イルミナックスのInna Tokarev Sela氏、CEO兼設立者 – インタビュー・シリーズ

イルミナックスのCEO兼設立者であるInna Tokarev Sela氏は、企業が構造化データを生成AIに準備する方法を変革しています。イルミナックスは、散在し、暗号化されたデータを、意味のある、コンテキストに富んだビジネス言語に変換することで、企業がgenAI分析エージェントを展開できるようにします。ビルトインのガバナンスも提供します。

このプラットフォームは、メタデータを自動で分析して、構造化データを検索してラベル付けすることで、データにセマンティックな意味を追加し、定義を整理して、明確性と透明性を確保します。ビジネス用語を作成し、メトリクスを提案し、潜在的な矛盾を特定することで、イルミナックスは、最高の標準でのデータガバナンスを確保します。

イルミナックスを使用すると、分析エージェントは、ユーザーのクエリを精度よく解釈し、正確で、コンテキストに応じた、妄想のないレスポンスを提供できます。Innaのリーダーシップの下で、イルミナックスは、AIの準備就緒性の新しい基準を設定し、企業がデータの全ポテンシャルを解放するのを支援しています。

あなたがイルミナックスを設立したきっかけは何ですか？また、SisenseとSAPでの経験は、あなたの会社に対するビジョンをどのように形作りましたか。

イルミナックスのビジョンは、私の研究期間中に生まれました。そこでは、情報が伝統的なデータベースではなく、マインドマップのような関連付けでアクセスできるようにすることを想像しました。人間のコンサルテーションなしに、関連するデータに直接アクセスできるようにするというものでした。

SAPでの私の経験は、企業向けソフトウェアを構築し、運用を拡大する方法を教えてくれました。SAP HANAクラウドプラットフォームとスタートアップパートナーシップフレームワークのような製品開発に携わり、ビジネスイニシアチブを推進することで、企業顧客のニーズを深く理解することができました。企業がデータの実践に取り組む方法と、エンドユーザーが実際に必要とするものとの間にある大きなギャップを発見しました。

Sisenseでは、AIの実践をゼロから構築することで、AIが顧客に与えることができる価値を実証することができました。AIとSaaS、GenAIテクノロジーの台頭を見て、2021年にイルミナックスを立ち上げることができたと信じています。

イルミナックスは、ジェネレーティブ・セマンティック・ファブリックに焦点を当てています。ジェネレーティブ・セマンティック・ファブリックの核となる概念と、AIおよびデータ分析におけるこの特定の課題に取り組むきっかけについて説明してください。

イルミナックスは、ジェネレーティブ・セマンティック・ファブリックを開発しました。これは、組織のコンテキストと推論を人間と機械が読める形式で自動的に作成するプラットフォームです。このプラットフォームは、LLMベースのジェネレーティブAIとビジネスアプリケーションの両方のエクスペリエンスを統一し、技術者と非技術者の両方のユーザーが共有のコンテキストで利用できるようにします。

このファブリックは2つの大きな利点を提供します。データ管理を、データエンジニアリングタスクの約80%を自動化することでストリームライン化します。また、非技術者のユーザーが、ガバナンス、説明可能性、精度が組み込まれた分析にアクセスできるようにします。両方の利点は、企業の意思決定のための数十億ドル規模の市場に対処しています。

これを、機械、人間、そしてアプリケーションが、事前にプログラミングすることなく自発的に相互作用するデジタルプレイグラウンドと考えてください。これは、アプリケーションのない将来への私たちのビジョンと一致しています。シート、アナリティクス、財務システム、および顧客管理などの複数のツールを扱うのではなく、タスクを表現するだけで、それが完了するというものです。ジェネレーティブ・セマンティック・ファブリックは、その将来の基盤です。

イルミナックスの初期段階で直面した主な課題は何ですか？それらをどのように克服しましたか。

2021年、ジェネレーティブAIセマンティックモデルが2017年から存在し、グラフニューラルネットがさらに長い間存在していたにもかかわらず、VCに自動コンテキストと推論の必要性を説明することは難しい課題でした。実際にそれを定義することさえ難しい課題でした。

最大の課題は、未来のテクノロジーと市場へのエキサイテメントを生み出すことでした。幸い、未来を信じる先見の明のある投資家に会うことができました。

イルミナックスは、企業がAIに準備就緒になるのをどのように支援していますか？また、現在のビジネス環境では、この移行はなぜ重要なのでしょうか。

ビジネスの世界は、AIを変革的な力として認識し、活用する企業と、機会を逃したり、理解が遅れたりする企業の2つのグループに分かれています。

イルミナックスは、企業がどこにいてもAIの旅に同行します。ジェネレーティブAIの実装のためにデータを準備し、組織のロジックとコンテキストを拡張および統治し、エージェント分析とオーケストレーションの展開を可能にします。

構造化データのためのフルスタックGenAI実装プラットフォームを提供することで、イルミナックスは、企業がこれらの高度なテクノロジーを効果的に活用できるようにします。

イルミナックスは、「妄想のない」ジェネレーティブAIのレスポンスを強調しています。イルミナックスは、決定論的で信頼性の高い出力をどのように保証していますか。

イルミナックスは、業界固有の用語、ワークフロー、プロセスをキャプチャする既存のビジネスオントロジーに基づいて構築されています。製薬、小売、製造などの業界、および財務、人事、サプライチェーンなどのビジネス機能にわたっています。

顧客をオンボーディングする際に、これらのオントロジーを顧客のメタデータで自動的に再トレーニングします。数日以内に、企業はデータを検索して結果を検証し、重複や矛盾などの問題を特定できます。

エージェント分析チャットボットは、完全な透明性を提供します。質問がどのように解釈され、顧客のオントロジーにマッピングされ、次にデータにマッピングされるかを示します。この透明性と自動データ検証の組み合わせにより、決定論的で妄想のない回答が保証されます。さらに、ガバナンスチームは、コンテキストが事前にすべての可能な質問とその組み合わせを埋め込むため、潜在的な回答を事前に検証できます。

イルミナックスは、従来のアプローチであるRetrieval-Augmented Generation（RAG）とどのように異なりますか。

RAGは、企業のデータとロジックをAIモデルにフィードすることで、オフザシェルフのAIモデルをカスタマイズしようとしますが、複数の制限があります。ブラックボックスです。カスタマイズに十分な例を提供したかどうか、またはモデル更新が精度にどのように影響するかを判断することはできません。また、ビジネスコンテキストを持たないデータサイエンティストに依存しているため、組織のロジックを完全に捉えることは困難です。

さらに、RAGは、実際の使用ではなく、ファインチューニングのためにAIインフラストラクチャとトークンの約80%を消費します。ROIに関する懸念も生じます。また、組み込みのガバナンスもありません。コンプライアンスチームがトレーニングの十分性を検証したり、適切なアクセス制御を確保したりする方法はありません。

イルミナックスのジェネレーティブ・セマンティック・ファブリック（GSF）は、これらの課題に対処しています。外部AIトークンを消費せずにコンテキストを自動的に構築します。専門のデータサイエンティストの必要性を排除し、Web、Slack、またはTeamsインターフェイスを介してマッピングと推論の完全な透明性を提供します。GSFには、組み込みのガバナンスと説明可能性、組織のカバレッジとデータ品質の明確な指標、および質問回答機能の自動品質評価が含まれます。

多くの企業は、データに多大な投資を行っているにもかかわらず、データに基づいた意思決定を行うのに苦労しています。なぜこのギャップが存在するのでしょうか？また、イルミナックスはどのようにしてこのギャップを解消していますか。

データの投資と効果的な意思決定の間のギャップは、データの量が増加するにつれて拡大し続けています。企業は、自社のデータだけでなく、天候APIや業界クラウドプラットフォームがヨーロッパの機関間でヘルスケアデータを共有しているように、外部ソースのデータにも対処しなければなりません。さらに、さまざまなユースケースのための合成データもあります。

課題は、企業が依然として、データのモデル化、品質評価、ダッシュボードの作成などの重要なデータタスクに人間を依存していることです。しかし、現代のデータ環境の規模と複雑さは、人間のチームがデータを効果的に分類し、品質を評価し、AI駆動の分析と自動化に適していることを確認することが、ますます困難になっています。

イルミナックスは、これらの従来の手動プロセスを自動化することで、このギャップを埋めます。企業が拡大するデータ環境を効果的に管理し、検証し、データに基づいたビジネス上の意思決定を行うことができるようにします。

イルミナックスのプラットフォームを最も迅速に採用している業界は何ですか？また、これらの業界では、どのようなユニークな課題や機会に直面していますか。

データの強度と厳格な規制が交差する業界で、最も迅速に採用されています。企業は、データ品質の監視、使用状況の追跡、矛盾の検出の自動化を必要としています。金融サービス、製薬、小売/電子商取引は、既存のデータ資産を使用して自らを迅速に再発明し、複雑な規制要件を乗り越えるために先頭を切ります。

ジェネレーティブAIが急速に進化している場合、企業がAIを効果的に、そして責任を持って統合するためのアドバイスをいただけますか。

特定のユースケースと、AIの採用を推進するビジネス上の要件を特定する明確な戦略計画を立てることから始めます。新しいAIテクノロジーのシロが、既存のシステムから分離して運用されることを避けることが重要です。

代わりに、データ管理、分析、ジェネレーティブAIの機能を統合する統一プラットフォームを構築します。AIイニシアチブを既存のガバナンス慣行から切り離すと、重大なリスクが生じ、コストが増加します。すべての機能をサポートしながら適切な監督を維持する共有インフラストラクチャを作成することが重要です。

企業AIの風景が次の3〜5年でどのように変化するかについて、どのようなトレンドが見られますか。

企業AIの風景では2つの大きなトレンドが浮上しています。まず、エージェント分析が勢いを増しています。より洗練されたデータ分析と洞察が可能になります。2つ目は、エージェントのオーケストレーションへの移行です。多様な機能を持つ複数のAIモデル間の協力によるワークフローが可能になります。

このオーケストレーションは、単一目的のアプリケーションを超えた、より包括的なソリューションへと私たちを導きます。たとえば、ヘルスケアでは、特定のタスク用の個別のアプリケーションの代わりに、画像スキャン、処方箋処理、薬剤推奨を1つのシームレスなシステムで自動化することを考えてみましょう。

これらの進歩は、正確なデータアクセス、AIエージェント間の共有コンテキストと調整を保証する堅固なジェネレーティブ・セマンティック・ファブリックに依存しています。この基盤は、エージェント分析とオーケストレートされたAIソリューションが全ポテンシャルを発揮するために不可欠です。

素晴らしいインタビュー、詳しく知りたい読者はイルミナックスを訪問してください。