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

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

Erik Schwartz è un esperto tecnologico e imprenditore con oltre due decenni di esperienza nel settore tecnologico, specializzato nell’intersezione tra intelligenza artificiale, recupero delle informazioni e scoperta della conoscenza. Nel corso della sua carriera, Erik è stato alla forefront dell’integrazione di piattaforme su larga scala e dell’integrazione dell’intelligenza artificiale nelle tecnologie di ricerca, migliorando notevolmente l’interazione degli utenti e l’accessibilità delle informazioni. Ha ricoperto ruoli senior in aziende come Comcast (CMCSA ), Elsevier e Microsoft (MSFT ), dove ha guidato iniziative pionieristiche sull’intelligenza artificiale, la ricerca e i modelli linguistici.

Il percorso professionale di Erik è segnato dalla sua dedizione all’innovazione e dalla sua convinzione nel potere della collaborazione. Ha guidato team verso la rapida consegna di soluzioni innovative, stabilendosi come un leader affidabile nella comunità tecnologica. Il suo lavoro, recentemente sul progetto Scopus AI di Elsevier, sottolinea il suo impegno per 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 intelligenza artificiale complete per i clienti di Tricon. Il suo processo approfondito non solo demistifica l’intelligenza artificiale, ma assicura anche che queste aziende siano dotate per avere successo e prosperare nel competitivo panorama tecnologico dell’intelligenza artificiale. Erik è appassionato di promuovere la crescita e l’innovazione, condividendo le sue conoscenze per ispirare e potenziare le organizzazioni per sfruttare il potere trasformativo dell’intelligenza artificiale in modo efficace.

Può condividere alcuni punti salienti del suo percorso professionale che lo hanno portato al suo attuale ruolo di Chief AI Officer presso Tricon Infotech?

Sono stato immerso nel dominio del recupero delle informazioni 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 nei sistemi di informazione digitali.

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

Dopo il mio periodo a Microsoft, ho guidato iniziative in grandi aziende come Comcast e Elsevier, dove ero responsabile della gestione di piattaforme di scoperta della conoscenza su larga scala. Queste esperienze sono state fondamentali per plasmare il mio approccio all’intelligenza artificiale e al recupero delle informazioni, 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 intelligenza artificiale che consentono ai nostri clienti di sfruttare appieno il potenziale dei loro dati.

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

Per tutta la mia carriera, mi sono concentrato profondamente sulle tecniche di elaborazione del linguaggio naturale (NLP) e sull’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 l’esperienza degli utenti attraverso la raccolta automatica dei dati e il feedback dei dati negli algoritmi per migliorarne le prestazioni.

Presso 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 le capacità di recupero delle informazioni e di collaborazione per le aziende.

Presso Comcast, ho costruito una piattaforma di scoperta della conoscenza che alimentava l’intero business video, consentendo agli utenti di cercare e scoprire contenuti attraverso 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 degli utenti fornendo raccomandazioni di contenuti e risultati di ricerca veloci e precisi.

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

Cosa la emoziona di più riguardo ai progressi attuali nell’intelligenza artificiale generativa e alle sue potenziali applicazioni?

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

Inoltre, l’intelligenza artificiale generativa incorpora tecniche aggiuntive che migliorano la comprensione più profonda, che storicamente sono state difficili per i motori di ricerca tradizionali. Ad esempio, i modelli linguistici generativi (LLM) possono gestire in modo trasparente 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 con facilità, fornendo risposte più accurate e significative fin dall’inizio. Questo progresso la 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 all’intelligenza artificiale generativa da quello di altre aziende del settore?

Nello spazio dell’intelligenza artificiale generativa, ci sono due aree di focus principali. La prima, che riceve un’attenzione significativa da parte dei più grandi fornitori di tecnologia, è l’addestramento e l’ottimizzazione dei modelli di intelligenza artificiale. La seconda area, in cui i pratici dell’intelligenza artificiale generativa eccellono veramente, è l’inferenza – utilizzare l’intelligenza artificiale generativa per creare prodotti e servizi di valore.

Tricon Infotech si concentra su quest’ultima. Il nostro approccio è distinto perché enfatizziamo l’applicazione pratica e il rapido dispiegamento. Abbiamo sviluppato un programma completo che aiuta i leader aziendali a identificare rapidamente i casi d’uso più impattanti per l’intelligenza artificiale generativa. Il nostro processo include una soluzione di prototipazione rapida, che consente ai clienti di lavorare con i propri dati in un sandbox di intelligenza artificiale. Questo approccio garantisce che possano vedere risultati tangibili e interagire con le informazioni guidate dall’intelligenza artificiale precocemente nel ciclo di sviluppo.

Inoltre, abbiamo un focus radicale sul tempo di valore. Il nostro obiettivo è aiutare i clienti a costruire e distribuire applicazioni rivolte ai consumatori entro 90 giorni. Questo cronogramma accelerato non solo guida un’innovazione più rapida, ma assicura anche che le aziende possano capitalizzare rapidamente sui benefici dell’intelligenza artificiale generativa, creando nuove fonti di entrate e migliorando la soddisfazione del cliente.

Può discutere alcune delle sfide chiave nell’implementazione dei modelli linguistici generativi e dell’intelligenza artificiale generativa nelle soluzioni aziendali?

L’implementazione dei modelli linguistici generativi e dell’intelligenza artificiale generativa nelle soluzioni aziendali presenta diverse sfide emergenti. La prima e più importante sfida è la fiducia. Le aziende devono essere assicurate che i sistemi di intelligenza artificiale non comprometteranno la loro proprietà intellettuale o le informazioni aziendali sensibili. Assicurarsi della sicurezza dei dati e ottenere garanzie che l’intelligenza artificiale non utilizzerà i dati in modo improprio è fondamentale per guadagnare fiducia.

La seconda sfida è il problema delle allucinazioni. L’intelligenza artificiale generativa può talvolta produrre risposte confidenti che sono fattualmente inaccurate. Ciò può compromettere l’affidabilità dei sistemi di intelligenza artificiale. Tecniche come l’ottimizzazione dei modelli e l’impiego della generazione assistita dal recupero (RAG) possono aiutare a mitigare l’occorrenza di allucinazioni assicurando che le risposte dell’intelligenza artificiale siano basate su dati accurati.

La terza sfida significativa è il costo. La licenza e la scalabilità dei modelli linguistici generativi possono essere molto costose. Anche le offerte aziendali dei principali fornitori come Microsoft, Amazon (AMZN ) e Google (GOOGL ) sono accompagnate da elevate tariffe di ingresso e minimi. Pertanto, è cruciale per le aziende monitorare e gestire attentamente il ritorno sugli investimenti (ROI) per assicurarsi che il dispiegamento delle soluzioni di intelligenza artificiale sia economicamente sostenibile.

Può spiegare l’approccio strutturato che Tricon Infotech utilizza per sviluppare soluzioni aziendali personalizzate di intelligenza artificiale generativa?

Tricon Infotech è un’azienda di sviluppo di prodotti che si distingue offrendo servizi gestiti attraverso team di prodotto completi e full-stack, piuttosto che il tradizionale staff augmentation. Il nostro approccio prevede il dispiegamento di 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, l’automazione dei test, la distribuzione, la scalabilità e le operazioni continue.

Questo modello di servizio gestito completo assicura che i nostri clienti possano concentrarsi direttamente sul catturare il valore dai loro dati senza le complessità e gli oneri della gestione di risorse separate. Il nostro driver chiave è il tempo di valore, ovvero priorizziamo la consegna di benefici tangibili in modo rapido ed efficiente. La nostra ambizione è costruire relazioni generative a lungo termine con i nostri clienti, continuando ad aggiungere valore e iterando 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’intelligenza artificiale. Sfruttando le capacità complete dei nostri team multidisciplinari, consegniamo soluzioni di intelligenza artificiale generativa personalizzate che sono adattate alle esigenze specifiche di ogni azienda. Questo approccio non solo ci differenzia dalle aziende 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 intelligenza artificiale generativa di Tricon hanno risolto con successo?

1. E-Learning – convertendo i media tradizionali e il materiale educativo legacy in contenuti interattivi multi-modalità. Ciò consente ai nostri clienti di riutilizzare i contenuti esistenti per adattarsi a nuovi modi di apprendimento e raggiungere gli apprendisti su piattaforme diverse dove già sono presenti. Inoltre, il contenuto può essere riutilizzato in programmi di apprendimento iper-personalizzati che possono adattarsi automaticamente alle esigenze e agli stili di apprendimento degli apprendisti (audio, visivo, ecc.)
2. Intelligenza Artificiale Privata – aiutando i clienti a costruire soluzioni di intelligenza artificiale aziendale che rimangono private e onorano 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 delle politiche distribuite geograficamente. Queste intelligenze artificiali private 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 all’integrazione dei dati “swivel chair”. L’intelligenza artificiale 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 univoci 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 nel rimanere al passo con il campo in rapida evoluzione dell’intelligenza artificiale?

Una delle sfide più significative nel campo dell’intelligenza artificiale è quella di migliorare le competenze del pool di talenti. C’è una nuova generazione di lavoratori che comprende intuitivamente gli strumenti e le tecnologie dell’intelligenza artificiale. Tuttavia, c’è anche una generazione più anziana che deve comprendere cosa possono e non possono fare questi strumenti. L’apprendimento continuo è cruciale per colmare questo divario.

Gli strumenti di intelligenza artificiale hanno il potenziale di migliorare drasticamente la produttività, consentendo alle aziende di realizzare molto di più con risorse significativamente inferiori, riducendo così i tempi e i costi. Perché questi benefici si concretizzino, gli dipendenti devono essere aperti all’apprendimento di nuovi modi di lavorare e all’integrazione di 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 intelligenza artificiale nelle loro routine quotidiane, portando alla fine a una maggiore sicurezza del lavoro. La realtà è che il successo nel futuro guidato dall’intelligenza artificiale arriverà a coloro che attivamente cercano di comprendere e sfruttare queste tecnologie in evoluzione.

Come si immagina il futuro dell’intelligenza artificiale che trasforma la tecnologia di ricerca e l’interazione degli utenti nel prossimo decennio?

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

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

Complessivamente, il futuro dell’intelligenza artificiale nella tecnologia di ricerca e nell’interazione degli utenti promette di essere trasformativo, rendendo il recupero delle informazioni più intuitivo e efficiente, e ridefinendo il modo in cui affrontiamo le interazioni digitali e le funzioni aziendali.

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

Non avere paura della tecnologia. Iniziare rendendo gli strumenti di intelligenza artificiale disponibili ai dipendenti per assicurarsi che i dati e la proprietà intellettuale (IP) dell’azienda rimangano sicuri. Molti dipendenti stanno già utilizzando strumenti di intelligenza artificiale, ma senza una governance appropriata, c’è il rischio di un uso improprio. Pertanto, è cruciale migliorare le competenze del personale in modo che comprendano i rischi coinvolti e come utilizzare questi strumenti in modo sicuro ed efficace.

Inoltre, è essenziale prestare attenzione ai parametri di successo. Gli strumenti di intelligenza artificiale possono essere costosi, ma i costi sono attesi diminuire nel tempo. Tuttavia, è importante mantenere un focus chiaro sul ritorno sugli investimenti (ROI) per gestire i costi e comprendere l’impatto sull’azienda. Facendo ciò, è possibile sfruttare l’intelligenza artificiale 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.