ओम्री कोहल, पिरामिड एनालिटिक्स के सीईओ और सह-संस्थापक – साक्षात्कार श्रृंखला

ओम्री कोहल पिरामिड एनालिटिक्स के सीईओ और सह-संस्थापक हैं। पिरामिड डिसीजन इंटेलिजेंस प्लेटफॉर्म किसी को भी तेजी से और अधिक बुद्धिमान निर्णय लेने के लिए डेटा-संचालित अंतर्दृष्टि प्रदान करता है। वह कंपनी की रणनीति और संचालन का नेतृत्व तेजी से बढ़ते डेटा और विश्लेषण बाजार के माध्यम से करता है। कोहल विश्लेषण और एआई प्रौद्योगिकियों की गहरी समझ, मूल्यवान प्रबंधन अनुभव, और पारंपरिक सोच को चुनौती देने की प्राकृतिक क्षमता लाता है। कोहल एक अनुभवी उद्यमी हैं जिनके पास तेजी से बढ़ती कंपनियों को विकसित करने और प्रबंधित करने का एक सिद्ध रिकॉर्ड है। उन्होंने बार-इलान विश्वविद्यालय में अर्थशास्त्र, वित्त, और व्यवसाय प्रबंधन का अध्ययन किया और न्यूयॉर्क विश्वविद्यालय, लियोनार्ड एन. स्टर्न स्कूल ऑफ बिजनेस से अंतर्राष्ट्रीय व्यवसाय प्रबंधन में एमबीए किया है।

क्या आप जेनबीआई क्या है और यह व्यवसायिक बुद्धिमत्ता के साथ जनरेटिव एआई को कैसे एकीकृत करता है ताकि निर्णय लेने की प्रक्रियाओं में सुधार हो सके, इसके बारे में बताकर शुरू कर सकते हैं?

जेनबीआई विश्लेषण, व्यवसायिक बुद्धिमत्ता और निर्णय लेने में जेनएआई, एलएलएम और सामान्य एआई की शक्ति लाने के लिए फ्रेमवर्क और मशीनरी है।

वर्तमान में, जेनएआई का उपयोग अकेले डेटासेट तक पहुंच प्राप्त करने के लिए व्यावहारिक नहीं है। यह आपके जेनएआई टूल में पर्याप्त डेटा अपलोड करने और अर्थपूर्ण परिणाम प्राप्त करने के लिए एक सप्ताह से अधिक समय ले सकता है। यह बस काम नहीं करता है, क्योंकि व्यवसायिक डेटा बहुत गतिशील और बहुत संवेदनशील है और इस तरह इसका उपयोग करने के लिए। जेनबीआई के साथ, कोई भी अपने डेटा से मूल्यवान अंतर्दृष्टि निकाल सकता है, बस एक प्रश्न पूछकर प्राकृतिक भाषा में और परिणामों को बीआई डैशबोर्ड के रूप में देखकर। यह केवल 30 सेकंड लेता है एक प्रासंगिक, उपयोगी उत्तर प्राप्त करने के लिए।

जेनबीआई के पीछे क्या मुख्य तकनीकी नवाचार हैं जो इसे प्राकृतिक भाषा के माध्यम से जटिल व्यवसायिक बुद्धिमत्ता कार्यों को समझने और निष्पादित करने की अनुमति देते हैं?

बिना हमारे सभी रहस्यों को दिए, मूल रूप से तीन घटक हैं। पहला, जेनबीआई एलएलएम को सभी तत्वों के साथ प्रेरित करता है जिन्हें उन्हें सही विश्लेषणात्मक कदम उठाने की आवश्यकता होती है जो अनुरोधित अंतर्दृष्टि उत्पन्न करेगा। यह वह है जो उपयोगकर्ता को प्राकृतिक भाषा में प्रश्न बनाने और यहां तक कि अस्पष्ट शब्दों में भी अनुमति देता है, बिना यह जानते हुए कि किस प्रकार का चार्ट, जांच, या प्रारूप अनुरोध करना है।

इसके बाद, पिरामिड एनालिटिक्स जेनबीआई समाधान इन कदमों को आपकी कंपनी के डेटा पर लागू करता है, चाहे आपकी स्थिति के विशिष्ट क्या हों। हम सबसे बुनियादी डेटासेट और सरल प्रश्नों से लेकर सबसे जटिल उपयोग के मामलों और जटिल डेटाबेस तक बात कर रहे हैं।

तीसरा, पिरामिड इन प्रश्नों को अंतर्निहित डेटा पर कर सकता है और परिणामों को तुरंत मैनिपुलेट कर सकता है। एक एलएलएम अकेले डेटाबेस पर गहरा विश्लेषण नहीं कर सकता। आपको एक रोबोट तत्व की आवश्यकता है जो सभी आवश्यक जानकारी खोजे, उपयोगकर्ता अनुरोध की व्याख्या करे ताकि अंतर्दृष्टि प्रदान की जा सके, और इसे बीआई प्लेटफॉर्म पर परिणामों को व्यक्त करने के लिए पास करे या तो सादे भाषा में या एक गतिशील दृश्यीकरण के रूप में जिसे बाद में अनुवर्ती प्रश्नों के माध्यम से परिष्कृत किया जा सकता है।

जेनबीआई डेटा विश्लेषण को कैसे लोकतांत्रिक बनाता है, विशेष रूप से गैर-तकनीकी उपयोगकर्ताओं के लिए?

बस, जेनबीआई किसी को भी आवश्यक अंतर्दृष्टि तक पहुंच प्रदान करता है, चाहे उनका विशेषज्ञता का स्तर कुछ भी हो। पारंपरिक बीआई टूल्स के लिए उपयोगकर्ता को यह जानने की आवश्यकता होती है कि कौन सी डेटा मैनिपुलेशन तकनीक परिणाम प्राप्त करने के लिए सबसे अच्छी है। लेकिन अधिकांश लोग पाई चार्ट, स्कैटर चार्ट या टेबल में नहीं सोचते हैं। वे यह नहीं सोचते कि उनकी स्थिति के लिए कौन सा विज़ुअलाइजेशन सबसे प्रभावी है – वे बस अपने प्रश्नों के उत्तर चाहते हैं।

जेनबीआई इन उत्तरों को किसी को भी प्रदान करता है, चाहे उनकी विशेषज्ञता का स्तर कुछ भी हो। उपयोगकर्ता को पेशेवर शब्दों को जानने या डेटाबेस क्वेरी को कोड करने की आवश्यकता नहीं है। वे अपने शब्दों में एक प्राकृतिक बातचीत का उपयोग करके डेटा का अन्वेषण कर सकते हैं।

हम इसे एक पेपर मैप का उपयोग करके अपने मार्ग की योजना बनाने और गूगल मैप्स या अन्य नेविगेशनल ऐप का उपयोग करने के बीच के अंतर के रूप में सोचते हैं। एक पारंपरिक मैप के साथ, आपको सबसे अच्छे मार्ग को काम करने की आवश्यकता है, संभावित यातायात जाम के बारे में सोचें, और विभिन्न मार्ग संभावनाओं की तुलना करें। आज, लोग बस अपने गंतव्य को ऐप में डालते हैं और सड़क पर उतरते हैं – एल्गोरिदम में इतना विश्वास है कि कोई सुझाए गए मार्ग पर सवाल नहीं उठाता है। हमें लगता है कि जेनबीआई कॉर्पोरेट डेटासेट में उसी तरह की स्वचालित जादू ला रहा है।

प्रारंभिक अपनाने वालों से उपयोग और सीखने की ढलान के बारे में क्या प्रतिक्रिया मिली है?

हमें अत्यधिक सकारात्मक प्रतिक्रिया मिली है। इसे हम सबसे अच्छा तरीका है जिसे हम इसे सारांशित कर सकते हैं, “वाह!” उपयोगकर्ता और परीक्षक पिरामिड की उपयोगकर्ता-मित्रता, शक्तिशाली सुविधाओं, और अर्थपूर्ण अंतर्दृष्टि की बहुत सराहना करते हैं।

पिरामिड एनालिटिक्स में लगभग शून्य सीखने की ढलान है, इसलिए लोगों को इसका उपयोग करने से कुछ नहीं रोकता है। लगभग तीन चौथाई व्यवसायिक टीमें जिन्होंने हमारे समाधान का परीक्षण किया है, इसे अपनाया है और आज इसका उपयोग करती हैं, क्योंकि यह इतना आसान और प्रभावी है।

क्या आप बता सकते हैं कि जेनबीआई ने उन संगठनों के भीतर निर्णय लेने की प्रक्रियाओं को कैसे बदल दिया है जिन्होंने इसे लागू किया है? कोई विशिष्ट मामले के अध्ययन या उदाहरण?

हालांकि हम इसे लंबे समय से विकसित कर रहे हैं, हमने केवल कुछ हफ्ते पहले जेनबीआई को लॉन्च किया है, इसलिए मुझे लगता है कि आप समझेंगे कि हमारे पास अभी तक पूरी तरह से विकसित मामले के अध्ययन या ग्राहक उदाहरण नहीं हैं जिन्हें हम साझा कर सकते हैं। हालांकि, मैं आपको बता सकता हूं कि जिन संगठनों में हजारों उपयोगकर्ता हैं, वे अचानक से वास्तव में डेटा-संचालित हो गए हैं, क्योंकि हर कोई अंतर्दृष्टि तक पहुंच सकता है। उपयोगकर्ता अब अपने सभी डेटा का सच्चा मूल्य अनलॉक कर सकते हैं।

जेनबीआई बीमा, बैंकिंग, और वित्त जैसे उद्योगों के साथ-साथ खुदरा, निर्माण, और कई अन्य ऊर्ध्वाधरों पर एक परिवर्तनकारी प्रभाव डाल रहा है। अचानक, यह वित्तीय सलाहकारों के लिए संभव हो गया है कि वे एक ग्राहक के पोर्टफोलियो को अनुकूलित करने के तरीके के बारे में तुरंत सुझाव प्राप्त करें।

जेनबीआई विकसित करने में आपको किन सबसे बड़ी चुनौतियों का सामना करना पड़ा और आपने उन्हें कैसे पार किया?

पिरामिड एनालिटिक्स पहले से ही कई वर्षों से विश्लेषण के लिए एआई का लाभ उठा रहा था trước कि हमने नया समाधान लॉन्च किया, इसलिए अधिकांश चुनौतियां पहले ही दूर हो गई हैं।

मुख्य नया तत्व एक जटिल प्रश्न जनरेशन प्रौद्योगिकी का अतिरिक्त है जो किसी भी एलएलएम के साथ काम करता है ताकि सटीक परिणाम प्राप्त किए जा सकें, जबकि डेटा को निजी रखा जा सके। हमने डेटा को प्रश्न से डिकपलिंग करके इसे हासिल किया है।

एक और बड़ी चुनौती जिसका सामना हमें करना पड़ा था वह थी गति की। हम गूगल युग की बात कर रहे हैं, जहां लोग अब उत्तरों की अपेक्षा करते हैं, न कि एक घंटे में या यहां तक कि आधे घंटे में। हमने सुनिश्चित किया है कि प्रोसेसिंग को तेज करें और सभी कार्य प्रवाह को अनुकूलित करें ताकि घर्षण कम हो।

फिर वहाँ हॉलुसिनेशन को रोकने की आवश्यकता है। चैटबॉट हॉलुसिनेशन के लिए प्रवण होते हैं जो परिणामों को तिरछा करते हैं और विश्वसनीयता को कमजोर करते हैं। हमने उन्हें避ाने के लिए कड़ी मेहनत की है जबकि अभी भी गतिशील परिणाम बनाए रखे हैं।

आप डेटा सुरक्षा और गोपनीयता से संबंधित मुद्दों को कैसे संभालते हैं?

यह एक महान प्रश्न है, क्योंकि डेटा गोपनीयता और सुरक्षा जेनएआई विश्लेषण के लिए सबसे बड़ा बाधा है। हर कोई – सही तरीके से – तीसरे पक्ष के एआई इंजन को उजागर करने के विचार से चिंतित है लेकिन वे भी भाषा व्याख्या क्षमताओं और डेटा अंतर्दृष्टि चाहते हैं जो इन इंजन प्रदान कर सकते हैं।

इसलिए हमने पूरे परिदृश्य को पलट दिया है और एक मध्यस्थ के रूप में कार्य करते हैं जो आपकी कंपनी की जानकारी और एलएलएम के बीच में। हम आपको अनुरोध जमा करने की अनुमति देते हैं, और फिर हम इसे एलएलएम के साथ-साथ जो हम “सामग्री” कहते हैं उसे सौंप देते हैं, मूल रूप से केवल मेटाडेटा ही।

एलएलएम तब एक “नुस्खा” वापस करता है जो बताता है कि उपयोगकर्ता के प्रश्न को डेटा विश्लेषण प्रॉम्प्ट में कैसे बदलना है। फिर पिरामिड इस नुस्खे को आपके द्वारा पहले से ही जुड़े हुए सुरक्षित स्व-होस्टेड इंस्टॉल पर डेटा पर चलाता है, ताकि कोई डेटा एलएलएम तक कभी नहीं पहुंचता है। हम परिणामों को मैश करते हैं और उन्हें आपको एक आसानी से समझने योग्य, दृश्य प्रारूप में वापस परोसते हैं। मूल रूप से, कुछ भी जो आपकी सुरक्षा और गोपनीयता को खतरे में डाल सकता है वह उजागर नहीं होता है या आपके संगठन की फायरवॉल की सुरक्षा से बाहर नहीं निकलता है।

मौजूदा डेटा इन्फ्रास्ट्रक्चर में जेनबीआई को एकीकृत करने के लिए संगठनों के लिए क्या कार्यान्वयन प्रक्रिया दिखती है? क्या कोई पूर्वापेक्षाएं या तैयारी की आवश्यकता है?

पिरामिड एनालिटिक्स के लिए कार्यान्वयन प्रक्रिया नहीं हो सकती है। उपयोगकर्ताओं को बहुत कम पूर्वापेक्षाएं और तैयारी की आवश्यकता होती है, और आप इसे एक घंटे से कम समय में चालू कर सकते हैं। आपको अपने डेटा को एक नए फ्रेमवर्क में ले जाने या अपनी डेटा रणनीति के बारे में कुछ भी बदलने की आवश्यकता नहीं है, क्योंकि पिरामिड सीधे आपके डेटा पर प्रश्न पूछता है जहां यह रहता है।

इसके अलावा आपको अपने डेटा को समाधान के लिए समझाने या कॉलम को परिभाषित करने की आवश्यकता नहीं है। यह एक सीएसवी डेटासेट अपलोड करने या अपने एसक्यूएल डेटाबेस से कनेक्ट करने जितना सरल है। यह किसी भी प्रकार के संबंधपरक डेटाबेस के लिए भी समान है। यह आपके डेटा को कनेक्ट करने और कुछ ही मिनटों में अपना पहला प्रश्न पूछने में केवल कुछ मिनट लगते हैं।

हालांकि, आप संरचना को ट्वीक कर सकते हैं यदि आप चाहते हैं, जैसे कि ज्वाइन मॉडल बदलना या कॉलम को परिभाषित करना। यह कुछ समय और प्रयास लेता है, लेकिन हम बात कर रहे हैं मिनट, न कि महीनों लंबी डेव प्रोजेक्ट। हमारे ग्राहक अक्सर आश्चर्यचकित होते हैं कि पिरामिड उनके क्लासिक डेटा वेयरहाउस या डेटा लेक पर पांच मिनट के भीतर चालू हो जाता है।

आपको बहुत विशिष्ट, सटीक, या यहां तक कि बुद्धिमान प्रश्न पूछनe की आवश्यकता नहीं है ताकि शक्तिशाली परिणाम प्राप्त किए जा सकें। आप वर्तनी त्रुटियां कर सकते हैं और गलत वाक्य रचना का उपयोग कर सकते हैं, और पिरामिड उन्हें अनगिनत करेगा और एक अर्थपूर्ण और मूल्यवान उत्तर प्रदान करेगा। आपको जिस डेटा के बारे में पूछ रहे हैं उसके बारे में कुछ ज्ञान की आवश्यकता है।

आगे देखते हुए, पिरामिड एनालिटिक्स के लिए आपकी रणनीतिक दृष्टि क्या है अगले पांच वर्षों में? आप अपने समाधानों को बदलते बाजार की मांगों को पूरा करने के लिए कैसे विकसित होते देखते हैं?

अगली बड़ी सीमा है स्केलेबल, उच्च विशिष्ट प्रश्नों का समर्थन करना। उपयोगकर्ता बहुत सटीक प्रश्न पूछने में सक्षम होने के लिए उत्सुक हैं, जैसे कि व्यक्तिगत संस्थाओं के बारे में प्रश्न, और एलएलएम इन मामलों में बुद्धिमान उत्तर प्रदान नहीं कर सकते हैं क्योंकि वे आपके डेटाबेस के विशिष्ट विवरण में गहरी अंतर्दृष्टि नहीं रखते हैं।

हम एलएलएम का उपयोग करके अपने डेटा के विशिष्ट विवरण के बारे में पूछने के लिए कैसे उपयोग किया जाए, इसे जोड़ने की चुनौती का सामना कर रहे हैं, बिना अपने पूरे विशाल डेटा लेक को एलएलएम से जोड़े। कैसे आप अपने एलएलएम को फाइन-ट्यून करें ताकि यह आपके डेटा के बारे में जो हर दो सेकंड में हाइड्रेटेड हो जाता है? हम तय बिंदुओं जैसे देशों, स्थानों और यहां तक कि तारीखों के लिए इसे प्रबंधित कर सकते हैं, लेकिन कुछ विशिष्ट जैसे नाम, हालांकि हम आज इसके बहुत करीब हैं।

एक और चुनौती यह है कि उपयोगकर्ता अपने स्वयं के गणितीय व्याख्याओं को डेटा पर लागू करने में सक्षम हों, अपने सूत्रों को लागू करने। यह इसलिए मुश्किल नहीं है क्योंकि सूत्र को लागू करना मुश्किल है, लेकिन इसलिए कि उपयोगकर्ता की इच्छा को समझना और सही सyntax प्राप्त करना चुनौतीपूर्ण है। हम इन दोनों चुनौतियों का समाधान करने पर काम कर रहे हैं, और जब हम ऐसा करेंगे, तो हम अगले यूरेका बिंदु से गुजरेंगे।

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