SymphonyAIのCTO、ラジ・シュクラ – インタビュー・シリーズ

ラジ・シュクラは、SymphonyAIのテクノロジー・ロードマップと実行を牽引し、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リードしています。AI/MLエンジニアリングおよび研究の経験はほぼ20年で、シュクラはまた、Microsoft (MSFT ) でのエンジニアリングリーダーシップの役割から、Azure、Dynamics 365、MSR、および検索および広告部門を横断するグローバルAIサイエンスおよびエンジニアリング組織を率いる14年間のキャリアを含む、広範なエンタープライズAI SaaSの経験を持っています。ラジは、検索、広告、エンタープライズAIを含むAI/MLの分野で広範な経験を持っており、消費者およびビジネスドメインの両方で、いくつかの成功したAI SaaS製品を構築しました。

SymphonyAIは、即座にビジネス価値を提供する業界特有のAIアプリケーションを構築することに重点を置いたエンタープライズAI企業です。汎用モデルの代わりに、リテール、消費財、金融サービス、製造、メディア、ITなどの垂直ソリューションを提供し、予測、不正行為防止、運用最適化、分析などの課題に取り組みます。その製品は、Eureka AIプラットフォームによって動作し、各セクターに合わせて調整されたワークフローに予測、生成、エージェントの機能を組み合わせます。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焦点を当てたソリューションを提供することで、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SymphonyAIでのAIイノベーションの最前線での経験から、エンタープライズAIの世界に最初に引き寄せられたのは何ですか?また、時間の経過とともにあなたの視点はどのように変化しましたか?

エンタープライズAIへの私の旅は、企業が実際のビジネス問題を解決するAIを実装するべきであるという基本的な信念から始まりました。汎用的な、幅広いAIソリューションは、たいてい変革的な価値を提供しません。SymphonyAIでは、私たちは企業戦略と文化を、特定の業界の課題を理解するAIを開発することの上に構築しました。金融犯罪検出から、小売り商品のメルカンドライジングまで、産業用接続ワーカーのエンパワーメントまでです。エンタープライズの準備は、別の次元を追加します。成功したエンタープライズAIには、優れたテクノロジー以上のものが必要です。データ管理とアーキテクチャ、クロスファンクショナルなコラボレーションとワークフロー、完全な透明性と監査可能性が必要です。

企業は、特に金融やヘルスケアなどの厳しく規制された業界で、汎用の事前トレーニング済みモデルにどのような欠点に遭遇しますか?

汎用の事前トレーニング済みモデルは、金融、ヘルスケア、食品などの高リスクで厳しく規制された環境に適していません。汎用の事前トレーニング済みモデルは、業界特有のニュアンスに対処するために必要なドメインの専門知識と、異なる地理的地域で異なる規制およびコンプライアンス要件を満たす必要性などの重要な障壁に直面します。最も重要なのは、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。 SymphonyAIの垂直AIテクノロジーは、運用している業界に特化して構築されており、業界のオントロジーでトレーニングされています。つまり、ビジネスに直接影響を与える決定を下したり、自動化したりすることができます。

事前トレーニング済みモデルと深いドメインロジックを組み合わせることが、エンタープライズのROIを解放するための鍵であると見なされています。業界の知識、KPIの整合、規制のガイドラインなどの基本的なコンポーネントとは何ですか?

事前トレーニング済みモデルと深いドメインロジックを組み合わせることで、ビジネス上のコンテキストと運用上の要件を理解するAIシステムを作成できます。このアプローチは、モデルが業界特有のオントロジーで強化され、企業のKPIと整合して測定可能なビジネス目標を直接サポートし、規制のガイドラインを備えたコンプライアンスフレームワークと監査証跡を備えている場合に機能します。これらの要素が協力して働くと、汎用的なAIは、測定可能な成果をもたらすビジネスクリティカルなソリューションに変わり、企業が要求する信頼性とコンプライアンスを維持します。

IBMは最近Seek AIを買収し、ニューヨーク市にWatsonx Labsを立ち上げました。これは、エンタープライズAIの景観における戦略的シフトを示唆しています。エンタープライズAIにおけるM&Aと投資のトレンドについて、これは何を示唆していますか?

IBMのSeek AIの買収とWatsonx Labsの立ち上げは、基本的なシフトを検証しています。エンタープライズAIの景観は変化し、次のM&Aの波は、事前トレーニング済みの垂直AIモデルを備えた企業を優先することを示唆しています。これらのモデルは、業界の専門知識、ガバナンス、規制のガイドライン、および成果指向のKPIを備えています。戦略的な買収者であるIBMは、エンタープライズデータを理解するAIエージェントが、業界のワークフローを理解するときに即座にROIを提供することを認識しています。市場は、汎用的な知能がエンタープライズの変革を推進するために垂直的な専門化が必要であることを認識して、統合されています。

基盤モデルはどの時点でドメイン特有のエージェントに進化しますか?この移行を示すアーキテクチャの重要なマイルストーンとは何ですか?

基盤モデルは自然にドメインエージェントに成熟しません。エンジニアリングチームによってエージェントとして構築されなければなりません。汎用的な知能からドメインエージェントへの直接的なパスはありません。移行は、エンジニアリングチームがモデルを単にスマートにするのではなく、モデルをビジネスプロセスに従わせるように構築することで発生します。つまり、コンテキストレイヤー（例：ナレッジグラフ）とオーケストレーションレイヤーをモデルに注入して、モデルが確率的な傾向に従うのではなく、ビジネスプロセスに従うようにします。

SymphonyAIでは、堅牢で垂直特有のワークフローを構築する際の核となる課題とは何ですか?また、これらの課題に対処する方法は何ですか?

堅牢で垂直特有のワークフローを構築する際の核となる課題は、複雑なマルチステッププロセス全体で信頼性を維持することです。SymphonyAIは、ドメインの専門知識をエージェントに直接組み込み、エラー処理と回復を実装し、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ことで、これらの課題に対処します。これにより、エージェントは、高リスクで規制された環境で、精度、コンプライアンス、運用上の完全性を維持しながら信頼性を持って動作できるようになります。

SymphonyAIでは、堅牢なデータ基盤、ナレッジグラフ、メタデータレイヤーを強調しています。これらの機能は、垂直AIエージェントにとってなぜ重要ですか?また、多くの企業はこれらの機能を実装するのに苦労していますが、その理由は何ですか?

堅牢なデータ基盤とナレッジグラフは、垂直AIエージェントが有意義な情報源を持ち、コンテキスト化された推奨事項を提供し、企業のすべてのレベルで市場、顧客、プロセスの変更に追随できるために不可欠です。多くの企業は、これらの機能を実装するのに苦労しています。なぜなら、それらには、データアーキテクチャ、専門的なオントロジー専門知識、既存のデータ慣行に対する根本的な変更が必要だからです。これらの変更は、多くの組織にとって組織的および技術的に難しいものです。そこで、深いドメインの知識と経験を持つAIテクノロジーパートナーが貴重です。パートナーは、AIを業界の膨大なデータソースとソースで事前にトレーニングする能力を提供します。

現実世界のシナリオでは、金融犯罪検出や小売りの予測など、SymphonyAIはどのように予測、生成、エージェントのAIを統合して一貫した「スキル」にしますか?

SymphonyAIは、予測、生成、エージェントのAIを統合して、特定のビジネス問題を解決する一貫したワークフローを作成します。金融犯罪検出の場合、予測モデルは疑わしい取引パターンを特定し、生成AIは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は、ケースのエスカレーションを自動化し、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。

重要なのは、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、ワークフロー状態を維持し、予測分析、コンテンツ生成、自律的なアクションの間でシームレスに遷移できるドメイン特有のエージェントの一部であるということです。これらは、断片化されたAI出力を提供するのではなく、完全なビジネス成果を提供することができます。

あなたは、多くのエンタープライズAIエージェントが堅牢性なしで躓く可能性があることを警告しています。堅牢で、故障耐性のあるエンタープライズAIエージェントの重要な特性とは何ですか?

エンタープライズAIエージェントは、以下の重要な特性を備えていなければなりません。

• エンタープライズAIエージェントは、エンタープライズデータで動作し、シロ化され、適切なプログラムmaticアクセス、権限、およびアクセス制御が欠如していることがよくあります。エージェントは、従業員と同じ認証および認可の規定を備えていなければなりません。
• エージェントは、エンタープライズシステムの障害、ネットワークの停止、および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レイヤーは、長時間実行される堅牢で耐障害性のあるワークフローを可能にし、多くの一般的なLLMオーケストレーターではできないものを可能にします。
• LLMは非決定性であり、タスクに失敗します。障害の回復、再試行、および最適なパスの発見は、エージェントシステムの重要な機能です。

内部で垂直AIプラットフォームを構築することと、ニッチベンダーと提携することを検討しているCTOにとって、どのようなアドバイスを提供しますか?

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の専門知識の両方を同時にマスターする必要があります。私たちのEureka AIプラットフォームは、業界特有のデータソース、ナレッジグラフ、予測モデル、およびエージェントが各業界に合わせて調整される必要があることを示していますが、これは、多くの内部チームが欠如している、研究投資と顧客の反復の数年間の結果です。エンタープライズAIソリューションに投資しようとしているビジネスとCTOにとって、私は、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アドバイスします。垂直AIソリューションは、ユーザーがビジネス価値を作成するために使用できるデータを提供することで、これらの結果を提供します。

今後、エンタープライズAIアーキテクチャはどのように進化すると思いますか?共有された基盤モデルを使用する連邦型垂直エージェントは、標準になりますか?

私たちは、単に「連邦型」エージェントだけを見るのではなく、管理されたエージェントアーキテクチャを見ることになります。共有された基盤モデルは推論エンジンを提供しますが、基本的にコモディティです。成功したエンタープライズの「標準」は、専門化された垂直エージェントを展開することです。これらのエージェントは、単に「会話」するのではなく、厳格に共有されたコンテキストレイヤーを通じてオーケストレーションされます。エージェントが「連邦化」されているだけの場合、ノイズの多い、妄想を起こしやすいシステム、つまりエンタープライズAIの「漏れのあるパイプ」が得られます。これを生産性のあるアーキテクチャにスケールアップするには、単純な連邦化を超えた3つの特定のレイヤーが必要です。

• コンテキスト（ドメインナレッジグラフ）：エージェントは単に確率を交換するのではなく、単一の真実の源を共有する必要があります。
• オーケストレーション：エージェントの使用を決定し、人間がループに残ることを決定する「マスターアーキテクト」が必要です。
• ガバナンス：出力がシステムを離れる前に、法的にも運用上も安全である必要があります。

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