Inna Tokarev Sela, illumexin CEO ja perustaja – Haastattelusarja

Inna Tokarev Sela, joka on Illumex:in CEO ja perustaja, muuttaa tapaa, jolla yritykset valmistavat rakenteellista dataa generatiiviselle tekoälylle. Illumex mahdollistaa organisaatioiden asentaa genAI-analytiikka-agentteja kääntämällä hajanaisen, salaperäisen datan merkitykselliseksi, kontekstirikkaaksi liiketoimintakielenkäytöksi, jossa on sisäänrakennettu hallinto.

Alusta analysoi automaattisesti metadataa löytääkseen ja merkintääkseen rakenteellista dataa ilman, että sitä tarvitsee muuttaa tai siirtää, ja lisää siihen semanttista merkitystä ja määrittelyjä varmistaakseen selkeyden ja avoimuuden. Luomalla liiketoimintatermit, ehdottamalla mittareita ja tunnistamalla mahdollisia ristiriitoja Illumex varmistaa, että datan hallinta on korkeimmalla tasolla.

Illumexilla analytiikka-agentit voivat tulkita käyttäjän kysymyksiä tarkasti ja toimittaa tarkan, kontekstiaallon ja hallucinaatiottoman vastauksen. Inna Tokarev Selan johdolla Illumex asettaa uuden standardin tekoälyvalmiudelle, jotta yritykset voivat hyödyntää datansa täydellistä potentiaalia.

Mikä innoitti sinua perustamaan illumexin, ja miten kokemuksesi Sisensessä ja SAP:ssa muovasivat visiota yrityksestä?

Visio illumexista syntyi opiskellessani, jolloin kuvittelin, että tieto olisi saatavilla mieli-kartan kaltaisilla yhteyksillä perinteisten tietokantojen sijaan – mahdollistaen suoran pääsyn relevanttiin dataan ilman laajaa ihmisten konsultointia.

Aikani SAP:ssa opetti minulle perusteet yritys-ohjelmistojen rakentamisesta ja toimintojen laajentamisesta. Työskennellessäni tuotekehityksen parissa SAP HANA -pilvi-alustalla ja liiketoimintahankkeissa, kuten startup-yhteistyökehyksessä, sain syvät näkymät yritysasiakkaiden tarpeisiin. Se paljasti merkittävän aukon siinä, miten yritykset lähestyvät data-käytäntöjä, ja mitä loppukäyttäjät todella tarvitsevat.

Sisensessä rakennettaessa AI-käytäntö alusta alkaen osoitti, miten suurta arvoa AI voisi tuoda asiakkaille. Nähdessäni tämän vaikutuksen, yhdistettynä SaaS- ja GenAI-tekniikoiden nousuun, vakuutti minut, että oikea aika illumexin perustamiselle oli 2021.

illumex keskittyy Generatiiviseen Semanttiseen Kangastukseen. Voitko selittää peruskäsitteen ja mitä motivoi sinua ratkaisemaan tätä tiettyä haasteen tekoälyssä ja data-analytiikassa?

illumex on kehittänyt Generatiivisen Semanttisen Kangastuksen -alustan, joka automatisoi organisaatioiden kontekstin ja päättelyn luomisen sekä ihmisten että koneiden luettavaksi. Tämä kangas yhdistää sekä LLM-pohjaisen generatiivisen tekoälyn että liiketoimintasovellukset teknisille ja ei-teknisille käyttäjille jaettuun kontekstiin.

Tämä yksinkertainen kangas tarjoaa kaksi merkittävää etua: se sujuvoittaa datahallintaa automatisoimalla jopa 80 % data-insinööritöistä ja mahdollistaa ei-teknisten käyttäjien pääsyn analytiikkaan sisäänrakennetun hallinnon, selittämisen ja tarkin kanssa. Molemmat edut ovat ratkaisuja monimiljardin dollarin markkinoille yritysten päätöksentekoon.

Ajattele tätä digitaalisena leikkikenttänä, jossa koneet, ihmiset ja sovellukset vuorovaikuttavat spontaanisti ilman esiohjelmointia. Tämä linjaa visiomme sovellusvapaasta tulevaisuudesta, jossa ei tarvitse tasapainotella useita työkaluja, kuten taulukoita, analytiikkaa, taloudellisia järjestelmiä ja asiakasohjauksia, vaan voit vain ilmoittaa tehtävän, ja se suoritetaan vaivattomasti. Generatiivinen Semanttinen Kangas on perusta tälle tulevaisuudelle.

Mitkä olivat joitain avainhaasteita, joita kohtasit illumexin alkuvaiheessa, ja miten ylitit ne?

Vuonna 2021, vaikka generatiivisen tekoälyn semanttiset mallit olivat olleet olemassa jo vuodesta 2017 lähtien ja graafiset neuroniverkot olivat olleet olemassa vielä pitempään, oli haasteellista selittää sijoittajille, miksi tarvitsimme automaattista kontekstia ja päättelyä. Jopa määritteleminen oli haasteellista silloin.

Sanon, että suurin haaste oli herättää jännitystä tästä tulevaisuuden teknologiasta ja tulevasta markkinasta. Ja olin erittäin onnekas tapaamaan eteenpäin katsovia sijoittajia, jotka uskoivat minuun.

Miten illumex mahdollistaa organisaatioiden tulevan tekoälyvalmiiksi, ja miksi tämä siirtymä on kriittinen nykyisessä liiketoimintakentässä?

Liiketoimintamaailma jakautuu kahteen leiriin: yrityksiin, jotka tunnustavat ja hyödyntävät tekoälyä muodonmuuttavaksi voimaksi internetin kaltaisesti, ja niihin, jotka eivät ymmärrä tai viivästävät tämän mahdollisuuden ymmärtämistä.

illumex kohtaa organisaatiot siinä vaiheessa, missä he ovat tekoälymatkallaan. Valmistamme heidän datansa generatiiviselle tekoälylle, täydennämme ja hallinnoimme organisaatioiden logiikkaa ja kontekstia ja mahdollistamme agenttianalytiikka- ja orkesterointitoimintojen käyttöönoton.

Tekoälyanalytiikka-alustamme rakenteelliselle datasta kohottaa minkä tahansa yrityksen maiseman tehokkaasti hyödyntämään näitä edistyneitä teknologioita.

illumex korostaa “hallusinaatiottomia” generatiivisen tekoälyn vastauksia. Miten illumex varmistaa deterministiset ja luotettavat tulosteen?

illumex perustuu olemassa oleviin liiketoimintakäsitteisiin – tietoverkkoihin, jotka kaappaavat toimialakohtaisen terminologian, työnkulut ja prosessit eri sektoreilla, kuten farmaseutisilla, vähittäiskaupan ja valmistustoimialoilla, sekä liiketoimintafunktioilla, kuten rahoituksella, HR:llä ja toimitusketjun hallinnalla.

Asiakkaiden käyttöönoton aikana koulutamme nämä käsitteet automaattisesti heidän metadataansa vastaan. Päivien sisällä yritykset voivat etsiä dataansa, validoida tuloksia ja tunnistaa ongelmia, kuten duplikaatteja tai ristiriitoja.

Agenteille suunnattu analytiikka-chatbot tarjoaa täydellisen avoimuuden – näyttää, miten kysymykset tulkitaan ja kuinka ne kytkeytyvät asiakkaan käsitteeseen ja sitten dataan. Tämä avoimuus, yhdistettynä automaattiseen data-validointiin, varmistaa deterministiset, hallucinaatiottomat vastaukset. Lisäksi hallintotiimit voivat etukäteen validoida mahdollisia vastauksia, koska konteksti sisältää kaikki mahdolliset kysymykset ja niiden yhdistelmät etukäteen.

Miten illumex erottuu perinteisistä lähestymistavoista, kuten Retrieval-Augmented Generation (RAG)?

Vaikka RAG yrittää mukauttaa valmiita tekoälymalleja syöttämällä niille organisaatioiden dataa ja logiikkaa, se kohtaa useita rajoituksia. Se on musta laatikko – et voi määrittää, onko annettu riittävästi esimerkkejä oikean mukauttamisen varmistamiseksi tai miten mallipäivitykset vaikuttavat tarkin. Se myös riippuu data-tutkijoista, jotka saattavat puuttua liiketoimintakontekstista, mikä tekee vaikeaksi kaappaavan koko organisaatiologiikan.

Lisäksi RAG kuluttaa noin 80 % tekoäly-infrastruktuurista ja tokenista vain mallin mukauttamiseen eikä itse käyttöön, mikä herättää huolenaiheita ROI:sta. Se myös puuttuu sisäänrakennetusta hallinnosta – ei ole tapaa varmistaa koulutuksen riittävyyttä tai varmistaa asianmukaista pääsyä.

illumexin Generatiivinen Semanttinen Kangas (GSF) ratkaisee nämä haasteet automatisoidulla kontekstin luomisella ilman ulkoisten tekoälytokenien kuluttamista. Se poistaa tarpeen erikoistuneille data-tutkijoille ja tarjoaa täydellisen avoimuuden karttaamisessa ja päättelyssä verkon, Slackin tai Teamsin kautta. GSF sisältää sisäänrakennetun hallinnon ja selittämisen, selkeät indikaattorit organisaatiokattavuudesta ja data-laadusta sekä automaattisen laadunarvioinnin kysymys-vastaus-ominaisuuksille.

Monet yritykset kamppailevat datalähtöisten päätösten tekemisessä, vaikka investoivat runsaasti data-infrastruktuuriin. Miksi luulet, että tämä aukko on olemassa, ja miten illumex ratkaisee sen?

Aukko datan sijoittamisen ja tehokkaan päätöksenteon välillä laajenee, kun datamäärät räjähtävät sekä sisäisesti että ulkoisesti. Organisaatiot kohtaavat nyt ei vain oman kasvavan datansa vaan myös joukon ulkoisia lähteitä – sää-API:sta terveydenhuollon dataa jakavaan pilvipohjaiseen alustaan eurooppalaisissa instituutioissa, sekä syntetistä dataa eri käyttötarkoituksiin.

Haaste on, että organisaatiot edelleen riippuvat ihmisistä kriittisissä data-tehtävissä, kuten mallinnuksessa, laadun arvioinnissa ja dashboard-luomisessa. Nykyaikaisen dataympäristön mittakaava ja monimutkaisuus tekevät kuitenkin yhä vaikeammaksi ihmisjoukkueiden luokitella dataa, arvioida sen laatua ja varmistaa, että se on sovelias tekoälyajoitetulle analytiikalle ja automaatiolle.

illumex siltaa tämän aukon automatisoimalla nämä perinteisesti manuaaliset prosessit, mahdollistaen organisaatioiden hallita, validoida ja hyödyntää laajenevaa data-maastoa merkityksellisille liiketoimintapäätöksille.

Mitkä teollisuudet ovat olleet nopeimmin omaksumassa illumexin alustaa, ja mitä ainutlaatuisia haasteita tai mahdollisuuksia olet havainnut näissä sektoreissa?

Näemme nopeimman omaksumisen teollisuusaloilla, jotka sijaitsevat datan tiheyden ja voimakkaan sääntelyn leikkauspisteessä, joissa yrityksillä on tarve vahvaan automaatioon data-laadun seurannassa, käytön seuraamisessa ja ristiriitojen havaitsemisessa. Rahoituspalvelut, farmaseuttiset tuotteet ja vähittäiskauppa ovat johtavassa asemassa, koska nämä sektorit pyrkivät nopeasti uudelleen luomaan itsensä olemassa olevien data-omaisuuksiensa avulla ja navigoimaan monimutkaisissa sääntelyvaatimuksissa.

Millaisia neuvoja antaisit yrityksille, jotka haluavat integroida tekoälyn tehokkaasti ja vastuullisesti?

Aloita kehittämällä selkeä strateginen suunnitelma, joka tunnistaa tiettyjä käyttötarkoituksia ja liiketoimintaperusteita, jotka ohjaavat tekoälyn omaksumista. On tärkeää välttää uusien tekoälytekniikoiden luominen, jotka toimivat erillään olemassa olevista järjestelmistä.

Sen sijaan rakenna yhtenäinen alusta, joka yhdistää datahallinnan, analytiikan ja generatiivisen tekoälyn ominaisuudet. Pitämällä tekoälyaloitteita erillään vakiintuneista hallintokäytännöistä ei vain luo merkittäviä riskejä vaan myös johtaa kustannusten lisääntymiseen. Avain on luoda jaettu infrastruktuuri, joka tukee kaikkia näitä toimintoja samalla ylläpitäen asianmukaista valvontaa.

Millaisia trendejä näet muotoilevan yritysten tekoälymaiseman seuraavien 3-5 vuoden aikana?

Kaksi suurta trendiä on kehittymässä tekoälymaisemassa. Ensinnäkin agenteille suunnattu analytiikka on saamassa lisää vauhtia, mikä mahdollistaa monimutkaisemman data-analytiikan ja oivallukset. Toiseksi siirrytään kohti agenteille suunnattua orkestraatiota, joka mahdollistaa työnkulut useiden tekoälymallien yhteistyönä, joilla on erilaiset toiminnallisuudet.

Tämä orkestraatio siirtää meidät yksittäisten sovellusten ulkopuolelle ja kohti kattavampia ratkaisuja. Esimerkiksi terveydenhuollossa ajattele automaation koko lääkärin työnkulun – yhdistäen kuvien skannauksen, reseptien prosessoinnin ja lääke-suositukset yhteen vaivattomaan järjestelmään. Nämä edistysaskeleet riippuvat vahvasta generatiivisesta semanttisesta kangaskankaasta, joka varmistaa tarkan datan pääsyn, jaetun kontekstin ja koordinoinnin tekoälyagenttien välillä. Tämä perusta on ratkaiseva sekä agenteille suunnatun analytiikan että orkestraation tekoälyratkaisujen saavuttamiseksi niiden täydellisessä potentiaalissaan.

Kiitos haastattelusta, lukijat, jotka haluavat oppia lisää, voivat vierailla Illumex:illa.