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

Erik Schwartz on Chief AI Officer (CAIO) Tricon Infotech. johtava konsultointi- ja ohjelmistopalveluyritys. Tricon Infotech tarjoaa tehokkaita, automaattisia ratkaisuja ja täydellisiä digitaalisia muutoksia mukautettujen tuotteiden ja yrityssovellusten kautta.

Erik Schwartz on kokenut teknologiajohtaja ja yrittäjä, jolla on yli kaksi vuosikymmentä kokemusta teknologia-alalla, erityisesti tekoäly-, tietojen hakemisen ja tietämyksen löytämisen alueilla. Uransa aikana Erik on ollut edelläkävijä suurten alustojen rakentamisessa ja tekoälyn integroimisessa hakuteknologioihin, mikä on merkittävästi parantanut käyttäjien vuorovaikutusta ja tietojen saatavuutta. Hän on toiminut aiemmin avainrooleissa Comcastissa, Elsevierissä ja Microsoftissa, joissa hän johti uraauurtavia tekoäly-, haku- ja LLM-aloitteita.

Erikin ammattiura on leimautunut innovaatioiden intohimosta ja yhteistyön voiman uskomuksesta. Hän on johdattanut tiimejä uraa uurtavien ratkaisujen nopeaan toimitukseen, vakiinnuttaen itsensä luotettavaksi johtajaksi teknologia-alalla. Hänen työnsä, erityisesti Scopus AI -projektin myötä Elsevierissä, korostaa hänen sitoutumistaan uudelleenmäärittämään tietojen kanssa vuorovaikuttamisen rajoja ja luomaan luotettavan suhteen käyttäjien kanssa.

Chief AI Officer (CAIO) -roolissaan Erik hyödyntää laajaa kokemusta kehittääkseen ja toteuttaakseen kattavia tekoälystrategioita Triconin asiakkaille. Hänen perusteellinen prosessinsa ei ainoastaan paljasta tekoälyä, vaan varmistaa myös, että nämä yritykset ovat varustettu menestykseen ja vaurastumiseen kilpailukykyisessä tekoälytekniikan maisemassa. Erik on intohimoinen kasvun ja innovaation edistämisestä, jakaa näkemyksiään inspiroidakseen ja valtuuttaakseen organisaatioita hyödyntämään tekoälyn muuntavan voiman tehokkaasti.

Voitko jakaa urasi merkittävimpiä korkeita, jotka johtivat sinut nykyiseen rooliisi Chief AI Officerina Tricon Infotechissä?

Olen koko urani ajan ollut upottuneena tietojen hakemisen alueelle. Matkani alkoi 1990-luvun alussa Web Masterina internetin aamunkoitossa. Tänä muotoutumisajan, keskityin digitaalisten kirjastojen rakentamiseen hallituksille, yliopistoille ja media-alan yrityksille, mikä loi perustan asiantuntemukselleni digitaalisissa tietojärjestelmissä.

2000-luvulla siirryin työskentelemään hakukoneiden toimittajien kanssa, jossa hioin taitojani hakuteknologioissa. Tämä urani vaihe oli merkittävää kasvua ja oppimista useiden yritysostojen kautta, lopulta johtaen minua Microsoftiin vuonna 2008. Microsoftissa minulla oli ratkaiseva rooli tietämyksen löytämisalustojen kehittämisessä ja parantamisessa, ajamalla innovaatiota ja parantamalla tietojen saatavuutta käyttäjille.

Microsoftin jälkeen johtaminen aloitteita suurissa yrityksissä, kuten Comcast ja Elsevier, joissa vastasin suurten tietämyksen löytämisalustojen pyörittämisestä. Nämä kokemukset ovat olleet ratkaisevia muotoilemassani lähestymistavassa tekoälyyn ja tietojen hakemiseen, kulminoituen nykyiseen roolini Chief AI Officerina Tricon Infotechissä. Tässä roolissa hyödynnän laajaa kokemusta ajamaan tekoälystrategioita ja ratkaisuja, jotka valtuuttavat asiakkaitamme hyödyntämään täysimääräisesti datansa potentiaalia.

Miten kokemuksesi yrityksissä kuten Comcast, Elsevier ja Microsoft ovat vaikuttaneet lähestymistapaasi tekoälyn ja hakuteknologioiden integroimiseen?

Koko urani ajan olen ollut syvästi keskittynyt luonnollisen kielen prosessointitekniikoihin ja koneoppimiseen. Aluksi nämä teknologiat perustuivat yksinkertaisiin sääntöpohjaisiin järjestelmiin. Kuitenkin, kun tietojoukot kasvoivat suuremmiksi ja laskentateho vahvistui, aloimme merkittävästi parantaa käyttäjäkokemuksia automaattisesti keräämällä dataa ja syöttämällä sitä takaisin algoritmeihin parantamaan niiden suorituskykyä.

Microsoftissa, FASTin ostamisen jälkeen, toimin tuotepäällikkönä SharePoint-tiimissä. Tässä roolissa olin mukana kehittämässä edistyneitä hakuteknologioita yritysten sisällön hallintajärjestelmiin, parantamalla tietojen hakemista ja yhteistyön mahdollisuuksia liiketoiminnassa.

Comcastissa rakensin tietämyksen löytämisalustan, joka mahdollisti käyttäjien etsimisen ja löytämisen sisältöä set-top -laatikkojen, mobiililaitteiden ja verkkolaiteiden kautta. Tämä hakukone skaalautui käsittelemään yli 1 miljardi pyyntöä päivässä, parantamalla merkittävästi käyttäjäkokemusta nopeiden ja tarkkojen sisällön suositusten ja hakutuloksien tarjoamisella.

Yksi merkittävimmistä kokemuksista oli Elsevierissä, jossa lanseerasimme generatiivisen tekoälykokemuksen Scopus-tuotteelle, yhdelle heidän luotetuimmista tuotteistaan. Tämä aloite hyödynsi suurta kielen mallia (LLM) avustamaan käyttäjiä parempien kysymysten esittämisessä ja tarkempien vastausten saamisessa syvästi teknisestä sisällöstä tieteellisessä viestinnän tietokannassa. Tämä LLM-pohjainen lähestymistapa varmisti täydellisen tarkkuuden ja luotettavuuden yli 90 miljoonasta artikkelista tietokannassa, osoittaen tekoälyn voiman parantaa akateemista tutkimusta ja tietämyksen jakamista.

Mikä innoittaa sinua eniten nykyisistä edistysaskelista generatiivisessa tekoälyssä ja sen mahdollisissa sovelluksissa?

Yksi suurimmista historiallisista haasteista tietojen hakemisessa on ollut kontekstin ylläpitäminen. Ihmisille tämä on luonnollinen prosessi, mutta koneille tietojen löytäminen on perinteisesti ollut hyvin transaktionaalinen kokemus: kysy kysymys, saa vastaus. Syventyminen aiheeseen vaati kysymyksen esittämistä yhä tarkemmin. Generatiivinen tekoäly vallankumouksellisesti muuttaa tämän lähestymistavan mahdollistaen enemmän keskustelumaisen ja kontekstuaalisen vuorovaikutuksen, aivan kuin luonnollinen keskustelu jonkun kanssa, jonka olet vasta tavannut.

Lisäksi generatiivinen tekoäly sisältää lisätekniikoita, jotka parantavat syvempää ymmärtämistä, jotka ovat historiallisesti olleet vaikeita perinteisille hakukoneille. Esimerkiksi suuret kielen mallit (LLM) voivat vaivattomasti käsitellä aspekteja, kuten sävyä, mielipidettä, semanttista ymmärtämistä ja monitulkintaisuutta. Nämä kyvyt mahdollistavat LLM:lle käsitellä inhimillisen kielen nuansseja ja kontekstia vaivattomasti, tarjoten tarkemmpia ja merkityksellisempiä vastauksia valmiina. Tämä edistysaskel innoittaa minua eniten, koska se avaa monia mahdollisuuksia luodaan enemmän intuitiivisia, reagoivia ja älykkäitä sovelluksia eri aloilla.

Miten Tricon Infotechin lähestymistapa GenAI:hin eroaa muiden alan yritysten lähestymistavasta?

Generatiivisen tekoälyn tilassa on kaksi pääasiallista fokuksella. Ensimmäinen, joka saa merkittävää huomiota joistakin suurimmista teknologia-alan toimijoista, on tekoälymallien koulutus ja hienosäätö. Toinen alue, jossa generatiivisen tekoälyn asiantuntijat todella erottuvat, on inferenssi – generatiivisen tekoälyn käyttäminen arvokkaiden tuotteiden ja palvelujen luomiseen.

Tricon Infotechissä keskitymme jälkimmäiseen. Lähestymistapamme on erottuva, koska painotamme soveltamista ja nopeaa käyttöönottoa. Olemme kehittäneet kattavan ohjelman, joka auttaa liiketoimintajohtajia nopeasti tunnistamaan vaikuttavimmat generatiivisen tekoälyn soveltamiskohdat. Prosessimme sisältää nopean prototyyppiratkaisun, joka mahdollistaa asiakkaiden työskennellä omien tietojensa kanssa tekoälyhiekkalaatikkossa. Tämä lähestymistapa varmistaa, että he voivat nähdä konkreettisia tuloksia ja käydä vuorovaikutuksessa tekoälyajohtimien kanssa kehitysprosessin alkuvaiheessa.

Lisäksi meillä on radikaali fokus aikaan arvoon. Tavoitteemme on auttaa asiakkaita rakentamaan ja käyttöönottoon kuluttajien käyttämiä sovelluksia 90 päivän kuluessa. Tämä kiihdytetty aikataulu ei ainoastaan ajaa nopeampaa innovaatiota, vaan varmistaa myös, että liiketoiminnat voivat nopeasti hyödyntää generatiivisen tekoälyn hyödyt, luoden uusia tulonvirtauksia ja parantamalla asiakastyytyväisyyttä.

Voitko keskustella joistakin avainhaasteista suurten kielen mallien (LLM) ja generatiivisen tekoälyn käyttöönotossa yritysratkaisuissa?

Suurten kielen mallien (LLM) ja generatiivisen tekoälyn käyttöönotto yritysratkaisuissa esittää useita uusia haasteita. Ensimmäinen ja tärkein haaste on luottamus. Yritysten on varmistettava, että tekoälyjärjestelmät eivät vaaranna heidän immateriaalioikeuksiaan tai herkkää yritystietoa. Varmentaminen tietoturva ja saaminen asianmukaisia takeita siitä, että tekoäly ei väärinkäytä tietoa, on kriittistä luottamuksen saavuttamiseksi.

Toinen haaste on hallusinaatiot. Generatiivinen tekoäly voi toisinaan tuottaa luotettavia vastauksia, jotka ovat tosiasiallisesti virheellisiä. Tämä voi heikentää tekoälyjärjestelmien luotettavuutta. Tekniikat, kuten mallien hienosäätö ja Retrieval Augmented Generation (RAG) -menetelmien käyttäminen, voivat auttaa lieventämään hallusinaatioiden ilmenemistä varmistamalla, että tekoälyvastaukset perustuvat tarkkaan dataan.

Kolmas merkittävä haaste on kustannus. Suurten kielen mallien lisensointi ja skaalautuminen voi olla hyvin kallista. Jopa suurten toimittajien, kuten Microsoftin, Amazonin ja Google, yritystarjoukset tulevat korkeiden kynnyskustannusten ja vähimmäismäärävaatimusten kanssa. Sen vuoksi on oleellista, että yritykset seuraavat ja hallinnoivat tarkkaan tekoälyratkaisujen tuottamaa tuottoa varmistaakseen, että tekoälyratkaisujen käyttöönotto on taloudellisesti kannattavaa.

Voitko selittää Tricon Infotechin järjestelmällisen lähestymistavan mukautettujen GenAI-yritysratkaisujen kehittämiseen?

Tricon Infotech on tuotekehitysyhtiö, joka erottuu tarjoamalla hallittuja palveluita koko tuotetiimien kautta perinteisen henkilöstölisäyksen sijaan. Lähestymistapamme sisältää koko tuotetiimien käyttöönoton, jotka voivat hallita tuotekehityksen elinkaaren jokaista vaihetta, mukaan lukien käyttäjätutkimus, käyttöliittymäsuunnittelu (UX), etummainen ja takimmainen kehitys, testiautomaatio, käyttöönotto, skaalautuminen ja jatkuva toiminta.

Tämä kattava hallittu palvelumalli varmistaa, että asiakkaamme voivat keskittyä suoraan datansa arvon saavuttamiseen ilman erillisten resurssien hallinnan monimutkaisuutta ja kustannuksia. Avainmoottorimme on aika-arvo, mikä tarkoittaa, että priorisoimme tarjoamalla konkreettisia hyötyjä nopeasti ja tehokkaasti. Pyrkimyksenämme on rakentaa pitkäaikaisia generatiivisia suhteita asiakkaidemme kanssa jatkuvasti lisäämällä arvoa ja iteroiden ominaisuuskehitysprosessin kautta.

Järjestelmällinen lähestymistapamme on suunniteltu olemaan joustava ja reagoiva, mahdollistaen nopean sopeutumisen uusiin haasteisiin ja mahdollisuuksiin tekoälymaisemassa. Käyttämällä täysimääräisesti monialaisten tiimien kykyjä, toimitamme erittäin mukautettuja generatiivisen tekoälyn ratkaisuja, jotka on räätälöity kunkin yrityksen tarkoituksiin. Tämä lähestymistapa erottaa meidät perinteisistä henkilöstölisäydestä ja varmistaa, että tarjoamme kattavat, kokonaisvaltaiset ratkaisut, jotka ajavat merkittävää liiketoimintavaikutusta.

Mitkä ovat esimerkkejä todellisista ongelmista, joita Triconin GenAI-ratkaisut ovat onnistuneesti ratkaisseet?

1. Verkkokoulutus – muuttaminen perinteisestä mediasta ja vanhasta koulutusmateriaalista interaktiiviseksi monimuotoiseksi sisällöksi. Tämä mahdollistaa asiakkaidemme uudelleenjärjestelyn olemassa olevaa sisältöä sopeuttaakseen uusiin oppimistapoihin ja tavoittaa oppijoita alustoilla, joilla he jo ovat. Lisäksi sisältö voidaan muuttaa hyperhenkilökohtaisiksi oppimisohjelmiksi, jotka voivat sopeutua oppijan tarpeisiin ja oppimistyyliin (ääni, visuaalinen jne.)
2. Yksityinen tekoäly – auttaminen asiakkaita rakentamaan luotettavia yritysten tekoälyratkaisuja, jotka pysyvät yksityisinä ja kunnioittavat asiakkaiden pääsyrajoituksia, samalla hallitsemalla kustannuksia ja auttamalla skaalautumista eri yritysten toimintojen ympärillä, auttamalla ylirasittuneita ammattilaisia ja jaettuja palveluita skaalautumaan organisaatioon, ymmärtäen samalla alueellisia käytäntöjä ja paikallisia politiikkoja, jotka ovat jakautuneet maantieteellisesti. Nämä yksityiset tekoälyt eivät ainoastaan palvele yritystä, vaan myös luovat uusia tulonvirtauksia asiakkaillemme.
3. Prosessiautomaatio – on edelleen valtava määrä organisaatioita, jotka riippuvat manuaalisista prosesseista ja swivel-tuolien data-integroinnista. Tekoäly auttaa yhdistämään eri järjestelmiä luomalla älykkäitä kerroksia, jotka voivat validoida dataa ja ymmärtää ainutlaatuista signaalia, jonka luovat yksilölliset tietojoukot tai työkalut, ja auttavat tehokkaasti reitittämään työvirran haasteita ja tunnistamaan toimitusketjun ongelmat

Mikä rooli jatkuva oppiminen ja kasvu esittää pysymisessä edellä nopeasti kehittyvässä tekoälyalan haasteissa?

Yksi merkittävimmistä haasteista tekoälyalan on osaamisen kehittäminen. On uusi sukupolvi työntekijöitä, jotka ymmärtävät tekoälytyökaluja ja -teknologioita vaistonvaraisesti. Kuitenkin on myös vanhempi sukupolvi, joka tarvitsee ymmärtää, mitä nämä työkalut voivat ja eivät voi tehdä. Jatkuva oppiminen on olennainen siltaamalla tämän kuilun.

Tekoälytyökalut voivat dramaattisesti parantaa tuottavuutta, sallimalla liiketoiminnan saavuttaa paljon enemmän huomattavasti vähemmällä resursseilla, lyhentämällä aikatauluja ja kustannuksia. Nämä hyödyt voidaan toteuttaa, kun työntekijät ovat avoimia uusille työskentelytavoille ja integroivat nämä työkalut työprosesseihinsa.

Lisäksi on tärkeää osoittaa pelon työturvallisuudesta. Työntekijöiden on ymmärrettävä, että ne, jotka omaksuvat jatkuvaan oppimiseen ja kasvuun, ovat paremmin varustettu integroimaan uudet tekoälytyökalut päivittäisiin työtehtäviinsä, johtaen lopulta suurempaan työturvallisuuteen. Totuus on, että menestys tekoälyajoittuvassa tulevaisuudessa tulee niille, jotka aktiivisesti pyrkivät ymmärtämään ja hyödyntämään nämä kehittyvät teknologiat.

Miten näet tekoälyn tulevan muuttavan hakuteknologian ja käyttäjien vuorovaikutuksen seuraavan vuosikymmenen aikana?

Olemme jo todistamassa merkittävää siirtymistä perinteisistä hakukoneista generatiivisiin tekoälytyökaluihin alkuvaiheen kysymyksiin. Tämä siirtymä johtuu generatiivisen tekoälyn kyvystä tarjota suoria vastauksia ja ratkaisuja, poistamalla tarpeen siirtyä useiden verkkosivujen tai resurssien kautta. Lähitulevaisuudessa se tulee olemaan yleistä, että tekoälyt osallistuvat kokouksiin, suorittavat toimia ja hoitavat rutiininomaisia tehtäviä, johtaen merkittäviin vähennyksiin tiettyjen toimintojen rooleissa yrityksissä.

Yksi avainhaaste, joka säilyy, on keksiminen, miten hyödyntää generatiivinen tekoäly, koska perinteinen mainonnat malli saattaa kohtaa merkittäviä esteitä tässä uudessa maisemassa. Ennustani on, että data tulee olemaan yhä arvokkaampaa, toimien enemmän kuin valuutta, kun navigoimme tässä rohkeassa uudessa maailmassa. Tämä siirtymä edellyttää innovatiivisia liiketoimintamalleja, jotka hyödyntävät tekoälyn ainutlaatuisia kykyjä, varmistaen samalla, että käyttäjät ja yritykset voivat saada konkreettista arvoa vuorovaikutuksestaan.

Kaiken kaikkiaan tekoälyn tulevaisuus hakuteknologian ja käyttäjien vuorovaikutuksen kannalta luvaa olla muuntava, tehdessään tietojen hakemisesta enemmän intuitiivista ja tehokasta sekä muokkaamalla, miten lähestymme digitaalista vuorovaikutusta ja yritysten toimintoja.

Mitä käytännön neuvoja antaisit liiketoiminnalle, jotka haluavat hyödyntää tekoälyä menestyksen ja innovaation ajamiseen?

Älä pelkää teknologiaa. Aloita tekemällä tekoälytyökalut saataville työntekijöille varmistaaksesi, että datanne ja immateriaalioikeudet säilyvät turvassa. Monet työntekijät käyttävät jo tekoälytyökaluja, mutta ilman asianmukaista hallintaa on riski väärinkäytöstä. Sen vuoksi on oleellista kouluttaa henkilöstöäsi ymmärtämään riskit ja tietää, miten käyttää näitä työkaluja turvallisesti ja tehokkaasti.

Lisäksi on tärkeää kiinnittää huomiota menestystekijöihin. Tekoälytyökalut voivat olla kalliita, mutta kustannukset odotetaan laskevan ajan myötä. On kuitenkin tärkeää pitää selkeä fokus tuottoon investoinnin (ROI) hallitsemiseksi ja ymmärtääksesi tekoälyratkaisujen vaikutusta liiketoimintaasi. Tekemällä näin, voit hyödyntää tekoälyä innovaation ja menestyksen ajamiseen, varmistaen, että hyödyt ylittävät kustannukset.

Kiitos haastattelusta, lukijat, jotka haluavat oppia lisää, kannattaa vierailla Tricon Infotech.