אמיר חרמתי, מנכ”ל ומייסד-שותף של aiOla – סדרת ראיונות

אמיר חרמתי הוא מנכ”ל ומייסד-שותף של aiOla, פלטפורמה עם משימה להפוך את הדיבור לפונקציונלי ולאופטימיזציה של תהליכים ביקורתיים ספציפיים לתעשייה בכל מקום עם דיוק מלא. טכנולוגיה פטנטית שלנו היא רב-לשונית, מזהה ז’רגון, ראשי תיבות וקיצורים, ואינה מכילה שגיאות, אפילו בסביבות רעשניות.

הסטארט-אפ הראשון שלך היה חברה שבנתה רובוטים מרחוק לפירוק פצצות, כיצד זה הוביל אותך לעבודה על תוכנית השאטל של נאס”א?

לאחר שסיימתי את שירותי הצבאי, הייתי מונע להשתמש בטכנולוגיה כדי להפחית את החשיפה של בני אדם לאזורים מסוכנים. השראה זו הובילה ליצירת דור הראשון של רובוטים מרחוק שנשלטים לפירוק פצצות. הרעיון היה שבני אדם יכולים להפעיל מכונות אלו ממרחק בטוח.

המושג הזה התפתח לאחר מכן כדי לפתור את הצורך למזעור נוכחות אנושית באזורים רבים של סיכון גבוה. הוא מצא יישומים בפרויקטים הגנתיים של ארצות הברית, כורים גרעיניים, ולבסוף התרחב לנאס”א ותוכנית השאטל.

לאחר שעזבת את עולם העסקים, היית מעורב במספר סטארט-אפים שנרכשו על ידי Singtel ו-Microsoft. מה היו אלו חברות, ומה אתה מייחס את הצלחתך ל?

הנושא המשותף בכל המעשים שלי, עבר והווה, הוא מושג הפתרון של בעיות. זה כולל זיהוי בעיה או אתגר, הגעה לפתרון חדשני, בניית צוות מעולה, ויצירת מוצר שמספק ערך והשפעה משמעותיים ללקוחותינו.

גישה זו הייתה אינטגרלית לעבודה שלי ב-Amobee, שנרכשה לאחר מכן על ידי Singtel, וב-Adallom, שנמכרה לבסוף ל-Microsoft, בין היתר. עקרון זה מופעל גם בתפקידי הנוכחי ב-aiOla, כעת בקנה מידה גדול הרבה יותר.

היית קצין המסחר הראשי של SparkBeyond במשך 6 שנים, האם אתה יכול לדון בטכנולוגיית ה-AI ששימשה למציאת דפוסים משמעותיים בנתונים?

תקופת SparkBeyond הייתה יוצאת דופן. במהלך תקופה זו, הפכנו לפלטפורמת ה-AI המועדפת עבור חברת הייעוץ הגלובלית הגדולה בעולם, מה שנתן לי הזדמנות לעבוד עם חברות רבות מדרג ה-Fortune 500. הבנו כי בעוד שהמוח האנושי בלתי נשוב, הוא מוגבל ביכולתו לעבד נתונים מורכבים ורב-ממדיים. כדי להתגבר על כך, עלינו לשאול קודם כל את השאלות הנכונות. לפיכך, פיתחנו מכונת היפותזה, מנוע היפותזה המסוגל לייצר מיליוני רעיונות והיפותזות בדקות. אף על פי שתקופה זו הייתה יוצאת דופן, היא הובילה אותי להבנה שגישה שונה הייתה נחוצה כדי לנצל את הפוטנציאל המלא של AI עבור חברות מסורתיות. תובנה זו הובילה להקמת aiOla.

האם תוכל לשתף כמה פרטים על הקמת aiOla?

בכבוד הראוי ל-AI ו-ML, בעוד שהם מדהימים, הם בסופו של דבר רק כלים. התהליך מתחיל ומסתיים עם נתונים, והסוד הידוע הוא שרוב הנתונים נותרים לא מנוצלים, בעיקר מכיוון שהם בלתי מובנים ולא מוקלטים. אתגר הנתונים הקשה ביותר הוא נתוני דיבור, או דיבור. פתרונות ASR (זיהוי דיבור אוטומטי) נוכחיים אינם מספקים במונחים של דיוק, זיהוי מבטא, הסתגלות לסביבה אקוסטית, ובעיקר, הבנת ז’רגון תעשייתי או תעשייתי. הבנו את הצורך בגישה חדשה ופיתחנו את הטכנולוגיה הייחודית והפטנטית שלנו, שמשלבת ASR עם NLU (הבנת שפה טבעית). טכנולוגיה זו מציגה פתרונות ייחודיים ויצירתיים לזיהוי ז’רגון ואיתור מילות מפתח.

חזון aiOla הוא לא פחות משינוי מהפכני בדרך שבה אנו תופסים ומתקשרים עם AI, האם תוכל לשתף כמה פרטים בנוגע לחזון זה?

בעוד שאנו מעריכים את מושג הפריצה, הבנו כי איש אינו אוהב להיפרץ. לפיכך, בחרנו לאמץ גישה משלימה ולא מאיימת. גישה זו מכבדת תהליכים וזרימות עבודה קיימים. במקום לשבשרם, החלטנו לשפר ולשדרג אותם באמצעות הטכנולוגיה הייחודית וה-AI-מונעת שלנו.

aiOla היא כלי שמסוגל להבין את הז’רגון והקיצורים הספציפיים לתעשיות, האם תוכל לדון בכיצד זה מושג בחלק האחורי ולמה זה חשוב כל כך?

עיקרון יסודי נוסף של aiOla וחזוננו הוא “לשחק יפה”. מטרתנו היא לשפר ולשלב בצורה חלקה עם כל טכנולוגיה קיימת, ללא קשר לפלטפורמת ענן, ועם כל מערכת ERP או CRM. aiOla יוצרת נתונים ייחודיים שלא היו קודם לכן מוקלטים ולא מובנים, שהופכים עכשיו לחומר הגלם לדגמי AI. דגמים אלו מאפשרים תובנות מעבר למה שעין אנושית יכולה לראות ומה שמוח אנושי יכול לעבד.

האם תוכל להרחיב על מהו הטכנולוגיה הפטנטית והייחודית של aiOla, שמשלבת NLU (הבנת שפה טבעית) ו-ASR (זיהוי דיבור אוטומטי)?

aiOla מבוססת על שלושה יסודות מרכזיים:

1. אנו פונים לז’רגון בתהליכים, תעשיות ושפות שונות. גישתנו מותאמת להבין טרמינולוגיות ספציפיות לתעשייה, מה שמאפשר תקשורת יעילה ועיבוד נתונים, ללא קשר לשפה המדוברת.
2. טכנולוגיה פרופריאטיבית שלנו לאיתור מילות מפתח מפרידה ביעילות בין מידע רלוונטי (האות) לנתונים לא רלוונטיים (הרעש). טכנולוגיה זו מתמקדת בזיהוי היסודות החשובים ביותר בכל תהליך.
3. בכבוד הראוי למודלים הלשוניים הגדולים (LLMs), פיתחנו שיטה ייחודית המשתמשת בקבוצה קטנה של נתוני לקוח, הן על בסיס נייר או דיגיטלי, כדי ליצור במהירות מודל שפה מדויק מאוד וספציפי לתחום, החל על כל תעשייה ושפה. בעצם, המעבר מ-LLMs למודלים שפה תעשייתיים (DLMs) מציע פתרונות שפה מיוחדים ויעילים יותר.

מהו דוגמה לכיצד טכנולוגיה זו מיושמת?

יופייה של גישתנו טמון בגמישות של הטכנולוגיה, שיכולה להיות מופעלת בחברות מסורתיות בתעשיות וגזרות שונות. למשל, בתעשיית ייצור המזון, הצלחנו לחצות את הזמן הנדרש לבדיקות קודם-הפעלה. בניהול צי, הצלחנו לזרז תהליכים לפחות מדקה, משימה שקודם לכן לקחה מעל 15 דקות. כמו כן, טכנולוגיה שלנו מנוצלת בהצלחה בפעילויות מחסן, תרופות, אירוח, קמעונאות, ועוד.

האם יש משהו אחר שתרצה לשתף על aiOla?

aiOla היא פתרון המבוסס על ערך. כרגע, שילוב של גורמים גאופוליטיים ומקרו-כלכליים מחייב ארגונים להבדיל בבירור בין “נחמד להיות” ל”חייבים”. ארגונים אלו מתרכזים באיך להשיג יותר עם פחות, לשפר את היעילות, להגביר את הבטיחות, לעבוד בחכמה, ולקדם שיתוף פעולה. מעל הכל, הם מתמקדים בהדגמת ערך ותשואה על השקעה (ROI) מוחשת. זה בדיוק מה שאנו מנסים להשיג ב-aiOla כל יום, בכל תעשייה.

תודה על הראיון המעולה, קוראים שרוצים ללמוד יותר צריכים לבקר ב-aiOla.