WisdomAI의 소함 마주姆다르(Soham Mazumdar) 공동 창립자 및 CEO – 인터뷰 시리즈

소함 마주姆다르(Soham Mazumdar)는 WisdomAI의 공동 창립자 및 CEO입니다. WisdomAI는 AI 기반 솔루션의 선두 주자입니다. WisdomAI를 2023년에 공동 창립하기 전에, 그는 Rubrik의 공동 창립자 및 최고 아키텍트였으며, 9년 동안 회사를 확장하는 데 핵심 역할을 했습니다. 소함은 이전에 페이스북과 구글에서 엔지니어링 리더십 역할을 맡았으며, 핵심 검색 인프라에 기여했으며, 구글 창립자 상을 받았습니다. 그는 또한 페이스북이 인수한 모바일 로열티 플랫폼인 Tagtile을 공동 창립했습니다. 소프트웨어 아키텍처와 AI 혁신에 20년 이상의 경험을 가진 소함은 샌프란시스코 베이 에リア에 기반을 둔 계절 경력의 기업가이자 기술자입니다.

WisdomAI는 기업이 구조화된 데이터와 비구조화된 데이터를 통합하여 실시간 정확한 통찰력을 얻을 수 있는 AI 네이티브 비즈니스 인텔리전스 플랫폼입니다. 이 플랫폼은 데이터 컨텍스트를 큐레이팅하고, 자연어로 비즈니스 질문에 답변하며, 트렌드나 리스크를 프로액티브하게 표면화하는 특수한 AI 에이전트를 구동합니다. 전통적인 BI 도구와 달리, WisdomAI는 질의 생성을 위해 생성형 AI를 엄격히 사용하여 높은 정확도와 신뢰성을 보장합니다. 이 플랫폼은 기존 데이터 생태계와 통합되며, 기업급 보안을 지원하며, 시스코와 콩코필립스와 같은 주요 회사에서 초기 채택되었습니다.

루브릭(Rubrik)을 공동 창립하여 주요 기업 성공으로 성장시킨 후, 2023년에 왜 떠나서 WisdomAI를 구축하게 되었는지, 그리고 이 새로운 방향을 결정한 구체적인 순간은 무엇입니까?

기업 데이터 비효율성 문제가 바로 내 앞에 있었습니다. 루브릭에서 일하는 동안, 저는 포춘 500 회사들이 데이터에 빠져있지만 통찰력에飢餓한 것을 목격했습니다. 우리가 구축한 모든 인프라에도 불구하고, 기업 사용자의 20% 미만이 데이터를 효과적으로 사용할 수 있는 권한과 노하우를 가지고 있었습니다. 이것은巨大하고, 체계적인 문제였으며, 누구도真正로 해결하지 못했습니다.

저는 본질적으로 빌더입니다. 구글에서 태그타일까지, 루브릭에서 WisdomAI까지, 저는 근본적인 도전을 받아들이고, 그 해결책을 구축하는 것을 좋아합니다. 루브릭을 기업 성공으로 성장시킨 후, 저는 다시 한번 기업가적인 끌림을 느꼈고, 같은 정도로 야심적인 것을 해결하기 위해 끌렸습니다.

마지막으로, AI 기회는 무시할 수 없었습니다. 2023년까지, AI가 데이터 가용성과 데이터 사용성 간의 간격을 메울 수 있다는 것이 분명해졌습니다. 타이밍이 완벽하게 느껴졌고, 모든 기업 사용자를 위해 데이터 통찰력을 민주화할 수 있는 것을 구축하기 위해 완벽한 시기였습니다.

분명한 순간은 제가 루브릭에서 얻은 기업 데이터 인프라 지식과 AI의 변革적 잠재력을 결합하여 이 근본적인 비효율성 문제를 해결할 수 있다는 것을 깨달았을 때였습니다.

WisdomAI는 “지식 패브릭”과 AI 에이전트 스위트를 도입합니다. 이 시스템이 어떻게 작동하여 전통적인 BI 대시보드를 넘어는지 설명해 주십시오.

우리는 데이터가 있는 곳에서 작동하는 에이전틱 데이터 인사이트 플랫폼을 구축했습니다. 구조화된 데이터, 비구조화된 데이터,甚至 “dirty” 데이터를 다룰 수 있습니다. 분석 팀이 보고서를 실행하는 대신, 비즈니스 관리자는 직접 질문을 하고 세부 정보를 조사할 수 있습니다. 우리의 플랫폼은 쿼리 로그를 분석하여任何 데이터 웨어하우스 시스템에서 훈련될 수 있습니다.

우리는 Snowflake, Microsoft Fabric, Google의 BigQuery, Amazon의 Redshift, Databricks, Postgres와 같은 주요 클라우드 데이터 서비스와 호환됩니다. 또한 Excel, PDF, PowerPoint와 같은 문서 형식도 지원합니다.

전통적인 도구와 달리, 우리의 대화형 인터페이스는 비즈니스 사용자가 직접 답변을 얻을 수 있도록 설계되었습니다. 또한, 우리의 멀티 에이전트 아키텍처는 다양한 데이터 시스템에서 복잡한 쿼리를 가능하게 합니다.

WisdomAI는 생성형 AI를 답변 생성에서 분리하여 환상에서 벗어납니다. 어떻게 작동하며, 이는 기업 신뢰를 위해 왜 중요한가요?

우리의 AI-Ready Context Model은 조직의 데이터를 훈련하여, 높은 의미적 정확도로 질문에 답변하며, 데이터 개인 정보 보호와 거버넌스를 유지합니다. 또한, 우리는 생성형 AI를 사용하여 잘 정의된 쿼리를 생성하여, 다양한 시스템에서 데이터를 추출할 수 있습니다. 이것은 LLM의 환상과 안전 문제를 해결하는 데 중요합니다.

您は”에이전틱 데이터 인사이트 플랫폼”이라는 용어를 만들었습니다. 전통적인 분석 도구나 표준 LLM 기반 어시스턴트와 어떻게 다르나요?

전통적인 BI 스택은 의사 결정 속도를 늦추는 데 사용됩니다. 모든 질문은 분리된 데이터 실로와 전문가 팀을 통해 전달되어야 합니다. 수익 책임자(CRO)가 분기 마감을 어떻게 할지 알아야 할 때, 답변은 일반적으로 6명의 손을 거치게 됩니다. 분석가들은 CRM 추출을 다루고, 데이터 엔지니어는 파일을 함께 붙이고, 대시보드 빌더는 보고서를 새로 고칩니다. 이것은 간단한 쿼리를 여러 일의 프로젝트로 만듭니다.

우리의 플랫폼은 이러한 실로를 분해하고, 데이터의 전체 깊이를 한 키 스트로크로 제공하여, CRO가 헤드라인 메트릭에서 행 수준 세부 정보까지 몇 초 안에 드릴 수 있도록 합니다.

분석 큐에 기다리지 않고, 미리 정의된 대시보드가 새로운 질문을 따라가지 못하는 상황에서, 단지 자기 서비스 인사이트를 제공하여 비즈니스 속도에 따라 제공합니다.

WisdomAI는 어떻게 각 기업의 고유한 데이터 어휘와 구조에 적응합니까? 지식 패브릭을 정제하는 데 인간의 입력은 어떤 역할을 합니까?

데이터가 있는 곳에서 작동하는 것이 본질적으로 기업 비즈니스 인텔리전스의 성배입니다. 전통적인 시스템은 비구조화된 데이터나 “dirty” 데이터를 다루지 못합니다. 정보가 다양한 소스에 존재하는 경우, 조직은 이러한 정보를 통합적으로 통합하는 데 어려움을 겪습니다.

이러한 다양한 데이터 유형을 다루지 못하는 전통적인 시스템은 귀중한 컨텍스트를 분리된 시스템에 유지합니다. 우리의 플랫폼은 쿼리 로그를 분석하여 각 조직의 고유한 데이터 어휘와 구조에 적응할 수 있습니다.

WisdomAI의 개발 프로세스를 “바이브 코딩”이라고 설명했습니다. 제품 경험을 직접 코드로 구축한 다음, 실제 사용을 통해 반복하는 것입니다. 전통적인 제품 디자인과 비교하여 이 접근 방식은 어떤 이점을 제공합니까?

“바이브 코딩”은 소프트웨어가 구축되는 방식의重大한 전환입니다. 개발자는 AI 도구의 힘을 활용하여 자연어로 원하는 기능을 설명하여 코드를 생성할 수 있습니다. 이것은 지능형 어시스턴트와 같습니다. 소프트웨어가 원하는 것을 수행하고, 코드를 작성합니다. 이것은 전통적으로 코딩에 필요한 수동 노력과 시간을 크게 줄입니다.

수년 동안, 디지털 제품의 생성은 일반적으로熟悉한 스크립트를 따랐습니다. 제품 및 UX 디자인을 신중하게 계획하고, 개발을 수행하고, 피드백을 기반으로 반복합니다. 논리는 명확했습니다. 초기에 디자인에 투자하면, 개발 단계에서 비싼 리워크를 최소화할 수 있습니다. 그러나 개발을 실행하는 비용과 시간이 크게 줄어들면 어떻게 될까요? 이것은 전통적인 개발 순서를 뒤집습니다. 개발자는 이제 세부 제품 및 UX 디자인을 완료하기 전에, 요구 사항에 대한 높은 수준의 이해만으로 기능적인 소프트웨어를 구축할 수 있습니다.

AI 코드 생성의 속도 덕분에, 앞서서 자세한 디자인을 만드는 노력은 특정 상황에서 더 시간이 걸릴 수 있습니다. 새로운 패러다임은 실행하고, 적응하는 것입니다. 즉, 코드를 생성하고, 디자인하고, 정제합니다.

이 접근 방식은 핵심 개념에 대한 초기 사용자 검증을 가능하게 합니다. 기능의 실제 기능에 대한 피드백을 받기 전에, 자세한 시각적 디자인에大量 투자하는 것을 상상해 보세요. 이것은 사용자 중심의 디자인을 이끌어낼 수 있습니다. 디자인 프로세스는 사용자가 구체적인 제품과 상호 작용하는 방식에 직접적으로 정보를 제공합니다.

WisdomAI에서, 우리는 적극적으로 AI 코드 생성을 채택했습니다. 우리는 빠른 초기 개발을 통해 핵심 기능을 테스트하고, 초기에 사용자 피드백을 수집할 수 있다는 것을 발견했습니다. 이것은 우리의 디자인 팀이 실제 사용에 आध신 디자인을 정제하고, 사용자 중심의 디자인을 더 빠르게 만드는 데 도움이 됩니다.

판매와 마케팅에서 제조와 고객 성공까지, WisdomAI는 광범위한 비즈니스 사용 사례를 대상으로 합니다. 어떤 수직 분야에서 가장 빠른 채택을 보았으며, 어떤 사용 사례가 가장 큰 영향을 미쳤습니까?

여러 고객과 함께 변혁적 결과를 보았습니다. F500石油 및 가스 회사인 콩코필립스(ConocoPhillips (COP ))에서는, 钻井 엔지니어와 운영자들이 이제 우리의 플랫폼을 사용하여 복잡한 우물 데이터를 자연어로 직접 쿼리합니다. WisdomAI 이전에는, 이러한 엔지니어들은 기술적인 도움을 필요로 했습니다. 이제 mereka는 즉시 이 정보에 액세스할 수 있으며, 동시에 드릴링 매뉴얼의 최선의 관행과 비교할 수 있습니다. 모두 동일한 대화형 인터페이스를 통해 가능합니다. 6개월 동안 여러 AI 벤더를 평가한 후, 우리의 솔루션은 가장 가까운 경쟁자보다 50%의 정확성 개선을 제공했습니다.

초고성장 사이버 보안 회사인 Descope에서, WisdomAI는 판매와 재무를 위한 가상 데이터 분석가로 사용됩니다. 우리는 보고서 생성 시간을 2-3일에서 2-3시간으로 줄였습니다. 90%의 감소입니다. 이것은 их 주간 판매 회의를 데이터 수집 연습에서 전략 세션으로 변환했습니다. CRO는 “Wisdom AI는 데이터를 내 손가락 끝에 가져옵니다. 이것은 데이터를 민주화하여, 질문에 답변하고, 하루를 진행할 수 있도록 합니다. 누군가가 답변을 구축하고, 5일 후에 받는 대신에, 질문을 정의하고, 기다리지 않아도 됩니다.” 빠른 데이터 기반 의사 결정을 내릴 수 있는 능력은 경쟁적인 아이덴티티 관리 시장에서 빠르게 성장하는 회사에 특히 중요합니다.

실제적인 예입니다. 수익 책임자(CRO)가 “나는 어떻게 분기를 마감할 수 있을까?”라고 묻습니다. 우리의 플랫폼은 즉시 집중해야 할_pending 거래 목록과 각 거래가 지연되는 정보를 제공합니다. 5개의 키 스트로크로 가능합니다. 5명의 전문가와 일일이 대기하는 대신에 가능합니다.

현재 많은 회사들이 대시보드, 보고서, 분리된 도구로 과부하가 걸려 있습니다. 기업이 현재 비즈니스 인텔리전스에 대해 가장 일반적으로 가지고 있는 오해는 무엇입니까?

조직은 정보의 보물창을 가지고 있지만, 빠른 의사 결정을 내리기 위해 이를 활용하는 데 어려움을 겪습니다. 도전은 데이터를 가지는 것뿐만 아니라, 데이터의 자연 상태에서 작동하는 것입니다. 이것은 종종 “dirty” 데이터를 포함합니다. 회사들은 인프라에大量 투자하지만, 엄격한 대시보드, 데이터 위생이 좋지 않으며, 분리된 정보로 인해 병목 현상을 겪습니다. 대부분의 기업은 보고서를 실행하기 위해 전문 팀이 필요합니다. 데이터를 소비하는 인터페이스는 클라우드 데이터 엔진과 데이터 과학의 발전에도 불구하고, 구식으로 남아 있습니다.

WisdomAI를 기존 BI 도구인 Tableau 또는 Looker를 보완하는 것으로 보는지, 아니면 궁극적으로 대체하는 것으로 보는지, 그리고 어떻게 기업 데이터 스택에 적합합니까?

우리는 Snowflake, Microsoft Fabric, Google의 BigQuery, Amazon의 Redshift, Databricks, Postgres와 같은 주요 클라우드 데이터 서비스와 호환됩니다. 또한 Excel, PDF, PowerPoint와 같은 문서 형식도 지원합니다. 우리의 접근 방식은 데이터를 소비하는 인터페이스를 변환하여, 클라우드 데이터 엔진과 데이터 과학의 발전에도 불구하고, 구식으로 남아 있었습니다.

5년 후에 WisdomAI를 어디에 두고 싶습니까? 그리고 “에이전틱 인텔리전스” 개념은 어떻게 기업 환경에서 발전할 것으로 보십니까?

분석의 미래는 전문가 주도 보고서에서 모든 사람을 위한 자기 서비스 인텔리전스로 이동하고 있습니다. BI 도구는 20년 이상 사용되어 왔지만, 채택률은 회사 직원의 20%에도 미치지 못했습니다. 한편, 12개월 만에, 60%의 작업 사용자는 ChatGPT를 채택했으며, 많은 사용자가 데이터 분석을 위해 사용했습니다. 이것은 대화형 인터페이스가 채택률을 높일 수 있는 잠재력을 보여줍니다.

우리는 모든 직원이 기술적인 기술 없이 데이터를 조사할 수 있는 방향으로 이동하고 있습니다. 미래는 AI의 계산 능력과 자연스러운 인간 상호 작용을 결합하여, 통찰력이 사용자를 프로액티브하게 찾도록 허용하는 대신, 사용자가 대시보드를 검색해야 하는 것을 요구하는 방향으로 이동할 것입니다.

위대한 인터뷰에 감사드립니다. 자세한 정보를 원하는 독자는 WisdomAI를 방문하십시오.