Chris Mahl, Presidente e Amministratore Delegato di Pryon – Serie di Interviste

Chris Mahl è Presidente e Amministratore Delegato di Pryon. Con oltre due decenni di esperienza in alcune delle più note aziende di software enterprise, Chris si specializza nella scalabilità delle strategie di mercato e operative per aziende tecnologiche in tutte le fasi di crescita.

Pryon fornisce un percorso affidabile, sicuro e provato per l’implementazione dell’intelligenza artificiale generativa nelle imprese. I motori di ingestione e recupero di Pryon di classe mondiale possono essere abbinati a LLM generativi per implementare la generazione aumentata di recupero e fornire in modo sicuro risposte accurate, immediate e verificabili su scala aziendale.

Utilizzando la tecnologia di recupero di industria leader, la suite RAG di Pryon estrae in modo sicuro le risposte da tutti i tipi di contenuti, tra cui audio, immagini, testo e video, archiviati in una miriade di fonti. I prodotti di Pryon sono intuitivi da usare, accessibili tramite API da qualsiasi sistema e possono essere distribuiti in poche settimane nel cloud o on-premises.

Pryon si concentra sulla Generazione Aumentata di Recupero (RAG). Può spiegare come il suo approccio al recupero differisce da altri sistemi di ricerca e gestione della conoscenza alimentati da intelligenza artificiale?

L’approccio di Pryon al recupero si distingue perché il nostro Motore di Recupero è in grado di accedere ai contenuti in tempo reale da fonti diverse come PDF, immagini, pagine web e video, mantenendo la privacy dei dati senza dipendenze esterne. Abbiamo combinato la ricerca semantica con l’attribuzione dei dati granulari per raggiungere un’accuratezza di recupero superiore al 90%. A differenza di molti sistemi, il nostro si scala efficacemente per grandi organizzazioni, consentendo ai team di prendere decisioni rapide e precise sulla base della loro base di conoscenza esistente.

Il Motore di Ingestione di Pryon è progettato per strutturare grandi quantità di contenuti multimodali. Cosa rende unico il suo processo di ingestione e come migliora l’accuratezza del recupero?

L’ingestione di Pryon può gestire contenuti multimodali, estrarre risposte da audio, immagini, testo e video da varie fonti. Ciò affronta il problema fondamentale dei dati disconnessi nelle imprese. Con i dati non strutturati che crescono oltre il 50% all’anno, il nostro motore di ingestione trasforma le informazioni sparse in conoscenza strutturata e azionabile. Il processo è progettato per la sicurezza e la privacy, mantenendo protetti i dati sensibili dell’impresa mentre li rende immediatamente utili.

Il suo Motore di Recupero promette risposte immediate, accurate e verificabili. Come Pryon garantisce l’accuratezza e minimizza le allucinazioni quando si estrae le informazioni?

Pryon garantisce l’accuratezza e minimizza le allucinazioni attraverso diversi meccanismi. La nostra tecnologia combina la ricerca semantica con l’attribuzione granulare dei dati, il che significa che le risposte possono essere ricondotte alle loro fonti specifiche. Questa attribuzione è fondamentale per la verifica. Il sistema accede ai contenuti in tempo reale dalle fonti originali piuttosto che affidarsi a conoscenze potenzialmente obsolete o incomplete. Questo collegamento diretto ai materiali di origine, insieme alla nostra alta accuratezza di recupero (superiore al 90%), riduce notevolmente il rischio di allucinazioni che affliggono molti sistemi di intelligenza artificiale generativa.

Come Pryon gestisce gli aggiornamenti in tempo reale delle informazioni, in particolare in ambienti dinamici come governo, energia e sanità?

Pryon garantisce l’accesso in tempo reale alle informazioni più aggiornate attraverso la sincronizzazione del contenuto flessibile e su richiesta. Gli utenti possono attivare la sincronizzazione del contenuto come necessario tramite il nostro portale di amministrazione o automatizzare gli aggiornamenti utilizzando il nostro Sync-API su base programmata, che sia settimanale, giornaliera o addirittura oraria, a seconda delle esigenze operative. Il nostro processo di controllo delta ottimizza l’efficienza aggiornando solo il contenuto modificato, garantendo un recupero rapido, accurato e efficiente in ambienti critici come governo, energia e sanità.

Pryon collabora con agenzie governative e di difesa. Anche se i dettagli sono spesso classificati, può discutere di un caso d’uso in cui la sua intelligenza artificiale ha migliorato notevolmente la presa di decisioni o l’efficienza operativa?

Pryon collabora con una serie di agenzie di difesa e intelligence, tra cui il Laboratorio di Ricerca della Forza Aerea (AFRL) e l’Ufficio Capo per la Digitalizzazione e l’Intelligenza Artificiale (CDAO), per aiutare a razionalizzare le operazioni e consentire una presa di decisioni più rapida e informata.

Un esempio potente è la nostra collaborazione con l’Ufficio di Trasformazione Digitale del Dipartimento dell’Aeronautica degli Stati Uniti (DAF DTO). Questo team supporta il personale addetto agli acquisti e alla manutenzione che spesso deve trovare informazioni critiche sepolte in centinaia di migliaia di pagine web e documenti. Insieme, abbiamo lanciato DTO Wingman, un assistente alimentato da intelligenza artificiale che fornisce risposte accurate e in tempo reale a domande complesse, complete di attribuzione della fonte.

Invece di cercare manualmente documenti di politica o regolamenti, gli utenti possono semplicemente porre domande come “Cosa sono autorizzato ad acquistare con la mia carta di viaggio?” o “Cosa è il Codice Edificio Digitale e come si relazione agli acquisti?” L’intelligenza artificiale restituisce risposte precise e aiuta anche a generare rapporti e materiali di presentazione in tempi rapidi.

Fornendo al personale dell’Aeronautica e della Forza Spaziale l’accesso immediato a risposte attendibili, DTO Wingman sta aiutando i team a lavorare in modo più efficiente e a fornire indicazioni affidabili e tempestive ai responsabili delle decisioni e ai dirigenti.

Il suo lavoro nelle scienze della vita menziona la ricerca assistita da intelligenza artificiale. Come il sistema di Pryon aiuta i ricercatori a navigare in vasti set di dati come PubMed o repository di ricerca private?

Il sistema di Pryon aiuta i ricercatori a navigare in vasti set di dati come PubMed o repository di ricerca private attraverso diverse capacità chiave.

Qualità della ricerca migliorata:

• Riduzione dell’errore umano: Il recupero sistematico dei dati aggiornati garantisce meno articoli mancanti o prove trascurate.
• Supportato dalle prove: Ogni risposta è basata sulla letteratura originale, favorendo conclusioni basate sui dati, risalenti alla frase da cui provengono.

Protezione su contenuti altamente sensibili:

• Riservatezza: Mantiene il controllo degli accessi e la crittografia dei dati, essenziali per set di dati proprietari o relativi ai pazienti.
• Conformità: Con i dati governati da regolamenti come HIPAA o GDPR, i ricercatori possono fidarsi che le informazioni sensibili siano protette.

Per il servizio clienti e le vendite, come l’intelligenza artificiale di Pryon si confronta con le soluzioni tradizionali di chatbot e CRM in termini di aumento dell’efficienza e riduzione del carico di supporto?

Le interazioni di servizio clienti/vendite di solito devono bilanciare l’accuratezza e la flessibilità delle loro soluzioni di chatbot/CRM. Poiché fornire una risposta errata a un cliente è inaccettabile e può avere implicazioni legali, molti fornitori di chatbot e soluzioni di intelligenza artificiale conversazionale optano per limitare la flessibilità della soluzione con interazioni di stile “solo FAQ” rigidamente determinate.

Ciò è un problema per il fornitore, che richiede la codifica manuale di risposte specifiche a domande comuni, e fornisce un’esperienza scadente per il cliente, che ha l’interfaccia di un chatbot, ma un’esperienza completamente inflessibile che è a malapena diversa dal leggere un FAQ. Altri fornitori optano per utilizzare un’esperienza generativa più flessibile con meno vincoli sull’LLM, tuttavia a causa della mancanza di recupero preciso, ciò comporta l’inserimento di interi cataloghi di prodotti o pagine web nella finestra di contesto dell’LLM, diminuendo l’accuratezza dell’output, potenzialmente in modo disastroso.

L’arte e la scienza del RAG consistono nel massimizzare il segnale (verità) e minimizzare il rumore (contesto irrilevante che spesso confonde l’LLM). La precisione del recupero di Pryon, in grado di fornire una risposta a livello di frase specifica in tutti i documenti, significa che il servizio clienti e le vendite non devono più compromettere l’accuratezza per la flessibilità.

Cosa vede come le più grandi sfide nell’adozione dell’intelligenza artificiale aziendale oggi, in particolare con i sistemi basati su RAG?

Sebbene sia qualcosa che troviamo nelle nostre interazioni con il mercato, è anche sempre più riconosciuto che i “dati pronti per l’intelligenza artificiale” (o la loro mancanza) sono il singolo punto di fallimento più grande per i deploy di intelligenza artificiale.

• Il 91% degli amministratori delegati in un sondaggio di Harvard Business Review ha affermato che una base di dati affidabile è essenziale per un deploy di intelligenza artificiale di successo.
• McKinsey ha scoperto che il 70% delle iniziative di GenAI affronta sfide legate ai dati, con solo l’1% dei dati importanti dell’impresa riflessi nei modelli di oggi.
• The Wall Street Journal ha citato l’affidabilità come la principale preoccupazione per l’adozione di agenti di intelligenza artificiale, un problema strettamente legato alla qualità e all’accessibilità dei dati.
• Gartner ha identificato la mancanza di dati pronti per GenAI come il principale motivo dei deploy falliti.

I dati pronti per l’intelligenza artificiale vanno oltre la semplice vettorizzazione dei documenti di parole – si tratta di unificare le fonti isolate, lavorare con formati complessi come input multimodali, pulire i dati, migliorare i dati, metterli in un formato che gli LLM possano lavorare, dividerli al livello di granularità ottimale per mantenere l’accuratezza ottimale e ridurre i costi, indicizzarli in modo intelligente, connetterli a un sistema di recupero performante, ecc.

Queste sono grandi sfide che richiedono competenze e strumenti dedicati – in un sondaggio di costruttori di RAG che sviluppano soluzioni all’interno di grandi imprese che Pryon ha eseguito, la preparazione dei dati è stata classificata come la parte più costosa, più dispendiosa in termini di tempo e più tecnicamente impegnativa della costruzione, a cui segue da vicino il recupero delle informazioni.

Come differenzia la suite RAG di Pryon dalle soluzioni aziendali offerte da Microsoft, Google o OpenAI?

La differenziazione specifica varia da giocatore a giocatore, ma a livello alto i grandi player tecnologici si concentrano sull’essere l'”interfaccia” all’intelligenza artificiale sul lavoro. Pryon si concentra a un livello più fondamentale dello stack – il livello di conoscenza. Pryon risolve i problemi profondi della preparazione e del recupero dei dati, mentre i grandi player tecnologici si concentrano sul fornire soluzioni di intelligenza artificiale ampie che possono servire alcuni casi d’uso di RAG semplici, ma spesso si rompono quando si verificano le complessità reali dei casi d’uso aziendali e governativi. Pryon può anche essere complementare a questi sistemi, con il contenuto generato da Copilot, Gemini o GPT che si collega allo strato di conoscenza di Pryon per essere organizzato e reso pronto per l’uso da applicazioni e agenti downstream.

Con le norme sull’intelligenza artificiale in evoluzione, come l’Atto AI dell’UE e le linee guida sull’AI degli Stati Uniti, come Pryon si avvicina alla conformità e all’uso etico dell’intelligenza artificiale?

Mentre le norme sull’intelligenza artificiale evolvono a livello globale, Pryon rimane impegnato nella conformità e nella distribuzione etica dell’intelligenza artificiale. Il nostro approccio si allinea con quadri come l’Atto AI dell’UE, le linee guida sull’AI degli Stati Uniti e i principi di Intelligenza Artificiale Responsabile (RAI) del Dipartimento della Difesa, garantendo che le nostre soluzioni di intelligenza artificiale siano affidabili, trasparenti e governabili. Attraverso l’adesione al quadro RAI SHIELD, integreremo una valutazione rigorosa, tracciabilità e monitoraggio continuo in tutta la vita dell’intelligenza artificiale – priorizzando la sicurezza, l’equità e le prestazioni. Incorporando queste migliori pratiche nella nostra metodologia di distribuzione, Pryon consente alle organizzazioni di utilizzare l’intelligenza artificiale in modo responsabile, rispettando gli standard regolatori e etici più alti.

Grazie per la grande intervista, i lettori che desiderano saperne di più possono visitare Pryon.