Chris Mahl, President en CEO bij Pryon – Interview Serie

Chris Mahl is President en Chief Executive Officer bij Pryon. Met meer dan twee decennia ervaring bij enkele van ‘s werelds meest bekende ondernemingssoftwarebedrijven, is Chris gespecialiseerd in het opschalen van go-to-market- en operationele strategieën voor technologiebedrijven in alle groeifasen.

Pryon biedt een betrouwbaar, veilig en bewezen pad voor de implementatie van generatieve AI in ondernemingen. De best-in-class-ingestie- en ophalingmotoren van Pryon kunnen worden gekoppeld aan generatieve LLM’s om retrieval-versterkte generatie te implementeren en om accurate, instantane en verifieerbare antwoorden te bieden op ondernemingsniveau.

Pryon richt zich op Retrieval-Augmented Generation (RAG). Kun je uitleggen hoe jullie aanpak van ophalen verschilt van andere AI-gebaseerde zoek- en kennisbeheersystemen?

Pryon’s aanpak van ophalen onderscheidt zich omdat onze Ophalingsmotor in realtime toegang heeft tot inhoud vanuit diverse bronnen, zoals PDF’s, afbeeldingen, webpagina’s en video’s, terwijl de gegevensprivacyniet wordt geschonden en er geen externe afhankelijkheden zijn. We hebben semantische zoekopdrachten gecombineerd met granulaire gegevensattributie om een ophalingsnauwkeurigheid van meer dan 90% te bereiken. In tegenstelling tot veel systemen, schaalt het onze effectief voor grote ondernemingen, waardoor teams snelle, precieze beslissingen kunnen nemen op basis van hun bestaande kennisbasis.

De Ingestiemotor van Pryon is ontworpen om grote hoeveelheden multimodale inhoud te structureren. Wat maakt jullie ingestieproces uniek en hoe verhoogt het de ophalingsnauwkeurigheid?

Pryon’s ingestie kan multimodale inhoud verwerken – antwoorden extraheren uit audio, afbeeldingen, tekst en video uit verschillende bronnen. Dit lost het fundamentele probleem van losse gegevens in ondernemingen op. Met ongestructureerde gegevens die jaarlijks met meer dan 50% toenemen, transformeert onze ingestiemotor verspreide informatie in gestructureerde, actiegerichte kennis. Het proces is ontworpen voor beveiliging en privacy, waarbij gevoelige ondernemingsgegevens worden beschermd en direct bruikbaar worden gemaakt.

Jullie Ophalingsmotor belooft instantane, accurate en verifieerbare antwoorden. Hoe zorgt Pryon ervoor dat de antwoorden nauwkeurig zijn en hallucinaties tot een minimum worden beperkt bij het extraheren van informatie?

Pryon zorgt ervoor dat de antwoorden nauwkeurig zijn en hallucinaties tot een minimum worden beperkt via verschillende mechanismen. Onze technologie combineert semantische zoekopdrachten met granulaire gegevensattributie, wat betekent dat antwoorden kunnen worden teruggespoord naar hun specifieke bronnen. Deze attributie is essentieel voor verificatie. Het systeem heeft toegang tot inhoud in realtime vanuit de oorspronkelijke bronnen, in plaats van te vertrouwen op mogelijk verouderde of onvolledige kennisbases. Deze directe verbinding met de bronmateriaal, in combinatie met onze hoge ophalingsnauwkeurigheid (meer dan 90%), vermindert aanzienlijk het risico op hallucinaties die veel generatieve AI-systemen teisteren.

Hoe gaat Pryon om met real-time updates van informatie, vooral in dynamische omgevingen zoals de overheid, energie en gezondheidszorg?

Pryon zorgt voor real-time toegang tot de meest actuele informatie via flexibele, op aanvraag gebaseerde inhoudsynchronisatie. Gebruikers kunnen inhoudssynchronisaties triggeren via onze Admin-portaal of automatiseren met onze Sync-API op een geplande basis – of het nu wekelijks, dagelijks of zelfs uurlijks is, afhankelijk van operationele behoeften. Ons delta-controleproces optimaliseert de efficiëntie door alleen gewijzigde inhoud bij te werken, waardoor snelle, accurate en resource-efficiënte kennisopname mogelijk is in kritieke omgevingen zoals de overheid, energie en gezondheidszorg.

Pryon werkt samen met overheids- en defensie-agentschappen. Hoewel details vaak zijn geclassificeerd, kun je een use case beschrijven waarin jullie AI de besluitvorming of operationele efficiëntie aanzienlijk verbeterde?

Pryon werkt samen met een reeks defensie- en inlichtingendiensten, waaronder het Air Force Research Laboratory (AFRL) en het Chief Digital and Artificial Intelligence Office (CDAO), om operaties te stroomlijnen en snellere, beter geïnformeerde beslissingen mogelijk te maken.

Een krachtig voorbeeld is onze samenwerking met het Digital Transformation Office (DAF DTO) van het Amerikaanse ministerie van Defensie. Dit team ondersteunt aankoop- en onderhoudspersoneel dat vaak kritieke informatie moet vinden die verspreid is over honderdduizenden webpagina’s en documenten. Samen lanceerden we DTO Wingman, een AI-gebaseerde assistent die accurate, real-time antwoorden geeft op complexe vragen – compleet met bronattributie.

In plaats van handmatig te zoeken naar beleidsdocumenten of regelgeving, kunnen gebruikers eenvoudig vragen stellen zoals “Wat mag ik kopen met mijn reiskaart?” of “Wat is de Digitale Bouwcode en hoe heeft die betrekking op aankopen?” De AI retourneert precieze antwoorden en helpt zelfs bij het genereren van rapporten en presentatiemateriaal.

Door het personeel van de luchtmacht en de ruimtevaart onmiddellijk toegang te geven tot betrouwbare antwoorden, helpt DTO Wingman teams om efficiënter te werken en betrouwbare, tijdige richtlijnen te bieden aan hogere functionarissen en beslissers.

Jullie werk in de levenswetenschappen noemt AI-ondersteund onderzoek. Hoe helpt Pryon’s systeem onderzoekers om grote datasets zoals PubMed of privé-onderzoeksrepositories te navigeren?

Pryon’s systeem helpt onderzoekers om grote datasets zoals PubMed of privé-onderzoeksrepositories te navigeren via verschillende sleutelfuncties.

Verbeterde onderzoeksqualiteit:

• Vermindeerde menselijke fouten: Systematische ophaling van actuele gegevens zorgt voor minder gemiste artikelen of over het hoofd gezien bewijs.
• Understeund door bewijs: Elk antwoord is gebaseerd op de oorspronkelijke literatuur, waardoor datagebaseerde conclusies worden gefaciliteerd, teruggespoord naar de zin waaruit het afkomstig is.

Bescherming van zeer gevoelige inhoud:

• Vertrouwelijkheid: Houdt strikte toegangscontrole en gegevensversleuteling in stand, essentieel voor propriëtaire of patiëntgerelateerde datasets.
• Naleving: Met gegevens die worden beheerst door regelgeving zoals HIPAA of GDPR, kunnen onderzoekers erop vertrouwen dat gevoelige informatie wordt beschermd.

Wat is het verschil tussen Pryon’s AI en traditionele chatbot- en CRM-oplossingen op het gebied van efficiency en ondersteuningslast voor klantenservice en verkoop?

Klantenservice- en verkoopinteracties moeten meestal een balans vinden tussen nauwkeurigheid en flexibiliteit van hun chatbot- en CRM-oplossingen. Aangezien het geven van een onjuist antwoord aan een klant onaanvaardbaar is en juridische implicaties kan hebben, kiezen veel chatbot-aanbieders en traditionele conversational AI-oplossingen ervoor om de flexibiliteit van de oplossing te beperken met harde deterministische ‘FAQ-only’-interacties.

Dit is een probleem voor de leverancier, die specifieke antwoorden op veelgestelde vragen handmatig moet coderen, en biedt een slechte ervaring voor de klant, die de interface van een chatbot heeft, maar een volledig inflexibele ervaring die nauwelijks verschilt van het lezen van een FAQ. Andere leveranciers proberen een meer flexibele generatieve ervaring te bieden met minder beperkingen op de LLM, maar door het ontbreken van nauwkeurige ophaling, houdt dit in dat hele productcatalogi of webpagina’s in de contextwindow van de LLM worden gestopt, waardoor de nauwkeurigheid van de output afneemt en potentieel rampzalig kan zijn.

De kunst en wetenschap van RAG gaat over het maximaliseren van signaal (waarheid) en het minimaliseren van ruis (irrelevante context die de LLM vaak verwarrend maakt). De precisie van Pryon’s ophaling – in staat om een specifiek zinsniveau-antwoord over alle documenten heen te vinden – betekent dat klantenservice en verkoop geen compromis meer hoeven te sluiten tussen nauwkeurigheid en flexibiliteit.

Wat zie je als de grootste uitdagingen in de adoptie van AI in ondernemingen vandaag, vooral met RAG-gebaseerde systemen?

Terwijl dit zeker iets is dat we in onze eigen interacties met de markt tegenkomen, wordt het ook steeds meer erkend dat ‘AI-klaar’ gegevens (of het ontbreken daarvan) het grootste punt van falen zijn voor AI-implementaties.

• 91% van de executives in een Harvard Business Review-enquête zei dat een betrouwbare gegevensbasis essentieel is voor een succesvolle AI-implementatie.
• McKinsey vond dat 70% van de GenAI-initiatieven problemen ondervindt met betrekking tot gegevens, waarbij slechts 1% van de belangrijke gegevens van een onderneming in de huidige modellen wordt weerspiegeld.
• De Wall Street Journal noemde betrouwbaarheid als de nummer één zorg voor de adoptie van AI-agents – een kwestie die nauw verbonden is met gegevenskwaliteit en -toegankelijkheid.
• Gartner identificeerde het gebrek aan GenAI-klaar gegevens als de belangrijkste reden voor mislukte implementaties.

AI-klaar gegevens gaan verder dan alleen het vectoriseren van uw woorddocumenten – het gaat over het unificeren van uw gesiloede bronnen, werken met complexe formaten zoals multimodale invoer, het schoonmaken van uw gegevens, het verbeteren van uw gegevens, het omzetten in een formaat dat LLM’s kunnen gebruiken, het opsplitsen op het juiste niveau van granulariteit om optimale nauwkeurigheid te behouden en kosten te verlagen, intelligent indexeren en verbinden met een performante ophalingsysteem, enz.

Deze zijn grote uitdagingen die specifieke competenties en tools vereisen – in een enquête van RAG-bouwers die oplossingen ontwikkelen binnen grote ondernemingen die Pryon uitvoerde, werd gegevensvoorbereiding gerangschikt als het nummer één meest dure, tijdrovende en technisch moeilijke deel van de bouw, gevolgd door informatie-opname.

Hoe onderscheidt Pryon’s RAG Suite zich van de enterprise-oplossingen die door Microsoft , Google (GOOGL ) of OpenAI worden aangeboden?

De specifieke differentiatie varieert van speler tot speler, maar op hoog niveau zijn de grote technologiebedrijven gericht op het zijn van de ‘interface’ naar AI op het werk. Pryon richt zich op een fundamenteler niveau van de stack – de kennislaag. Pryon lost de diepe problemen van gegevensvoorbereiding en -ophaling op, terwijl de grote technologiebedrijven zijn gericht op het bieden van brede AI-oplossingen die enkele eenvoudige RAG-gevallen kunnen dienen, maar vaak falen als de echte complexiteiten van ondernemings- en overheidsgevallen optreden. Pryon kan ook complementair zijn met deze systemen, met de inhoud gegenereerd door Copilot, Gemini of GPT die in de Pryon Knowledge Layer wordt geplaatst om te worden georganiseerd en klaar te worden gemaakt voor gebruik door downstream-toepassingen en -agenten.

Hoe gaat Pryon om met de evoluerende AI-regelgeving, zoals de EU AI-wet en de AI-richtlijnen van de VS?

Terwijl de AI-regelgeving wereldwijd evolueert, blijft Pryon toegewijd aan naleving en ethisch AI-gebruik. Onze aanpak is in overeenstemming met kaders zoals de EU AI-wet, de AI-richtlijnen van de VS en de verantwoorde AI-principes (RAI) van het ministerie van Defensie, waardoor onze AI-oplossingen betrouwbaar, transparant en beheersbaar zijn. Door de integratie van rigoureuze evaluatie, traceerbaarheid en continue monitoring in de gehele AI-levenscyclus, prioriteren we beveiliging, eerlijkheid en prestaties. Door deze best practices in onze implementatiemethode in te bedden, empoweren we ondernemingen om AI op een verantwoorde manier in te zetten en tegelijkertijd de hoogste regelgevende en ethische normen te behalen.

Bedankt voor het geweldige interview, lezers die meer willen leren, moeten Pryon bezoeken Pryon.