RelationalAIのCEO兼創設者、Molham Aref

Molhamは、RelationalAIの最高経営責任者です。彼は、30年以上の経験を持つ、高価値の機械学習と人工知能ソリューションを開発および実装する組織を率いてきました。RelationalAIに参加する前は、LogicBloxとPredictix（現在はInfor）のCEO、Optimi（現在はEricsson (ERIC ) ）のCEO、Brickstream（現在はFLIR）の共同創設者でした。また、HNC Software（現在はFICO）とRetek（現在はOracle (ORCL ) ）でシニアリーダーシップの役割を果たしました。

RelationalAIは、産業、テクノロジー、製品開発における数十年の経験を結集して、初めての本物のクラウドネイティブなノールジグラフデータ管理システムを推進し、次世代のインテリジェントデータアプリケーションを提供します。

RelationalAIの創設者兼CEOとして、会社を作る際の初期のビジョンは何でしたか？それが過去7年間でどのように進化してきましたか？

初期のビジョンは、知識とセマンティクスの影響がAIの成功的な展開に与える影響を理解することに焦点を当てていました。私たちが現在のAIに到達する前に、多くの焦点は機械学習（ML）にあり、データを分析して、行動を記述するコンパクトなモデルを作成していました。ただし、AIを効果的に展開するには、AIと人間の両方がアクセスできる方法で知識を表現する必要があり、複雑なシステムを簡素化する必要があることが明らかになりました。

このビジョンは、ディープラーニングの革新や最近の言語モデルと生成的なAIの出現とともに進化してきました。これらの進歩は、私たちの会社が行っていることを変えることはありませんが、そのアプローチの関連性と重要性を高め、特に企業でのAIの使用をよりアクセスしやすく実用的にすることでした。

PwCの報告書によると、AIは2030年までに世界経済に最大15.7兆ドル貢献する可能性があると推定されています。貴方の経験上、どのような要因がこの大きな経済的影響をもたらすのか？企業はどのようにしてこれらの機会を活用する準備をするべきですか？

AIの影響はすでに大きく、将来もさらに拡大するでしょう。経済的影響をもたらす主な要因の1つは、知的労働の自動化です。

文書を読み、要約し、分析するようなタスクは、以前は高給の専門家が行っていたものですが、現在はほとんど自動化されています。これにより、これらのサービスはより安価でアクセスしやすくなりました。

これらの機会を活用するために、企業は、AIワークロードのデータとコンピューティング要件をサポートできるプラットフォームに投資する必要があります。コスト効率の良いスケーラビリティと、AIモデルを効果的に使用できるように従業員のAIリテラシーの向上も重要です。

AIがさまざまな産業に統合されるにつれて、企業がAIを効果的に採用する上で直面する最大の課題は何ですか？データはこれらの課題を克服する上でどのような役割を果たしますか？

最大の課題の1つは、産業固有の知識がAIにアクセスできるようにすることです。現在、多くの企業は、データベース、文書、スプレッドシート、コードにわたる知識を保持しています。この知識は、AIモデルにとって不透明であり、組織が得られる価値を最大化することを妨げています。

産業では、知識を管理し、統一し、AIシステムにアクセスできるようにする必要があります。そうすることで、AIは特定の産業や企業内でより効果的に機能し、独自の知識ベースを活用できるようになります。

あなたは、生成的なAIの採用の将来は、Retrieval-Augmented Generation（RAG）やエージェントアーキテクチャなどの複合技術を必要とする、と述べています。なぜこれらのアプローチが必要なのか、それらがもたらす利点について説明してください。

AI駆動システムをより正確で、複雑な情報検索と処理タスクを処理できるようにするには、GraphRAGやエージェントアーキテクチャなどのさまざまな技術が必要です。

多くの人々は、AIを進化させるために、1つの技術だけではなく、モデルやツールの組み合わせを利用する必要があることをようやく認識し始めています。1つのアプローチは、エージェントアーキテクチャです。ここでは、さまざまな能力を持つエージェントが複雑な問題を解決するために協力します。このアプローチにより、問題を小さな部分に分割し、結果を得るためにそれぞれのエージェントに割り当てることができます。

また、言語モデルを使用して情報を抽出するために、RAG（Retrieval-Augmented Generation）があります。RAGを初めて使用した時、1つのドキュメントの一部に回答が見つかる質問に答えることができました。しかし、すぐに、言語モデルは、特に長いドキュメントや複数のドキュメントにわたる情報を含む難しい質問に答えるのに苦労することがわかりました。そこで、GraphRAGが登場しました。言語モデルを使用して情報のノールジグラフ表現を作成することで、必要な情報にアクセスし、エラーまたはホールユーションの可能性を減らすことができます。

データの統一は、組織内でAIの価値を生み出す上で重要なトピックです。データの統一がAIにとってどのように重要か、それが意思決定プロセスをどのように変える可能性があるかについて説明してください。

統一されたデータにより、企業が持つすべての知識（文書、スプレッドシート、コード、データベースに含まれるもの）がAIシステムにアクセスできるようになります。この統一により、AIは特定の産業や企業に固有の知識を効果的に活用し、出力がより関連性が高く正確になるようになります。

データが統一されていない場合、AIシステムは知識の断片的な部分だけに基づいて動作し、不完全または不正確な洞察をもたらす可能性があります。データを統一することで、AIが完全で一貫性のある画像を取得し、意思決定プロセスを変革し、組織内で実際の価値を生み出すことができます。

RelationalAIのデータ中心のアプローチ、特に関係ノールジグラフシステムは、企業がより良い意思決定の結果を達成するのをどのように支援しますか？

RelationalAIのデータ中心のアーキテクチャ、特に関係ノールジグラフシステムは、知識をデータに直接統合し、宣言的で関係的なものにします。これは、従来のアーキテクチャと対照的で、知識がコードに埋め込まれており、非技術的なユーザーにとってアクセスや理解が難しい場合があります。

今日の競争的なビジネス環境では、迅速で情報に基づいた意思決定が不可欠です。ただし、多くの組織は、データが必要なコンテキストを欠いているために苦労しています。関係ノールジグラフシステムは、データと知識を統一し、人間とAIがより正確な決定を下せるように、包括的なビューを提供します。

例えば、投資ポートフォリオを管理する金融サービス企業を考えてみましょう。企業は市場のトレンド、クライアントのリスクプロファイル、規制の変更、経済指標を分析する必要があります。ノールジグラフシステムは、これらの複雑な相互関連する要因を迅速に統合し、収益を最大化しながらリスクを管理するための適切な投資決定を可能にします。

このアプローチは、複雑さを減らし、移植性を高め、特定のテクノロジーベンダーへの依存を最小限に抑えることで、意思決定における長期的な戦略的柔軟性を提供します。

CDO（Chief Data Officer）の役割は、AIの台頭とともに重要性を増しています。CDOの責任はどのように進化するでしょうか？将来、どのようなスキルが必要になるでしょうか？

CDOの役割は、AIの台頭とともに急速に進化しています。従来、CDOが担っていた責任は、主にCIOまたはCTOによって管理され、テクノロジー運用または会社が生み出すテクノロジーに焦点を当てていました。しかし、データが現代の企業にとって最も貴重な資産になったため、CDOの役割は独自で重要なものになりました。

CDOは、組織全体でデータのプライバシー、可用性、収益化を確保する責任があります。AIがビジネス運用に統合されるにつれて、CDOはAIモデルを推進するデータを管理し、データがクリーンでアクセス可能で倫理的に使用されることを保証する上で重要な役割を果たします。

将来、CDOには、データガバナンス、AIテクノロジー、ビジネス戦略に関する深い理解が必要です。従来、データに直接アクセスしていなかった部門（財務、営業、人事など）と密接に協力し、データ駆動型の洞察を活用してイノベーションを推進し、競争上の優位性を維持する能力が必要です。

RelationalAIは、CDOとそのチームが組織内でデータとAIの統合の複雑さを管理するのを支援する上でどのような役割を果たしますか？

RelationalAIは、CDOがデータとAIの統合の複雑さを効果的に管理できるように、必要なツールとフレームワークを提供する上で重要な役割を果たします。AIの台頭とともに、CDOはデータが不仅アクセス可能でセキュアであるだけでなく、組織全体で最大限に活用されるようにする責任があります。

私たちは、データ中心のアプローチを提供することでCDOを支援しています。このアプローチにより、知識がデータに直接統合され、非技術的な利害関係者にとってアクセスしやすく理解しやすくなります。これは、従来データにアクセスできなかった部門（営業、財務、管理など）にデータを提供するためにCDOが取り組んでいる状況で特に重要です。データとその管理を統一することで、RelationalAIはCDOがチームをエンパワーメントし、イノベーションを推進し、組織がAIによってもたらされる機会を最大限に活用できるように支援します。

RelationalAIは、データ中心のアプローチを強調しています。顧客がこのアプローチの恩恵を受けた具体的な例を示してください。

私たちのデータ中心のアプローチは、従来のアプリケーション中心のモデルと対照的です。ここでは、ビジネスロジックがコードに埋め込まれており、管理やスケーラビリティが難しくなります。データ自体に知識を統合し、宣言的で関係的なものにすることで、システムの複雑さを大幅に削減し、エラーを減らし、コストを大幅に削減することができます。

例えば、Blue Yonderは、私たちのテクノロジーをSnowflake内でノールジグラフコプロセッサとして利用しました。これにより、障害を予測し、予防措置を講じるために必要なセマンティック理解と推論能力が提供されました。このアプローチにより、レガシーコードを80％以上削減し、スケーラブルで拡張可能なソリューションを提供することができました。

同様に、EY Financial Servicesは、レガシーコードを90％削減し、処理時間を1か月以上から数時間に短縮するという劇的な改善を経験しました。これらの成果は、私たちのアプローチがビジネスをより敏捷で対応力の高いものにし、市場の変化に適応することを可能にしていることを示しています。

AIを導入した企業のリーダーとして、組織内でAIを大規模に導入する上で最も重要な要素は何だと考えていますか？

私の経験から、AIを大規模に導入する上で最も重要な要素は、強固なデータと知識の基盤を確立することと、特に経験豊富な従業員がAIツールに習熟する時間を確保することです。

また、AIテクノロジーに対する感情的反応に陥らないことも重要です。過度な期待や深い懐疑心ではなく、AIの導入と統合に対する穏やかで一貫したアプローチを推奨します。インクレメンタルな改善に焦点を当て、銀の弾丸のような解決策を期待しないことが重要です。

素晴らしいインタビュー、詳しく知りたい読者はRelationalAIを訪問してください。