Darren Kimura, CEO en President van AI Squared – Interview Serie

Darren Kimura is een ervaren ondernemer, uitvinder en investeerder, die momenteel fungeert als President en CEO van AI Squared. Met meer dan 25 jaar leiderschap in de technologie- en schone-energiesector, heeft hij bedrijven geleid zoals Energy Industries Corporation, Sopogy en LiveAction, en is hij mede-oprichter van het venturebedrijf Enerdigm Ventures. Hij staat bekend om de uitvinding van MicroCSP-zonnetechnologie en heeft een sleutelrol gespeeld bij het opschalen van bedrijven die zich richten op edge computing, AI en SaaS-gebaseerde oplossingen.

AI Squared is een low-code-platform dat bedrijven helpt om AI-inzichten rechtstreeks in de tools te integreren die ze al gebruiken, zoals Salesforce (CRM ), Slack, Google Sheets en ServiceNow. Door de implementatie van AI te vereenvoudigen en real-time besluitvorming mogelijk te maken, geeft het platform teams in engineering, sales en operations de mogelijkheid om meetbare bedrijfswaarde te ontgrendelen. Met klanten in de financiële sector, supply chain en overheid, versnelt AI Squared de adoptie van AI in bedrijven door het te maken tot een naadloze, contextuele en actiegerichte ervaring.

U heeft meerdere bedrijven in verschillende sectoren geleid—wat heeft u geïnspireerd om AI Squared te joinen en uiteindelijk te leiden?

Ik ben altijd aangetrokken tot het oplossen van moeilijke, real-world problemen die diepe technische kennis en foutloze uitvoering vereisen. Ik begon mijn carrière in energie-efficiëntie en hernieuwbare energie, waarbij ik machinegegevens op grote schaal verzamelde en mensen hielp om deze te begrijpen en erop te reageren. In de loop van de tijd evolueerde dit naar het dichter bij de werkplek brengen van gegevensverwerking, in beveiligde systemen of binnen bedrijfsworkflows.

Toen ik voor het eerst AI Squared tegenkwam, zag ik onmiddellijk dat ze een zeer reëel en zeer dringend probleem aanpakten: hoe AI van het lab naar het dagelijks leven te brengen. De meeste bedrijven zijn nog steeds gefocust op het bouwen van modellen. AI Squared was gefocust op implementatie.

Wat me nog meer overtuigde, was hun fundament. Het bedrijf is ontstaan binnen de NSA en heeft de afgelopen zes jaar vertrouwen verdiend bij het ministerie van Defensie, de inlichtingengemeenschap, de ruimtegemeenschap en enkele van de grootste ondernemingen op de Fortune 500-lijst, door middel van echte projecten en significante resultaten die jaar na jaar blijven groeien. Dat zei me twee dingen: ten eerste waren ze serieus over beveiliging, compliance en impact. En ten tweede waren ze een team dat ik kon vertrouwen.

Hoe heeft uw ervaring met het opschalen van ZEDEDA en werken in venture capital uw aanpak van AI-implementatie op bedrijfsniveau beïnvloed?

Bij ZEDEDA werkten we aan de verre rand als een besturingssysteem binnen de open-source-gemeenschap. Dat dwong me om diepe inzicht te krijgen in de real-world-beperkingen waarmee onze klanten te maken hadden bij digitale transformatie. Daar hadden we een wereldklasse-engineeringteam van Cisco, Sun Microsystems, Juniper, Arista, maar het leerde me ook hoe belangrijk het is om technische excellentie te paren met een sterke enterprise-go-to-market-beweging.

Van de venture-kant kreeg ik een andere soort inzicht. Ik zag hoe diepe technologiebedrijven schalen, langzamer in het begin, maar sneller naarmate je een sterke fundament bouwt. Het leerde me om in systemen te denken: markttiming, productgereedheid, klantmaturiteit en kapitaalstrategie moeten allemaal op één lijn liggen. Dat is de lens die ik meenam naar AI-implementatie bij AI Squared. Het gaat niet om het verzenden van modellen, maar om het leveren van resultaten die bedrijven kunnen vertrouwen, meten en schalen.

AI Squared benadrukt het integreren van AI in systemen die mensen al gebruiken. Hoe ziet het oplossen van de “laatste mijl” van AI er in de praktijk uit?

87% van de AI-projecten bereiken nooit de productiefase omdat integratie langzaam, complex en losgekoppeld is van eindgebruikers. AI Squared lost dit op door een nationale veiligheidsgraad-data-integratiepijplijn te creëren die AI/ML-modellen verbindt met gegevensbronnen zoals Databricks of Snowflake en de systemen die deze bedrijven al gebruiken, zoals CRMs, ERPs en aangepaste apps.

Hoe helpt uw platform bij het overbruggen van de kloof tussen datawetenschapsteams en businessgebruikers?

AI Squared vereenvoudigt de overdracht van modelontwikkeling naar productie. Datawetenschapsteams kunnen modellen beveiligd implementeren via ons platform, terwijl businessgebruikers inzichten ontvangen binnen tools die ze al gebruiken, zoals Salesforce, Teams, Slack of andere systeemtoepassingen.

U werkt met de NSA, de Amerikaanse marine en andere federale agentschappen. Hoe beïnvloeden prioriteiten zoals compliance, transparantie en ethisch gebruik de productroadmap van AI Squared?

Ethiek, compliance en transparantie zijn de belangrijkste overwegingen in onze roadmap. We weten vanuit onze ervaring met federale agentschappen dat we prioriteit moeten geven aan traceerbaarheid, controleerbaarheid en verklarebaarheid. We bouwen met zero-trust-principes, ondersteuning voor beveiligde implementatieomgevingen en duidelijke governance-modellen.

Wat is uw mening over de rol van discriminatieve AI bij het verbeteren van besluitvorming voor federale agentschappen?

Discriminatieve AI is precies, interpreteerbaar en efficiënt. Het is ideaal voor high-stakes-omgevingen waar duidelijke antwoorden nodig zijn, ja of nee, bedreiging of geen bedreiging. Bij federale agentschappen maakt dit snellere triage, risicodetectie en prioritering mogelijk. Het complementarieert generatieve modellen door gestructureerde, gevalideerde uitvoer te bieden die kritische besluitvorming ondersteunen.

Waar ziet u de grootste risico’s en kansen voor AI-adoptie in de nationale veiligheid?

Het grootste risico is onbeheerde autonomie, het implementeren van AI-systemen zonder transparantie, toezicht of veiligheidsmaatregelen. De kans ligt in het versnellen van situational awareness en besluitvorming. AI kan in real-time door grote hoeveelheden gegevens filteren om patronen te ontdekken die mensen zouden kunnen missen. Maar om die waarde te realiseren, moet het vertrouwd, traceerbaar en geïntegreerd zijn met human-in-the-loop-systemen.

Wat zijn enkele van de meest voorkomende fouten die bedrijven maken bij het implementeren van GenAI?

De grootste fout is het focussen op noviteit boven noodzaak. Te veel bedrijven implementeren GenAI zonder een duidelijk gebruiksscenario, governanceplan of succesmeting. Dat leidt tot pilotmoeheid, onschaalbare prototypes en vertrouwensproblemen. GenAI is krachtig, maar zoals elke technologie, moet het worden afgestemd op het probleem, de gebruiker en de workflow.

Kunt u een voorbeeld delen waarin AI Squared een bedrijf hielp om “shiny object syndrome” te vermijden en in plaats daarvan meetbare impact te leveren?

Een bedrijf kwam naar ons toe met de wens om een aangepaste LLM te bouwen om klantenservicetickets te classificeren. We lieten zien hoe een eenvoudige, geïntegreerde classifier die via ons platform werd geïmplementeerd, 90% nauwkeurigheid kon bereiken in hun CRM in minder dan twee weken. Geen nieuwe interfaces, geen aangepaste training. Dat is de kracht van het oplossen van het juiste probleem met het juiste instrument.

Wat zijn de opkomende trends waar u het meest enthousiast over bent in enterprise AI in de komende 3-5 jaar?

Drie trends springen eruit:

1. LLM’s die echt multimodaal zijn en zich richten op specifieke taken
2. Agente AI-systemen die actie ondernemen, niet alleen content genereren
3. Standaard governance die AI-adoptie in gereguleerde industrieën mogelijk maakt

Deze trends drijven AI naar een meer bruikbare, vertrouwde en geïntegreerde positie in dagelijkse operaties.

Hoe evolueert AI Squared zijn platform om gelijke tred te houden met de snel vooruitgaande LLM’s en model-ecosystemen?

We zijn model-agnostisch van ontwerp. Of het nu een open-source-model, een commercieel LLM of een propriëtair discriminatief model is, ons platform stelt organisaties in staat om het beveiligd te implementeren en te beheren binnen hun bestaande workflows. We zijn gefocust op orkestratie, versiebeheer en governance, zodat de modelstack kan evolueren zonder de gebruikerservaring te verstoren.

Wat ziet u als succes voor AI Squared in het volgende hoofdstuk onder uw leiderschap?

Succes betekent dat we de standaardmanier worden voor bedrijven en overheidsinstellingen om AI operationeel te maken. Het betekent dat we de tijd-tot-waarde terugbrengen van maanden naar dagen en dat we AI-implementatie zo naadloos en beveiligd maken als het lanceren van een nieuwe functie. Onder mijn leiderschap zijn we gefocust op schaal, vertrouwen en real-world-resultaten, niet alleen op innovatie omwille van innovatie, maar op impact waar het het meest telt.

Bedankt voor het geweldige interview, lezers die meer willen leren, kunnen AI Squared bezoeken.