Darren Kimura, CEO e Presidente di AI Squared – Serie di Interviste

Darren Kimura è un imprenditore esperto, inventore e investitore, attualmente presidente e amministratore delegato di AI Squared. Con oltre 25 anni di esperienza nella tecnologia e nell’energia pulita, ha guidato aziende come Energy Industries Corporation, Sopogy e LiveAction, e ha co-fondato la società di venture capital Enerdigm Ventures. Nota per aver inventato la tecnologia solare MicroCSP, Kimura ha svolto un ruolo chiave nel far crescere aziende focalizzate sull’elaborazione di dati, sull’intelligenza artificiale e sulle soluzioni basate su SaaS.

AI Squared è una piattaforma a basso codice progettata per aiutare le aziende a integrare direttamente le informazioni sull’intelligenza artificiale negli strumenti che già utilizzano, come Salesforce (CRM ), Slack, Google Sheets e ServiceNow. Semplificando la distribuzione dell’intelligenza artificiale e abilitando la presa di decisioni in tempo reale, la piattaforma consente ai team di ingegneria, vendite e operazioni di sbloccare un valore aziendale misurabile. Servendo clienti nel settore finanziario, della catena di approvvigionamento e del governo, AI Squared sta accelerando l’adozione dell’intelligenza artificiale aziendale rendendola senza soluzione di continuità, contestuale e azionabile.

Ha guidato diverse aziende in vari settori: cosa l’ha ispirato a unirsi e infine a guidare AI Squared?

Sono sempre stato attratto dal risolvere problemi difficili e reali che richiedono una profonda comprensione della tecnologia e un’esecuzione impeccabile. Ho iniziato la mia carriera nell’efficienza energetica e nelle energie rinnovabili, catturando i dati delle macchine a scala e aiutando le persone a comprendere e agire su di essi. Nel tempo, ciò si è evoluto nel portare l’elaborazione dei dati più vicino a dove si svolge il lavoro, ai margini, in sistemi sicuri o all’interno dei flussi di lavoro aziendali.

Quando ho incontrato per la prima volta AI Squared, ho immediatamente visto che stavano affrontando una sfida molto reale e molto urgente: come spostare l’intelligenza artificiale dal laboratorio all’uso quotidiano. La maggior parte delle aziende si concentra ancora sulla costruzione di modelli. AI Squared si concentra sulla distribuzione.

Ciò che mi ha dato ancora più convinzione è stata la loro fondazione. L’azienda è nata all’interno della NSA e ha trascorso gli ultimi sei anni guadagnando la fiducia in tutto il Dipartimento della Difesa, la Comunità dell’Intelligence, la Comunità dello Spazio e con alcune delle più grandi aziende della lista Fortune 500 attraverso progetti reali e risultati significativi che continuano a crescere anno dopo anno. Ciò mi ha detto due cose: in primo luogo, erano seri riguardo alla sicurezza, alla conformità e all’impatto. E in secondo luogo, erano un team di cui potevo fidarmi.

Il suo lavoro di scalare ZEDEDA e il suo lavoro nel venture capital hanno influenzato il suo approccio alla distribuzione dell’intelligenza artificiale a livello aziendale?

Presso ZEDEDA abbiamo lavorato ai margini esterni come sistema operativo all’interno della comunità open-source. Ciò mi ha costretto a comprendere profondamente le limitazioni del mondo reale che i nostri clienti stavano affrontando con la trasformazione digitale. Lì avevamo un team di ingegneria di classe mondiale proveniente da Cisco, Sun Microsystems, Juniper, Arista, ma mi ha anche insegnato quanto sia importante accoppiare quell’eccellenza tecnica con una forte strategia di mercato aziendale.

Dal lato del venture, ho guadagnato un tipo diverso di insight. Ho visto come le aziende di tecnologia profonda crescano, più lentamente all’inizio, ma più velocemente quando si costruisce su una solida base. Mi ha insegnato a pensare in sistemi: la tempistica del mercato, la prontezza del prodotto, la maturità del cliente e la strategia di capitale devono tutti allinearsi. È la lente che ho portato nella distribuzione dell’intelligenza artificiale presso AI Squared. Non si tratta di spedire modelli, ma di consegnare risultati che le aziende possano fidarsi, misurare e scalare.

AI Squared enfatizza l’integrazione dell’intelligenza artificiale nei sistemi che le persone già utilizzano. Cosa significa risolvere l'”ultimo miglio” dell’intelligenza artificiale nella pratica?

L’87% dei progetti di intelligenza artificiale non raggiunge la produzione perché l’integrazione è lenta, complessa e disconnessa dagli utenti finali. AI Squared risolve questo problema creando un flusso di integrazione dei dati di livello di sicurezza nazionale che collega i modelli di intelligenza artificiale/apprendimento automatico con fonti di dati come Databricks o Snowflake e i sistemi che queste aziende già utilizzano, come CRM, ERP e app personalizzate.

Come aiuta a colmare il divario tra i team di data science e gli utenti aziendali?

AI Squared semplifica la consegna dallo sviluppo del modello alla produzione. I team di data science possono distribuire modelli in modo sicuro attraverso la nostra piattaforma, mentre gli utenti aziendali ricevono informazioni all’interno degli strumenti che già utilizzano all’interno di Salesforce, Teams, Slack o qualsiasi altro sistema di registrazione delle applicazioni.

Sta lavorando con la NSA, la Marina degli Stati Uniti e altre agenzie federali. Come le priorità come la conformità, la trasparenza e l’uso etico plasmano la roadmap del prodotto di AI Squared?

Etica, conformità e trasparenza sono le principali considerazioni nella nostra roadmap. Sappiamo che, lavorando con agenzie federali, dobbiamo dare priorità alla tracciabilità, alla controllabilità e alla spiegabilità. Costruiamo con principi di zero-trust, supporto per ambienti di distribuzione sicuri e modelli di governance chiari.

Qual è il ruolo che ritiene che l’intelligenza artificiale discriminatoria svolga nel migliorare la presa di decisioni per le agenzie federali?

L’intelligenza artificiale discriminatoria è precisa, interpretabile ed efficiente. È ideale per ambienti ad alto rischio in cui è necessario avere risposte chiare, sì o no, minaccia o no minaccia. Nelle agenzie federali, ciò consente una più rapida valutazione dei rischi, rilevamento e priorità. Complementa i modelli generativi offrendo output strutturati e validati che supportano la presa di decisioni critiche.

Quando si tratta della sicurezza nazionale, dove vede il più grande rischio – e opportunità – per l’adozione dell’intelligenza artificiale?

Il più grande rischio è l’autonomia non gestita, la distribuzione di sistemi di intelligenza artificiale senza trasparenza, controllo o misure di sicurezza. L’opportunità giace nell’accelerazione della consapevolezza situazionale e della velocità decisionale. L’intelligenza artificiale può setacciare grandi quantità di dati in tempo reale per portare a galla modelli che gli esseri umani potrebbero perdere. Ma per realizzare quel valore, deve essere degna di fiducia, tracciabile e integrata con sistemi con un essere umano nel ciclo.

Quali sono alcuni degli errori più comuni che le aziende commettono quando distribuiscono GenAI?

L’errore più grande è concentrarsi sulla novità piuttosto che sulla necessità. Troppi aziende distribuiscono GenAI senza un caso d’uso chiaro, un piano di governance o un metro di successo. Ciò porta a una stanchezza dei piloti, prototipi non scalabili e problemi di fiducia. GenAI è potente, ma come qualsiasi tecnologia, deve essere allineata con il problema, l’utente e il flusso di lavoro.

Può condividere un esempio in cui AI Squared ha aiutato un’azienda a evitare il “sindrome dell’oggetto luminoso” e invece consegnare un impatto misurabile?

Un’azienda è arrivata volendo costruire un LLM personalizzato per classificare i biglietti del servizio clienti. Abbiamo mostrato loro come un semplice classificatore incorporato distribuito attraverso la nostra piattaforma potesse consegnare il 90% di accuratezza nel loro CRM in meno di due settimane. Nessuna nuova interfaccia, nessun addestramento personalizzato. Questo è il potere di risolvere il problema giusto con lo strumento giusto.

Quali sono le tendenze emergenti che è più entusiasta di vedere nell’intelligenza artificiale aziendale nei prossimi 3-5 anni?

Tre spiccano:

1. LLM che sono veramente multimodali e focalizzati su compiti specifici
2. Sistemi di intelligenza artificiale agente che agiscono, non solo generano contenuti
3. Governance standardizzata che consente l’adozione dell’intelligenza artificiale in settori regolamentati

Queste tendenze stanno spingendo l’intelligenza artificiale a essere più utilizzabile, affidabile e incorporata nelle operazioni quotidiane.

Come AI Squared sta evolvendo la sua piattaforma per stare al passo con l’intelligenza artificiale e gli ecosistemi di modelli in rapida evoluzione?

Siamo progettati per essere agnostici rispetto al modello. Che si tratti di un modello open-source, di un LLM commerciale o di un modello discriminatorio proprietario, la nostra piattaforma consente alle organizzazioni di distribuire e gestire in modo sicuro all’interno dei loro flussi di lavoro esistenti. Ci concentriamo sull’orchestrazione, il controllo delle versioni e la governance, in modo che lo stack del modello possa evolversi senza disturbare l’esperienza dell’utente.

Cosa significa il successo per AI Squared nel prossimo capitolo sotto la sua guida?

Il successo significa diventare il modo predefinito in cui le aziende e le agenzie governative operazionalizzano l’intelligenza artificiale. Significa ridurre il tempo di valore da mesi a giorni, e rendere la distribuzione dell’intelligenza artificiale così senza soluzione di continuità e sicura come il lancio di una nuova funzionalità. Sotto la mia guida, ci concentriamo sulla scala, sulla fiducia e sui risultati del mondo reale, non solo sull’innovazione per se stessa, ma sull’impatto dove conta di più.

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