Dr. Zohar Bronfman, Co-founder & CEO of Pecan AI – Seri Wawancara

Dr. Zohar Bronfman adalah Co-founder & CEO of Pecan AI. Dengan keahlian yang mendalam dalam psikologi komputasi dan ilmu data, Zohar menerapkan semangat wirausahanya yang melekat untuk Co-found Pecan, langsung setelah lulus dari sekolah pascasarjana. Zohar memegang dua gelar PhD dari Universitas Tel Aviv – satu dalam ilmu saraf kognitif komputasi dan yang lain dalam sejarah dan filsafat ilmu dan teknologi. Ia juga memegang gelar BA dalam ekonomi dari Open University of Israel.

Didirikan pada 2018, Pecan AI adalah platform analitik prediktif yang memanfaatkan Predictive GenAI yang berpionir untuk menghilangkan hambatan adopsi AI, membuat pemodelan prediktif dapat diakses oleh semua tim data dan bisnis. Dibimbing oleh AI generatif, perusahaan dapat memperoleh prediksi yang akurat di berbagai domain bisnis tanpa memerlukan staf khusus. Predictive GenAI memungkinkan definisi model dan pelatihan yang cepat, sementara proses otomatis mempercepat implementasi AI. Dengan fusi prediktif dan AI generatif Pecan, mewujudkan dampak bisnis AI sekarang jauh lebih cepat dan lebih mudah.

Apa perjalanan seperti apa dalam mendirikan Pecan AI dan apa saja beberapa tonggak penting yang dicapai sepanjang jalan?

Mendirikan Pecan AI cukup berliku-liku. Semuanya dimulai ketika saya dan co-founder saya bergabung dalam kompetisi ilmu data internasional. Kami menciptakan otomatisasi persiapan data yang berubah menjadi prototipe Pecan, tetapi kami melewatkan batas waktu dan kalah. Sebagai gantinya, kami memutuskan untuk mengubah prototipe kami menjadi sesuatu yang berdampak. Hanya dua bulan setelah menyelesaikan doktor kami pada 2018, kami menyewa ruangan kecil di Universitas Tel Aviv dan mulai berjuang. Dengan pengalaman bisnis yang terbatas, kami mempresentasikan ide kami kepada pemodal ventura. Beruntung, Haim Sadger dan Aya Peterburg dari S Capital melihat potensi dan berinvestasi $4 juta, memberi kami dorongan yang dibutuhkan.

Salah satu tonggak besar adalah mengumpulkan $66 juta dalam putaran Seri C yang dipimpin oleh Insight Partners, dengan dukungan dari GV (sebelumnya Google (GOOGL ) Ventures) dan lain-lain. Pendanaan ini memungkinkan kami untuk memperluas secara global dan mempercepat upaya pengembangan kami.

Bagaimana latar belakang Anda dalam ilmu saraf kognitif komputasi mempengaruhi pendekatan Anda dalam mengembangkan solusi AI?

Latar belakang saya dalam ilmu saraf kognitif komputasi, bersama dengan PhD saya dalam sejarah dan filsafat ilmu, memainkan peran besar dalam pengembangan solusi AI. Bidang-bidang ini membantu saya memahami aspek teknis dan filosofis teknologi. Perspektif ganda ini sangat berharga dalam lanskap teknologi yang berubah cepat saat ini. Ini memungkinkan saya untuk menciptakan produk AI yang tidak hanya maju secara teknis tetapi juga etis dan ramah pengguna.

Apakah Anda bisa menjelaskan konsep Predictive GenAI dan bagaimana itu mengintegrasikan AI generatif dengan pembelajaran mesin prediktif?

Predictive GenAI adalah tentang menggabungkan AI Generatif dengan Pembelajaran Mesin Prediktif. AI Generatif memungkinkan pengguna berinteraksi dengan data melalui bahasa alami, membuatnya mudah untuk mengajukan pertanyaan dan memandu AI. Namun, kemampuan prediktifnya terbatas. Itulah di mana Pembelajaran Mesin Prediktif masuk, karena memproses data untuk membuat prediksi akurat tentang masa depan. Dengan menggabungkan teknologi ini, Predictive GenAI memungkinkan bahkan mereka yang memiliki sedikit pengalaman ilmu data untuk membangun model prediktif dan menggunakannya dengan mulus, seperti berbicara dengan ChatGPT.

Bagaimana Predictive GenAI menyederhanakan proses pembuatan dan penerapan model prediktif untuk bisnis?

Predictive GenAI menyederhanakan hal-hal dengan fitur seperti Predictive Chat dan Predictive Notebook. Predictive Chat bertindak seperti asisten AI, memandu pengguna melalui proses pemodelan menggunakan bahasa alami. Ini merumuskan pertanyaan prediktif berdasarkan kekhawatiran bisnis pengguna dan menghasilkan Predictive Notebook dengan kueri SQL yang sudah jadi dan contoh data. Ini berarti pengguna tidak perlu memulai dari awal atau memiliki pengetahuan teknis yang mendalam untuk mendapatkan prediksi yang akurat.

Apakah Anda bisa menjelaskan studi kasus yang melibatkan CAA Club Group dan bagaimana Pecan AI mengoptimalkan layanan bantuan di pinggir jalan mereka?

Tentu. CAA Club Group sebelumnya menghabiskan waktu sepekan untuk memperkirakan bantuan di pinggir jalan secara manual, yang memakan waktu dan terbatas. Setelah menerapkan Pecan AI, tim ilmu data mereka mengembangkan lebih dari 30 model untuk menghasilkan perkiraan permintaan jangka pendek dua kali seminggu. Perkiraan ini memprediksi volume panggilan dan jenis layanan secara jam, memastikan penjadwalan yang efisien dan respons yang cepat, terutama selama kondisi musim dingin yang parah. Platform Pecan juga memungkinkan perbaikan terus-menerus dari model-model ini, meningkatkan efisiensi layanan.

Bagaimana Credit Pros diuntungkan dengan menggunakan Pecan AI untuk prediksi churn klien dan apa tantangan spesifik yang dipecahkan untuk mereka?

Credit Pros menghadapi tantangan signifikan dengan prediksi churn klien, yang merupakan proses yang kompleks dan memakan waktu. Menerapkan Pecan AI mengurangi waktu pengembangan model dari tiga bulan menjadi hanya beberapa minggu, memungkinkan strategi retensi proaktif. Proses yang dipercepat ini memungkinkan TCP untuk memprediksi churn klien dengan akurat dan mengembangkan strategi efektif untuk mempertahankan klien, pada akhirnya meningkatkan pendapatan mereka.

Bagaimana alat Predictive Chat dan Predictive Notebook meningkatkan pengalaman pengguna dan membuat analitik prediktif dapat diakses oleh pengguna non-teknis?

Predictive Chat menggunakan GenAI untuk membuat notebook kustom berdasarkan pertanyaan bisnis pengguna dan data. Pengguna dapat berinteraksi dengan chat dalam bahasa alami, menjawab pertanyaan dan mengikuti instruksi, yang menyederhanakan proses pembuatan model. Predictive Notebook mencakup semua kode yang diperlukan, memungkinkan pengguna untuk melihat kueri, membuat tabel kustom, dan memahami logika dataset pelatihan. Pendekatan ini membuat analitik prediktif dapat diakses oleh pengguna non-teknis dengan menyederhanakan persiapan data dan pembuatan model.

Bagaimana Anda melihat Predictive GenAI mengubah berbagai industri dan fungsi bisnis?

Predictive GenAI memberdayakan bisnis untuk membuat keputusan berdasarkan data dengan akurasi dan efisiensi yang tak tertandingi. Dalam manufaktur dan logistik, itu mengoptimalkan operasi dengan memprediksi permintaan dan menyederhanakan rantai pasokan. Dalam industri yang berfokus pada pelanggan, itu meningkatkan kepuasan dan loyalitas melalui pemasaran yang ditargetkan dan rekomendasi yang disesuaikan. Predictive GenAI juga memicu inovasi dengan memprediksi tren pasar, memandu pengembangan produk, dan mempercepat waktu ke pasar. Aplikasinya mencakup sektor kesehatan untuk prediksi penyakit dan rencana perawatan pribadi, serta upaya keberlanjutan dengan mengoptimalkan penggunaan sumber daya dan mengurangi dampak lingkungan.

Bagaimana Pecan AI memastikan akurasi dan keandalan model prediktifnya?

Kami memastikan akurasi dan keandalan melalui pengujian yang ketat dan validasi terus-menerus. Pecan AI menggunakan dataset pelatihan dan pengujian yang terpisah untuk mengevaluasi kinerja model, mirip dengan penilaian ujian sekolah. Metrik kunci seperti akurasi, presisi, dan recall digunakan untuk memvalidasi model selama pengembangan dan produksi. Kami juga mempromosikan transparansi melalui prediksi yang dapat dijelaskan, membantu pengguna memahami faktor-faktor yang mempengaruhi setiap prediksi dan membangun kepercayaan pada wawasan yang didorong oleh AI.

Bagaimana Anda melihat peran Predictive GenAI berkembang dalam beberapa tahun mendatang?

Memandang ke depan, masa depan AI bukan hanya tentang memprediksi peristiwa tetapi juga meresepkan tindakan berdasarkan prediksi tersebut. Predictive GenAI bertujuan untuk mengotomatisasi proses pengambilan keputusan dan mengoptimalkan operasi bisnis. Namun, penting untuk memahami risiko yang terkait dan memastikan penggunaan AI yang bertanggung jawab. Seiring teknologi berkembang, itu akan memainkan peran kritis dalam meningkatkan efisiensi operasional, memicu inovasi, dan memandu pengambilan keputusan strategis di berbagai industri.

Terima kasih atas wawancara yang luar biasa, pembaca yang ingin mempelajari lebih lanjut dapat mengunjungi Pecan AI.