Erik Schwartz, Chief AI Officer (CAIO) Tricon Infotech – Intervista in serie

Erik Schwartz è il Chief AI Officer (CAIO) di Tricon Infotech, una società leader nel settore dei servizi di consulenza e sviluppo software. Tricon Infotech fornisce soluzioni automatizzate efficienti e trasformazioni digitali complete attraverso prodotti personalizzati e implementazioni aziendali.

Erik Schwartz è un esperto di tecnologia e imprenditore con oltre due decenni di esperienza nel settore tecnologico, specializzato nell’intersezione di AI, Information Retrieval e Knowledge Discovery. Nel corso della sua carriera, Erik è stato alla forefront dell’integrazione di piattaforme su larga scala e dell’integrazione di AI nelle tecnologie di ricerca, migliorando notevolmente l’interazione dell’utente e l’accessibilità delle informazioni. I suoi precedenti ruoli chiave include posizioni senior in Comcast, Elsevier e Microsoft, dove ha guidato iniziative pionieristiche di AI, ricerca e LLM.

Il percorso professionale di Erik è segnato dalla sua dedizione all’innovazione e dalla sua convinzione nel potere della collaborazione. Ha costantemente guidato team verso la rapida consegna di soluzioni innovative, stabilendosi come un leader affidabile nella comunità tecnologica. Il suo lavoro, più recentemente sul progetto Scopus AI di Elsevier, sottolinea il suo impegno nel ridefinire i confini di come interagiamo con le informazioni e creare una relazione di fiducia con gli utenti.

Nel suo ruolo di Chief AI Officer (CAIO), Erik sfrutta la sua vasta esperienza per sviluppare e implementare strategie di AI complete per i clienti di Tricon. Il suo approccio meticoloso non solo demistifica l’AI, ma assicura anche che queste aziende siano in grado di avere successo e prosperare nel competitivo panorama della tecnologia AI. Erik è appassionato di promuovere la crescita e l’innovazione, condividendo le sue conoscenze per ispirare e potenziare le organizzazioni per sfruttare efficacemente il potere trasformativo dell’AI.

Posso condividere alcuni punti salienti del suo percorso di carriera che l’hanno portato al suo attuale ruolo di Chief AI Officer presso Tricon Infotech?

Sono stato immerso nel dominio dell’Information Retrieval per tutta la mia carriera. Il mio percorso è iniziato all’inizio degli anni ’90 come Web Master all’alba di Internet. Durante questo periodo formativo, mi sono concentrato sulla costruzione di biblioteche digitali per agenzie governative, università e aziende dei media, che hanno gettato le basi per la mia esperienza in sistemi di informazione digitali.

Negli anni 2000, mi sono trasferito a lavorare con i fornitori di motori di ricerca, dove ho perfezionato le mie competenze nelle tecnologie di ricerca. Questa fase della mia carriera è stata segnata da una significativa crescita e apprendimento attraverso varie acquisizioni, che alla fine mi hanno portato a unirmi a Microsoft nel 2008. In Microsoft, ho svolto un ruolo cruciale nello sviluppo e nel miglioramento delle piattaforme di Knowledge Discovery, guidando l’innovazione e migliorando l’accessibilità delle informazioni per gli utenti.

Dopo il mio incarico in Microsoft, ho guidato iniziative in grandi aziende come Comcast e Elsevier, dove ero responsabile della gestione di piattaforme di Knowledge Discovery su larga scala. Queste esperienze sono state fondamentali per plasmare il mio approccio all’AI e all’information retrieval, culminando nel mio attuale ruolo di Chief AI Officer presso Tricon Infotech. Qui, sfrutto la mia vasta esperienza per guidare le strategie e le soluzioni di AI che consentono ai nostri clienti di sfruttare appieno il potenziale dei loro dati.

Come hanno influenzato le sue esperienze in aziende come Comcast, Elsevier e Microsoft il suo approccio all’integrazione di AI e tecnologie di ricerca?

Nel corso della mia carriera, mi sono concentrato profondamente sulle tecniche di Natural Language Processing (NLP) e di apprendimento automatico. Inizialmente, queste tecnologie si basavano su sistemi basati su regole semplicistiche. Tuttavia, man mano che i set di dati crescevano e la potenza di calcolo diventava più robusta, abbiamo iniziato a migliorare notevolmente le esperienze degli utenti automatizzando la raccolta dei dati e alimentando i dati di ritorno negli algoritmi per migliorarne le prestazioni.

In Microsoft, dopo l’acquisizione di FAST, ho lavorato come product manager nel team di SharePoint. In questo ruolo, sono stato coinvolto nell’integrazione di tecnologie di ricerca avanzate nei sistemi di gestione dei contenuti aziendali, migliorando la ricerca delle informazioni e le capacità di collaborazione per le aziende.

In Comcast, ho costruito una piattaforma di knowledge discovery che alimentava l’intero business dei video, consentendo agli utenti di cercare e scoprire contenuti su set-top box, dispositivi mobili e web. Questo motore di ricerca è stato in grado di gestire oltre 1 miliardo di richieste al giorno, migliorando notevolmente l’esperienza dell’utente fornendo raccomandazioni di contenuto e risultati di ricerca rapidi e precisi.

Una delle esperienze più trasformative è stata presso Elsevier, dove abbiamo lanciato un’esperienza di Generative AI per Scopus, uno dei loro prodotti più affidabili. Questa iniziativa ha utilizzato un modello di linguaggio generativo (LLM) per aiutare gli utenti a porre domande migliori e ottenere risposte più accurate dai contenuti tecnici della banca dati di comunicazioni accademiche. Questo approccio basato su LLM ha garantito la completezza e l’affidabilità di oltre 90 milioni di articoli contenuti nella banca dati, dimostrando il potere dell’AI per migliorare la ricerca accademica e la diffusione della conoscenza.

Cosa la emoziona di più riguardo ai progressi attuali nella Generative AI e alle sue potenziali applicazioni?

Una delle più grandi sfide storiche nell’Information Retrieval è stata mantenere il contesto. Per gli esseri umani, questo è un processo naturale, ma per le macchine, trovare informazioni è tradizionalmente stata un’esperienza molto transazionale: porre una domanda, ottenere una risposta. Scendere più in profondità in un argomento richiedeva porre domande sempre più specifiche. La Generative AI rivoluziona questo approccio consentendo un’interazione più conversazionale e contestuale, simile a una conversazione naturale con qualcuno che si è appena incontrato.

Inoltre, la Generative AI incorpora tecniche aggiuntive che migliorano la comprensione più profonda, che storicamente sono state difficili per i tradizionali motori di ricerca. Ad esempio, i modelli di linguaggio generativo (LLM) possono gestire in modo semplice aspetti come il tono, l’analisi del sentimento, la comprensione semantica e la disambiguazione. Queste capacità consentono agli LLM di comprendere le sfumature del linguaggio umano e del contesto senza sforzo, fornendo risposte più accurate e significative fin dall’inizio. Questo progresso mi emoziona di più, poiché apre una miriade di possibilità per creare applicazioni più intuitive, rispondenti e intelligenti in vari domini.

Come si differenzia l’approccio di Tricon Infotech alla GenAI da quello di altre aziende del settore?

Nello spazio della Generative AI, ci sono due aree di focus principali. La prima, che riceve una significativa attenzione da parte dei più grandi vendor tecnologici, è l’addestramento e la fine-tuning dei modelli di AI. La seconda area, in cui i praticanti di Generative AI eccellono veramente, è l’inferenza – utilizzare la Generative AI per creare prodotti e servizi di valore.

In Tricon Infotech, ci concentriamo sul secondo. Il nostro approccio è distinto perché enfatizziamo l’applicazione pratica e il rapido deploy. Abbiamo sviluppato un programma completo che aiuta i leader aziendali a identificare rapidamente i casi d’uso più impattanti per la Generative AI. Il nostro processo include una soluzione di prototipazione rapida, che consente ai clienti di lavorare con i propri dati in un sandbox di AI. Questo approccio garantisce che possano vedere risultati tangibili e interagire con insight di AI precocemente nel ciclo di sviluppo.

Inoltre, abbiamo un focus radicale sul time-to-value. Il nostro obiettivo è aiutare i clienti a costruire e distribuire applicazioni rivolte ai consumatori entro 90 giorni. Questo timeline accelerato non solo guida una più rapida innovazione, ma assicura anche che le aziende possano rapidamente capitalizzare i benefici della Generative AI, creando nuove fonti di entrate e migliorando la soddisfazione del cliente.

Posso discutere alcune delle principali sfide nell’implementazione di Large Language Models (LLM) e Generative AI in soluzioni aziendali?

L’implementazione di Large Language Models (LLM) e Generative AI in soluzioni aziendali presenta diverse sfide emergenti. La prima e più importante sfida è la fiducia. Le aziende devono essere assicurate che i sistemi di AI non comprometteranno la loro proprietà intellettuale o le informazioni aziendali sensibili. Assicurarsi della sicurezza dei dati e ottenere le garanzie adeguate che l’AI non utilizzerà i dati in modo improprio è cruciale per guadagnare fiducia.

La seconda sfida è il problema delle allucinazioni. La Generative AI può a volte produrre risposte confidenti ma factualmente inaccurate. Ciò può minare l’affidabilità dei sistemi di AI. Tecniche come il fine-tuning dei modelli e l’impiego di Retrieval Augmented Generation (RAG) possono aiutare a mitigare l’occorrenza di allucinazioni assicurando che le risposte di AI siano basate su dati accurati.

La terza sfida significativa è il costo. La licenza e la scalabilità degli LLM possono essere molto costose. Anche le offerte aziendali dei principali fornitori come Microsoft, Amazon e Google vengono con tariffe di ingresso elevate e minimi. Pertanto, è cruciale per le aziende monitorare e gestire attentamente il ritorno sull’investimento (ROI) per assicurarsi che la distribuzione delle soluzioni di AI sia economicamente fattibile.

Posso spiegare l’approccio strutturato che Tricon Infotech utilizza per sviluppare soluzioni di GenAI personalizzate per le aziende?

Tricon Infotech è una società di sviluppo di prodotti che si distingue offrendo servizi gestiti attraverso team di prodotto full-stack dedicati, piuttosto che il tradizionale staff augmentation. Il nostro approccio prevede il deploy di interi team di prodotto che possono gestire ogni aspetto del ciclo di vita dello sviluppo del prodotto, compresa la ricerca degli utenti, la progettazione dell’esperienza utente (UX), lo sviluppo front-end e back-end, il test di automazione, la distribuzione, la scalabilità e le operazioni continue.

Questo modello di servizio gestito completo assicura che i nostri clienti possano concentrarsi direttamente sulla cattura del valore dai loro dati senza le complessità e gli oneri della gestione di risorse separate. Il nostro driver chiave è il time-to-value, il che significa che priorizziamo la consegna di benefici tangibili rapidamente e efficientemente. La nostra ambizione è costruire relazioni generative a lungo termine con i nostri clienti continuando ad aggiungere valore e iterare attraverso il processo di sviluppo delle funzionalità.

Il nostro approccio strutturato è progettato per essere agile e rispondente, consentendoci di adattarci rapidamente a nuove sfide e opportunità nel panorama dell’AI. Sfruttando le capacità complete dei nostri team multidisciplinari, forniamo soluzioni di GenAI personalizzate che sono adattate alle esigenze specifiche di ogni azienda. Questo approccio non solo ci differenzia dalle società di staff augmentation tradizionali, ma assicura anche che forniamo soluzioni olistiche e complete che guidano un impatto aziendale significativo.

Quali sono alcuni esempi di problemi del mondo reale che le soluzioni di GenAI di Tricon hanno risolto con successo?

1. E-Learning – convertire i media tradizionali e il materiale educativo legacy in contenuto interattivo multi-modale. Ciò consente ai nostri clienti di riutilizzare il contenuto esistente per adattarsi a nuovi modi di apprendimento e raggiungere gli apprendisti su piattaforme diverse dove già sono. Inoltre, il contenuto può essere riutilizzato in programmi di apprendimento iper-personalizzati che possono adattarsi automaticamente alle esigenze e agli stili di apprendimento dell’apprendista (audio, visivo, ecc.)
2. Private AI – aiutare i clienti a costruire soluzioni di AI aziendali affidabili che rimangano private e onorino le regole di accesso dei clienti, mantenendo i costi e aiutando a scalare attraverso le varie funzioni dell’azienda, aiutando i professionisti sovraccarichi e i servizi condivisi a scalare meglio verso l’organizzazione, comprendendo nativamente le varie regole e restrizioni di politiche locali e regionali distribuite geograficamente. Queste Private AI non solo serviranno l’azienda, ma genereranno anche nuove fonti di entrate per i nostri clienti.
3. Automazione dei processi – ci sono ancora un numero massiccio di organizzazioni che si affidano a processi manuali e integrazioni di dati con la “sedia girevole”. L’AI aiuta a collegare i vari sistemi insieme creando strati intelligenti che non solo possono convalidare i dati, ma possono anche comprendere il segnale univoco creato dal set di dati o strumenti personalizzati e aiutare a instradare efficientemente i flussi di lavoro intorno, identificando problemi nella catena di approvvigionamento

Qual è il ruolo dell’apprendimento continuo e della crescita per rimanere al passo con il campo in rapida evoluzione dell’AI?

Una delle sfide più significative nel campo dell’AI è l’aggiornamento delle competenze del pool di talenti. C’è una nuova generazione di lavoratori che intuitivamente comprende gli strumenti di AI e le tecnologie. Tuttavia, c’è anche una generazione più anziana che ha bisogno di capire cosa possono e non possono fare questi strumenti. L’apprendimento continuo è cruciale per colmare questo divario.

Gli strumenti di AI hanno il potenziale di migliorare drasticamente la produttività, consentendo alle aziende di ottenere molto di più con risorse significativamente inferiori, riducendo i tempi e i costi. Perché questi benefici siano realizzati, i dipendenti devono essere aperti all’apprendimento di nuovi modi di lavorare e integrare questi strumenti nei loro flussi di lavoro.

Inoltre, è essenziale affrontare la paura della sicurezza del lavoro. I dipendenti devono capire che coloro che abbracciano l’apprendimento continuo e la crescita saranno meglio equipaggiati per incorporare nuovi strumenti di AI nelle loro routine quotidiane, portando a una maggiore sicurezza del lavoro. La realtà è che il successo nel futuro guidato dall’AI verrà a coloro che attivamente cercano di comprendere e sfruttare queste tecnologie in evoluzione.

Come si immagina il futuro dell’AI trasformare la tecnologia di ricerca e l’interazione dell’utente nel prossimo decennio?

Stiamo già assistendo a un significativo spostamento dai tradizionali motori di ricerca agli strumenti di Generative AI per le query iniziali. Questo spostamento è guidato dalla capacità della Generative AI di fornire risposte dirette e soluzioni, eliminando la necessità di attraversare più siti web o risorse indipendentemente. Nel prossimo futuro, diventerà comune per gli AI partecipare a riunioni, eseguire azioni e gestire compiti di routine, portando a una sostanziale riduzione dei ruoli di alcune funzioni all’interno delle aziende.

Una delle sfide chiave che rimane è capire come monetizzare la Generative AI, poiché il modello di pubblicità tradizionale potrebbe affrontare significative sfide in questo nuovo panorama. La mia previsione è che i dati diventeranno sempre più preziosi, agendo più come una valuta mentre navighiamo in questo nuovo mondo coraggioso. Questo spostamento richiederà modelli di business innovativi che sfruttino le capacità uniche dell’AI, assicurando che gli utenti e le aziende possano trarre valore tangibile dalle loro interazioni.

Nel complesso, il futuro dell’AI nella tecnologia di ricerca e nell’interazione dell’utente promette di essere trasformativo, rendendo la ricerca delle informazioni più intuitiva e efficiente, mentre ridefinisce il modo in cui affrontiamo le interazioni digitali e le funzioni aziendali.

Quali consigli pratici darebbe alle aziende che cercano di sfruttare l’AI per guidare il successo e l’innovazione?

Non avere paura della tecnologia. Iniziare a rendere gli strumenti di AI disponibili per i dipendenti per assicurarsi che i dati e la proprietà intellettuale (IP) rimangano sicuri. Molti dipendenti stanno già utilizzando strumenti di AI, ma senza una governance adeguata, c’è il rischio di un uso improprio. Pertanto, è cruciale aggiornare il personale in modo che capiscano i rischi coinvolti e come utilizzare questi strumenti in modo sicuro ed efficace.

Inoltre, è essenziale prestare attenzione alle misure di successo. Gli strumenti di AI possono essere costosi, ma i costi sono previsti diminuire nel tempo. Tuttavia, è importante mantenere un focus chiaro sul ritorno sull’investimento (ROI) per gestire i costi e comprendere l’impatto sull’azienda. Facendo ciò, è possibile sfruttare l’AI per guidare l’innovazione e il successo, assicurandosi che i benefici superino le spese.

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