Erik Schwartz, Chief AI Officer (CAIO) Tricon Infotech – Série d’entretiens

Erik Schwartz est le Chief AI Officer (CAIO) de Tricon Infotech, une société de conseil et de services logiciels de premier plan. Tricon Infotech livre des solutions automatisées efficaces et des transformations numériques complètes grâce à des produits personnalisés et des mises en œuvre d’entreprise.

Erik Schwartz est un dirigeant expérimenté dans le secteur de la technologie et un entrepreneur ayant plus de deux décennies d’expérience dans le secteur technologique, spécialisé à l’intersection de l’IA, de la recherche d’information et de la découverte de connaissances. Au cours de sa carrière, Erik a été à la pointe de l’intégration de grandes plateformes et de l’intégration de l’IA dans les technologies de recherche, améliorant considérablement l’interaction utilisateur et l’accessibilité de l’information. Ses précédents rôles clés chez Comcast, Elsevier et Microsoft, où il a dirigé des initiatives pionnières en matière d’IA, de recherche et de LLM.

Le parcours professionnel d’Erik est marqué par son dévouement à l’innovation et sa conviction en la puissance de la collaboration. Il a constamment poussé les équipes à livrer rapidement des solutions innovantes, établissant fermement sa réputation de leader de confiance dans la communauté technologique. Son travail, notamment sur le projet Scopus AI chez Elsevier, souligne son engagement à redéfinir les limites de notre interaction avec l’information et à créer une relation de confiance avec les utilisateurs.

En tant que Chief AI Officer (CAIO), Erik utilise son expérience approfondie pour développer et mettre en œuvre des stratégies d’IA complètes pour les clients de Tricon. Son processus approfondi non seulement démystifie l’IA, mais assure également que ces entreprises sont équipées pour réussir et prospérer dans le paysage concurrentiel de la technologie de l’IA. Erik est passionné par la promotion de la croissance et de l’innovation, partageant ses connaissances pour inspirer et habiliter les organisations à exploiter efficacement le pouvoir transformateur de l’IA.

Pouvez-vous partager certains points forts de votre parcours professionnel qui vous ont mené à votre rôle actuel de Chief AI Officer chez Tricon Infotech ?

J’ai été immergé dans le domaine de la recherche d’information tout au long de ma carrière. Mon parcours a commencé au début des années 90 en tant que Web Master à l’aube de l’Internet. Pendant cette période formative, j’ai concentré mon attention sur la construction de bibliothèques numériques pour des agences gouvernementales, des universités et des sociétés de médias, ce qui a jeté les bases de mon expertise dans les systèmes d’information numérique.

Dans les années 2000, j’ai fait la transition pour travailler avec des fournisseurs de moteurs de recherche, où j’ai affiné mes compétences en technologies de recherche. Cette phase de ma carrière a été marquée par une croissance et un apprentissage significatifs grâce à diverses acquisitions, qui m’ont finalement conduit à rejoindre Microsoft en 2008. Chez Microsoft, j’ai joué un rôle clé dans le développement et l’amélioration des plateformes de découverte de connaissances, stimulant l’innovation et améliorant l’accessibilité de l’information pour les utilisateurs.

Après mon mandat chez Microsoft, j’ai dirigé des initiatives chez des entreprises telles que Comcast et Elsevier, où j’étais responsable de la gestion de grandes plateformes de découverte de connaissances. Ces expériences ont été instrumentales dans la définition de mon approche de l’IA et de la recherche d’information, aboutissant à mon rôle actuel de Chief AI Officer chez Tricon Infotech. Ici, j’utilise mon expérience approfondie pour stimuler les stratégies et les solutions d’IA qui permettent à nos clients d’exploiter pleinement le potentiel de leurs données.

Comment vos expériences chez des entreprises comme Comcast, Elsevier et Microsoft ont-elles influencé votre approche de l’intégration de l’IA et des technologies de recherche ?

Tout au long de ma carrière, j’ai été profondément concentré sur les techniques de traitement du langage naturel (NLP) et l’apprentissage automatique. Initialement, ces technologies étaient basées sur des systèmes à règles simples. Cependant, à mesure que les ensembles de données ont grandi et que la puissance de calcul est devenue plus robuste, nous avons commencé à améliorer considérablement les expériences utilisateur en récoltant automatiquement les données et en les réinjectant dans les algorithmes pour améliorer leur performance.

Chez Microsoft, après l’acquisition de FAST, j’ai servi en tant que responsable de produit dans l’équipe SharePoint. Dans ce rôle, j’ai participé à l’intégration de technologies de recherche avancées dans les systèmes de gestion de contenu d’entreprise, améliorant les capacités de recherche d’information et de collaboration pour les entreprises.

Chez Comcast, j’ai construit une plateforme de découverte de connaissances qui alimentait l’ensemble de leur activité de vidéo, permettant aux utilisateurs de rechercher et de découvrir du contenu sur les boîtiers de réception, les appareils mobiles et les appareils Web. Ce moteur de recherche a été dimensionné pour gérer plus d’un milliard de requêtes par jour, améliorant considérablement l’expérience utilisateur en fournissant des recommandations de contenu et des résultats de recherche rapides et précis.

L’une des expériences les plus transformatrices a été chez Elsevier, où nous avons lancé une expérience de l’IA générative pour Scopus, l’un de leurs produits les plus fiables. Cette initiative a utilisé un grand modèle de langage (LLM) pour aider les utilisateurs à poser de meilleures questions et à obtenir des réponses plus précises à partir du contenu technique profond de la base de données de communications savantes. Cette approche basée sur le LLM a assuré l’exactitude et la fiabilité complètes de plus de 90 millions d’articles contenus dans la base de données, démontrant le pouvoir de l’IA pour améliorer la recherche universitaire et la diffusion des connaissances.

Qu’est-ce qui vous excite le plus dans les progrès actuels de l’IA générative et de ses applications potentielles ?

L’un des plus grands défis historiques de la recherche d’information a été de maintenir le contexte. Pour les humains, c’est un processus naturel, mais pour les machines, trouver des informations a traditionnellement été une expérience très transactionnelle : poser une question, obtenir une réponse. Plonger plus profondément dans un sujet nécessitait de poser des questions de plus en plus spécifiques. L’IA générative révolutionne cette approche en permettant une interaction plus conversationnelle et contextuelle, similaire à une conversation naturelle avec quelqu’un que vous venez de rencontrer.

De plus, l’IA générative intègre des techniques supplémentaires qui améliorent la compréhension plus profonde, qui ont historiquement été difficiles pour les moteurs de recherche traditionnels. Par exemple, les grands modèles de langage (LLM) peuvent gérer sans effort des aspects tels que le ton, l’analyse des sentiments, la compréhension sémantique et la disambiguation. Ces capacités permettent aux LLM de saisir les nuances du langage humain et du contexte avec facilité, fournissant des réponses plus précises et plus significatives dès le départ. Ce progrès m’excite le plus, car il ouvre une myriade de possibilités pour créer des applications plus intuitives, réactives et intelligentes dans divers domaines.

Comment l’approche de Tricon Infotech en matière de GenAI diffère-t-elle de celle des autres entreprises du secteur ?

Dans l’espace de l’IA générative, il existe deux domaines d’intérêt principaux. Le premier, qui reçoit une attention significative de la part des plus grands fournisseurs de technologie, est la formation et l’ajustement fin des modèles d’IA. Le deuxième domaine, où les praticiens de l’IA générative excellent vraiment, est l’inférence – utiliser l’IA générative pour créer des produits et des services de valeur.

Chez Tricon Infotech, nous nous concentrons sur le second. Notre approche est distincte car nous mettons l’accent sur l’application pratique et le déploiement rapide. Nous avons développé un programme complet qui aide les dirigeants d’entreprise à identifier rapidement les cas d’utilisation les plus impactants pour l’IA générative. Notre processus comprend une solution de prototypage rapide, permettant aux clients de travailler avec leurs propres données dans un bac à sable d’IA. Cette approche garantit qu’ils peuvent voir des résultats tangibles et interagir avec des informations basées sur l’IA tôt dans le cycle de développement.

De plus, nous avons un focus radical sur le temps de valorisation. Notre objectif est d’aider les clients à construire et à déployer des applications orientées consommateur dans un délai de 90 jours. Ce délai accéléré non seulement stimule l’innovation plus rapide, mais assure également que les entreprises peuvent rapidement capitaliser sur les avantages de l’IA générative, créant de nouvelles sources de revenus et améliorant la satisfaction client.

Pouvez-vous discuter de certains des défis clés dans la mise en œuvre de grands modèles de langage (LLM) et d’IA générative dans les solutions d’entreprise ?

La mise en œuvre de grands modèles de langage (LLM) et d’IA générative dans les solutions d’entreprise présente plusieurs défis émergents. Le premier et le plus important défi est la confiance. Les entreprises doivent être assurées que les systèmes d’IA ne compromettront pas leur propriété intellectuelle ou leurs informations d’entreprise sensibles. Assurer la sécurité des données et obtenir les garanties appropriées que l’IA n’utilisera pas les données de manière abusive est crucial pour gagner la confiance.

Le deuxième défi est la question des hallucinations. L’IA générative peut parfois produire des réponses confiantes qui sont faussement inexactes. Cela peut miner la fiabilité des systèmes d’IA. Des techniques telles que l’ajustement fin des modèles et l’utilisation de la génération assistée par récupération (RAG) peuvent aider à atténuer l’apparition d’hallucinations en garantissant que les réponses de l’IA sont ancrées dans des données précises.

Le troisième défi important est le coût. La licence et la mise à l’échelle des LLM peuvent être quite coûteuses. Même les offres d’entreprise de grands fournisseurs comme Microsoft, Amazon et Google sont assorties de frais d’entrée élevés et de minimums. Par conséquent, il est crucial pour les entreprises de surveiller et de gérer de près le retour sur investissement (ROI) pour garantir que le déploiement des solutions d’IA est économiquement viable.

Pouvez-vous expliquer l’approche structurée que Tricon Infotech utilise pour développer des solutions d’entreprise GenAI personnalisées ?

Tricon Infotech est une société de développement de produits qui se démarque en offrant des services gérés via des équipes de produits complètes et dédiées, plutôt que par une augmentation traditionnelle du personnel. Notre approche implique le déploiement d’équipes de produits complètes qui peuvent gérer tous les aspects du cycle de vie de développement de produit, y compris la recherche utilisateur, la conception d’expérience utilisateur (UX), le développement frontal et back-end, l’automatisation des tests, le déploiement, la mise à l’échelle et les opérations continues.

Ce modèle de service géré complet garantit que nos clients peuvent se concentrer directement sur la capture de la valeur de leurs données sans les complexités et les surcoûts de la gestion de ressources distinctes. Notre moteur clé est le temps de valorisation, ce qui signifie que nous donnons la priorité à la livraison rapide de bénéfices tangibles. Notre ambition est de construire des relations génératives à long terme avec nos clients en ajoutant constamment de la valeur et en itérant à travers le processus de développement de fonctionnalités.

Notre approche structurée est conçue pour être agile et réactive, nous permettant d’adapter rapidement les nouveaux défis et les nouvelles opportunités dans le paysage de l’IA. En exploitant les capacités complètes de nos équipes multidisciplinaires, nous livrons des solutions d’IA générative hautement personnalisées qui sont adaptées aux besoins spécifiques de chaque entreprise. Cette approche non seulement nous distingue des sociétés d’augmentation traditionnelles du personnel, mais assure également que nous fournissons des solutions holistiques et complètes qui ont un impact commercial significatif.

Quels sont quelques exemples de problèmes du monde réel que les solutions GenAI de Tricon ont résolus avec succès ?

1. E-Learning – la conversion de médias traditionnels et de matériel éducatif hérité en contenu interactif multimodal. Cela permet à nos clients de réutiliser le contenu existant pour s’adapter à de nouvelles façons d’apprendre et de rejoindre les apprenants sur différentes plateformes où ils sont déjà. De plus, le contenu peut ensuite être réutilisé dans des programmes d’apprentissage hyper-personnalisés qui peuvent s’adapter automatiquement aux besoins et aux styles d’apprentissage de l’apprenant (audio, visuel, etc.)
2. AI privée – aider les clients à construire des solutions d’IA d’entreprise fiables qui restent privées et respectent les règles d’accès des clients, tout en maintenant les coûts et en aidant à étendre à travers les diverses fonctions de l’entreprise pour aider les professionnels surchargés et les services partagés à mieux évoluer dans l’organisation, tout en comprenant naturellement les diverses règles et restrictions des politiques locales et régionales distribuées géographiquement. Ces IA privées ne serviront pas seulement l’entreprise, mais généreront également de nouvelles sources de revenus pour nos clients.
3. Automatisation des processus – il existe encore un nombre massif d’organisations qui s’appuient sur des processus manuels et une intégration de données de type “swivel chair”. L’IA aide à connecter les divers systèmes ensemble en créant des couches intelligentes qui ne peuvent pas seulement valider les données, mais également comprendre le signal unique créé par l’ensemble de données ou l’outillage spécifique et aider à router efficacement les flux de travail tout en identifiant les problèmes de chaîne d’approvisionnement

Quel rôle joue l’apprentissage continu et la croissance dans le maintien de l’avance dans le domaine de l’IA en évolution rapide ?

L’un des défis les plus importants dans le domaine de l’IA est la formation d’un bassin de talents. Il existe une nouvelle génération de travailleurs qui comprennent intuitivement les outils d’IA et les technologies. Cependant, il existe également une génération plus âgée qui doit comprendre ce que ces outils peuvent et ne peuvent pas faire. L’apprentissage continu est crucial pour combler ce fossé.

Les outils d’IA ont le potentiel d’améliorer considérablement la productivité, permettant aux entreprises d’accomplir beaucoup plus avec des ressources nettement inférieures, réduisant ainsi les délais et les coûts. Pour que ces avantages soient réalisés, les employés doivent être ouverts à l’apprentissage de nouvelles façons de travailler et à l’intégration de ces outils dans leurs flux de travail.

De plus, il est essentiel de résoudre la peur de la sécurité de l’emploi. Les employés doivent comprendre que ceux qui embrassent l’apprentissage continu et la croissance seront mieux équipés pour intégrer de nouveaux outils d’IA dans leurs routines quotidiennes, conduisant finalement à une plus grande sécurité d’emploi. La réalité est que le succès dans l’avenir piloté par l’IA viendra à ceux qui cherchent activement à comprendre et à exploiter ces technologies en évolution.

Comment voyez-vous l’avenir de l’IA en transformant la technologie de recherche et l’interaction utilisateur dans la prochaine décennie ?

Nous sommes déjà témoins d’un changement significatif des moteurs de recherche traditionnels vers les outils d’IA générative pour les requêtes initiales. Ce changement est motivé par la capacité de l’IA générative à fournir des réponses et des solutions directes, éliminant le besoin de parcourir plusieurs sites Web ou ressources de manière indépendante. Dans un avenir proche, il deviendra courant pour les IA d’assister aux réunions, de prendre des mesures et de gérer des tâches routinières, conduisant à une réduction significative des rôles de certaines fonctions au sein des entreprises.

L’un des défis clés qui subsiste est de déterminer comment monétiser l’IA générative, car le modèle publicitaire traditionnel pourrait faire face à des obstacles importants dans ce nouveau paysage. Ma prédiction est que les données deviendront de plus en plus précieuses, agissant davantage comme une monnaie à mesure que nous naviguons dans ce nouveau monde. Ce changement nécessitera des modèles commerciaux innovants qui exploitent les capacités uniques de l’IA tout en garantissant que les utilisateurs et les entreprises peuvent tirer des avantages tangibles de leurs interactions.

Dans l’ensemble, l’avenir de l’IA dans la technologie de recherche et l’interaction utilisateur promet d’être transformateur, rendant la recherche d’information plus intuitive et efficace tout en redéfinissant la façon dont nous abordons les interactions numériques et les fonctions d’entreprise.

Quels conseils pratiques donneriez-vous aux entreprises qui cherchent à exploiter l’IA pour stimuler le succès et l’innovation ?

N’ayez pas peur de la technologie. Commencez par rendre les outils d’IA disponibles pour vos employés afin de garantir que vos données et votre propriété intellectuelle (PI) restent sécurisées. De nombreux employés utilisent déjà des outils d’IA, mais sans une gouvernance appropriée, il existe un risque d’utilisation abusive. Par conséquent, il est crucial de former votre personnel pour qu’il comprenne les risques impliqués et la manière de utiliser ces outils de manière sûre et efficace.

De plus, il est essentiel de prêter une attention particulière aux mesures de succès. Les outils d’IA peuvent être coûteux, mais les coûts devraient diminuer avec le temps. Cependant, il est important de maintenir un focus clair sur le retour sur investissement (ROI) pour gérer les coûts et comprendre l’impact sur votre entreprise. En faisant cela, vous pouvez exploiter l’IA pour stimuler l’innovation et le succès tout en garantissant que les avantages l’emportent sur les dépenses.

Merci pour cette grande entrevue, les lecteurs qui souhaitent en savoir plus devraient visiter Tricon Infotech.