Soham Mazumdar, Co-Founder & CEO of WisdomAI – Seri Wawancara

Soham Mazumdar adalah Co-Founder dan CEO of WisdomAI, sebuah perusahaan yang berada di garis depan solusi yang didorong oleh AI. Sebelum mendirikan WisdomAI pada tahun 2023, ia adalah Co-Founder dan Chief Architect di Rubrik, di mana ia memainkan peran kunci dalam menskalakan perusahaan selama 9 tahun. Soham sebelumnya menjabat sebagai pemimpin teknis di Facebook (META ) dan Google (GOOGL ), di mana ia berkontribusi pada infrastruktur pencarian inti dan diakui dengan Google Founder’s Award. Ia juga mendirikan Tagtile, sebuah platform loyalitas mobile yang diakuisisi oleh Facebook. Dengan dua dekade pengalaman dalam arsitektur perangkat lunak dan inovasi AI, Soham adalah seorang wirausaha dan teknolog yang berpengalaman yang berbasis di San Francisco Bay Area.

WisdomAI adalah platform bisnis intelijen yang asli AI yang membantu perusahaan mengakses wawasan waktu nyata yang akurat dengan mengintegrasikan data terstruktur dan tidak terstruktur melalui “Knowledge Fabric” miliknya. Platform ini memungkinkan agen AI khusus yang mengkurasi konteks data, menjawab pertanyaan bisnis dalam bahasa alami, dan secara proaktif menampilkan tren atau risiko—tanpa menghasilkan konten yang halusinasi. Tidak seperti alat BI tradisional, WisdomAI menggunakan AI generatif hanya untuk generasi kueri, memastikan akurasi dan keandalan yang tinggi. Ini mengintegrasikan dengan ekosistem data yang ada dan mendukung keamanan kelas perusahaan, dengan adopsi awal oleh perusahaan besar seperti Cisco dan ConocoPhillips (COP ).

Anda adalah co-founder Rubrik dan membantu menskalakan perusahaan menjadi sukses besar. Apa yang menginspirasi Anda untuk meninggalkan perusahaan pada tahun 2023 dan membangun WisdomAI—dan apakah ada saat yang jelas yang memperjelas arah baru ini?

Masalah ketidakefisienan data perusahaan ada di depan mata saya. Selama saya bekerja di Rubrik, saya menyaksikan langsung bagaimana perusahaan Fortune 500 tenggelam dalam data tetapi kelaparan akan wawasan. Bahkan dengan semua infrastruktur yang kita bangun, kurang dari 20% pengguna perusahaan memiliki akses yang tepat dan pengetahuan untuk menggunakan data secara efektif dalam pekerjaan sehari-hari. Ini adalah masalah sistemik yang besar yang tidak ada yang benar-benar memecahkan.

Saya juga seorang pembangun oleh natur—Anda dapat melihatnya dalam jalur saya dari Google ke Tagtile ke Rubrik dan sekarang WisdomAI. Saya mendapatkan energi dari mengambil tantangan fundamental dan membangun solusi dari awal. Setelah membantu menskalakan Rubrik ke sukses perusahaan, saya merasa dorongan wirausaha lagi untuk mengatasi sesuatu yang sama ambisius.

Terakhir, kesempatan AI tidak dapat diabaikan. Pada tahun 2023, menjadi jelas bahwa AI dapat akhirnya menjembatani kesenjangan antara ketersediaan data dan kegunaan data. Waktu itu terasa tepat untuk membangun sesuatu yang dapat mendemokratisasi wawasan data untuk setiap pengguna perusahaan, bukan hanya yang teknis.

Saat kesadaran datang ketika saya menyadari bahwa kita dapat menggabungkan semua yang saya pelajari tentang infrastruktur data perusahaan di Rubrik dengan potensi transformasional AI untuk memecahkan masalah ketidakefisienan fundamental ini.

WisdomAI memperkenalkan “Knowledge Fabric” dan suite agen AI. Bagaimana sistem ini bekerja bersama untuk melampaui dasbor BI tradisional?

Kami telah membangun platform wawasan data agen yang bekerja dengan data di mana pun—terstruktur, tidak terstruktur, dan bahkan “data kotor”. Daripada meminta tim analisis untuk menjalankan laporan, manajer bisnis dapat langsung bertanya dan mendapatkan detail. Platform kami dapat dilatih pada sistem penyimpanan data apa pun dengan menganalisis log kueri.

Kami kompatibel dengan layanan data cloud utama seperti Snowflake, Microsoft Fabric, Google’s BigQuery, Amazon’s Redshift, Databricks, dan Postgres, serta format dokumen seperti excel, PDF, powerpoint, dll.

Tidak seperti alat konvensional yang dirancang terutama untuk analis, antarmuka konversasional kami memungkinkan pengguna bisnis untuk mendapatkan jawaban langsung, sementara arsitektur multi-agen kami memungkinkan kueri kompleks di seluruh sistem data yang beragam.

Anda menekankan bahwa WisdomAI menghindari halusinasi dengan memisahkan GenAI dari generasi jawaban. Bagaimana sistem Anda menggunakan GenAI secara berbeda—dan mengapa itu penting untuk kepercayaan perusahaan?

Model Konteks AI-Ready kami dilatih pada data organisasi untuk menciptakan pemahaman konteks universal yang menjawab pertanyaan dengan akurasi semantik yang tinggi sambil mempertahankan privasi dan tata kelola data. Selain itu, kami menggunakan AI generatif untuk merumuskan kueri yang terdefinisi dengan baik yang memungkinkan kami untuk mengekstrak data dari sistem yang berbeda, bukan memberikan data mentah ke LLM. Ini sangat penting untuk mengatasi kekhawatiran tentang halusinasi dan keamanan LLM.

Anda menciptakan istilah “Agentic Data Insights Platform”. Bagaimana kecerdasan agen berbeda dari alat analisis tradisional atau asisten LLM standar?

Tumpukan BI tradisional memperlambat pengambilan keputusan karena setiap pertanyaan harus melalui silo data yang terputus dan tim spesialis. Ketika seorang chief revenue officer perlu tahu bagaimana menutup kuartal, jawabannya biasanya melewati setengah lusin tangan—analisis yang mengatur ekstrak CRM, insinyur data yang menjahit file bersama, dan pembangun dasbor yang memperbarui laporan—mengubah pertanyaan sederhana menjadi proyek multi-hari.

Platform kami menghancurkan silo-silo itu dan meletakkan kedalaman data hanya satu keystroke jauhnya, sehingga CRO dapat mendapatkan detail dari headline metrics hingga detail baris dalam hitungan detik.

Tidak perlu menunggu di antrean analis, tidak perlu dasbor yang sudah ditentukan sebelumnya yang tidak dapat mengikuti pertanyaan baru—hanya wawasan self-service yang disampaikan dengan kecepatan yang sesuai dengan kebutuhan bisnis.

Bagaimana Anda memastikan WisdomAI beradaptasi dengan kosakata data unik dan struktur setiap perusahaan? Apa peran input manusia dalam memperbaiki Knowledge Fabric?

Bekerja dengan data di mana dan bagaimana adanya—itu adalah holly grail untuk bisnis intelijen perusahaan. Sistem tradisional tidak dibangun untuk menangani data tidak terstruktur atau “data kotor” dengan kesalahan ketik. Ketika informasi ada di berbagai sumber—database, dokumen, data telemetry—organisasi kesulitan mengintegrasikan informasi ini secara kohesif.

Tanpa kemampuan untuk menangani jenis data yang beragam, konteks yang berharga tetap terisolasi di sistem yang terpisah. Platform kami dapat dilatih pada sistem penyimpanan data apa pun dengan menganalisis log kueri, memungkinkan kami untuk beradaptasi dengan kosakata data unik dan struktur setiap organisasi.

Anda telah menjelaskan proses pengembangan WisdomAI sebagai ‘vibe coding’—membangun pengalaman produk langsung dalam kode terlebih dahulu, kemudian mengulangi melalui penggunaan dunia nyata. Apa keuntungan yang diberikan oleh pendekatan ini dibandingkan dengan desain produk tradisional?

“Vibe coding” adalah pergeseran signifikan dalam cara perangkat lunak dibangun di mana pengembang memanfaatkan kekuatan alat AI untuk menghasilkan kode hanya dengan menjelaskan fungsionalitas yang diinginkan dalam bahasa alami. Ini seperti asisten pintar yang melakukan apa yang Anda inginkan perangkat lunak lakukan, dan itu menulis kode untuk Anda. Ini secara dramatis mengurangi upaya manual dan waktu yang tradisional diperlukan untuk pengkodean.

Selama bertahun-tahun, penciptaan produk digital sebagian besar mengikuti skrip yang familiar: merencanakan produk dan desain UX dengan hati-hati, kemudian melaksanakan pengembangan, dan mengulangi berdasarkan umpan balik. Logika itu jelas karena berinvestasi dalam desain awal minimalkan pekerjaan ulang yang mahal selama fase pengembangan yang lebih mahal dan lebih lama. Tapi apa yang terjadi ketika biaya dan waktu untuk melaksanakan pengembangan tersebut secara drastis berkurang? Kemampuan ini membalik urutan pengembangan tradisional. Sekarang, pengembang dapat memulai membangun perangkat lunak fungsional berdasarkan pemahaman tingkat tinggi tentang persyaratan, bahkan sebelum desain produk dan UX yang terperinci diselesaikan.

Dengan kecepatan generasi kode AI, upaya yang diperlukan untuk menciptakan desain awal yang menyeluruh dapat, dalam konteks tertentu, menjadi relatif lebih memakan waktu daripada mendapatkan versi dasar dari perangkat lunak yang berfungsi. Paradigma baru dalam dunia “vibe coding” menjadi: eksekusi (kode dengan AI), kemudian adaptasi (desain dan perbaikan).

Pendekatan ini memungkinkan validasi pengguna yang sangat awal dari konsep inti. Bayangkan mendapatkan umpan balik tentang fungsionalitas sebenarnya dari fitur sebelum berinvestasi besar-besaran dalam desain visual yang terperinci. Ini dapat menyebabkan desain yang lebih berorientasi pada pengguna, karena proses desain secara langsung dipandu oleh bagaimana pengguna berinteraksi dengan produk yang nyata.

Di WisdomAI, kami secara aktif mengadopsi generasi kode AI. Kami telah menemukan bahwa dengan membangun pengembangan awal yang cepat, kami dapat dengan cepat menguji fungsionalitas inti dan mengumpulkan umpan balik pengguna yang tak ternilai awal dalam proses, langsung pada produk. Ini memungkinkan tim desain kami untuk kemudian fokus pada memperbaiki pengalaman pengguna dan desain visual berdasarkan penggunaan dunia nyata, mengarah ke produk yang lebih efektif dan disukai pengguna, lebih cepat.

Dari penjualan dan pemasaran hingga manufaktur dan keberhasilan pelanggan, WisdomAI menargetkan spektrum luas kasus bisnis. Mana vertikal yang telah melihat adopsi tercepat—and apa kasus penggunaan yang mengejutkan Anda dalam dampaknya?

Kami telah melihat hasil yang transformatif dengan beberapa pelanggan. Untuk perusahaan minyak dan gas F500, ConocoPhillips, insinyur pengeboran dan operator sekarang menggunakan platform kami untuk mengajukan pertanyaan kompleks tentang data sumur secara langsung dalam bahasa alami. Sebelum WisdomAI, insinyur ini memerlukan bantuan teknis untuk bahkan pertanyaan operasional dasar tentang status sumur atau kinerja pekerjaan. Sekarang mereka dapat mengakses informasi ini secara instan sambil membandingkannya dengan praktik terbaik dalam manual pengeboran mereka—semua melalui antarmuka konversasional yang sama. Mereka mengevaluasi beberapa vendor AI dalam proses enam bulan, dan solusi kami memberikan perbaikan akurasi sebesar 50% dibandingkan dengan pesaing terdekat.

Di perusahaan keamanan siber yang tumbuh cepat, Descope, WisdomAI digunakan sebagai analis data virtual untuk Penjualan dan Keuangan. Kami mengurangi waktu pembuatan laporan dari 2-3 hari menjadi hanya 2-3 jam—penurunan sebesar 90%. Ini mengubah pertemuan penjualan mingguan mereka dari latihan pengumpulan data menjadi sesi strategi yang fokus pada wawasan yang dapat ditindaklanjuti. Seperti yang dinyatakan oleh CRO mereka, “Wisdom AI membawa data ke ujung jari saya. Ini benar-benar mendemokratisasi data, membawa saya kekuatan untuk menjawab pertanyaan dan melanjutkan hari saya, bukan mendefinisikan pertanyaan, menunggu seseorang membangun jawaban, dan kemudian mendapatkannya dalam 5 hari.” Kemampuan untuk membuat keputusan berbasis data dengan kecepatan yang belum pernah terjadi sebelumnya telah menjadi sangat penting untuk perusahaan yang tumbuh cepat di pasar manajemen identitas yang kompetitif.

Contoh praktis: Seorang chief revenue officer bertanya, “Bagaimana saya akan menutup kuartal saya?” Platform kami segera menawarkan daftar kesepakatan yang tertunda untuk fokus, bersama dengan informasi tentang apa yang menunda setiap kesepakatan—seperti pertanyaan spesifik yang pelanggan tunggu untuk dijawab. Ini terjadi dengan lima keystroke bukan lima spesialis dan hari-hari penundaan.

Banyak perusahaan saat ini kelebihan beban dengan dasbor, laporan, dan alat yang terisolasi. Apa kesalahpahaman umum yang perusahaan memiliki tentang intelijen bisnis hari ini?

Organisasi duduk di atas harta karun informasi tetapi bergelut untuk memanfaatkan data ini untuk pengambilan keputusan yang cepat. Tantangan bukan hanya tentang memiliki data, tetapi bekerja dengannya dalam keadaan alaminya—yang sering termasuk “data kotor” yang tidak dibersihkan dari kesalahan ketik atau kesalahan. Perusahaan berinvestasi besar-besaran dalam infrastruktur tetapi menghadapi hambatan dengan dasbor yang kaku, kebersihan data yang buruk, dan informasi yang terisolasi. Sebagian besar perusahaan memerlukan tim khusus untuk menjalankan laporan, menciptakan penundaan signifikan ketika pemimpin bisnis memerlukan jawaban dengan cepat. Antarmuka di mana orang mengonsumsi data tetap ketinggalan zaman meskipun kemajuan dalam mesin data cloud dan ilmu data.

Apakah Anda melihat WisdomAI sebagai pelengkap atau akhirnya menggantikan alat BI yang ada seperti Tableau atau Looker? Bagaimana Anda sesuaikan dengan tumpukan data perusahaan yang lebih luas?

Kami kompatibel dengan layanan data cloud utama seperti Snowflake, Microsoft Fabric, Google’s BigQuery, Amazon’s Redshift, Databricks, dan Postgres, serta format dokumen seperti excel, PDF, powerpoint, dll. Pendekatan kami mengubah antarmuka di mana orang mengonsumsi data, yang tetap ketinggalan zaman meskipun kemajuan dalam mesin data cloud dan ilmu data.

Melihat ke depan, di mana Anda melihat WisdomAI dalam lima tahun—and bagaimana Anda melihat konsep “agentic intelligence” berkembang di seluruh lanskap perusahaan?

Masa depan analitik beralih dari laporan yang dipimpin oleh spesialis ke intelijen self-service yang dapat diakses oleh semua orang. Alat BI telah ada selama 20+ tahun, tetapi adopsi belum mencapai 20% dari karyawan perusahaan. Sementara itu, dalam waktu dua belas bulan, 60% pengguna tempat kerja mengadopsi ChatGPT, banyak di antaranya menggunakan untuk analisis data. Perbedaan dramatis ini menunjukkan potensi antarmuka konversasional untuk meningkatkan adopsi.

Kami menyaksikan pergeseran fundamental di mana semua karyawan dapat secara langsung menanyai data tanpa keterampilan teknis. Masa depan akan menggabungkan kekuatan komputasi AI dengan interaksi manusia alami, memungkinkan wawasan untuk menemukan pengguna secara proaktif daripada memerlukan mereka untuk mencari melalui dasbor.

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