Bryon Jacob, CTO & Co-Founder van data.world – Interview Serie

Bryon Jacob is de CTO en mede-oprichter van data.world – met als missie om de meest betekenisvolle, collaboratieve en overvloedige databron ter wereld te bouwen. Voordat hij bij data.world kwam, werkte hij tien jaar in steeds verantwoordelijkere functies bij HomeAway.com, met als hoogtepunt een VP of Tech / Technical fellow-functie. Bryon heeft ook eerder gewerkt bij Amazon (AMZN ) en is een langdurig mentor bij Capital Factory. Hij heeft een BS/MS in computerwetenschappen van de Case Western University.

Wat trok je aanvankelijk aan naar computerwetenschappen?

Ik ben al sinds mijn tiende verslaafd aan programmeren, toen ik voor het eerst een Commodore 64 in handen kreeg. Ik begon met BASIC en stapte al snel over op assembly-taal. Voor mij is computerwetenschappen het oplossen van een reeks ingewikkelde puzzels met de extra spanning van automatisering. Het is dit probleemoplossende aspect dat me altijd betrokken en geïnteresseerd heeft gehouden.

Kun je het verhaal achter de oprichting van data.world delen?

data.world is ontstaan uit een reeks brainstormsessies tussen ons oprichtend team. Brett, onze CEO, nam contact op met Jon en Matt, met wie hij eerder had samengewerkt. Zij begonnen ideeën uit te wisselen en Jon bracht enkele van die concepten bij mij voor een technische evaluatie. Hoewel die ideeën niet slaagden, zetten ze discussies in gang die goed aansloten bij mijn eigen werk. Door deze gesprekken kwamen we op het idee dat uiteindelijk data.world werd. Onze gedeelde geschiedenis en wederzijds respect stelden ons in staat om snel een geweldig team op te bouwen, met de beste mensen met wie we in het verleden hadden samengewerkt, en een solide basis voor innovatie te leggen.

Wat inspireerde data.world om de AI Context Engine te ontwikkelen, en welke specifieke uitdagingen lost het op voor bedrijven?

Vanaf het begin wisten we dat een Knowledge Graph (KG) essentieel zou zijn voor het verbeteren van AI-mogelijkheden. Met de opkomst van generatieve AI wilden onze klanten AI-oplossingen die conversationeel met hun data konden omgaan. Een significante uitdaging in AI-toepassingen vandaag is verklarbaarheid. Als je je werk niet kunt laten zien, zijn de antwoorden minder betrouwbaar. Onze KG-architectuur verankert elke reactie in verifieerbare feiten, waardoor duidelijke, traceerbare verklaringen mogelijk worden. Dit verhoogt de transparantie en betrouwbaarheid, waardoor bedrijven met vertrouwen geïnformeerde beslissingen kunnen nemen.

Hoe verhoogt de kennisgrafiekarchitectuur van de AI Context Engine de nauwkeurigheid en verklarbaarheid van LLM’s in vergelijking met SQL-databases alleen?

In ons baanbrekende artikel hebben we aangetoond dat het gebruik van Knowledge Graphs (KG’s) een drievoudige verbetering in nauwkeurigheid oplevert ten opzichte van traditionele relationele databases. KG’s gebruiken semantiek om data te representeren als echte wereldentiteiten en -relaties, waardoor ze nauwkeuriger zijn dan SQL-databases, die zich richten op tabellen en kolommen. Voor verklarbaarheid stellen KG’s ons in staat om antwoorden te koppelen aan termdefinities, gegevensbronnen en metrieken, waardoor een verifieerbare spoor ontstaat die vertrouwen en bruikbaarheid vergroot.

Kun je enkele voorbeelden delen van hoe de AI Context Engine data-interacties en besluitvorming binnen ondernemingen heeft getransformeerd?

De AI Context Engine is ontworpen als een API die naadloos integreert met de bestaande AI-toepassingen van klanten, of het nu gaat om aangepaste GPT’s, co-piloten of op maat gemaakte oplossingen gebouwd met LangChain. Dit betekent dat gebruikers niet hoeven te switchen naar een nieuw interface – in plaats daarvan brengen we de AI Context Engine naar hen. Deze integratie verhoogt de gebruikersadoptie en -tevredenheid, waardoor betere besluitvorming en efficiëntere data-interacties ontstaan door krachtige AI-mogelijkheden rechtstreeks in bestaande workflows in te bedden.

Op welke manieren biedt de AI Context Engine transparantie en traceerbaarheid in AI-besluitvorming om te voldoen aan regelgevings- en governance-eisen?

De AI Context Engine koppelt aan onze Knowledge Graph en datacatalogus, waarbij het gebruikmaakt van mogelijkheden rondom afkomst en governance. Ons platform volgt data-afkomst, waardoor volledige traceerbaarheid van data en transformaties mogelijk is. AI-gegenereerde antwoorden worden gekoppeld aan hun gegevensbronnen, waardoor een duidelijk spoor ontstaat van hoe elke informatie is afgeleid. Deze transparantie is cruciaal voor regelgevings- en governance-compliance, waardoor elke AI-beslissing geaudit en geverifieerd kan worden.

Wat is de rol die kennisgrafieken in de bredere AI- en datamanagementlandschap zullen spelen in de komende jaren?

Kennisgrafieken (KG’s) worden steeds belangrijker met de opkomst van generatieve AI. Door feiten te formaliseren in een grafische structuur, bieden KG’s een solide basis voor AI, waardoor zowel nauwkeurigheid als verklarbaarheid worden verbeterd. We zien een verschuiving van standaard Retrieval Augmented Generation (RAG)-architecturen, die afhankelijk zijn van ongestructureerde data, naar Graph RAG-modellen. Deze modellen converteren ongestructureerde inhoud eerst naar KG’s, waardoor significante verbeteringen in recall en nauwkeurigheid ontstaan. KG’s zullen een cruciale rol spelen bij het stimuleren van AI-innovaties en -effectiviteit.

Welke toekomstige verbeteringen kunnen we verwachten voor de AI Context Engine om zijn mogelijkheden en gebruikerservaring verder te verbeteren?

De AI Context Engine wordt slimmer naarmate deze wordt gebruikt, aangezien context terugstroomt in de datacatalogus, waardoor het een slimmere tool wordt. Vanuit een productperspectief richten we ons op het ontwikkelen van agents die geavanceerde kennisengineerings taken uitvoeren, waardoor ruwe inhoud wordt omgezet in rijkere ontologieën en kennisbases. We leren continu van patronen die werken en integreren die inzichten snel, waardoor gebruikers een krachtig, intuïtief instrument krijgen om hun data te beheren en te benutten.

Hoe investeert data.world in onderzoek en ontwikkeling om aan de forefront te blijven van AI- en datatechnologieën?

Onderzoek en ontwikkeling op de AI Context Engine is ons grootste investeringsgebied. We zijn toegewijd om aan de voorlopigste rand van wat mogelijk is in AI en data-integratie te blijven. Ons team, bestaande uit experts in zowel symbolische AI als machine learning, drijft deze toewijding aan. De robuuste basis die we bij data.world hebben opgebouwd, stelt ons in staat om snel te bewegen en technologische grenzen te verleggen, waardoor we consequent state-of-the-art-mogelijkheden aan onze klanten kunnen leveren.

Wat is uw langetermijnvisie voor de toekomst van AI en data-integratie, en hoe ziet u data.world bijdragen aan deze evolutie?

Mijn visie voor de toekomst van AI en data-integratie is altijd geweest om verder te gaan dan het alleen maar makkelijker maken voor gebruikers om hun data op te vragen. In plaats daarvan streven we ernaar om de noodzaak voor gebruikers om hun data op te vragen helemaal te elimineren. Onze visie is altijd geweest om de data van een organisatie naadloos te integreren met haar kennis – omvattende metadata over datasystemen en logische modellen van echte wereldentiteiten.

Door deze integratie te bereiken in een machine-leesbare kennisgrafiek, kunnen AI-systemen echt de belofte van natuurlijke taalinteracties met data waarmaken. Met de snelle vooruitgang in generatieve AI in de afgelopen twee jaar en onze inspanningen om deze te integreren met enterprise-kennisgrafieken, wordt deze toekomst vandaag al werkelijkheid. Bij data.world staan we aan de voorlopigste rand van deze evolutie, waar we de transformatie aandrijven die AI in staat stelt om ongekende waarde te leveren door intuïtieve en intelligente data-interacties.

Bedankt voor het geweldige interview, lezers die meer willen leren, kunnen data.world bezoeken.