एडविन लिसोव्स्की, एडेप्टो के सह-संस्थापक और मुख्य विकास अधिकारी – साक्षात्कार श्रृंखला

एडविन लिसोव्स्की, एडेप्टो के सह-संस्थापक और मुख्य विकास अधिकारी, कंपनी की रणनीतिक वृद्धि, व्यवसाय विकास और विपणन की देखरेख करते हैं। वह डेटा वास्तुकला, एआई-संचालित रणनीति और विश्लेषण परामर्श में व्यापक अनुभव लाते हैं, जो तकनीकी विशेषज्ञता को वैश्विक ग्राहकों के लिए एआई अपनाने और व्यवसाय परिवर्तन पहलों को स्केल करने पर मजबूत ध्यान के साथ जोड़ती है।

एडेप्टो एक वारसॉ-स्थित परामर्श फर्म है जो उद्यम ग्राहकों के लिए कृत्रिम बुद्धिमत्ता, मशीन लर्निंग, डेटा इंजीनियरिंग और व्यवसाय बुद्धिमत्ता समाधानों में माहिर है। कंपनी संगठनों को कच्चे डेटा को कार्रवाई योग्य अंतर्दृष्टि में बदलने में मदद करती है through एआई रणनीति, प्रूफ-ऑफ-кон्सेप्ट विकास और उत्पादन-तैयार मॉडल कार्यान्वयन के माध्यम से। वित्त, लॉजिस्टिक्स, विनिर्माण और बीमा जैसे क्षेत्रों में काम करते हुए, एडेप्टो अनुकूलित समाधानों और दीर्घकालिक साझेदारी पर जोर देता है ताकि ग्राहकों को व्यवसायिक प्रभाव के लिए एआई का लाभ उठाने में मदद मिल सके।

आपको 2018 में एडेप्टो की सह-स्थापना करने के लिए क्या प्रेरित किया, और आप किस बाजार में अंतराल को भरने का लक्ष्य रख रहे थे?

2018 में, हम दो चरम सीमाओं को देखते रहे: बड़े विक्रेता जो “एक-आकार-फिट-सभी” एआई बेच रहे थे, और दूसरी ओर, आंतरिक टीमें जो कुछ प्रूफ-ऑफ-кон्सेप्ट के बाद फंस गई थीं क्योंकि उन्हें डेटा इंजीनियरिंग और एमएलओपीएस मांसपेशियों की कमी थी। हमने एडेप्टो को उस टीम के रूप में बनाया जो रणनीति → डेटा प्लंबिंग → मॉडल → उत्पादन को जोड़ती है, विशेष रूप से डेटा-भारी उद्योगों के लिए। वह पूर्ण-स्टैक दृष्टिकोण अभी भी हमारा डीएनए है।

एडेप्टो के सेवा क्षेत्रों में से – कंप्यूटर विजन, एनएलपी, मशीन लर्निंग, या डेटा इंजीनियरिंग – में से कौन सा उद्यम अपनाने में सबसे तेजी से बढ़ रहा है, और क्यों?

पिछले 18-24 महीनों में, एनएलपी/जेनएआई उद्यम (खोज, सहायक, दस्तावेज़ प्रसंस्करण) में सबसे तेजी से बढ़ रहा है क्योंकि यह सीधे ज्ञान-कार्य आरओआई पर मैप करता है और आधार मॉडल से शुरू हो सकता है। उद्योग सर्वेक्षणों से पता चलता है कि 2024 में एआई का उपयोग में एक बड़ा कदम है, जिसमें जेनएआई-नेतृत्व वाले उपयोग के मामले कार्यों में बढ़ रहे हैं।

कई कंपनियां प्रूफ-ऑफ-кон्सेप्ट एआई से उत्पादन प्रणाली में जाने के लिए संघर्ष करती हैं। एडेप्टो उन्हें इस अंतर को पाटने में कैसे मदद करता है?

हम उत्पादन को एक अनुशासन के रूप में मानते हैं, न कि एक चरण: खोज कार्यशालाएं, डेटा अनुबंध, संदर्भ वास्तुकला, सीआई/सीडी मॉडल, दृश्यता और “दिन-2” संचालन (ड्रिफ्ट, लागत, गार्डरेल)। ठोस रूप से, हम एमएलओपीएस को मानकीकृत करते हैं और प्रूफ-ऑफ-кон्सेप्ट को माइक्रोसेवा एंडपॉइंट्स में पुनः संरचित करते हैं जो ग्राहक के स्टैक (डेटाब्रिक्स/स्पार्क, क्यूबेरनेट्स, मौजूदा बीआई) में फिट होते हैं। यही कारण है कि हम लगातार डेमो से परे जहाज करते हैं।

जनरेटिव एआई अब आपकी पेशकश का केंद्र है। आप निर्धारित करते हैं कि कब फाउंडेशन मॉडल और कब कस्टम मॉडल विकास का उपयोग करना है?

हमारा निर्णय पेड़ व्यावहारिक है:

• समय-से-मूल्य, व्यापक भाषा कार्यों और परिवर्तनशीलता को प्रभावित करने वाले फाउंडेशन मॉडल के साथ शुरू करें।
• डोमेन शब्दावली या स्वर पrecision महत्वपूर्ण होने पर फाइन-ट्यूनिंग या एडाप्टर्स में जाने के लिए आगे बढ़ें।
• लेटेंसी, लागत, आईपी नियंत्रण, प्रोप्राइटरी/संरचित डेटा या एज कॉन्स्ट्रेंट्स लागू होने पर कस्टम मॉडल बनाएं।
  यह वहीं है जहां उद्यम जा रहे हैं: कम “प्रयोग”, अधिक फिट-फॉर-पर्पस आर्किटेक्चर।

2024 में, आपने कॉन्टेक्स्टक्लू को एक समर्पित ज्ञान प्रबंधन प्लेटफ़ॉर्म के रूप में लॉन्च किया। कौन सा दर्द बिंदु आपको यह महसूस कराया कि अलग उत्पाद के लिए समय सही था?

इंजीनियरिंग क्लाइंट हमेशा एक ही बात पूछते थे: “हमारे सीएडी, पीएलएम, ईआरपी और दस्तावेज़ एक साथ नहीं बोलते हैं, क्या आप उन्हें एक साथ सोचने के लिए बना सकते हैं?” हमने इसे परियोजनाओं में बार-बार हल किया था, इसलिए हमने पैटर्न को उत्पादित किया। 2024 सही समय था क्योंकि जेनएआई ने इंजीनियरों (न केवल डेटा टीमों) के लिए पुनर्प्राप्ति और लेखन को उपयोगी बना दिया। हमने उस समय फ्रेम में इसकी घोषणा की और रोलआउट शुरू किया।

कॉन्टेक्स्टक्लू सीएडी, ईआरपी, पीएलएम और तकनीकी दस्तावेजों के साथ एकीकृत करता है। इनमें से कौन सा डेटा स्रोत सबसे कठिन है जिसे एकीकृत करना है, और आप इसे कैसे हल करते हैं?

सीएडी सबसे कठिन है: द्विआधारी/स्वामित्व वाले प्रारूप, संस्करण, असेंबली और स्थानिक संदर्भ। हम सीएडी को पीएलएम/ईआरपी मेटाडेटा के साथ सामान्य करते हैं, फिर सब कुछ एक ज्ञान ग्राफ में मैप करते हैं ताकि भागों, प्रणालियों, विशिष्टताओं और प्रक्रियाओं को एक ही संस्थाओं में हल किया जा सके। यह कॉन्टेक्स्टक्लू के इनगेस्ट पाइपलाइन की रीढ़ है।

प्लेटफ़ॉर्म सेमेंटिक खोज और दस्तावेज़ जनरेशन का समर्थन करता है। आप इंजीनियरिंग टीमों के लिए इन आउटपुट में सटीकता और विश्वास कैसे सुनिश्चित करते हैं?

तीन परतें:

• मैदानी पुनर्प्राप्ति (स्कीमा-जागरूक आरएजी ज्ञान ग्राफ पर) स्रोत कलाकृतियों के लिए उद्धरण के साथ।
• नीति + परीक्षण (सीआई में मूल्यांकन सूट, लाल-टीम प्रेरित, प्रगति परीक्षण)
• महत्वपूर्ण आउटपुट (एसओपी, अनुपालन दस्तावेज) के लिए मानव-इन-द-लूप। हमने यहां तक कि मूल्यांकन और ग्राफ-निकासी टूलचेन के हिस्सों को ओपन-सोर्स किया है ताकि यह ऑडिट करने योग्य हो।

कॉन्टेक्स्टक्लू भारी उद्योग और इंजीनियरिंग पारिस्थितिकी तंत्र में अन्य ज्ञान प्रबंधन उपकरणों से क्या अलग करता है?

यह इंजीनियरिंग-मूल है: यह केवल “फ़ाइलों की खोज” नहीं करता है, यह असेंबली, निर्भरता और परिवर्तन प्रभाव को समझता है, सीएडी/पीएलएम/ईआरपी और रखरखाव इतिहास को एक कार्रवाई योग्य ग्राफ में जोड़ता है। प्रतिस्पर्धी केएम टूल अक्सर सूचकांक पर रुक जाते हैं; कॉन्टेक्स्टक्लू संरचना + सेमांटिक्स को एकीकृत करता है और मानव-Readable दस्तावेज़ और मशीन-Readable मॉडल (डिजिटल ट्विन, योजना के लिए) का आउटपुट देता है।

आप कॉन्टेक्स्टक्लू को मल्टीमॉडल एआई के उदय के साथ कैसे विकसित होते देखते हैं, विशेष रूप से पाठ, स्कीमैटिक्स और 3डी मॉडल को जोड़ने में?

दो दिशाएं पहले से ही गति में हैं:

• विज़न-ओवर-सीएडी और स्कीमैटिक्स: ड्रॉइंग में टोपोलॉजी, कॉलआउट और बीओएम लिंक को निकालना ताकि उत्तरों को ड्रॉइंग में आधार बनाया जा सके।
• 3डी संरेखण: ज्ञान नोड्स को 3डी कोऑर्डिनेट/ओम्नीवर्स दृश्यों से लिंक करना ताकि रखरखाव या योजना प्रश्न सही स्थान पर मॉडल में हल हो जाएं। मॉडल, संस्करण और प्रक्रियाओं के पार Agents का अनुमान लगाएं।

भविष्य की ओर देखते हुए, आप एडेप्टो और कॉन्टेक्स्टक्लू को एक दूसरे के विकास को आकार देते हुए देखते हैं, और अगले दशक में उद्योग पर उनके संयुक्त प्रभाव को कहां देखते हैं?

एडेप्टो आगे की सीमा को धक्का देता रहेगा, जिम्मेदारी से मल्टीमॉडल/एजेंटिक सिस्टम का उत्पादन करेगा, जबकि कॉन्टेक्स्टक्लू उस अनुसंधान और विकास को इंजीनियरिंग टीमों के लिए दोहराए जाने वाले मूल्य में बदल देगा। हमारा लक्ष्य “ज्ञान अपशिष्ट” (खोज/पुनर्निर्माण के लिए खोया समय) को पैमाने पर काटना है, परिणामों को मापना जैसे इंजीनियरिंग चक्र समय, पुनः काम करने की दर, और ऑडिट तैयारी समय के पार संयंत्रों और कार्यक्रमों में। बाजार “कई पायलट” से “कम, उच्च-मूल्य वाले रोलआउट” में जा रहा है, और हम जीतने वाले साझेदार और मंच बनने की योजना बना रहे हैं।

साक्षात्कार के लिए धन्यवाद, पाठक जो अधिक जानना चाहते हैं उन्हें एडेप्टो पर जाना चाहिए।