ja malliekosysteemien kanssa?

Olemme malliriippumattomia suunnittelun ansiosta. Riippumatta siitä, onko kyseessä avoimen lähdekoodin malli, kaupallinen LLM vai omistettu diskriminomalli, alustamme sallii organisaatioiden turvallisesti käyttää ja hallita niitä olemassa olevissa työprosesseissaan. Keskitymme orkestraatioon, versiohallintaan ja hallintoon, jotta mallipino voi kehittyä ilman käyttäjäkokemuksen häiriintymistä.

Miten AI Squaredin onnistuminen näyttäytyy seuraavassa luvussa johtamisessasi?

Menestys tarkoittaa yritysten ja viranomaisten oletusarvoista tapaa tekoälyn käyttöönotossa. Se tarkoittaa ajan säästämistä kuukausista päiviin ja tekoälyn käyttöönoton tekemistä yhtä vaivatonta ja turvallista kuin uuden ominaisuuden käyttöönotto. Johtamissani AI Squared keskittyy skaalaamiseen, luottamukseen ja todellisiin tuloksiin, ei vain innovaatioon itsessään, vaan vaikutukseen, joka on tärkeintä.

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