์ธํฐ๋ทฐ
Edwin Lisowski, Addepto์ ๊ณต๋ ์ฐฝ๋ฆฝ์ ๋ฐ Chief Growth Officer – ์ธํฐ๋ทฐ ์๋ฆฌ์ฆ
Edwin Lisowski, Addepto의 공동 창립자 및 Chief Growth Officer는 회사의 전략적 성장, 비즈니스 개발, 마케팅을 담당합니다. 그는 데이터 아키텍처, AI 기반 전략, 분석 컨설팅에 대한 광범위한 경험을 가지고 있으며, 기술 전문 지식을 강조하면서 글로벌 고객을 위한 AI 채택 및 비즈니스 변환.initiative를 확대하는 데 중점을 두고 있습니다.
Addepto는 인공 지능, 기계 학습, 데이터 엔지니어링, 비즈니스 인텔리전스 솔루션을 제공하는 바르샤바 기반의 컨설팅 회사입니다. 이 회사는 조직이 원시 데이터를 실행 가능한 통찰력으로 변환하도록 도와주는 엔드투엔드 AI 전략, 증명된 개념 개발, 프로덕션 준비 모델 구현을 제공합니다. 금융, 물류, 제조, 보험 등 다양한 산업에서 작업하는 Addepto는 맞춤형 솔루션과 장기적인 파트너십을 강조하여 고객이 측정 가능한 비즈니스 영향을 위한 AI를 활용하도록 도와줍니다.
2018년에 Addepto를 공동 창립한 것이 무엇이었는지, 그리고 시장에서 어떤 간격을 메우려고 했는지에 대해 설명해 주십시오.
2018년, 우리는 두 가지 극단을 보았습니다. 큰 벤더들이 “한 크기가 모두에게 맞는다”라는 AI를 판매하고, 다른 한편으로는 데이터 엔지니어링과 MLOps에 대한 근육이 부족하여 몇 가지 PoC 이후에 내부 팀이 막혔습니다. 우리는 전략 → 데이터 플러밍 → 모델 → 프로덕션을 연결하는 팀으로 Addepto를 구축했습니다. 특히 데이터가 많은 산업을 위해 이러한 풀스택 접근 방식은 여전히 우리의 DNA입니다.
Addepto의 서비스 영역 중에서 컴퓨터 비전, NLP, 기계 학습, 또는 데이터 엔지니어링이 어느 것이 기업에서 가장 빠르게 채택되고 있는지, 그리고 이유는 무엇입니까?
過去 18-24 개월 동안, NLP/GenAI는 기업에서 가장 빠르게 이동했습니다(검색, 어시스턴트, 문서 처리). 이는 지식 작업 ROI에 직접적으로 매핑되며 기본 모델에서 시작할 수 있습니다. 산업 조사에 따르면 2024년에 AI 사용이 크게 증가했으며, GenAI 주도 사용 사례가 기능적으로 확장하고 있습니다.
많은 회사들이 증명된 개념 AI에서 프로덕션 시스템으로 이동하는 데 어려움을 겪고 있습니다. Addepto는 어떻게 그 간격을 메우는 데 도움을 주나요?
우리는 생산을 단계가 아니라 규율로 다룹니다. 즉, 발견 워크샵, 데이터 계약, 참조 아키텍처, 모델의 CI/CD, 관찰 가능성, “2일차” 운영(드리프트, 비용, 가드레일)을 다룹니다. 구체적으로, 우리는 MLOps를 표준화하고 PoC를 클라이언트의 스택(다트브릭스/스파크, 쿠버네티스, 기존 BI)에 맞는 마이크로 서비스 엔드포인트로 리팩터링합니다. 이것이 우리가 일관되게 데모를 제공하는 방법입니다.
생성 AI는 이제 귀하의 제공 서비스의 중심입니다. 기본 모델을 적용할 때와 사용자 정의 모델 개발을 결정하는 기준은 무엇입니까?
우리의 결정 트리는 실용적입니다.
- 시간 대 가치, 광범위한 언어 작업, 및 가변성이 지배할 때 기본 모델을 사용합니다.
- 도메인 용어 또는 톤 정밀도가 중요한 경우 미세 조정을 적용하거나 어댑터를 사용합니다.
- 지연/비용/IP 제어가 중요하거나, 데이터가 독점적/구조화되거나, 에지 제약이 적용되는 경우 사용자 정의 모델을 구축합니다.
이것은 기업이 어디로 가고 있는지 반영합니다. 더 이상 “실험”이 아닌, 더 적은 수의 높은 가치의 론칭.
2024년에 ContextClue를 전용 지식 관리 플랫폼으로 출시했습니다. 어떤 고통 点이 ContextClue를 위한 적절한 시간이라고 확信시켰나요?
엔지니어링 클라이언트는 계속해서 같은 것을 물었습니다. “我们的 CAD, PLM, ERP, 및 문서가 통신하지 못합니다. 그것들을 함께 생각할 수 있게 할 수 있나요?” 우리는 이미 여러 프로젝트에서 이를 해결했으므로, 우리는 패턴을 제품화했습니다. 2024년은 적절한 시점이었습니다. 왜냐하면 GenAI는 엔지니어를 위한 검색 및 저작을 가능하게 했 之后(데이터 팀만이 아니라). 우리는 그 시기에 그것을 발표하고 출시하기 시작했습니다.
ContextClue는 CAD, ERP, PLM, 및 기술 문서와 통합됩니다. 이러한 데이터 소스 중에서 가장 어려운 것을 통합하는 방법은 무엇입니까?
CAD는 가장 어려운 것입니다. 바이너리/독점 형식, 버전 관리, 어셈블리, 및 공간적 맥락. 우리는 CAD를 PLM/ERP 메타데이터와 함께 정규화하고, 모든 것을 지식 그래프에 매핑하여 부품, 시스템, 사양, 및 절차가 동일한 엔티티에 해결되도록 합니다. 이것이 ContextClue의摄取 파이프라인의 핵심입니다.
플랫폼은 의미 검색 및 문서 생성을 지원합니다. 엔지니어링 팀을 위한 출력의 정확성과 신뢰성을 어떻게 보장합니까?
세 가지 계층:
- 기반 검색(지식 그래프上的 RAG) 및 소스 아티팩트에 대한 인용.
- 정책 + 테스트(CI의 평가 스위트, 레드 팀 프롬프트, 회귀 테스트).
- 중요한 출력에 대한 인간의 개입(표준 운영 절차, 규정 준수 문서). 우리는 심지어 개방형 소스로 일부 평가 및 그래프 추출 도구 체인을 제공하여 이를 감사 가능하게 합니다.
ContextClue가 중공업 및 엔지니어링 생태계에서 다른 지식 관리 도구와 구별되는 점은 무엇입니까?
それは 엔지니어링 네이티브입니다. 즉, “파일을 검색”하는 것만이 아니라, 어셈블리, 의존성, 및 변경 영향에 대한 이해를 연결하고, CAD/PLM/ERP 및 유지 보수 기록을 실행 가능한 그래프로 연결합니다. 경쟁하는 KM 도구는 종종 인덱싱에서 멈추지만 ContextClue는 구조 + 의미를 통일하고 인간이 읽을 수 있는 문서와 기계가 읽을 수 있는 모델(디지털 트윈, 계획을 위한)을 출력합니다.
멀티모달 AI의 부상과 함께 ContextClue가 어떻게 진화하는지, 특히 텍스트, 도면, 3D 모델의 결합에 대해 어떻게 생각하시나요?
두 가지 방향이 이미 진행 중입니다:
- CAD 및 도면에 대한 비전: 추출된 토폴로지, 콜아웃, 및 BOM 링크를 그린드로 해결.
- 3D 정렬: 지식 노드를 3D 좌표/Omniverse 뷰에 연결하여 유지 보수 또는 계획 쿼리가 모델의 올바른 위치에 해결되도록 합니다. 더 풍부한 에이전트가 부품, 버전, 및 절차를 모달리티 전체에서 탐색할 수 있습니다.
미래를 내다보며, Addepto와 ContextClue가 서로의 성장을 어떻게 형성할지, 그리고 산업에서 다음 10년 동안 어떻게 영향을 미칠지에 대해 어떻게 생각하시나요?
Addepto는 멀티모달/에이전트 시스템을 책임감 있게 생산화하는 최전선에 계속 머물러 있을 것입니다. ContextClue는 이를 엔지니어링 팀을 위한 반복 가능한 가치로 전환할 것입니다. 함께, 우리는 “지식 낭비”(검색/재생성에 소요되는 시간)를 대규모로 줄이려는 것을 목표로 하며, 엔지니어링 사이클 시간, 리워크율, 및 감사 준비 시간과 같은 결과를 측정하여 공장 및 프로그램 전체에서 성과를 측정할 것입니다. 시장은 “많은 파일럿”에서 “더 적은 수의 높은 가치의 론칭”으로 이동하고 있으며, 우리는 일관되게 이러한 승리를 제공하는 파트너 및 플랫폼이 되기를 계획합니다.
멋진 인터뷰에 감사드립니다. 더 많은 정보를 배우고 싶은 독자들은 Addepto를 방문할 수 있습니다.
