illumex의 CEO 및 창립자 인나 토카레프 셀라 – 인터뷰 시리즈

illumex의 CEO이자 창립자 인나 토카레프 셀라는 기업이 생성적 인공지능에 구조화된 데이터를 준비하는 방식을 혁신적으로 변화시키고 있습니다. illumex는 조직이 생성적 인공지능 분석 에이전트를 배포할 수 있도록 산재한 암호화된 데이터를 의미 있는 컨텍스트가 풍부한 비즈니스 언어로 번역하여 거버넌스를 구축합니다.

이 플랫폼은 메타데이터를 자동으로 분석하여 구조화된 데이터를 이동하거나 수정하지 않고 위치를 지정하고 레이블을 지정하며, 의미를 추가하고 정의를 정렬하여 명확성과 투명성을 보장합니다. 비즈니스 용어를 생성하고 메트릭스를 제안하고 잠재적인 충돌을 식별함으로써 illumex는 최고 수준의 데이터 거버넌스를 보장합니다.

illumex를 사용하면 분석 에이전트가 사용자 쿼리를 정밀하게 해석하여 정확하고 컨텍스트에 맞고 환각이 없는 응답을 제공할 수 있습니다. 인나의 리더십 하에 illumex는 AI 준비성을 새로운 벤치마크를 설정하고 있으며, 기업이 데이터의 전면적인 잠재력을 해방시키는 것을 도와줍니다.

illumex를 설립하게 된 영감은 무엇이었으며, Sisense와 SAP에서의 경험은 회사의 비전을 어떻게 형성했나요?

illumex의 비전은 전통적인 데이터베이스가 아닌 마인드맵과 같은 연관성을 통해 정보에 접근할 수 있는 방식을 상상하면서 등장했습니다. 이는 광범위한 인간의 상담 없이 관련 데이터에 직접 접근할 수 있도록 해줍니다.

SAP에서의 시간은 기업 소프트웨어를 구축하고 운영을 확장하는 기본을 가르쳐주었습니다. SAP HANA 클라우드 플랫폼 및 스타트업 파트너십 프레임워크와 같은 제품 개발을 통해 기업 고객의需求에 대한 깊은 통찰력을 얻을 수 있었습니다. 이는 기업이 데이터 관행에 접근하는 방식과 최종 사용자가 실제로 필요로 하는 것 사이에 상당한 간격이 있음을 보여주었습니다.

Sisense에서 AI 실무를 처음부터 구축하여 고객에게 AI가 가져올 수 있는 엄청난 가치를 보여주었습니다. 이러한 영향과 SaaS 및 생성적 인공지능 기술의 부상으로 2021년에 illumex를 출시하기에 적절한 시기라고 확信했습니다.

illumex는 생성적 의미织物에 중점을 두고 있습니다. 핵심 개념과 생성적 인공지능 및 데이터 분석에서 이 도전을 해결하기 위해 동기를 부여한 것은 무엇입니까?

illumex는 생성적 의미織物를 개척했습니다. 이는 기술 및 비기술 사용자를 위한 조직적 컨텍스트와 추론을 생성하는 플랫폼입니다. 이 플랫폼은 사용자와 기계가 공유하는 컨텍스트를 통일하여 LLM 기반 생성적 인공지능과 비즈니스 애플리케이션을 결합합니다.

이织物은 두 가지 주요 이점을 제공합니다. 첫째, 데이터 관리를 자동화하여 데이터 엔지니어링 작업의 최대 80%를 간소화합니다. 둘째, 비기술 사용자가 거버넌스, 설명 가능성 및 정확성을 갖춘 분석에 접근할 수 있도록 합니다. 이러한 두 가지 이점은 기업 의사 결정에 대한 수십억 달러의 시장에 대처합니다.

기계, 인간, 애플리케이션이 사전 프로그래밍 없이 자연스럽게 상호 작용하는 디지털 놀이터로 생각해 보세요. 이는 애플리케이션 없는 미래를 위한 우리의 비전과 일치합니다. 여기서 여러 도구를 사용하여 작업하는 대신, 작업을 표현하면 자동으로 완료됩니다. 생성적 의미織物는 이 미래를 위한 기초입니다.

illumex의 초기에 직면한 주요 도전은 무엇이었으며, 어떻게 이를 극복했나요?

2021년, 생성적 인공지능 의미 모델이 2017년부터 존재하고 그래프 신경망이 더 오래 존재했음에도 불구하고, 자동화된 컨텍스트와 추론이 필요한 이유를 투자자에게 설명하는 것이 어려웠습니다. 그것을 정의하는 것조차 어려웠습니다.

가장 큰 도전은 이 미래 기술과 미래 시장에 대한 흥분을 불러일으키는 것이었습니다.幸運하게도 미래를 믿는 투자자를 만날 수 있었습니다.

illumex는 조직이 어떻게 AI 준비성을 갖추게 하며, 오늘날의 비즈니스 환경에서 이 전환은 왜 중요합니까?

비즈니스 세계는 AI를 변革적力量으로 인식하고 이를 활용하는 회사와 그렇지 못한 회사로 나뉩니다.

illumex는 조직이 어디에 있든지 그들의 AI 여정에서 만납니다. 우리는 생성적 인공지능 구현을 위한 데이터를 준비하고, 조직적 논리와 컨텍스트를 보강 및 거버넌스를 제공하며, 에이전트 분석 및 오케스트레이션을 가능하게 합니다.

구조화된 데이터를 위한 우리의 풀스택 생성적 인공지능 구현 플랫폼은 모든 회사의 풍경을 이러한 고급 기술을 효과적으로 활용할 수 있도록 높입니다.

illumex는 “환각이 없는” 생성적 인공지능 응답을 강조합니다. illumex는 어떻게 결정적이고 신뢰할 수 있는 출력을 보장합니까?

illumex는 기존 비즈니스 온톨로지에 기반을 두고 있습니다. 이는 산업별 용어, 워크플로, 프로세스 및 비즈니스 기능을 포함한 지식 그래프를 캡처합니다.

고객을 온보딩할 때, 우리는 자동으로 이러한 온톨로지를 고객의 메타데이터에 다시 훈련시킵니다. 며칠 내에, 회사들은 데이터를 검색하고 결과를 확인하며 이슈를 식별할 수 있습니다.

에이전트 분석 채팅봇은 완전한 투명성을 제공합니다. 질문이 어떻게 해석되고 고객 온톨로지에 매핑되는지 그리고 데이터에 매핑되는지 보여줍니다. 이 투명성과 자동 데이터 검증은 결정적이고 환각이 없는 답변을 보장합니다. 또한 거버넌스 팀은 미리 잠재적인 응답을 사전 검증할 수 있습니다.

illumex는 전통적인 접근 방식인 RAG(Retrieval-Augmented Generation)와 어떻게 차별화됩니까?

RAG는 조직의 데이터와 논리를 공급하여 오프-the-쉘프 AI 모델을 사용자 지정하려고 하지만, 몇 가지 제한이 있습니다. 이는 블랙 박스이며, 사용자 지정에 충분한 예를 제공했는지 또는 모델 업데이트가 정확성에 미치는 영향을 알 수 없습니다. 또한 비즈니스 컨텍스트가 부족할 수 있는 데이터 과학자에게 의존합니다.

또한 RAG는 실제 사용보다 모델 세분화에 대한 80%의 AI 인프라와 토큰을 소비하며, ROI에 대한 우려를 일으킵니다. 또한 내장된 거버넌스가 없으므로, 규정 준수 팀이 훈련의 적절성을 검증하거나 적절한 액세스 제어를 보장할 수 없습니다.

illumex의 생성적 의미織物(GSF)은 外部 AI 토큰을 사용하지 않고 자동화된 컨텍스트 구축을 통해 이러한 도전을 해결합니다. 이는 전문 데이터 과학자가 필요 없으며 웹, 슬랙 또는 팀스 인터페이스를 통해 매핑 및 추론에 대한 완전한 투명성을 제공합니다. GSF에는 내장된 거버넌스 및 설명 가능성이 포함되어 있으며, 조직적 범위 및 데이터 품질에 대한 명확한 지표와 질문-답변 기능에 대한 자동화된 품질 평가가 포함되어 있습니다.

많은 비즈니스들은 데이터 기반 의사 결정을 내리기 위해 어려움을 겪고 있습니다. 이러한 간격은 왜 존재하며, illumex는 어떻게 이를 해결합니까?

데이터 투자와 효과적인 의사 결정을 위한 간격은 데이터 볼륨이 폭발적으로 증가함에 따라 계속 커지고 있습니다. 조직은 이제 자신의 데이터뿐만 아니라 외부 소스도 처리해야 합니다.

도전은 조직이 여전히 데이터 모델링, 품질 평가 및 대시보드 생성과 같은 임계 데이터 작업을 위해 인간에게 의존한다는 것입니다. 그러나 현대의 데이터 환경의 규모와 복잡성으로 인해 인간 팀이 데이터를 효과적으로 분류하고, 품질을 평가하며, AI 기반 분석 및 자동화에 적합한지 확인하는 것이 점점 더 어려워지고 있습니다.

illumex는 이러한 전통적으로 수동적인 프로세스를 자동화하여 조직이 확장하는 데이터 풍경을 효과적으로 관리하고, 검증하고, 의미 있는 비즈니스 결정을 내리기 위해 활용할 수 있도록 합니다.

illumex의 플랫폼을 가장 빠르게 채택한 산업은 무엇이며, 이러한 부문에서 어떤 고유한 도전이나 기회를 관찰했나요?

데이터 집약도와 엄격한 규제의 교차점에 있는 산업에서 가장 빠른 채택을 보이고 있습니다. 금융 서비스, 제약业, 소매/전자상거래가 이러한 부문 중 일부입니다. 이러한 부문은 데이터 자산을 사용하여 자신을 빠르게 재창조하고 복잡한 규제 요구 사항을 탐색하기 위해 노력하고 있습니다.

생성적 인공지능이 빠르게 진화하고 있는 가운데, 효과적으로 그리고 책임감 있게 AI를 통합하려는 기업들에게 어떤 조언을 드리겠습니까?

특정 사용 사례와 AI 채택을 주도하는 비즈니스 임파티브를 식별하는 명확한 전략적 계획을 개발하는 것으로 시작하십시오. 이는 새로운 AI 기술의 고립된 실을 생성하여 기존 시스템에서 분리하여 운영하는 것을 피하는 것이 중요합니다.

대신, 데이터 관리, 분석 및 생성적 인공지능 기능을 통합하는統一 플랫폼을 구축하십시오. AI 이니셔티브를 기존 거버넌스 관행에서 분리하여 운영하면 상당한 위험이 생기고 비용이 증가합니다. 이러한 모든 기능을 지원하는 공유 인프라를 생성하여 적절한 감독을 유지하는 것이 핵심입니다.

기업 AI 풍경을 형성할 3-5년간의 주요 트렌드는 무엇입니까?

두 가지 주요 트렌드가 등장하고 있습니다. 첫째, 에이전트 분석이 추진력을 얻고 있으며, 더 복잡한 데이터 분석 및 통찰력을 가능하게 합니다. 둘째, 에이전트 오케스트레이션으로의 전환을 보며, 이는 다양한 기능을 갖춘 여러 AI 모델 간의 협력을 가능하게 합니다.

이 오케스트레이션은 단일 목적의 애플리케이션을 넘어更加 포괄적인 솔루션으로 이동합니다. 예를 들어, 의료 분야에서 특정 작업을 위한 분리된 애플리케이션 대신, 이미지 스캔, 처방 처리 및 약물 추천을 하나의無중단 시스템으로 자동화하는 것을 생각해 보십시오.

이러한 발전은 생성적 의미織物를 통해 정확한 데이터 액세스, 공유 컨텍스트 및 AI 에이전트 간의 조정을 보장하는 강력한 기반을 필요로 합니다. 이는 에이전트 분석 및 오케스트레이션 솔루션이 전면적인 잠재력을 발휘하기 위해 결정적입니다.

감사합니다. 더 많은 정보를 원하는 독자는 illumex를 방문하십시오.