Pyramid AnalyticsのCEO兼共同創設者Omri Kohl – インタビューシリーズ

Omri Kohlは、Pyramid AnalyticsのCEO兼共同創設者です。Pyramid Decision Intelligence Platformは、誰でもより迅速に、より賢い決定を下すためのデータ駆動型の洞察を提供します。彼は、急成長しているデータおよび分析市場における会社の戦略と運用を主導しています。Kohlは、分析およびAIテクノロジーに関する深い理解、貴重な管理経験、および従来の考え方に挑戦する自然な能力を持っています。Kohlは、高成長企業の開発および管理における豊富な経験を持つ起業家です。彼は、Bar-Ilan Universityで経済学、金融、ビジネス管理を学び、New York University, Leonard N. Stern School of Businessから国際ビジネス管理のMBAを取得しています。

GenBIとは何か、ビジネスインテリジェンスと決定プロセスを強化するためにジェネレーティブAIをどのように統合するのか、説明してください。

GenBIは、GenAI、LLM、および一般的なAIを分析、ビジネスインテリジェンス、および意思決定に導入するためのフレームワークおよびメカニズムです。

現在、GenAIだけを使用してデータセットへの洞察を得ることは実用的ではありません。GenAIツールにデータをアップロードして有意義な結果を得るには1週間以上かかる場合があります。那は、ビジネスデータがダイナミックで機密性が高いため、実用的ではありません。GenBIを使用すると、誰でも自然言語で質問をして、BIダッシュボードの形式で結果を表示することで、貴重な洞察をデータから抽出できます。関連性のある有用な回答を得るには、30秒程度で十分です。

GenBIが複雑なビジネスインテリジェンスタスクを自然言語で理解および実行することを可能にする主要な技術革新について説明してください。

秘密をすべて明かさないでくださいが、基本的に3つのコンポーネントがあります。まず、GenBIはLLMに、要求された洞察を生成するための正しい分析ステップを生成するために必要なすべての要素を提示します。これにより、ユーザーは、チャート、調査、またはフォーマットの種類を正確に知らなくても、自然言語でクエリを形成できます。

次に、Pyramid AnalyticsのGenBIソリューションは、これらのステップを会社のデータに適用します。状況の詳細に関係なく、最も基本的なデータセットとシンプルなクエリから、最も洗練されたユースケースと複雑なデータベースまで、すべてに対応します。

3つ目に、Pyramidはこれらのクエリを基礎となるデータで実行し、結果をリアルタイムで操作できます。LLMだけでは、データベースに対する深い分析を生成できません。ユーザーのリクエストを解釈して洞察を生成し、それをBIプラットフォームに渡して結果を平文または動的可視化として表現するロボット要素が必要です。

GenBIは、特に非技術的なユーザーにとって、データ分析をどのように民主化しますか。

簡単に言えば、GenBIは、誰でも必要な洞察にアクセスできるようにします。伝統的なBIツールでは、ユーザーが必要な結果を得るために、最も適切なデータ操作テクニックを知っている必要があります。しかし、多くの人は、パイチャート、散布図、またはテーブルで考えることができません。彼らは、状況に最も効果的な可視化を決定する方法を知る必要はなく、ただ質問に答えを得たいだけです。

GenBIは、専門知識のレベルに関係なく、誰でもこれらの答えを提供します。ユーザーは、専門用語やデータベースクエリをコード化する方法を知る必要はありません。自然な会話で自分の言葉を使ってデータを探索できます。

私たちは、これを紙の地図でルートを計画することと、Googleマップまたはその他のナビゲーションアプリを使用することの違いとして考えています。伝統的な地図では、最も良い道路を選択し、潜在的な交通渋滞について考慮し、さまざまなルートの可能性を比較する必要があります。今日、人々は目的地をアプリに入力して道路に出発します。アルゴリズムに信頼があるため、誰も提案されたルートに疑問を持ちません。私たちは、GenBIが企業のデータセットに同様の自動化されたマジックをもたらすことを目指しています。

初期の採用者からのフィードバックは、使いやすさと学習曲線についてどうですか。

私たちは圧倒的な好意的なフィードバックを受けています。最も簡潔にまとめることができるのは、「素晴らしい！」です。ユーザーとテスターは、Pyramidの使いやすさ、強力な機能、有意義な洞察を高く評価しています。

Pyramid Analyticsにはほぼゼロの学習曲線があります。誰もが即座に採用して使用できます。テストしたビジネスチームの約3/4が、非常に使いやすく効果的であるため、現在Pyramidを使用しています。

GenBIが意思決定プロセスを変革した組織の具体的なケーススタディまたは例はありますか。

私たちがGenBIを開発して長い時間をかけてきたにもかかわらず、まだ完全なケーススタディや名前を明かせる顧客例がなく、ご了承ください。しかし、私は、数千人のユーザーがいる組織が、誰でも洞察にアクセスできるため、真正にデータ駆動型になっていることを伝えることができます。ユーザーはすべてのデータの真の価値を解放できます。

GenBIは、保険、銀行、金融、販売、小売、製造、そして多くの他の垂直市場などの業界に変革的な影響を与えています。突然、金融アドバイザーは、顧客のポートフォリオを最適化するためのインスタントな提案にアクセスできます。

GenBIを開発する上で直面した最大の課題は何でしたか。どのようにしてそれらを克服しましたか。

Pyramid Analyticsは、GenBIを立ち上げる前に、すでに長年にわたって分析のためにAIを利用していました。したがって、ほとんどの課題はすでに解決されています。

新しい要素は、LLMと連携して正確な結果を生成する高度なクエリ生成テクノロジーの追加です。同時に、データをプライベートに保ちます。私たちは、これを達成するために、データをクエリから切り離すことによって実現しました（後で詳しく説明します）。

私たちが対処しなければならなかったもう1つの大きな課題は、速度の問題でした。私たちは、Google時代に生きているので、人々は今すぐに答えを期待しています。1時間でも30分でもなく、すぐに答えを得る必要があります。私たちは、処理を高速化し、すべてのワークフローを最適化して摩擦を減らすようにしました。

次に、妄想を防ぐ必要がありました。チャットボットは妄想の影響を受けやすく、結果を歪め、信頼性を損ないます。私たちは、それらを避けながらも、ダイナミックな結果を維持するために努力しました。

データのセキュリティとプライバシーに関する問題はどのように処理しますか。

それは素晴らしい質問です。なぜなら、データのプライバシーとセキュリティは、GenAI分析の成功への最大の障害だからです。誰もが、企業の機密データを第三者のAIエンジンに公開することについて、正当に懸念しています。ただし、同時に、これらのエンジンが提供する言語解釈機能とデータ洞察も必要です。

そのため、私たちは、実際のデータをLLMと共有することはありません。Pyramidは、会社の情報とLLMの間の仲介者として機能します。ユーザーがリクエストを提出し、メタデータ（基本的に「材料」）とともにLLMに提出します。

LLMは、ユーザーの質問をデータ分析のプロンプトに変換する方法を説明する「レシピ」を返します。次に、Pyramidはこのレシピを、すでに安全に接続された自社のデータで実行し、データはLLMに到達することはありません。結果を組み合わせて、簡単に理解できる形式でユーザーに返します。基本的に、セキュリティとプライバシーを損なう可能性のあるものは何も公開されず、組織のファイアウォールの安全性の範囲内に留まります。

GenBIを既存のデータインフラストラクチャに統合しようとしている組織にとって、実装プロセスはどのように見えますか。特定の前提条件や準備が必要ですか。

Pyramid Analyticsの実装プロセスは、非常に簡単で迅速です。ユーザーは、ほとんどの前提条件や準備が不要です。1時間以内にすべてをセットアップできます。データを新しいフレームワークに移動する必要はなく、データ戦略を変更する必要もありません。Pyramidは、データが存在する場所で直接データにアクセスします。

データを説明する必要も、列を定義する必要もありません。CSVデータセットをアップロードするか、SQLデータベースに接続するだけです。関係データベースの場合は、同じことが当てはまります。データを接続するのに数分かかり、数秒後には最初の質問を出すことができます。

ただし、構造を調整する必要がある場合は、結合モデルを変更したり、列を再定義したりできます。時間と労力が必要ですが、数分です。私たちの顧客は、Pyramidが古典的なデータウェアハウスまたはデータレイクに5分以内にセットアップされることに驚かれることがあります。

また、非常に具体的で正確で、または知的な質問をしなくても、強力な結果を得ることができます。スペルミスや不正確なフレーズを使用していても、Pyramidはそれらを解釈して、有意義で価値のある答えを生成します。ただし、質問しているデータについての知識が必要です。

Pyramid Analyticsの将来5年間の戦略的ビジョンは何ですか。ソリューションは、変化する市場の需要に応じてどのように進化する予定ですか。

次の大きなフロンティアは、高度に特定のクエリをサポートすることです。ユーザーは、個人化されたエンティティに関する質問など、非常に具体的な質問を尋ねたいと考えています。LLMは、まだデータベースの詳細な洞察が不足しているため、これらのケースで知的な答えを生成できません。ユーザーがデータベースの動的な性質を考慮して、LLMに接続することはできません。

私たちは、LLMを使用してデータの詳細について質問する方法を探っていますが、同時に、LLMに接続する巨大なデータレイク全体を接続することはできません。データが2秒ごとに再水和される場合、LLMをそのデータについて微調整する方法は何ですか。固定ポイント such as 国、場所、日付については、管理できますが、名前のような特異的なものについては、まだそうではありません。ただし、私たちは今日、非常に近いところまで来ています。

もう1つの課題は、ユーザーがデータに対して独自の数学的解釈を適用できるようにすることです。式を適用することは、式自体が難しいことではなく、ユーザーの望みを理解し、正しい構文を取得することが難しいからです。私たちは、これらの課題の両方を解決するために取り組んでいます。私たちがそうするとき、次のユーレカの瞬間を迎えるでしょう。

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