Jim McGowan, capo del prodotto di ElectrifAi – Serie di interviste

Jim McGowan, è il capo del prodotto di ElectrifAi, si specializzano nell’estrazione di enormi quantità di dati disparati, trasformando dati caotici strutturati e non strutturati in informazioni aziendali azionabili.

Cosa ti ha attirato nel mondo del machine learning e dell’AI?

Ho incontrato per la prima volta il Machine Learning mentre conseguivo un dottorato per il lavoro nella scienza cognitiva. I sistemi AI consistevano in gran parte nel distillare l’esperienza di un esperto in un diagramma di flusso. Ciò sembrava intuitivamente funzionare, ma i sistemi si sono rapidamente complicati e non hanno mantenuto le loro promesse. I piccoli problemi potevano essere risolti, ma le soluzioni pratiche ai problemi del mondo reale erano fuori portata. Puoi dire che la costruzione di sistemi pratici era di per sé impraticabile. Poi è arrivato il Machine Learning. Ciò ha cambiato tutto. Il Machine Learning ha sbloccato la promessa dell’AI. ElectrifAi mantiene questa promessa costruendo soluzioni per aiutare i nostri clienti a gestire meglio le loro aziende.

ElectrifAi utilizza qualcosa chiamato Practical AI per guidare le aziende a fare di più con i dati che già possiedono. Puoi elaborare su come ElectrifAi definisce il Practical AI?

Sfruttiamo i dati dei clienti per fornire informazioni chiare e azionabili, per reali esigenze aziendali. Aiutiamo i clienti a prendere decisioni migliori, più velocemente. Il Practical AI consiste nel risolvere un problema aziendale del mondo reale con una soluzione che funziona bene, si basa su una chiara comprensione dei dati, ha un esito definitivo, si adatta ai processi e agli strumenti esistenti, viene consegnato in tempo e fornisce un enorme valore aziendale. Non vogliamo che le aziende sostituiscano i loro sistemi di dati. Non richiediamo un modello di business specifico. Non impieghiamo un anno per consegnare qualcosa che è un compromesso su ciò che un cliente ha cercato di fare. Forniamo una soluzione flessibile, di alta qualità, semplice da usare e che fa ciò che deve fare molto, molto bene. Questo è il Practical AI.

Ci assicuriamo che con ogni soluzione raggiungiamo i seguenti obiettivi:

• Best-in-class time to value
• Best-in-class data cleansing
• Best-in-class insights
• Best-in-class ROIs

Puoi fornire alcuni dettagli su come ElectrifAi consente alle aziende di utilizzare questo Practical AI?

Estraiamo i dati da tutti i sistemi, che siano database sviluppati su misura, soluzioni personalizzate di grandi fornitori o anche un dump di dati da un’applicazione legacy. Puliamo e comprendiamo quei dati e troviamo segnali chiari e significativi in tutta quella confusione. Utilizziamo poi il machine learning per estrarre informazioni preziose da quei segnali e, infine, indichiamo come agire su quelle informazioni. SpendAi è un ottimo esempio. Utilizziamo il machine learning per pulire i dati e, con ulteriore machine learning, categorizzare il 98-99% dei dati da tutti i sistemi di procurement dei clienti. Consentiamo addirittura ai clienti di controllare quella categorizzazione a un livello granulare, in pochi secondi, attraverso un’interfaccia drag-and-drop. Ciò è unico e incredibilmente potente. Quindi applichiamo un altro gruppo di algoritmi di machine learning per fornire una visione chiara e semplice di dove vanno le spese. Utilizziamo il machine learning per analizzare i contratti e estrarre clausole chiave. Applichiamo poi ulteriore machine learning per fornire raccomandazioni specifiche. Ad esempio, un cliente potrebbe avere diritto a uno sconto a causa di una clausola sepolta in un termine contrattuale. O potrebbero essere eccessivamente dipendenti da un fornitore in una categoria che si trova a rischio finanziario. Un cliente potrebbe essere sottoutilizzato nella sua posizione con un fornitore perché il fornitore opera con più nomi e attraverso più divisioni dell’azienda. Portiamo in superficie e puliamo tutto ciò, in modo che il cliente possa ridurre le spese, aumentare il capitale circolante e ridurre il rischio.

Puoi discutere di PulmoAi CT e di come possa aumentare l’efficienza per i radiologi e migliorare gli esiti radiologici?

PulmoAi CT è un prodotto di analisi di immagini avanzato progettato specificamente per le scansione CT polmonari. Combinando il Practical AI, il Machine Learning (ML) e la tecnologia di elaborazione delle immagini, PulmoAi CT segmenta automaticamente le scansione polmonari pixel per pixel, senza la sfocatura o la distorsione sperimentata con tecnologie simili. Il risultato: un’immagine 3D nitida, che consente l’identificazione immediata di indicazioni per tumori, noduli, COVID-19 e altre anomalie. Con PulmoAi CT, i radiologi possono facilmente zoomare sui dettagli polmonari, visualizzandoli accanto alle analisi cliniche e alle immagini originali. PulmoAi CT quantifica ogni caratteristica polmonare con metriche precise, tra cui dimensione, estensione morfologica e volumetrica. Ciò consente il monitoraggio attento della progressione delle anomalie, anche in presenza di multiple morbosità.

PulmoAi CT è una tecnologia molto diversa da qualsiasi prodotto sul mercato o anche in laboratorio di ricerca. I risultati sono rivoluzionari. Non c’è nulla di simile. Non è un approccio brute-force che richiede decine di migliaia di campioni per funzionare. PulmoAi CT produce risultati mentre altre soluzioni AI stanno ancora cercando dati di training. È potente e cambierà ciò che i radiologi possono fare.

Un altro prodotto di ElectrifAi è PulmoAi X-ray, che affronta direttamente l’uso dei raggi X nelle zone di crisi. Puoi discutere di questa tecnologia?

PulmoAi X-ray affronta direttamente l’uso dei raggi X nelle zone di crisi oggi. Adattandosi alle sfide specifiche della pandemia, PulmoAi X-ray va oltre la semplice distinzione tra polmoni sani e polmoni infetti da COVID-19. La soluzione basata su cloud identifica le differenze cruciali tra pazienti positivi al coronavirus inviati a casa che si riprendono in sicurezza e quelli inviati a casa che tornano in necessità di intubazione. Pre-addestrato su scansione polmonari da ospedali nelle zone di crisi, PulmoAi X-ray sfrutta tecnologie di reti neurali profonde per identificare anormalità critiche associate al COVID-19. PulmoAi X-ray è unico perché è tarato per rispondere al problema che gli ospedali nelle zone di crisi stanno cercando di risolvere: funzionerà l’auto-quarantena o il paziente ha bisogno di ospedalizzazione?

Un altro prodotto è ContractAi, che utilizza il Practical AI, il Machine Learning e l’Elaborazione del Linguaggio Naturale (NLP) per leggere, analizzare e confrontare automaticamente i contratti in tutta l’azienda. Puoi discutere di questo prodotto e dei migliori casi d’uso per esso?

ContractAi è progettato per gli utenti che interagiscono con i contratti in un ruolo operativo quotidiano. Ad esempio, ContractAi aiuta le persone in un gruppo di procurement che analizzano le spese contro gli accordi con i fornitori. Di recente, a causa dello shock economico dovuto al COVID-19, il software sta aiutando le aziende a comprendere eventuali vantaggi che potrebbero avere per uscire da contratti con i fornitori. Quando questa capacità è collegata al nostro prodotto SpendAi, è possibile comprendere immediatamente l’impatto finanziario di questo vantaggio. Uno dei maggiori vantaggi di questa tecnologia è che funziona con i dati dei contratti in qualsiasi formato, senza necessità di inserimento manuale e senza un formato specifico richiesto. Un altro vantaggio è che la tecnologia è progettata specificamente per gli utenti che utilizzano i contratti in un ruolo operativo. Molte delle tecnologie di elaborazione dei contratti esistenti sono progettate per gli avvocati, che hanno un diverso set di preoccupazioni.

C’è qualcos’altro che vorresti condividere su ElectrifAi?

Come azienda globale di machine learning, abbiamo una visione unica su come i vari mercati stanno sviluppando e utilizzando il Machine Learning. Uno dei vantaggi di questa visione è la nostra capacità di comprendere come le capacità di machine learning (ML) possano essere tradotte da una geografia e/o mercato verticale all’altro per aiutare a risolvere problemi sostanziali.

Ad esempio, abbiamo trascorso anni in tutto il mondo aiutando le aziende a coinvolgere i loro clienti utilizzando la scienza dei dati. Abbiamo ora sfruttato quell’esperienza per aiutare l’industria sanitaria statunitense con l’engagement dei pazienti, aiutando a riavviare l’assistenza sanitaria e a far tornare i pazienti in ospedale per interventi chirurgici eletivi critici.