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

Jim McGowan è il capo del prodotto di ElectrifAi, una società specializzata nell’estrazione di grandi 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’intelligenza artificiale?

Ho incontrato per la prima volta il Machine Learning mentre conseguivo un dottorato in scienze cognitive. I sistemi di intelligenza artificiale consistevano principalmente nel distillare l’esperienza di un esperto in un diagramma di flusso. Ciò sembrava funzionare intuitivamente, 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 costruire sistemi pratici era esso stesso impratico. Poi è arrivato il Machine Learning. Ciò ha cambiato tutto. Il Machine Learning ha sbloccato la promessa dell’intelligenza artificiale. ElectrifAi mantiene quella promessa costruendo soluzioni per aiutare i nostri clienti a gestire meglio le loro aziende.

ElectrifAi utilizza qualcosa chiamato Intelligenza Artificiale Pratica per guidare le aziende a fare di più con i dati che già possiedono. Puoi spiegare come ElectrifAi definisce l’Intelligenza Artificiale Pratica?

Noi sfruttiamo i dati dei clienti per fornire informazioni chiare e azionabili per reali esigenze aziendali. Aiutiamo i clienti a prendere decisioni migliori, più velocemente. L’Intelligenza Artificiale Pratica risolve un problema aziendale reale con una soluzione che funziona bene, si basa su una chiara comprensione dei dati, ha un esito definito, si integra nei processi e negli strumenti esistenti, viene consegnata in tempo e fornisce un enorme valore aziendale. Non dobbiamo che le aziende sostituiscano i loro sistemi di dati. Non richiediamo un modello di business specifico. Non impieghiamo un anno per consegnare forse qualcosa che è un compromesso su ciò che un cliente ha cercato di fare. Forniamo una soluzione flessibile e di alta qualità che è semplice da usare e fa esattamente ciò che dovrebbe fare, molto, molto bene. Questo è l’Intelligenza Artificiale Pratica.

Ci assicuriamo che con ogni soluzione raggiungiamo i seguenti obiettivi:

• Miglior tempo di valore
• Miglior pulizia dei dati
• Migliori informazioni
• Migliori ritorni sugli investimenti

Potresti fornire alcuni dettagli su come ElectrifAi consente alle aziende di utilizzare l’Intelligenza Artificiale Pratica?

Noi estraiamo dati da tutti i sistemi, che siano database personalizzati, soluzioni personalizzate di grandi fornitori o anche un dump di dati da una vecchia applicazione. Puliamo e comprendiamo quei dati e troviamo segnali chiari e significativi in tutto quel caos. Quindi utilizziamo 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, inoltre, il machine learning per categorizzare il 98-99% dei dati da tutti i sistemi di procurement dei clienti. Lasciamo anche che il cliente controlli 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. Quindi applichiamo ancora più 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 di contratto. O potrebbero essere eccessivamente dipendenti da un fornitore in una categoria che è a rischio finanziario. Un cliente potrebbe essere sotto-sfruttato nella sua posizione con un fornitore perché il fornitore opera sotto più nomi e attraverso più divisioni dell’azienda. Noi portiamo in superficie e puliamo tutto ciò, in modo che il cliente possa ridurre le spese, aumentare il capitale di lavoro e ridurre il rischio.

Potresti discutere di PulmoAi CT e di come potrebbe 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 tomografie computerizzate polmonari. Combinando l’Intelligenza Artificiale Pratica, il Machine Learning e la tecnologia di elaborazione delle immagini, PulmoAi CT segmenta automaticamente le scansioni polmonari pixel per pixel, senza la sfocatura o la distorsione sperimentata con tecnologie simili. Il risultato: immagini 3D nitide – abilitando 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 fianco a fianco con le analisi cliniche e le immagini originali. PulmoAi CT quantifica ogni caratteristica polmonare con metriche precise, tra cui dimensione della caratteristica, estensione morfologica e volumetrica. Ciò consente il monitoraggio attento della progressione delle anomalie, anche in presenza di multiple morbidità.

PulmoAi CT è una tecnologia molto diversa da qualsiasi prodotto sul mercato o anche in laboratorio di ricerca. I risultati sono cambiamenti di gioco. 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 di intelligenza artificiale 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 si occupa direttamente dell’utilizzo dei raggi X nelle zone di crisi. Potresti discutere di questa tecnologia?

PulmoAi X-ray si occupa direttamente dell’utilizzo dei raggi X nelle zone di crisi oggi. Adattandosi alle sfide specifiche della pandemia, PulmoAi X-ray va oltre il distinguere i polmoni sani da quelli infettati 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 scansioni polmonari di ospedali nelle zone di crisi, PulmoAi X-ray sfrutta tecnologie di reti neurali profonde per identificare anomalie critiche associate al COVID-19. PulmoAi X-ray è unico perché è sintonizzato per rispondere al problema che gli ospedali nelle zone di crisi stanno cercando di rispondere: funzionerà l’auto-quarantena o il paziente ha bisogno di ospedalizzazione?

Un altro prodotto è ContractAi, che utilizza l’Intelligenza Artificiale Pratica, il Machine Learning e l’Elaborazione del Linguaggio Naturale (NLP) per leggere, analizzare e confrontare automaticamente i contratti in tutta l’azienda. Potresti 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 aiuta le aziende a comprendere qualsiasi leverage possano avere per uscire dai contratti con i fornitori. Quando questa capacità è collegata al nostro prodotto SpendAi, si può immediatamente comprendere l’impatto finanziario di questo leverage. Uno dei maggiori vantaggi della tecnologia è che funziona con i dati dei contratti in qualsiasi formato – non c’è necessità di inserimento manuale e non è richiesto un formato specifico. 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 insieme diverso di preoccupazioni.

C’è qualcos’altro che ti piacerebbe 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. Un vantaggio 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 la sanità e a far tornare i pazienti in ospedale per interventi chirurgici eletivi critici.