インタビュー3 months ago
SymphonyAI CTO、Raj Shukla – インタビューシリーズ
Raj Shuklaは、SymphonyAIの技術ロードマップと実行を推進し、Eureka Gen AIプラットフォームを構築するエンジニアリングチームを率いています。約20年のAI/MLエンジニアリングおよび研究経験を持つShuklaは、マイクロソフトでのエンジニアリングリーダーシップ職を通じて、広範なエンタープライズAI SaaS経験も有しています。同社での14年にわたる成功したキャリアには、Azure、Dynamics 365、MSR、および検索・広告部門にわたるグローバルなAIサイエンスおよびエンジニアリング組織のリーダーシップが含まれていました。Rajは、検索、広告、エンタープライズAIにわたる広範なAI/ML経験を持ち、消費者領域とビジネス領域の両方でいくつかの成功したAI SaaS製品を構築してきました。SymphonyAIは、即座にビジネス価値を提供する業界特化型AIアプリケーションの構築に焦点を当てたエンタープライズAI企業です。汎用モデルではなく、小売、消費財、金融サービス、製造、メディア、IT向けの垂直ソリューションを提供し、予測、不正防止、業務最適化、分析などの課題に取り組んでいます。同社の製品は、予測、生成、エージェント機能を各セクターに合わせたワークフローに統合するEureka AIプラットフォームによって支えられています。2017年に設立された同社は、垂直AIのグローバルリーダーに成長し、スケーラブルでドメインに特化したソリューションで数千のエンタープライズ顧客にサービスを提供しています。マイクロソフト、オラクル、そして現在のSymphonyAIと、AIイノベーションの最前線で働かれてきましたが、元々何があなたをエンタープライズAIの世界に引き寄せ、その見解は年月とともにどのように進化してきましたか？私のエンタープライズAIへの旅は、企業がAIのためのAIではなく、実際のビジネス課題を解決するAIを実装すべきだという核心的な信念から始まりました。汎用的で広範なAIソリューションが変革的な価値を提供することはほとんどないことを見てきました。SymphonyAIでは、金融犯罪検出から買い物客に焦点を当てた小売マーチャンダイジング、産業用コネクテッドワーカーのエンパワーメントまで、特定の業界課題を理解するAIを開発することに、会社の戦略と文化を築いてきました。エンタープライズ対応性はさらに別の次元を追加します。成功するエンタープライズAIには、優れたテクノロジー以上のもの、つまり模範的なデータガバナンスとアーキテクチャ、洗練された部門横断的なコラボレーションとワークフロー、そして完全な透明性と監査可能性が要求されます。特に金融や医療のような規制の厳しいセクターにおいて、企業は汎用事前学習モデルにどのような具体的な欠点に遭遇しますか？ 汎用事前学習モデルは、金融、医療、食料品小売といったハイステークで規制の厳しい環境向けに構築されていません。汎用の事前学習モデルは、業界固有のニュアンスに対処し、地域によって異なる厳格な規制およびコンプライアンス要件を満たすために必要な本質的なドメイン知識の必要性を含む、重大な障壁に遭遇します。最も重要なのは、消費者に害を及ぼしたり規制違反を引き起こしたりする可能性のあるエラーが発生する場面で、企業が要求する精度と追跡可能性を提供できないことです。マネーロンダリング防止規制への準拠であれ、食料品店が流通センターと棚から回収対象品を迅速に撤去できるようにすることであれ、SymphonyAIの垂直AIテクノロジーは、私たちが事業を展開する業界向けに特別に構築され、それらの業界のオントロジーで学習されており、ビジネスインパクトを直接生み出す意思決定や自動化を可能にします。事前学習モデルと深いドメインロジックを組み合わせることが、企業のROIを引き出す鍵としてますます重要視されていますが、業界知識、KPI整合、規制ガードレールなど、このアプローチを効果的にする必須コンポーネントは何ですか？ 事前学習モデルと深遠なドメインロジックを組み合わせることは、ビジネスコンテキストと運用要件を理解するAIシステムを作り出すことで価値を解き放ちます。このアプローチは、モデルが業界固有のオントロジーで強化され、出力が測定可能なビジネス目標に直接役立つことを保証するために企業KPIと整合し、必要なコンプライアンスフレームワークと監査証跡を提供する規制ガードレールが装備されている場合に成功します。これらの要素が連携して機能するとき、汎用AIは、企業が要求する信頼性とコンプライアンスを維持しながら、測定可能な成果を推進するビジネスクリティカルなソリューションへと変容します。IBMは最近Seek AIを買収し、ニューヨーク市にWatsonx Labsを立ち上げ、AI分野における潜在的な戦略的転換を示しました。これは、エンタープライズAIにおけるM&Aおよび投資トレンドの未来について何を示していますか？ IBMによるSeek AIの買収とWatsonx Labsの立ち上げは、私たちが予期してきた根本的な転換の裏付けです。エンタープライズAIの状況は変化しており、次のM&Aの波は、深い業界知識、ガバナンスと規制ガードレール、そして成果駆動型のKPIを備えた事前学習済み垂直AIモデルを持つ企業を優先することを示しています。IBMのような戦略的買収者は、特定の業界ワークフローを理解する場合、エンタープライズデータに焦点を当てたAIエージェントが即座にROIを提供することを認識しています。市場は、汎用知能が企業変革を推進するには垂直特化が必要だという認識の周りで統合されつつあります。基盤モデルがドメイン特化型エージェントへと進化するのはどの時点ですか？この移行を示すアーキテクチャ上のマイルストーンは何ですか？ 基盤モデルは自然にドメインエージェントに成熟するわけではありません。エンジニアリングによってエージェントに作り変えられる必要があります。汎用モデルが単に「賢くなって」銀行調査官になるような直接的な道筋はありません。この移行は、エンジニアリングチームがモデルの生の知能に依存するのをやめ、その周りにガバナンスされたアーキテクチャ、具体的にはコンテキスト層（ナレッジグラフなど）とオーケストレーション層を注入して、モデルが自身の確率的傾向ではなくビジネスプロセスに従うように強制し始めたときにのみ起こります。回復力があり垂直特化されたエージェント型ワークフローを構築する際の核心的な課題は何ですか？また、SymphonyAIはそれらにどのように対処していますか？ 回復力があり垂直特化されたエージェント型ワークフローを構築する際の核心的な課題は、複雑な多段階プロセス全体で信頼性を維持することです。SymphonyAIは、ドメイン知識を直接エージェントに埋め込み、障害回復を伴うエラーハンドリングを実装し、マルチセッションのエンタープライズプロセス全体で永続的なコンテキスト管理を維持する多層アーキテクチャを通じて、これらの課題に対処します。これにより、私たちのエージェントは、回復力が精度、コンプライアンス、運用の完全性を維持することを意味する、ハイステークで規制された環境で確実に動作することができます。SymphonyAIは、堅牢なデータ基盤、ナレッジグラフ、メタデータ層を強調しています。これらの機能が垂直AIエージェントにとってなぜ重要であり、多くの企業はそれらの実装に苦労するのですか？ 堅牢なデータ基盤とナレッジグラフは、垂直AIエージェントが意味のある情報源を持ち、文脈に即した推奨を提供し、企業のあらゆるレベルでの市場、顧客、プロセスの変化に対応し続けるために不可欠です。ほとんどの企業がこれらの機能の実装に苦労するのは、データアーキテクチャへの多大な先行投資、専門的なオントロジー知識、そして多くの組織が組織的にも技術的にも困難と感じる既存のデータ慣行への根本的な変更を必要とするためです。そこが、その垂直分野における深い経験と知識を持つAIテクノロジーパートナーの価値が計り知れないところであり、その業界における無数の実在顧客にわたる膨大な量のドメインデータと情報源でAIを事前学習させる能力も含まれます。金融犯罪検出や小売予測などの現実世界のシナリオにおいて、SymphonyAIは予測AI、生成AI、エージェントAIをどのように統合して一貫した「スキル」に融合させていますか？SymphonyAIは、各AI製品が特定のビジネス課題に対応する統合ワークフローを作成することで、予測AI、生成AI、エージェントAIを一貫した「スキル」に融合させます。金融犯罪検出では、私たちの予測モデルが不審な取引パターンを特定し、生成AIが詳細な調査報告書とリスク評価を作成します。同時に、エージェントAIがワークフロー全体をオーケストレーションし、ケースを自動的にエスカレーションし、コンプライアンスチームと調整し、リアルタイムの調査結果に基づいて調査戦略を適応させます。鍵は、これらが別々のAIツールではなく、ビジネスコンテキストを理解し、ワークフローの状態を維持し、予測分析、コンテンツ生成、自律的行動の間でシームレスに移行して、断片化されたAI出力ではなく完全なビジネス成果を提供できる、ドメイン特化型エージェント内の統合された機能であることです。多くのエンタープライズAIエージェントは、堅牢性がなければつまずく可能性があると警告されていますが、よく設計されたフォールトトレラントなエンタープライズAIエージェントの主要な特徴は何ですか？ よく設計され、精査に耐えるエンタープライズAIエージェントには、いくつかの重要な特徴が必要です。多くの企業が効率性、生産性、イノベーションを高めるためにAIエージェントへの投資と導入を迅速に進めていますが、成功に必要な基礎作業を過小評価することがよくあります。よく設計されたエージェントが成功するために必要な重要な側面は以下の通りです： エンタープライズAIエージェントは、多くの場合サイロ化され、適切なプログラム的アクセス、権限、アクセス制御を欠いているエンタープライズデータ上で動作します。エージェントは、従業員と同じ認証と認可の規定を装備する必要があります。 エージェントはまた、あらゆる形態のエンタープライズシステム障害、ネットワーク停止、不安定なエンドポイントから回復する必要があります。オーケストレーション層は、長期間実行される耐久性のあるフォールトトレラントなワークフローを可能にする必要があり、これは多くの一般的なLLMオーケストレーターにはありません。 LLMは非決定的であり、タスクに失敗します。障害回復、再試行、最適パスの発見は、エージェントシステムの主要な機能である必要があります。 垂直AIプラットフォームを内部で構築するか、ニッチベンダーと提携するかを検討しているCTOに対して、どのようなアドバイスを提供しますか？ 小売/CPG、工業、金融サービスなど複数の業界にわたるエンタープライズAIソリューションを構築するには、最先端のAIテクノロジーと深いドメイン知識の両方を同時に習得して、エンタープライズAIソリューションから真の価値を達成する必要があります。私たちのEureka AIプラットフォームは、垂直特化型データソース、ナレッジグラフ、予測モデル、エージェントが各業界に合わせて調整されなければならない方法を示していますが、これはほとんどの内部チームが欠いている何年もの研究投資と顧客反復を表しています。AIへの投資を検討している企業やCTOに対しては、初日から実際の結果を提供するソリューションを選択することをお勧めします。垂直AIソリューションはそれらの結果を提供し、ユーザーにビジネス価値を生み出すために使用できるデータをもたらします。今後を見据えて、エンタープライズAIアーキテクチャをどのように想像していますか？共有基盤モデル上に構築された連合垂直エージェントが標準になるでしょうか？私たちは単なる「連合」エージェントを見るだけではありません。ガバナンスされたエージェント型アーキテクチャを見ることになるでしょう。共有基盤モデルは推論エンジンを提供しますが、それらは本質的にコモディティです。成功する企業の「標準」は、単にお互いに「話す」だけでなく、共有コンテキスト層を通じて厳密にオーケストレーションされる、特化された垂直エージェントを導入することになるでしょう。もし単に基盤モデル上に構築された「連合」エージェントしか持っていなければ、ノイズが多く、幻覚を起こしやすいシステム、私たちが「エンタープライズAIの『漏れやすいパイプ』」と呼ぶものを得ることになります。このアーキテクチャを本番環境でスケールさせるためには、単純な連合を超えた3つの特定の層が必要です： コンテキスト（ドメインナレッジグラフ）：...
