Interviste

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

mm
Aggiungi Unite.AI alle tue fonti preferite su Google

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

Pryon fornisce un percorso affidabile, sicuro e provato per l’implementazione di intelligenza artificiale generativa in aziende. I motori di ingestione e recupero di Pryon di classe mondiale possono essere abbinati a LLM generativi per implementare la generazione assistita dal recupero e fornire risposte accurate, immediate e verificabili a livello aziendale.

Pryon si concentra sulla Generazione Assistita dal Recupero (RAG). Può spiegare come il suo approccio al recupero differisca 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 può accedere a 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 conoscenze esistente.

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

Il motore di ingestione di Pryon può gestire contenuti multimediali, estraendo risposte da audio, immagini, testo e video da varie fonti. Ciò affronta il problema fondamentale dei dati non connessi nelle aziende. Con i dati non strutturati che crescono oltre il 50% all’anno, il nostro motore di ingestione trasforma le informazioni sparse in conoscenze azionabili e strutturate. Il processo è progettato per la sicurezza e la privacy, proteggendo i dati sensibili dell’azienda mentre li rende immediatamente utili.

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

Pryon garantisce l’accuratezza e minimizza le allucinazioni attraverso diversi meccanismi. La nostra tecnologia combina la ricerca semantica con l’attribuzione dei dati granulari, il che significa che le risposte possono essere ricondotte alle loro fonti specifiche. Questa attribuzione è critica per la verifica. Il sistema accede a contenuti in tempo reale dalle fonti originali piuttosto che affidarsi a basi di conoscenze potenzialmente obsolete o incomplete. Questo collegamento diretto ai materiali di origine, combinato con la 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, specialmente in ambienti dinamici come governo, energia e sanità?

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

Pryon collabora con agenzie di governo e difesa. Sebbene i dettagli siano 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 dell’Aeronautica (AFRL) e l’Ufficio Digitale e Intelligenza Artificiale (CDAO), per aiutare a razionalizzare le operazioni e consentire una presa di decisioni più rapida e più 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 di acquisizione e 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 “Cos’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 dirigenti e ai responsabili delle decisioni.

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 da prove: ogni risposta è basata sulla letteratura originale, favorendo conclusioni basate sui dati, corredate dalla fonte.

Protezione su contenuti altamente sensibili:

  • Riservatezza: mantiene controlli di accesso rigorosi e crittografia dei dati, essenziali per set di dati proprietari o relativi ai pazienti.
  • Conformità: con i dati soggetti a regolamenti come HIPAA o GDPR, i ricercatori possono fidarsi che le informazioni sensibili siano protette.

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

Le interazioni del servizio clienti/vendite devono generalmente bilanciare l’accuratezza e la flessibilità delle 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 tipo “solo FAQ”.

Questo 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 inflessibile che non differisce molto dal leggere un FAQ. Altri fornitori optano per utilizzare un’esperienza generativa più flessibile con meno vincoli sul LLM, tuttavia a causa della mancanza di recupero preciso, questo comporta l’inserimento di interi cataloghi di prodotti o pagine web nella finestra di contesto del 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 il LLM). La precisione del recupero di Pryon, in grado di fornire una risposta a livello di frase su tutti i documenti, significa che il servizio clienti e le vendite non devono più compromettere l’accuratezza per la flessibilità.

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

Mentre è sicuramente 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 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’azienda riflessi nei modelli odierni.
  • 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 motivo principale per i deploy falliti.

I dati pronti per l’intelligenza artificiale vanno oltre la semplice vectorizzazione dei documenti Word: si tratta di unificare le fonti isolate, lavorare con formati complessi come input multimediali, pulire i dati, migliorarli, metterli in un formato che i LLM possano lavorare, dividerli al livello di granularità ottimale per mantenere l’accuratezza 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 sviluppatori di RAG che sviluppano soluzioni all’interno di grandi aziende condotto da Pryon, la preparazione dei dati è stata classificata come la parte più costosa, dispendiosa in termini di tempo e tecnicamente impegnativa della costruzione.

Come differenzia la Suite RAG di Pryon dalle soluzioni aziendali offerte da Microsoft , Google (GOOGL ) o OpenAI?

La differenziazione specifica varia da giocatore a giocatore, ma a livello alto i grandi player tecnologici si concentrano sull’essere l’interfaccia dell’intelligenza artificiale sul lavoro. Pryon si concentra a un livello più fondamentale dello stack, il livello della 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 RAG semplici ma spesso si rompono quando si affrontano le complessità 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 al Livello di Conoscenza di Pryon per essere organizzato e reso pronto per l’uso da applicazioni e agenti a valle.

Con le norme sull’intelligenza artificiale in evoluzione, come ad esempio il Regolamento sull’IA dell’UE e le linee guida sull’IA degli Stati Uniti, come Pryon affronta la conformità e l’uso etico dell’intelligenza artificiale?

Man mano che le norme sull’intelligenza artificiale evolvono a livello globale, Pryon rimane impegnato nella conformità e nell’uso etico dell’intelligenza artificiale. Il nostro approccio si allinea con quadri come il Regolamento sull’IA dell’UE, le linee guida sull’IA 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, la tracciabilità e il monitoraggio continuo in tutto il ciclo di vita dell’intelligenza artificiale, priorizzando la sicurezza, l’equità e le prestazioni. Incorporando queste best practice nella nostra metodologia di deploy, Pryon consente alle organizzazioni di utilizzare l’intelligenza artificiale in modo responsabile, rispettando gli standard normativi e etici più alti.

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

Antoine è un leader visionario e socio fondatore di Unite.AI, guidato da una passione incrollabile per plasmare e promuovere il futuro dell'AI e della robotica. Un imprenditore seriale, crede che l'AI sarà così disruptiva per la società come l'elettricità, e spesso si lascia trasportare dall'entusiasmo per il potenziale delle tecnologie disruptive e dell'AGI.

Come futurista, è dedicato a esplorare come queste innovazioni plasmeranno il nostro mondo. Inoltre, è il fondatore di Securities.io, una piattaforma focalizzata sugli investimenti in tecnologie all'avanguardia che stanno ridefinendo il futuro e riplasmando interi settori.