ウィズダムAIの共同創設者兼CEO、ソハム・マズムダール – インタビュー・シリーズ

ソハム・マズムダールは、AI駆動のソリューションを先導する会社であるウィズダムAIの共同創設者兼CEOです。ウィズダムAIを2023年に共同創設する前に、彼はルブリックの共同創設者兼チーフ・アーキテクトで、9年間で会社をスケールアップする上で重要な役割を果たしました。ソハムは以前、FacebookとGoogleでエンジニアリングのリーダーシップを担い、コアの検索インフラストラクチャーに貢献し、Googleの創設者賞を受賞しました。彼はまた、Facebookが買収したモバイル・ロイヤルティ・プラットフォームであるTagtileを共同創設しました。ソフトウェア・アーキテクチャーとAIイノベーションで20年以上の経験を持つソハムは、サンフランシスコ・ベイエリアを拠点とするベテランの起業家兼テクノロジストです。

ウィズダムAIは、独自の「ナレッジ・ファブリック」を介して構造化されたデータと非構造化されたデータを統合し、企業がリアルタイムで正確な洞察を得ることができる、AIネイティブのビジネス・インテリジェンス・プラットフォームです。プラットフォームは、データのコンテキストをキュレーションし、自然言語でビジネス上の質問に答え、トレンドやリスクをプロアクティブに提示する（hallucinatedコンテンツを生成せずに）特殊なAIエージェントを動作させます。従来のBIツールとは異なり、ウィズダムAIは、生成されたコンテンツを生成せずに、クエリの生成のみに厳密に生成AIを使用し、高い精度と信頼性を確保します。既存のデータ・エコシステムと企業レベルのセキュリティと互換性があり、シスコやコンオコフィリップスなどの主要企業で早期に採用されています。

あなたはルブリックを共同創設し、主要な企業の成功に貢献しました。2023年にルブリックを離れてウィズダムAIを立ち上げることを決めたのは何が理由でしたか？その新しい方向性を明確にする特定の瞬間はありましたか?

企業のデータ・インエフィシエンシー問題は私に直面していました。ルブリック在職中、フォーチュン500社がデータに溺れているのに対し、洞察に飢えていることを目撃しました。インフラを構築したにもかかわらず、20％以下の企業ユーザーしかデータを効果的に使用できませんでした。システム的な問題でした。

私は本質的にビルダーです – GoogleからTagtileへ、そしてルブリック、そして現在ウィズダムAIへ。私は基本的な課題に取り組み、基盤からソリューションを構築することにエネルギーを得ます。ルブリックを企業の成功に導いた後、同じくらい野心的なものに取り組むための起業家的な引き力を再び感じました。

最後に、AIの機会は無視できませんでした。2023年までに、AIがデータの可用性と可用性のギャップを埋めることができるようになったことは明らかでした。ウィズダムAIを構築するためのタイミングは完璧でした。

明確な瞬間は、ルブリックでの企業のデータ・インフラストラクチャーに関するすべてのことを組み合わせて、AIの変革的な可能性でこの基本的なインエフィシエンシー問題を解決できることを実現したときでした。

ウィズダムAIは「ナレッジ・ファブリック」とAIエージェントのスイートを導入します。システムがどのように連携して従来のBIダッシュボードを超えるのかについて説明してください。

データが存在する場所でデータと一緒に作業するためのエージェント型のデータ洞察プラットフォームを構築しました – 構造化されたデータ、非構造化されたデータ、そして「汚れた」データです。分析チームにレポートを実行するように依頼するのではなく、ビジネス・マネージャーは直接質問し、詳細に掘り下げることができます。プラットフォームは、クエリ・ログを分析することで、任意のデータ・ウェアハウス・システムでトレーニングできます。

私たちは、Snowflake、Microsoft Fabric、GoogleのBigQuery、AmazonのRedshift、Databricks、Postgresなどの主要なクラウド・データ・サービスと互換性があります。また、Excel、PDF、PowerPointなどのドキュメント形式にも対応しています。

従来のツールとは異なり、専門家向けに設計されたものではなく、ビジネスユーザーが直接答えを得ることができる会話型インターフェイスを提供し、多エージェント・アーキテクチャーにより、さまざまなデータ・システム間で複雑なクエリを可能にします。

あなたは、ウィズダムAIが生成されたコンテンツを生成せずに、回答の生成からGenAIを分離することでhallucinationsを避けていると強調しています。システムがGenAIをどのように使い分けているか、および企業の信頼性について説明してください。

私たちのAI-Ready Context Modelは、組織のデータをトレーニングして、ユニバーサルなコンテキスト理解を生成し、高いセマンティック精度で質問に答え、データのプライバシーとガバナンスを維持します。また、生のデータをLLMにフィードするのではなく、データをさまざまなシステムから抽出するためにスコープされたクエリを生成するために生成されたAIを使用します。これは、LLMのhallucinationおよび安全性に関する懸念に対処する上で重要です。

あなたは「エージェント型データ洞察プラットフォーム」という用語を生み出しました。従来の分析ツールや標準のLLMベースのアシスタントとはどのように異なるのでしょうか?

従来のBIスタックは、毎回、質問が切り離されたデータ・シロと専門家のリレー・チームを通じて決定を遅らせます。収益責任者が四半期をどのように終了するかを知る必要がある場合、答えは通常、CRMのエクストラクトを操作するアナリスト、ファイルを縫い合わせるデータ・エンジニア、レポートを更新するダッシュボード・ビルダーを経由します。これは、単純なクエリを複数日のプロジェクトに変えることになります。

私たちのプラットフォームは、これらのシロを分解し、データの全容を1つのキーストロークで提供します。したがって、CROは、見出しメトリックから行レベルの詳細まで、秒単位でアクセスできます。

アナリストのキューを待つ必要はありません。事前に定義されたダッシュボードは新しい質問に追いつけないので、本当のセルフサービス・インサイトがビジネスのスピードで提供されます。

ウィズダムAIは、企業のユニークなデータ・ボキャブラリーと構造に適応する方法を教えてください。人間の入力はナレッジ・ファブリックを洗練する上でどのような役割を果たしますか?

データが存在する場所で、そしてデータが存在する方法でデータと一緒に作業することは、企業のビジネス・インテリジェンスのために至高の目標です。従来のシステムは、非構造化されたデータや「汚れた」データ（タイポやエラーが含まれるデータ）を処理するように設計されていません。情報がさまざまなソース（データベース、ドキュメント、テレメトリ・データ）に存在する場合、組織はこの情報をまとめて統合するのに苦労します。

これらのさまざまなデータ・タイプを処理する機能がない場合、貴重なコンテキストは個別のシステムに分離されたままになります。プラットフォームは、クエリ・ログを分析することで、任意のデータ・ウェアハウス・システムでトレーニングできます。したがって、各組織のユニークなデータ・ボキャブラリーと構造に適応できます。

ウィズダムAIの開発プロセスは「バイブ・コーディング」と呼ばれています。コードで直接製品のエクスペリエンスを構築し、実際の使用を通じて反復するというアプローチです。このアプローチは、従来の製品設計と比較してどのような利点をもたらしますか?

「バイブ・コーディング」は、開発者がAIツールの力を利用して、自然言語で望ましい機能を説明するだけでコードを生成できるようにする、ソフトウェアの構築方法における大きな変化です。知的アシスタントが何を望むかを理解し、コードを書きます。従来、手動でコーディングに必要な時間と労力が大幅に削減されます。

デジタル製品の作成は、大部分が、製品とUXデザインを慎重に計画し、次に開発を実行し、フィードバックに基づいて反復するというよく知られたスクリプトに従っていました。論理は明らかでした。設計に最初に投資することで、開発の段階での高価な再作業を最小限に抑えることができます。しかし、開発を実行するコストと時間が大幅に削減された場合にはどうなりますか? この機能は、従来の開発シーケンスを逆転させます。開発者は、詳細な製品とUXデザインが最終化される前に、高レベルの要件の理解に基づいて機能的なソフトウェアを構築し始めることができます。

AIコード生成のスピードにより、詳細な設計を作成する努力は、ソフトウェアの基本的なバージョンを実行するのに必要な努力よりも相対的に時間がかかる場合があります。新しいパラダイムは、コードを生成し（AIで）、次に適応します（設計と改良）。

このアプローチにより、コア・コンセプトの早期ユーザー検証が可能になります。実際の機能のフィードバックを、詳細なビジュアル・デザインに多大な投資をしてから受け取ることができます。これにより、デザインはよりユーザー・セントリックになり、デザイン・プロセスは実際の製品とのユーザーのやり取りによって直接情報を得ることができます。

ウィズダムAIでは、AIコード生成を積極的に受け入れました。迅速な初期開発により、コア機能をテストし、早期に貴重なユーザー・フィードバックを収集できることを発見しました。実際の製品でこれを行うことで、デザイン・チームは、実際の使用に基づいてユーザー・エクスペリエンスとビジュアル・デザインを洗練することに集中できます。これにより、より効果的でユーザーに愛される製品が、より迅速に実現します。

販売とマーケティングから製造とカスタマー・サクセスまで、ウィズダムAIは幅広いビジネス・ユース・ケースを対象としています。どの垂直市場で最も早く採用が進んでいますか? どのようなユース・ケースが最も大きなインパクトを与えましたか?

複数の顧客とともに変革的な成果を達成しました。フォーチュン500社のコンオコフィリップスでは、掘削エンジニアとオペレーターが、複雑な井戸データを直接自然言語で照会するためにプラットフォームを使用しています。ウィズダムAI以前は、これらのエンジニアは、作業の基本的な操作に関する質問に技術的な支援が必要でした。現在、彼らは同じ会話型インターフェイスを使用して、瞬時に情報にアクセスし、同時にドリリング・マニュアル内のベスト・プラクティスと比較することができます。彼らは6か月間で数多くのAIベンダーを評価し、最も近い競合相手よりも50%の精度の向上を達成しました。

ハイパー・グロースのサイバーセキュリティ企業であるDescopeでは、ウィズダムAIはセールスとファイナンスのための仮想データ・アナリストとして使用されています。レポートの作成時間を2〜3日から2〜3時間に削減しました – 90%の減少です。これにより、週次のセールス・ミーティングは、データの収集の演習から、実行可能な洞察に焦点を当てた戦略会議に変わりました。CROは「ウィズダムAIは、私の指先にデータをもたらします。データを民主化し、私に質問に答え、1日を進める力を与えます。誰かが答えを構築するのを待つ必要はなく、5日間待つ必要はありません」と述べています。このデータに基づく意思決定のスピードは、アイデンティティ・マネジメントの競争市場で急成長している会社にとって特に重要でした。

実用的な例: 収益責任者は「四半期をどのように終了するか?」と尋ねます。プラットフォームは、遅延している特定の顧客の質問に関する情報とともに、集中すべき未決の取引の一覧をすぐに提示します。これは、5つのキーストロークで行われ、5人のスペシャリストと数日の遅延ではありません。

多くの企業は現在、ダッシュボード、レポート、シロ化されたツールで過負荷になっています。企業が現在ビジネス・インテリジェンスについて持っている最も一般的な誤解は何ですか?

組織は情報の宝庫を持っていますが、迅速な意思決定のためにデータを活用するのに苦労しています。課題はデータを持っていることではなく、その自然な状態でデータと作業することです – これには、タイポやエラーが含まれる「汚れた」データが含まれる場合があります。企業はインフラストラクチャーに多大な投資をしていますが、硬直化したダッシュボード、データの汚さ、シロ化された情報によりボトルネックに直面しています。ほとんどの企業では、レポートを実行するために専門チームが必要です。ビジネス・リーダーが迅速に答えを必要とする場合、重大な遅延が発生します。データを消費するインターフェイスは、クラウド・データ・エンジンやデータ・サイエンスの進歩にもかかわらず、古いままです。

あなたはウィズダムAIを、TableauやLookerのような既存のBIツールを補完するものと見なしていますか? または、最終的には置き換えるものと見なしていますか? あなたはより広い企業のデータ・スタックにどのように適合していますか?

私たちは、Snowflake、Microsoft Fabric、GoogleのBigQuery、AmazonのRedshift、Databricks、Postgresなどの主要なクラウド・データ・サービスと互換性があります。また、Excel、PDF、PowerPointなどのドキュメント形式にも対応しています。私たちのアプローチは、データを消費するインターフェイスを変革し、クラウド・データ・エンジンやデータ・サイエンスの進歩にもかかわらず、古いままだったものを変えました。

5年後のウィズダムAIの将来像はどうですか? エンタープライズ・ランドスケープ全体で「エージェント型インテリジェンス」の概念はどのように進化するでしょうか?

分析の未来は、専門家主導のレポートから、誰でもアクセスできるセルフサービス・インテリジェンスへと移り変わります。BIツールは20年以上存在していますが、企業の従業員の20％以下しか採用していません。一方、ChatGPTは、仕事場のユーザーの60％が12か月で採用しました。多くの場合、データ分析のために使用されます。この大きな違いは、会話型インターフェイスが採用率を高める可能性を示しています。

すべての従業員が技術的なスキルなしでデータを直接調査できるように、根本的な変化が起こっています。AIの計算能力と人間の自然なやり取りが組み合わさる未来が来ます。洞察は、ダッシュボードを探すのではなく、ユーザーにプロアクティブに提示されます。

素晴らしいインタビュー、詳細を知りたい読者はウィズダムAIを訪問してください。