Soham Mazumdar, Co-Founder & CEO of WisdomAI – Interview Series

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 periode 9 tahun. Soham sebelumnya memegang posisi kepemimpinan teknik di Facebook dan Google, 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 sebuah platform intelijen bisnis yang asli AI yang membantu perusahaan mengakses wawasan waktu nyata dan 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 hallucinatif. Tidak seperti alat BI tradisional, WisdomAI menggunakan AI generatif secara ketat 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.

Anda mendirikan Rubrik dan membantu menskalakannya menjadi kesuksesan perusahaan besar. Apa yang menginspirasi Anda untuk meninggalkan pada tahun 2023 dan membangun WisdomAI—and was there a particular moment that clarified this new direction?

Masalah ketidakefisienan data perusahaan ada di depan mata saya. Selama waktu saya 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 sebenarnya 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 sifat – 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 kesuksesan perusahaan, saya merasakan dorongan wirausaha lagi untuk menangani sesuatu yang sama-sama ambisius.

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

Momen klarifikasi datang ketika saya menyadari kita bisa 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 analitik 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 memberdayakan 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—and why that matters for kepercayaan perusahaan?

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

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

Tumpukan BI tradisional memperlambat pengambilan keputusan karena setiap pertanyaan harus melalui silo data yang terputus dan tim spesialis yang bergantian. Ketika seorang chief revenue officer perlu tahu bagaimana menutup kuartal, jawabannya biasanya melewati setengah lusin tangan—analisis yang mengurus ekstrak CRM, insinyur data yang menjahit file bersama, dan pembuat dasbor yang menyegarkan 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 metrik headline hingga detail tingkat baris dalam hitungan detik.

Tidak perlu menunggu di antrean analis, tidak perlu dasbor yang telah ditentukan sebelumnya yang tidak dapat mengikuti pertanyaan baru—hanya wawasan self-service yang disampaikan pada kecepatan bisnis bergerak.

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

Bekerja dengan data di mana dan bagaimana pun – itu pada dasarnya adalah tujuan suci untuk intelijen bisnis perusahaan. Sistem tradisional tidak dirancang untuk menangani data tidak terstruktur atau “data kotor” dengan kesalahan ketik dan kesalahan. Ketika informasi ada di seluruh sumber – database, dokumen, data telemetri – organisasi bergelut untuk 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 untuk beradaptasi dengan kosakata data unik dan struktur dari setiap organisasi.

Anda telah menggambarkan proses pengembangan WisdomAI sebagai ‘vibe coding’—membangun pengalaman produk langsung dalam kode pertama, kemudian mengulangi melalui penggunaan dunia nyata. Apa kelebihan yang diberikan pendekatan ini kepada Anda 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 dengan hanya mendeskripsikan 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 pada umumnya mengikuti skrip yang familiar: merencanakan produk dan desain UX dengan hati-hati, kemudian melaksanakan pengembangan, dan mengulangi berdasarkan umpan balik. Logika ini jelas karena berinvestasi dalam desain awal meminimalkan pekerjaan ulang yang mahal selama fase pengembangan yang lebih mahal dan memakan waktu. Tapi apa yang terjadi ketika biaya dan waktu untuk melaksanakan pengembangan tersebut drastis berkurang? Kemampuan ini membalik urutan pengembangan tradisional. Pengembang sekarang 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 berjalan. 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 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 menemukan bahwa dengan membangun pengembangan awal yang cepat, kami dapat dengan cepat menguji fungsionalitas inti dan mengumpulkan umpan balik pengguna yang sangat berharga 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 penggunaan bisnis. Mana vertikal yang telah melihat adopsi tercepat—and what use cases have surprised you in their impact?

Kami telah melihat hasil yang mengubah 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 langsung mengakses informasi ini 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 pesat 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 dicatat 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 Anda, menunggu seseorang membangun jawaban, dan kemudian mendapatkannya dalam 5 hari.” Kemampuan untuk membuat keputusan berbasis data dengan kecepatan yang belum pernah terjadi sebelumnya sangat penting untuk perusahaan yang tumbuh pesat di pasar manajemen identitas yang kompetitif.

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

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

Organisasi duduk di atas harta karun informasi namun 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 dalam infrastruktur tetapi menghadapi hambatan dengan dasbor yang kaku, kebersihan data yang buruk, dan informasi yang terisolasi. Sebagian besar perusahaan memerlukan tim spesialis 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 masuk ke dalam 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.

Menghadap ke depan, di mana Anda melihat WisdomAI dalam lima tahun—and how do you see the concept of “agentic intelligence” evolving across the enterprise landscape?

Masa depan analitik bergerak dari laporan yang didorong 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 hanya dua belas bulan, 60% pengguna tempat kerja mengadopsi ChatGPT, banyak yang menggunakannya untuk analisis data. Perbedaan dramatis ini menunjukkan potensi antarmuka konversasional untuk meningkatkan adopsi.

Kami menyaksikan pergeseran fundamental di mana semua karyawan dapat langsung menginterogasi 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 harus mengunjungi WisdomAI.