Dr Zohar Bronfman, co-fondateur et PDG de Pecan AI – Série d'entretiens

Dr Zohar Bronfman est le co-fondateur et PDG de Pecan AI. Doté d'une profonde expertise en psychologie informatique et en science des données, Zohar a appliqué son esprit d'entrepreneur inhérent à Co-found Pecan, dès la sortie de ses études supérieures. Zohar est titulaire de deux doctorats de l’Université de Tel Aviv – un en neurosciences cognitives computationnelles et un autre en histoire et philosophie des sciences et technologies. Il est également titulaire d'un baccalauréat en économie de l'Université ouverte d'Israël.

Fondée en 2018, Noix de pécan AI est une plateforme d'analyse prédictive qui s'appuie sur son outil pionnier Predictive GenAI pour éliminer les obstacles à l'adoption de l'IA, rendant ainsi la modélisation prédictive accessible à toutes les équipes de données et commerciales. Guidées par l’IA générative, les entreprises peuvent obtenir des prédictions précises dans divers domaines d’activité sans avoir besoin de personnel spécialisé. Predictive GenAI permet une définition et une formation rapides des modèles, tandis que les processus automatisés accélèrent la mise en œuvre de l'IA. Grâce à la fusion de l'IA prédictive et générative de Pecan, il est désormais beaucoup plus rapide et plus facile de réaliser l'impact commercial de l'IA.

Comment s’est déroulé le parcours menant à la création de Pecan AI et quelles sont les principales étapes franchies tout au long du parcours ?

Le démarrage de Pecan AI a été une véritable montagne russe. Tout a commencé lorsque mon co-fondateur et moi avons participé à un concours international de science des données. Nous avons créé une automatisation de préparation des données qui est devenue le prototype de Pecan, mais nous avons raté le délai et avons perdu. Au lieu de passer à autre chose, nous avons décidé de transformer notre prototype en quelque chose d'impactant. Deux mois seulement après avoir terminé notre doctorat en 2018, nous avons loué une petite chambre à l’université de Tel Aviv et avons commencé à nous débrouiller. Ayant une expérience commerciale limitée, nous avons présenté notre idée à des investisseurs en capital-risque. Heureusement, Haim Sadger et Aya Peterburg de S Capital ont vu le potentiel et ont investi 4 millions de dollars, nous donnant ainsi le coup de pouce dont nous avions besoin.

Une étape majeure a été la levée 66 millions de dollars dans un tour de table de série C mené par Insight Partners, avec le soutien de GV (anciennement Google Ventures) et d'autres. Ce financement nous a permis de nous développer à l’échelle mondiale et d’accélérer nos efforts de développement.

Comment votre expérience en neurosciences cognitives computationnelles influence-t-elle votre approche du développement de solutions d’IA ?

Mon expérience en neurosciences cognitives computationnelles, ainsi que mon doctorat en histoire et philosophie des sciences, jouent un rôle important dans la façon dont je développe des solutions d’IA. Ces domaines m'aident à comprendre à la fois les aspects techniques et philosophiques de la technologie. Cette double perspective est incroyablement précieuse dans le paysage technologique actuel en évolution rapide. Cela me permet de créer des produits d’IA qui sont non seulement techniquement avancés, mais également éthiquement solides et conviviaux.

Pouvez-vous expliquer le concept de Predictive GenAI et comment il intègre l'IA générative à l'apprentissage automatique prédictif ?

Chose sûre. Predictive GenAI consiste à fusionner l'IA générative avec l'apprentissage automatique prédictif. L'IA générative permet aux utilisateurs d'interagir avec les données via le langage naturel, ce qui facilite la pose de questions et le guidage de l'IA. Cependant, ses capacités prédictives sont limitées. C'est là qu'intervient le Predictive Machine Learning, car il traite les données pour faire des prédictions futures précises. En combinant ces deux technologies, Predictive GenAI permet même à ceux qui ont peu d'expérience en science des données de créer des modèles prédictifs et de les utiliser de manière transparente, comme discuter avec ChatGPT.

Comment Predictive GenAI simplifie-t-il le processus de création et de déploiement de modèles prédictifs pour les entreprises ?

Predictive GenAI simplifie les choses avec des fonctionnalités telles que Predictive Chat et Predictive Notebook. Predictive Chat agit comme un compagnon de l'IA, guidant les utilisateurs tout au long du processus de modélisation en utilisant le langage naturel. Il formule des questions prédictives basées sur les préoccupations commerciales de l'utilisateur et génère un bloc-notes prédictif avec des requêtes SQL prêtes à l'emploi et des exemples de données. Cela signifie que les utilisateurs n’ont pas besoin de repartir de zéro ni de posséder des connaissances techniques approfondies pour obtenir des prédictions précises.

Pourriez-vous développer l'étude de cas impliquant le Groupe Club CAA et comment Pecan AI a optimisé ses services d'assistance routière ?

Absolument. Le Groupe Club CAA passait une semaine à prévoir manuellement l'assistance routière, ce qui était long et limité. Après avoir mis en œuvre Pecan AI, leur équipe de science des données a développé plus de 30 modèles pour générer des prévisions de demande à court terme deux fois par semaine. Ces prévisions prédisent les volumes d'appels et les types de services toutes les heures, garantissant ainsi un personnel efficace et des réponses rapides, en particulier dans des conditions hivernales rigoureuses. La plateforme de Pecan permet également une amélioration continue de ces modèles, améliorant ainsi l'efficacité du service.

Comment les professionnels du crédit ont-ils bénéficié de l'utilisation de Pecan AI pour prédire le taux de désabonnement des clients et quels défis spécifiques cela a-t-il résolu pour eux ?

Les professionnels du crédit ont été confrontés à des défis importants en matière de prévision du taux de désabonnement des clients, un processus complexe et long. La mise en œuvre de Pecan AI a réduit le temps de développement du modèle de trois mois à quelques semaines seulement, permettant ainsi des stratégies de rétention proactives. Ce processus rationalisé a permis à TCP de prédire avec précision le taux de désabonnement des clients et de concevoir des stratégies efficaces pour fidéliser les clients, augmentant ainsi leurs revenus.

Comment les outils Predictive Chat et Predictive Notebook améliorent-ils l'expérience utilisateur et rendent l'analyse prédictive accessible aux utilisateurs non techniques ?

Predictive Chat utilise GenAI pour créer des blocs-notes personnalisés basés sur les questions professionnelles et les données de l'utilisateur. Les utilisateurs peuvent interagir avec le chat en langage naturel, répondre aux questions et suivre les instructions, ce qui simplifie le processus de création de modèles. Le Predictive Notebook comprend tout le code nécessaire, permettant aux utilisateurs d'afficher des requêtes, de créer des tables personnalisées et de comprendre la logique de l'ensemble de données de formation. Cette approche rend l'analyse prédictive accessible aux utilisateurs non techniques en rationalisant la préparation des données et la création de modèles.

De quelle manière voyez-vous Predictive GenAI transformer diverses industries et fonctions commerciales ?

Predictive GenAI permet aux entreprises de prendre des décisions basées sur les données avec une précision et une efficacité inégalées. Dans les domaines de la fabrication et de la logistique, il optimise les opérations en prévoyant la demande et en rationalisant les chaînes d’approvisionnement. Dans les secteurs centrés sur le client, il améliore la satisfaction et la fidélité grâce à un marketing ciblé et à des recommandations personnalisées. Predictive GenAI alimente également l’innovation en prédisant les tendances du marché, en guidant le développement de produits et en accélérant les délais de mise sur le marché. Ses applications s'étendent aux soins de santé pour la prédiction des maladies et les plans de traitement personnalisés, ainsi qu'aux efforts de développement durable en optimisant l'utilisation des ressources et en réduisant l'impact environnemental.

Comment Pecan AI garantit-il la précision et la fiabilité de ses modèles prédictifs ?

Nous garantissons l’exactitude et la fiabilité grâce à des tests rigoureux et une validation continue. Pecan AI utilise des ensembles de données de formation et de test distincts pour évaluer les performances du modèle, de la même manière que pour noter un test scolaire. Des mesures clés telles que l'exactitude, la précision et le rappel sont utilisées pour valider les modèles pendant le développement et en production. Nous promouvons également la transparence grâce à des prédictions explicables, aidant les utilisateurs à comprendre les facteurs qui influencent chaque prédiction et favorisant la confiance dans les informations basées sur l'IA.

Comment envisagez-vous l’évolution du rôle de Predictive GenAI dans les prochaines années ?

Pour l’avenir, l’avenir de l’IA ne consiste pas seulement à prédire des événements, mais également à prescrire des actions basées sur ces prédictions. Predictive GenAI vise à automatiser les processus de prise de décision et à optimiser les opérations commerciales. Cependant, il est crucial de comprendre les risques associés et de garantir une utilisation responsable de l’IA. À mesure que la technologie évolue, elle jouera un rôle essentiel dans l’amélioration de l’efficacité opérationnelle, la promotion de l’innovation et la prise de décision stratégique dans diverses industries.

Merci pour cette excellente interview, les lecteurs qui souhaitent en savoir plus devraient visiter Noix de pécan AI.