Inna Tokarev Sela, CEO dan Pendiri illumex – Seri Wawancara

Inna Tokarev Sela, CEO dan Pendiri Illumex, mengubah cara perusahaan mempersiapkan data terstruktur untuk kecerdasan buatan generatif. Illumex memungkinkan organisasi untuk mengirimkan agen analitik genAI dengan menerjemahkan data yang tersebar dan tidak jelas menjadi bahasa bisnis yang bermakna dan kaya konteks dengan tata kelola yang terintegrasi.

Platform ini secara otomatis menganalisis metadata untuk menemukan dan melabeli data terstruktur tanpa memindahkan atau mengubahnya, menambahkan makna semantik dan memastikan definisi yang jelas dan transparan. Dengan membuat istilah bisnis, menyarankan metrik, dan mengidentifikasi konflik potensial, Illumex memastikan tata kelola data pada standar tertinggi.

Dengan Illumex, agen analitik dapat menafsirkan kueri pengguna dengan presisi, memberikan respons yang akurat, sadar konteks, dan bebas halusinasi. Di bawah kepemimpinan Inna, Illumex menetapkan standar baru untuk kesiapan AI, membantu bisnis membuka potensi penuh dari data mereka.

Apa yang menginspirasi Anda untuk mendirikan illumex, dan bagaimana pengalaman Anda di Sisense dan SAP membentuk visi Anda untuk perusahaan?

Visi untuk illumex muncul selama studi saya, di mana saya membayangkan informasi dapat diakses melalui asosiasi seperti peta pikiran daripada database tradisional – memungkinkan akses langsung ke data yang relevan tanpa konsultasi manusia yang luas.

Waktu saya di SAP mengajarkan saya dasar-dasar membangun perangkat lunak perusahaan dan menskalakan operasi. Bekerja di seluruh pengembangan produk dengan platform cloud SAP HANA dan inisiatif bisnis seperti kerangka kerja kemitraan startup memberi saya wawasan mendalam tentang kebutuhan pelanggan perusahaan. Ini mengungkapkan kesenjangan signifikan antara cara perusahaan mendekati praktik data dan apa yang sebenarnya dibutuhkan oleh pengguna akhir.

Di Sisense, membangun praktik AI dari awal menunjukkan nilai besar yang dapat dibawa AI kepada pelanggan. Melihat dampak ini, dikombinasikan dengan munculnya teknologi SaaS dan GenAI, meyakinkan saya bahwa waktu yang tepat untuk meluncurkan illumex pada tahun 2021.

illumex fokus pada Generative Semantic Fabric. Apa konsep inti dan apa yang memotivasi Anda untuk menangani tantangan ini di AI dan analitik data?

illumex mempelopori Generative Semantic Fabric – platform yang mengautomasi pembuatan konteks organisasional dan penalaran yang dapat dibaca oleh manusia dan mesin. Platform ini mempersatukan pengalaman antara LLM berbasis generatif AI dan aplikasi bisnis untuk pengguna teknis dan non-teknis di sekitar konteks yang dibagikan.

Ini memberikan dua manfaat besar: ini mempermudah pengelolaan data melalui otomatisasi hingga 80% tugas rekayasa data dan memungkinkan pengguna non-teknis untuk mengakses analitik dengan tata kelola, keterjelasan, dan akurasi yang terintegrasi. Kedua manfaat ini menangani pasar multibillion dolar untuk pengambilan keputusan perusahaan.

Bayangkan ini sebagai taman digital di mana mesin, manusia, dan aplikasi berinteraksi secara spontan tanpa pemrograman sebelumnya. Ini selaras dengan visi kita tentang masa depan tanpa aplikasi, di mana alih-alih mengurus banyak alat seperti lembar, analitik, sistem keuangan, dan manajemen pelanggan, Anda hanya mengungkapkan tugas Anda, dan itu selesai dengan lancar. Generative Semantic Fabric adalah fondasi untuk masa depan ini.

Apa tantangan utama yang Anda hadapi di awal hari illumex, dan bagaimana Anda mengatasinya?

Pada tahun 2021, meskipun model AI generatif semantik telah ada sejak 2017, dan jaringan saraf grafis telah ada lebih lama, itu adalah tugas yang sulit untuk menjelaskan kepada VC mengapa kita perlu konteks dan penalaran yang diotomatisasi. Bahkan mendefinisikannya saat itu adalah tugas yang sulit.

Saya akan mengatakan bahwa tantangan terbesar adalah membangkitkan kegembiraan tentang teknologi dan pasar masa depan ini. Dan saya sangat beruntung bertemu dengan investor yang berpikiran maju yang percaya pada saya.

Bagaimana illumex memberdayakan organisasi untuk menjadi siap AI, dan mengapa transisi ini kritis dalam lanskap bisnis saat ini?

Dunia bisnis terbagi menjadi dua kubu: perusahaan yang mengenali dan memanfaatkan AI sebagai kekuatan transformasional seperti Internet dan mereka yang melewatkan atau menunda memahami kesempatan ini.

illumex memenuhi organisasi di mana pun mereka berada dalam perjalanan AI mereka. Kami mempersiapkan data mereka untuk implementasi AI generatif, meningkatkan dan mengatur logika dan konteks organisasional, dan memungkinkan penerapan agen analitik dan orkestrasi.

Platform implementasi GenAI penuh kami untuk data terstruktur meningkatkan lanskap perusahaan mana pun untuk memanfaatkan teknologi ini secara efektif.

illumex menekankan “respons AI generatif bebas halusinasi”. Bagaimana illumex memastikan output yang deterministik dan dapat diandalkan?

illumex dibangun di atas ontologi bisnis yang ada – grafik pengetahuan yang menangkap terminologi industri, alur kerja, dan proses di berbagai sektor seperti farmasi, ritel, dan manufaktur, serta fungsi bisnis seperti keuangan, SDM, dan rantai pasokan.

Ketika mengonboarding pelanggan, kami secara otomatis melatih kembali ontologi ini pada metadata mereka. Dalam beberapa hari, perusahaan dapat mencari data mereka, memvalidasi hasil, dan mengidentifikasi masalah seperti duplikat atau konflik.

Chatbot analitik agen menyediakan transparansi lengkap – menunjukkan bagaimana pertanyaan ditafsirkan dan dipetakan ke ontologi pelanggan dan kemudian ke data. Transparansi ini, dikombinasikan dengan validasi data yang diotomatisasi, memastikan jawaban yang deterministik dan bebas halusinasi. Selain itu, tim tata kelola dapat memvalidasi sebelumnya respons potensial karena konteks menyematkan semua pertanyaan yang mungkin dan permutasinya sebelumnya.

Bagaimana illumex membedakan diri dari pendekatan tradisional seperti Retrieval-Augmented Generation (RAG)?

Sementara RAG mencoba menyesuaikan model AI siap pakai dengan memberikan mereka data dan logika organisasional, itu menghadapi beberapa keterbatasan. Ini adalah kotak hitam – Anda tidak dapat menentukan apakah Anda telah memberikan contoh yang cukup untuk penyesuaian yang tepat atau bagaimana pembaruan model mempengaruhi akurasi. Ini juga bergantung pada ilmuwan data yang mungkin tidak memiliki konteks bisnis, membuatnya sulit untuk sepenuhnya menangkap logika organisasional.

Selain itu, RAG mengonsumsi sekitar 80% infrastruktur AI dan token hanya untuk penyesuaian halus daripada penggunaan yang sebenarnya, meningkatkan kekhawatiran ROI. Ini juga kekurangan tata kelola yang terintegrasi – tidak ada cara bagi tim kepatuhan untuk memvalidasi kecukupan pelatihan atau memastikan kontrol akses yang tepat.

Generative Semantic Fabric (GSF) illumex menangani tantangan ini melalui pembangunan konteks yang diotomatisasi tanpa mengonsumsi token AI eksternal. Ini menghilangkan kebutuhan akan ilmuwan data khusus dan menyediakan transparansi lengkap dalam pemetaan dan penalaran melalui antarmuka web, Slack, atau Teams. GSF termasuk tata kelola dan keterjelasan yang terintegrasi, indikator jelas tentang cakupan organisasional dan kualitas data, serta penilaian kualitas yang diotomatisasi untuk kemampuan menjawab pertanyaan.

Banyak bisnis bergelut dengan pengambilan keputusan berbasis data meskipun berinvestasi besar dalam infrastruktur data. Mengapa Anda pikir kesenjangan ini ada, dan bagaimana illumex menanganinya?

Kesenjangan antara investasi data dan pengambilan keputusan yang efektif terus melebar karena volume data meledak, baik secara internal maupun eksternal. Organisasi sekarang menghadapi tidak hanya data mereka sendiri yang tumbuh, tetapi juga berbagai sumber eksternal – dari API cuaca hingga platform cloud industri yang berbagi data kesehatan di seluruh institusi Eropa, plus data sintetis untuk berbagai kasus penggunaan.

Tantangan ini adalah bahwa organisasi masih bergantung pada manusia untuk tugas data kritis seperti pemodelan, penilaian kualitas, dan pembuatan dasbor. Namun, skala dan kompleksitas lingkungan data modern membuatnya semakin mustahil bagi tim manusia untuk secara efektif mengklasifikasikan data, menilai kualitasnya, dan memastikan bahwa itu sesuai untuk analitik dan otomatisasi yang didorong oleh AI.

illumex menjembatani kesenjangan ini dengan mengotomatisasi proses manual ini, memungkinkan organisasi untuk secara efektif mengelola, memvalidasi, dan memanfaatkan lanskap data yang berkembang untuk pengambilan keputusan bisnis yang bermakna.

Industri mana yang paling cepat mengadopsi platform illumex, dan apa tantangan atau peluang unik yang Anda amati di sektor-sektor ini?

Kami melihat adopsi tercepat di industri yang berada di persimpangan antara intensitas data dan regulasi yang ketat, di mana perusahaan memerlukan otomatisasi yang kuat untuk pemantauan kualitas data, pelacakan penggunaan, dan deteksi konflik. Jasa keuangan, farmasi, dan ritel/e-commerce memimpin, karena sektor-sektor ini bertujuan untuk segera mereinventasi diri mereka menggunakan aset data yang ada sambil menghadapi persyaratan regulasi yang kompleks.

Dengan evolusi AI yang pesat, apa saran Anda untuk perusahaan yang ingin mengintegrasikan AI secara efektif dan bertanggung jawab?

Mulailah dengan mengembangkan rencana strategis yang jelas yang mengidentifikasi kasus penggunaan khusus dan imperatif bisnis yang mendorong adopsi AI. Sangat penting untuk menghindari menciptakan silo baru teknologi AI yang beroperasi dalam isolasi dari sistem yang ada.

Sebaliknya, bangun platform yang terintegrasi yang menggabungkan kemampuan manajemen data, analitik, dan AI generatif. Menjaga inisiatif AI terpisah dari praktik tata kelola yang mapan tidak hanya menciptakan risiko signifikan tetapi juga mengarah pada biaya yang meningkat. Kunci adalah menciptakan infrastruktur yang berbagi yang mendukung semua fungsi ini sambil mempertahankan pengawasan yang tepat.

Dengan adopsi AI yang dipercepat, apa tren yang Anda lihat membentuk lanskap AI perusahaan dalam 3-5 tahun ke depan?

Dua tren utama muncul di lanskap AI. Pertama, analitik agenik mendapatkan momentum, memungkinkan analisis data dan wawasan yang lebih canggih. Kedua, kita melihat pergeseran menuju orkestrasi agenik, yang memungkinkan alur kerja berbasis kolaborasi antara beberapa model AI dengan fungsionalitas yang beragam.

Pengembangan ini melangkah melampaui aplikasi tujuan tunggal menuju solusi yang lebih komprehensif. Misalnya, di bidang kesehatan, alih-alih aplikasi terisolasi untuk tugas tertentu, pikirkan tentang otomatisasi alur kerja kantor dokter – menggabungkan pemindaian gambar, pengolahan resep, dan rekomendasi obat dalam satu sistem yang lancar.

Pengembangan ini bergantung pada fondasi generative semantic fabric yang kuat untuk memastikan akses data yang akurat, konteks yang dibagikan, dan koordinasi antara agen AI. Fondasi ini akan sangat penting untuk memungkinkan analitik agenik dan solusi AI yang diorkestrasi mencapai potensi penuh mereka.

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