AI Squared의 CEO 및 사장인 Darren Kimura – 인터뷰 시리즈

Darren Kimura는 경험 풍부한 기업가, 발명가, 투자자이며 현재 AI Squared의 사장 및 CEO를 맡고 있습니다. 기술 및 청정 에너지 부문에서 25년 이상의 리더십을 보유하고 있으며, Energy Industries Corporation, Sopogy, LiveAction을 이끌었으며, 벤처 회사인 Enerdigm Ventures를 공동 설립했습니다. MicroCSP 太陽 기술을 발명한 김우라는 에지 컴퓨팅, AI, SaaS 기반 솔루션에 중점을 둔 회사 확장에서 핵심 역할을 했습니다.

AI Squared는 기업이 이미 사용하는 도구에 AI 인사이트를 직접 통합하여 도움을 주는 저코드 플랫폼입니다. Salesforce (CRM ), Slack, Google Sheets, ServiceNow와 같은 도구에서 실시간 의사 결정을 가능하게 함으로써, 플랫폼은 엔지니어링, 판매, 운영을 포함한 팀이 측정 가능한 비즈니스 가치를解除할 수 있도록 합니다. 금융, 공급망, 정부와 같은 클라이언트를 대상으로 서비스를 제공하는 AI Squared는 기업의 AI 채택을 가속화하기 위해 무결점하고, 상황에 맞게, 행동 가능한 솔루션을 제공하고 있습니다.

여러 부문에서 여러 회사를 이끌어 왔는데, AI Squared에 합류하고 결국 리더가 된 데에는 어떤 계기가 있었나요?

나는 항상 어려운 현실 세계의 문제를 해결하는 데 관심이 있었고, 깊은 기술 이해와 완벽한 실행이 필요한 문제에 관심이 있었습니다. 나는 에너지 효율성과 재생 가능 에너지 분야에서 경력을 시작했으며, 기계 데이터를 대규모로 캡처하고人们이 이해하고 행동할 수 있도록 도왔습니다. 시간이 지남에 따라, 그것은 데이터 처리를 더 가까운 곳에서 처리하는 것으로 발전했으며, 에지, 보안 시스템, 또는 기업 워크플로우 내에서 처리했습니다.

처음으로 AI Squared를 만났을 때, 나는 즉시 그들이 매우 실제적이고 매우 긴급한 도전에 직면해 있다는 것을 알았습니다. 대부분의 회사들은 아직 모델을 구축하는 데 중점을 두고 있습니다. AI Squared는 배포에 중점을 두고 있었습니다.

나에게 더욱 확신을 주었던 것은 그들의 기반입니다. 회사는 NSA 내에서 시작되었으며,过去 6년 동안 국방부, 정보 공동체, 우주 공동체 및 Fortune 500 목록에 있는 일부 가장 큰 기업을 통해 실제 프로젝트와 의미 있는 결과를 얻어왔습니다. 그것은 나에게 두 가지를 말해주었습니다. 첫째, 그들은 보안, 컴플라이언스, 영향에 대해 진지하게 생각하고 있습니다. 둘째, 그들은 나에게 신뢰할 수 있는 팀이었습니다.

ZEDEDA를 확장하고 벤처 캐피탈에서 일한 경험은 기업 수준에서 AI 배포에 대한您的 접근 방식을 어떻게 형성했나요?

ZEDEDA에서 우리는 오픈 소스 커뮤니티 내의 운영 체제로 일했습니다. 그것은 고객이 디지털 변환과 관련하여 직면한 실제 세계의 제약을 깊이 이해하도록 강요했습니다. 우리는 세계 수준의 엔지니어링 팀을 가지고 있었으며, Cisco, Sun Microsystems, Juniper, Arista에서 왔으며, 또한 기술적 우수성과 강력한 기업 마케팅 동작을 결합하는 것이 얼마나 중요한지 가르쳤습니다.

벤처 측면에서, 나는 다른 종류의 통찰력을 얻었습니다. 나는 깊은 기술 회사들이 어떻게 확장하는지 보았습니다. 처음에는 더 느리지만, 강력한 기반을 구축함에 따라 더 빠르게 확장합니다. 그것은 나에게 시스템을 생각하는 법을 가르쳤습니다. 시장 타이밍, 제품 준비도, 고객 성숙도, 자본 전략이 모두 일치해야 합니다. 그것이 내가 AI Squared에서 AI 배포에 접근하는 렌즈입니다. 모델을 배송하는 것이 아니라, 기업이 신뢰하고, 측정하고, 확장할 수 있는 결과를 제공하는 것입니다.

AI Squared는 이미 사용하는 시스템에 AI를 삽입하는 것을 강조합니다. 실제로 AI의 “마지막 마일”를 해결하는 것은 어떻게 생겼나요?

87%의 AI 프로젝트는 생산에 도달하지 못합니다. 통합이 느리며, 복잡하며, 최종 사용자와 분리되어 있습니다. AI Squared는 국가 보안 등급의 데이터 통합 파이프라인을 생성하여 AI/ML 모델을 데이터 소스와 연결하고, 이미 사용하는 시스템과 연결합니다.

AI Squared는 데이터 과학 팀과 비즈니스 사용자 간의 간격을 어떻게 메우나요?

AI Squared는 모델 개발에서 생산까지의 전환을 단순화합니다. 데이터 과학 팀은 모델을 안전하게 배포할 수 있으며, 비즈니스 사용자는 이미 사용하는 도구 내에서 인사이트를 받습니다.

NSA, 미국 해군, 다른 연방 기관과 함께 일하고 있습니다. 컴플라이언스, 투명성, 윤리적 사용과 같은 우선순위는 AI Squared의 제품 로드맵을 어떻게 형성합니까?

윤리, 컴플라이언스, 투명성이 우리의 로드맵 상위에 있습니다. 우리는 연방 기관과 함께 일하면서 추적 가능성, 감사 가능성, 설명 가능성이 필수적임을 압니다. 우리는 제로 트러스트 원칙, 보안 배포 환경 지원, 명확한 거버넌스 모델을 통해 구축합니다.

연방 기관의 의사 결정 개선에 대한 차별적 AI의 역할은 무엇이라고 생각합니까?

차별적 AI는 정확하고, 해석 가능하며, 효율적입니다. 높은 위험 환경에서 명확한 답변을 필요로 하는 경우에 이상적입니다. 연방 기관에서 이는 빠른 트라이어지, 위험 감지, 우선순위를 ermög합니다.

국가 보안과 관련하여, AI 채택의 가장 큰 위험과 기회는 어디에 있다고 생각합니까?

가장 큰 위험은 관리되지 않는 자율성입니다. 투명성, 감독, 실패 안전 장치 없이 AI 시스템을 배포하는 것입니다. 기회는 상황 인식과 의사 결정 속도를 가속화하는 것입니다. AI는 인간이 놓칠 수 있는 패턴을 실시간으로 검색하여 표면화할 수 있습니다. 그러나 그 가치를 실현하기 위해서는 신뢰할 수 있고, 추적 가능하며, 인간이 포함된 시스템과 통합되어야 합니다.

GenAI를 배포할 때 회사들이 가장 일반적으로 하는 실수는 무엇입니까?

가장 큰 실수는 혁신보다 필수성을 중시하는 것입니다. 많은 회사들이明確한 사용 사례, 거버넌스 계획, 성공 지표 없이 GenAI를 배포합니다. 그것은 파일럿 피로, 확장할 수 없는 프로토 타입, 신뢰 문제로 이어집니다. GenAI는 강력하지만, 다른 기술과 마찬가지로, 문제, 사용자, 워크플로우와 일치해야 합니다.

AI Squared가 기업이 “신기한 객체 증후군”을 피하고 측정 가능한 영향을 달성하는 데 어떻게 도움을 주었는지 예를 들어 설명해 주십시오.

한 기업은 고객 서비스 티켓을 분류하기 위한 맞춤형 LLM을 구축하려고 했습니다. 우리는 우리의 플랫폼을 통해 배포된 단순한 분류器가 2주 이내에 90%의 정확도를 달성할 수 있다고 보여주었습니다. 새로운 인터페이스, 맞춤형 교육이 필요하지 않았습니다. 그것이 올바른 도구로 올바른 문제를 해결하는 힘입니다.

기업 AI의 다음 3-5년 동안 가장 흥미로운 새로운 트렌드는 무엇이라고 생각합니까?

세 가지가 두드러집니다:

1. 특정 작업에 중점을 둔真正 다중 모달 LLM
2. 작동하는 에이전트 AI 시스템
3. 규제 산업에서 AI 채택을 가능하게 하는 표준화된 거버넌스

이러한 트렌드는 AI를 더 사용하기 쉽고, 신뢰할 수 있고, 일상적인 작업에 통합된 것으로 만듭니다.

AI Squared는 빠르게 발전하는 LLM과 모델 생태계를 따라가기 위해 플랫폼을 어떻게 발전시키고 있습니까?

우리는 모델에 중립적입니다. 오픈 소스 모델, 상업용 LLM, 또는 고유한 차별적 모델이든, 우리의 플랫폼을 통해 조직은 모델을 안전하게 배포하고 관리할 수 있습니다. 우리는 오케스트레이션, 버전 관리, 거버넌스에 중점을 두고 있으며, 모델 스택이 사용자 경험을 방해하지 않고 진화할 수 있도록 합니다.

AI Squared의 다음 장에서 성공은 무엇입니까?

성공은 기업과 정부 기관이 AI를 운영하는 기본 방법이 되는 것입니다. 그것은 몇 개월에서 며칠로 시간을 줄이는 것을 의미하며, AI 배포를 새로운 기능을 출시하는 것만큼이나 간단하고 안전하게 만드는 것입니다. 나의 리더십 하에서, 우리는 규모, 신뢰, 실제 결과에 중점을 두고 있으며, 단순히 혁신을 위해가 아니라, 가장 중요한 곳에서 영향을 미치기 위해 노력하고 있습니다.

훌륭한 인터뷰에 감사드립니다. 더 많은 정보를 원하는 독자는 AI Squared를 방문하십시오.