Jim McGowan, Kepala Produk di ElectrifAi – Seri Wawancara

Jim McGowan adalah kepala produk di ElectrifAi, mereka mengkhususkan diri dalam mengekstrak sejumlah besar data yang berbeda, mengubah data yang kacau terstruktur dan tidak terstruktur menjadi wawasan bisnis yang dapat digunakan.

Apa yang menarik Anda ke dunia machine learning dan AI?

Saya pertama kali mengalami Machine Learning saat mendapatkan gelar doktor untuk pekerjaan di ilmu kognitif. Sistem AI sebagian besar terdiri dari menyuling pengalaman seorang ahli menjadi diagram alir. Ini tampaknya intuitif untuk bekerja, tetapi sistemnya dengan cepat menjadi terlalu kompleks dan tidak memenuhi janji mereka. Masalah kecil dapat diselesaikan, tetapi solusi praktis untuk masalah dunia nyata tidak dapat dijangkau. Anda dapat mengatakan bahwa membangun sistem praktis itu sendiri tidak praktis. Lalu Machine Learning datang. Itu mengubah segalanya. Machine Learning membuka janji AI. ElectrifAi memenuhi janji itu dengan membangun solusi untuk membantu klien kami menjalankan bisnis mereka dengan lebih baik.

ElectrifAi menggunakan sesuatu yang disebut Practical AI untuk membantu perusahaan melakukan lebih banyak dengan data yang mereka miliki. Bisakah Anda menjelaskan bagaimana ElectrifAi mendefinisikan Practical AI?

Kami menggunakan data klien untuk memberikan wawasan yang jelas dan dapat digunakan, untuk kebutuhan bisnis yang nyata. Kami membantu mereka membuat keputusan yang lebih baik, lebih cepat. Practical AI adalah memecahkan masalah bisnis dunia nyata dengan solusi yang efektif, berdasarkan pemahaman yang jelas tentang data, memiliki hasil yang pasti, sesuai dengan proses dan alat yang ada, dikirim tepat waktu, dan memberikan nilai bisnis yang luar biasa. Kami tidak memerlukan perusahaan untuk menggantikan sistem data mereka. Kami tidak memerlukan model bisnis tertentu. Kami tidak memerlukan setahun untuk mungkin mengirimkan sesuatu yang merupakan kompromi dari apa yang klien ingin lakukan. Kami memberikan solusi yang fleksibel, berkualitas tinggi yang sederhana untuk digunakan dan melakukan apa yang seharusnya dilakukan dengan sangat baik. Itulah Practical AI.

Kami memastikan bahwa dengan setiap solusi yang kami capai, kami mencapai hal-hal berikut:

• Waktu untuk nilai terbaik
• Pembersihan data terbaik
• Wawasan terbaik
• ROI terbaik

Bisakah Anda memberikan beberapa detail tentang bagaimana ElectrifAi memungkinkan perusahaan untuk menggunakan Practical AI?

Kami menarik data dari semua sistem—baik itu basis data yang dikembangkan khusus, solusi yang sangat disesuaikan dari vendor besar, atau bahkan dump data dari aplikasi warisan. Kami membersihkan dan memahami data tersebut, dan menemukan sinyal yang jelas dan bermakna di tengah kekacauan. Kami kemudian menggunakan machine learning untuk mengekstrak wawasan yang berharga dari sinyal tersebut, dan akhirnya, kami menunjukkan bagaimana bertindak atas wawasan tersebut. SpendAi adalah contoh yang baik. Kami menggunakan machine learning untuk membersihkan data, dan machine learning lebih lanjut untuk mengkategorikan 98-99% data dari semua sistem pengeluaran klien. Kami bahkan memungkinkan klien untuk mengontrol pengkategorian tersebut pada tingkat granular, dalam beberapa detik, melalui antarmuka drag-and-drop. Itu unik, dan sangat kuat. Lalu kami menerapkan grup lain dari algoritma machine learning untuk memberikan tampilan yang jelas dan sederhana tentang di mana pengeluaran tersebut pergi. Kami menggunakan machine learning untuk memparse kontrak dan mengekstrak klausa kunci. Kami kemudian menerapkan machine learning lebih lanjut untuk membuat rekomendasi spesifik. Misalnya, klien mungkin berhak atas diskon dari klausa yang terkubur dalam kontrak. Atau mereka mungkin terlalu bergantung pada vendor dalam kategori, yang berisiko keuangan mereka sendiri. Klien mungkin tidak menggunakan posisi mereka dengan vendor karena vendor beroperasi di bawah beberapa nama dan di seluruh divisi perusahaan. Kami menampilkan dan membersihkan semua itu, sehingga klien dapat mengurangi pengeluaran mereka, meningkatkan modal kerja mereka, dan mengurangi risiko mereka.

Bisakah Anda membahas PulmoAi CT, dan bagaimana itu dapat meningkatkan efisiensi untuk radiolog dan memperbaiki hasil radiologi?

PulmoAi CT adalah produk analitik gambar yang canggih yang dirancang khusus untuk pemindaian CT paru-paru. Menggabungkan Practical AI, Machine Learning (ML), dan teknologi pemrosesan gambar, PulmoAi CT secara otomatis membagi pemindaian paru-paru piksel demi piksel, tanpa kekaburan atau distorsi yang dialami dengan teknologi serupa. Hasilnya: Citra 3D yang tajam—memungkinkan identifikasi langsung dari indikasi untuk tumor, nodul, COVID-19, dan anomali lainnya. Dengan PulmoAi CT, radiolog dapat dengan mudah memperbesar detail paru-paru, melihatnya berdampingan dengan analisis klinis dan gambar asli. PulmoAi CT mengkuantifikasi setiap fitur paru-paru dengan metrik yang tepat, termasuk ukuran fitur, dan morfologi dan ekstensi volumetrik. Ini memungkinkan pemantauan yang cermat dari perkembangan anomali, bahkan dalam kehadiran beberapa morbiditas.

PulmoAi CT adalah teknologi yang sangat berbeda dari produk apa pun di pasar atau bahkan laboratorium penelitian. Hasilnya sangat mengubah. Tidak ada yang lain seperti itu. Ini bukanlah pendekatan kekuatan brutal yang memerlukan puluhan ribu sampel untuk bekerja. PulmoAi CT menghasilkan hasil sementara solusi AI lain masih mencari data pelatihan. Ini kuat dan akan mengubah apa yang dapat dilakukan radiolog.

Produk lain dari ElectrifAi adalah PulmoAi X-ray yang secara langsung mengatasi penggunaan X-ray di zona krisis. Bisakah Anda membahas teknologi ini?

PulmoAi X-ray secara langsung mengatasi penggunaan X-ray di zona krisis saat ini. Menyesuaikan diri dengan tantangan khusus pandemi, PulmoAi X-ray melangkah lebih jauh dari membedakan paru-paru sehat dari paru-paru yang terinfeksi COVID-19. Solusi berbasis cloud ini mengidentifikasi perbedaan kritis antara pasien COVID-19 positif yang dikirim pulang yang pulih dengan aman, dan mereka yang dikirim pulang yang kembali memerlukan intubasi. Dipratinjau pada pemindaian paru-paru dari rumah sakit di zona krisis, PulmoAi X-ray menggunakan teknologi jaringan saraf dalam untuk mengidentifikasi abnormalitas kritis yang terkait dengan COVID-19. PulmoAi X-ray unik karena disesuaikan untuk menjawab pertanyaan yang rumah sakit di zona krisis mencoba jawab: apakah karantina diri akan berhasil, atau apakah pasien memerlukan rawat inap?

Produk lain adalah ContractAi yang menggunakan Practical AI, Machine Learning, dan Natural Language Processing (NLP) untuk secara otomatis membaca, menganalisis, dan membandingkan kontrak di seluruh perusahaan. Bisakah Anda membahas produk ini dan kasus penggunaan terbaik untuk itu?

ContractAi dirancang untuk pengguna yang berinteraksi dengan kontrak dalam peran operasional sehari-hari. Misalnya, ContractAi membantu orang-orang dalam grup pengadaan yang menganalisis pengeluaran terhadap perjanjian vendor. Baru-baru ini, dengan kejutan ekonomi karena COVID-19, perangkat lunak ini membantu perusahaan memahami setiap keunggulan yang mereka miliki untuk keluar dari kontrak vendor. Ketika kemampuan ini terhubung dengan produk SpendAi kami, satu dapat segera memahami dampak keuangan dari keunggulan ini. Salah satu keunggulan terbesar dari teknologi ini adalah bahwa itu bekerja dengan data kontrak dalam format apa pun—tidak ada entri manual dan tidak ada format khusus yang diperlukan. Keunggulan lainnya adalah bahwa teknologi ini dirancang khusus untuk pengguna yang menggunakan kontrak dalam peran operasional. Banyak teknologi pemrosesan kontrak yang ada dirancang untuk pengacara, yang memiliki serangkaian kekhawatiran yang berbeda.

Apakah ada yang lain yang ingin Anda bagikan tentang ElectrifAi?

Sebagai perusahaan machine learning global, kami memiliki pandangan unik tentang bagaimana berbagai pasar berkembang dan menggunakan Machine Learning. Salah satu keunggulan dari pandangan ini adalah kemampuan kami untuk memahami bagaimana kemampuan machine learning (ML) dapat diterjemahkan dari satu geografi dan/atau pasar vertikal ke yang lain untuk membantu memecahkan masalah yang substansial.

Sebagai contoh, kami telah menghabiskan beberapa tahun di seluruh dunia membantu bisnis terlibat dengan pelanggan mereka menggunakan ilmu data. Kami sekarang telah memanfaatkan keahlian itu untuk membantu industri kesehatan AS dengan keterlibatan pasien, membantu memulai kembali kesehatan dan mendapatkan pasien kembali ke rumah sakit untuk operasi elektif kritis.