Dr. Zohar Bronfman, Co-founder & CEO van Pecan AI – Interview Serie

Dr. Zohar Bronfman is de Co-founder & CEO van Pecan AI. Met diepe expertise in computationele psychologie en datawetenschap, paste Zohar zijn inherente ondernemingsgeest toe om Pecan te co-founden, recht uit de graduate school. Zohar heeft twee PhD’s van de Tel Aviv University – een in computationele cognitieve neurowetenschap en een andere in de geschiedenis en filosofie van wetenschap en technologie. Hij heeft ook een BA in economie van de Open University of Israel.

Opgericht in 2018, is Pecan AI een predictieve analytics-platform dat zijn baanbrekende Predictive GenAI gebruikt om barrières voor AI-adoptie te verwijderen, waardoor predictieve modellering toegankelijk wordt voor alle data- en business-teams. Onder leiding van generatieve AI kunnen bedrijven nauwkeurige voorspellingen verkrijgen in verschillende bedrijfsdomeinen zonder de noodzaak van gespecialiseerd personeel. Predictive GenAI maakt een snelle modeldefinitie en -training mogelijk, terwijl geautomatiseerde processen de AI-implementatie versnellen. Met Pecan’s fusie van predictieve en generatieve AI is het realiseren van de business-impact van AI nu veel sneller en gemakkelijker.

Wat was de reis zoals bij het oprichten van Pecan AI en wat zijn enkele van de belangrijkste mijlpalen die onderweg zijn behaald?

Het starten van Pecan AI was best een achtbaan. Het begon allemaal toen mijn co-founder en ik me inschreven voor een internationale data science-wedstrijd. We creëerden een data-voorbereidingsautomatisering die uitgroeide tot Pecan’s prototype, maar we misten de deadline en verloren. In plaats van door te gaan, besloten we ons prototype om te zetten in iets impactvols. Slechts twee maanden na het afronden van onze doctoraten in 2018, huurden we een kleine kamer bij de Tel Aviv University en begonnen we te hustlen. Met beperkte zakelijke ervaring, pitchen we ons idee aan venture capitalists. Gelukkig zagen Haim Sadger en Aya Peterburg van S Capital het potentieel en investeerden $4 miljoen, waardoor we de boost kregen die we nodig hadden.

Een belangrijke mijlpaal was het ophalen van $66 miljoen in een Series C-rondje onder leiding van Insight Partners, met steun van GV (voorheen Google Ventures) en anderen. Deze financiering stelde ons in staat om wereldwijd uit te breiden en onze ontwikkelingsinspanningen te versnellen.

Hoe beïnvloedt uw achtergrond in computationele cognitieve neurowetenschap uw aanpak voor het ontwikkelen van AI-oplossingen?

Mijn achtergrond in computationele cognitieve neurowetenschap, evenals mijn PhD in de geschiedenis en filosofie van wetenschap, speelt een grote rol in hoe ik AI-oplossingen ontwikkel. Deze gebieden helpen me om zowel de technische als de filosofische aspecten van technologie te begrijpen. Dit dubbele perspectief is ontzettend waardevol in het snel veranderende technolandschap van vandaag. Het stelt me in staat om AI-producten te creëren die niet alleen technisch geavanceerd zijn, maar ook ethisch verantwoord en gebruikersvriendelijk.

Kunt u het concept van Predictive GenAI uitleggen en hoe het generatieve AI integreert met predictieve machine learning?

Zeker. Predictive GenAI gaat over het samenvoegen van Generatieve AI met Predictieve Machine Learning. Generatieve AI laat gebruikers toe om met data te communiceren via natuurlijke taal, waardoor het gemakkelijk is om vragen te stellen en de AI te leiden. Echter, de predictieve capaciteiten zijn beperkt. Daar komt Predictieve Machine Learning om de hoek kijken, aangezien het data verwerkt om toekomstige voorspellingen te maken. Door deze twee technologieën te combineren, stelt Predictive GenAI gebruikers in staat, zelfs met weinig data science-ervaring, om predictieve modellen te bouwen en te gebruiken, net alsof ze met ChatGPT praten.

Hoe vereenvoudigt Predictive GenAI het proces van het maken en implementeren van predictieve modellen voor bedrijven?

Predictive GenAI vereenvoudigt dingen met functies zoals Predictive Chat en Predictive Notebook. Predictive Chat fungeert als een AI-sidekick, die gebruikers door het modelleringproces leidt met behulp van natuurlijke taal. Het formuleert predictieve vragen op basis van de zakelijke zorgen van de gebruiker en genereert een Predictive Notebook met klaar-voor-gebruik SQL-queries en voorbeelddata. Dit betekent dat gebruikers niet van scratch hoeven te beginnen of diepe technische kennis nodig hebben om nauwkeurige voorspellingen te krijgen.

Kunt u de case study betreffende de CAA Club Group uitleggen en hoe Pecan AI hun wegassistancediensten optimaliseerde?

Absoluut. De CAA Club Group besteedde vroeger een week aan het handmatig voorspellen van wegassistancediensten, wat tijdrovend en beperkt was. Na de implementatie van Pecan AI ontwikkelde hun data science-team meer dan 30 modellen om korte-termijn-vraagvoorspellingen tweemaal per week te genereren. Deze voorspellingen voorspellen oproepvolumes en servicetypes per uur, waardoor efficiënte bemensing en snelle reacties mogelijk zijn, vooral tijdens extreme winteromstandigheden. Pecan’s platform staat ook toe dat deze modellen continu worden verbeterd, waardoor de dienstenefficiëntie wordt verhoogd.

Hoe profiteerde Credit Pros van het gebruik van Pecan AI voor klant-churnvoorspelling en welke specifieke uitdagingen loste het op voor hen?

Credit Pros kampte met aanzienlijke uitdagingen bij de voorspelling van klant-churn, wat een complex en tijdrovend proces was. De implementatie van Pecan AI reduceerde de modelontwikkelingstijd van drie maanden tot slechts enkele weken, waardoor proactieve retentiestrategieën mogelijk werden. Dit gestroomlijnde proces stelde TCP in staat om klant-churn nauwkeurig te voorspellen en effectieve strategieën te ontwikkelen om klanten te behouden, wat uiteindelijk hun omzet verhoogde.

Hoe verhogen de Predictive Chat- en Predictive Notebook-tools de gebruikerservaring en maken predictieve analytics toegankelijk voor niet-technische gebruikers?

Predictive Chat gebruikt GenAI om aangepaste notebooks te creëren op basis van de zakelijke vragen en data van de gebruiker. Gebruikers kunnen met de chat communiceren in natuurlijke taal, vragen beantwoorden en instructies volgen, waardoor het modelleringproces wordt vereenvoudigd. De Predictive Notebook bevat alle benodigde code, waardoor gebruikers queries kunnen bekijken, aangepaste tabellen kunnen maken en de logica van de trainingsdataset kunnen begrijpen. Deze aanpak maakt predictieve analytics toegankelijk voor niet-technische gebruikers door data-voorbereiding en modelcreatie te stroomlijnen.

Op welke manieren ziet u Predictive GenAI verschillende industrieën en bedrijfsfuncties transformeren?

Predictive GenAI stelt bedrijven in staat om datagedreven beslissingen te nemen met ongekende nauwkeurigheid en efficiëntie. In de fabricage- en logistieke industrie optimaliseert het operaties door vraag te voorspellen en supply chains te stroomlijnen. In klantgerichte industrieën verhoogt het tevredenheid en loyaliteit door gerichte marketing en aangepaste aanbevelingen. Predictive GenAI drijft ook innovatie aan door markttrends te voorspellen, productontwikkeling te leiden en de time-to-market te versnellen. De toepassingen strekken zich uit tot de gezondheidszorg voor ziektevoorspelling en aangepaste behandelplannen, en tot duurzaamheidsinspanningen door het optimaliseren van het gebruik van hulpbronnen en het verminderen van de milieueffecten.

Hoe waarborgt Pecan AI de nauwkeurigheid en betrouwbaarheid van zijn predictieve modellen?

We waarborgen nauwkeurigheid en betrouwbaarheid door middel van rigoureuze tests en voortdurende validatie. Pecan AI gebruikt afzonderlijke trainings- en testdatasets om modelprestaties te evalueren, vergelijkbaar met het beoordelen van een schoolschoolexamen. Sleutelmetrics zoals nauwkeurigheid, precisie en recall worden gebruikt om modellen te valideren tijdens de ontwikkeling en in productie. We bevorderen ook transparantie door middel van uitlegbare voorspellingen, waardoor gebruikers de factoren kunnen begrijpen die elke voorspelling beïnvloeden en vertrouwen wekken in AI-gedreven inzichten.

Hoe ziet u de rol van Predictive GenAI evolueren in de komende jaren?

Als we vooruitkijken, is de toekomst van AI niet alleen over het voorspellen van gebeurtenissen, maar ook over het voorschrijven van acties op basis van die voorspellingen. Predictive GenAI heeft als doel om besluitvormingsprocessen te automatiseren en bedrijfsoperaties te optimaliseren. Het is echter cruciaal om de daarmee verbonden risico’s te begrijpen en de verantwoorde gebruik van AI te waarborgen. Naarmate de technologie evolueert, zal het een kritieke rol spelen in het verbeteren van operationele efficiëntie, het stimuleren van innovatie en het stimuleren van strategische besluitvorming in verschillende industrieën.

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