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. Avec une expertise approfondie en psychologie computationnelle et en science des données, Zohar a appliqué son esprit d’entrepreneur inné pour co-fonder Pecan, juste après ses études supérieures. Zohar détient deux doctorats de l’Université de Tel-Aviv – l’un en neurosciences cognitives computationnelles et l’autre en histoire et philosophie des sciences et de la technologie. Il détient également un diplôme de premier cycle en économie de l’Open University d’Israël.

Fondée en 2018, Pecan AI est une plateforme d’analyse prédictive qui utilise son Predictive GenAI pionnier pour supprimer les barrières à l’adoption de l’IA, rendant la modélisation prédictive accessible à toutes les équipes de données et commerciales. Guidée par l’IA générative, les entreprises peuvent obtenir des prévisions précises dans divers domaines commerciaux sans avoir besoin de personnel spécialisé. Le Predictive GenAI permet une définition et une formation rapides de modèles, tandis que des processus automatisés accélèrent la mise en œuvre de l’IA. Avec la fusion de l’IA prédictive et générative de Pecan, la réalisation de l’impact commercial de l’IA est maintenant beaucoup plus rapide et plus facile.

Quel a été le parcours de la fondation de Pecan AI et quels sont certains des principaux jalons atteints en cours de route ?

La création de Pecan AI a été un véritable parcours de montagnes russes. 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 la préparation des données qui est devenue le prototype de Pecan, mais nous avons manqué la date limite et perdu. Au lieu de passer à autre chose, nous avons décidé de transformer notre prototype en quelque chose d’impactant. Juste deux mois après avoir terminé nos doctorats en 2018, nous avons loué une petite pièce à l’Université de Tel-Aviv et commencé à nous battre. Avec une expérience commerciale limitée, nous avons présenté notre idée à des capitalistes de risque. Heureusement, Haim Sadger et Aya Peterburg de S Capital ont vu le potentiel et ont investi 4 millions de dollars, nous donnant l’impulsion dont nous avions besoin.

L’un des principaux jalons a été de lever 66 millions de dollars lors d’un cycle C mené par Insight Partners, avec le soutien de GV (anciennement Google (GOOGL ) Ventures) et d’autres. Ce financement nous a permis d’élargir nos activités à l’échelle mondiale et d’accélérer nos efforts de développement.

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

Ma formation en neurosciences cognitives computationnelles, ainsi que mon doctorat en histoire et philosophie des sciences, joue un grand rôle 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 en constante évolution d’aujourd’hui. Cela me permet de créer des produits d’IA qui ne sont pas seulement techniquement avancés, mais également éthiquement sains et conviviaux.

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

Bien sûr. Le Predictive GenAI consiste à fusionner l’IA générative avec l’apprentissage automatique prédictif. L’IA générative permet aux utilisateurs d’interagir avec les données à l’aide d’un langage naturel, ce qui facilite la pose de questions et la guidance de l’IA. Cependant, ses capacités prédictives sont limitées. C’est là que l’apprentissage automatique prédictif intervient, car il traite les données pour faire des prévisions précises sur l’avenir. En combinant ces deux technologies, le Predictive GenAI permet même à ceux qui ont peu d’expérience en science des données de créer des modèles prédictifs et de les utiliser sans effort, comme discuter avec ChatGPT.

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

Le Predictive GenAI simplifie les choses avec des fonctionnalités telles que Predictive Chat et Predictive Notebook. Le Predictive Chat agit comme un assistant IA, guidant les utilisateurs à travers le processus de modélisation en utilisant un langage naturel. Il formule des questions prédictives en fonction des préoccupations commerciales de l’utilisateur et génère un Predictive Notebook avec des requêtes SQL prêtes à l’emploi et des exemples de données. Cela signifie que les utilisateurs n’ont pas besoin de commencer à partir de zéro ou d’avoir des connaissances techniques approfondies pour obtenir des prévisions précises.

Pouvez-vous élaborer sur l’étude de cas impliquant le CAA Club Group et comment Pecan AI a optimisé leurs services d’assistance routière ?

Absolument. Le CAA Club Group passait autrefois une semaine à prévoir manuellement l’assistance routière, ce qui était fastidieux et limité. Après la mise en œuvre de 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 à l’heure, garantissant un effectif efficace et des réponses rapides, en particulier pendant les conditions hivernales difficiles. La plateforme de Pecan permet également une amélioration continue de ces modèles, renforçant ainsi l’efficacité du service.

Comment Credit Pros a-t-il bénéficié de l’utilisation de Pecan AI pour la prédiction de l’abandon des clients et quels sont les défis spécifiques qu’il a résolus pour eux ?

Credit Pros faisait face à des défis importants en matière de prédiction de l’abandon des clients, ce qui était un processus complexe et fastidieux. La mise en œuvre de Pecan AI a réduit le temps de développement du modèle de trois mois à quelques semaines, permettant ainsi des stratégies de rétention proactives. Ce processus rationalisé a permis à TCP de prédire avec précision l’abandon des clients et de concevoir des stratégies efficaces pour les retenir, augmentant ainsi leurs revenus.

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

Le Predictive Chat utilise l’IA générative pour créer des notebooks personnalisés en fonction des questions commerciales et des données de l’utilisateur. Les utilisateurs peuvent interagir avec le chat en langage naturel, en répondant à des questions et en suivant les instructions, ce qui simplifie le processus de création de modèles. Le Predictive Notebook comprend tout le code nécessaire, permettant aux utilisateurs de visualiser les requêtes, de créer des tables personnalisées et de comprendre la logique du jeu de données d’entraînement. 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 le Predictive GenAI transformer diverses industries et fonctions commerciales ?

Le Predictive GenAI permet aux entreprises de prendre des décisions éclairées avec une précision et une efficacité sans précédent. Dans la fabrication et la logistique, il optimise les opérations en prévoyant la demande et en rationalisant les chaînes d’approvisionnement. Dans les industries axées sur le client, il améliore la satisfaction et la fidélité grâce à des campagnes de marketing ciblées et à des recommandations personnalisées. Le Predictive GenAI alimente également l’innovation en prédisant les tendances du marché, en guidant le développement de produits et en accélérant le temps de mise sur le marché. Ses applications s’étendent au domaine de la santé pour la prédiction des maladies et les plans de traitement personnalisés, ainsi qu’aux efforts de durabilité en optimisant l’utilisation des ressources et en réduisant l’impact environnemental.

Comment Pecan AI assure-t-il l’exactitude et la fiabilité de ses modèles prédictifs ?

Nous assurons l’exactitude et la fiabilité grâce à des tests rigoureux et à une validation continue. Pecan AI utilise des ensembles de données d’entraînement et de test distincts pour évaluer les performances des modèles, similaire à la notation d’un examen scolaire. Des métriques clés telles que la précision, 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 renforçant ainsi la confiance dans les informations guidées par l’IA.

Comment voyez-vous l’évolution du rôle du Predictive GenAI au cours des prochaines années ?

En regardant vers l’avenir, l’avenir de l’IA ne consiste pas seulement à prédire des événements, mais également à prescrire des actions en fonction de ces prédictions. Le 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 critique dans l’amélioration de l’efficacité opérationnelle, la promotion de l’innovation et la conduite de la prise de décision stratégique dans diverses industries.

Je vous remercie pour cette grande interview, les lecteurs qui souhaitent en savoir plus peuvent visiter Pecan AI.