Edwin Lisowski, mede-oprichter en Chief Growth Officer van Addepto – Interviewreeks

Edwin Lisowski, mede-oprichter en Chief Growth Officer van Addepto, is verantwoordelijk voor de strategische groei, business development en marketing van het bedrijf. Hij heeft uitgebreide ervaring in data-architectuur, AI-gedreven strategie en analytics consulting, waarbij hij technische expertise combineert met een sterke focus op het schalen van AI-adoptie en business-transformatie-initiatieven voor mondiale klanten.

Addepto is een in Warschau gevestigd adviesbureau dat gespecialiseerd is in kunstmatige intelligentie, machine learning, data-engineering en business intelligence-oplossingen voor ondernemingsklanten. Het bedrijf helpt organisaties om ruwe data om te zetten in actiegerichte inzichten door middel van een end-to-end AI-strategie, proof-of-concept-ontwikkeling en productieklare modelimplementatie. Addepto werkt in verschillende sectoren, zoals financiën, logistiek, productie en verzekeringen, en legt de nadruk op maatoplossingen en langetermijnpartnerschappen om klanten te helpen bij het benutten van AI voor meetbare businessimpact.

Wat inspireerde u om Addepto in 2018 mede op te richten, en welke marktgleuf wilden u en uw team invullen?

In 2018 zagen we twee uitersten: grote leveranciers die “one-size-fits-all” AI verkochten en interne teams die na een paar proof-of-concepts vastzaten omdat ze geen data-engineering en MLOps-muscle hadden. We bouwden Addepto om als het team dat strategie → data-plumbing → modellen → productie verbindt, vooral voor data-intensieve industrieën. Die full-stack-benadering is nog steeds onze DNA.

Welk van Addepto’s dienstengebieden – computer vision, NLP, machine learning of data-engineering – heeft de snelste ondernemingsadoptie gezien, en waarom?

In de afgelopen 18-24 maanden is NLP/GenAI het snelst gegroeid in het bedrijfsleven (zoekopdrachten, assistenten, documentverwerking) omdat het direct in kaart brengt wat voor kennis-werk-ROI en kan beginnen met foundation-modellen. Industrieënquêtes laten een bredere stap zien in AI-gebruik in 2024, met GenAI-geleide use-cases die schalen over functies heen.

Veel bedrijven hebben moeite om van proof-of-concept AI naar productiesystemen over te stappen. Hoe helpt Addepto hen die kloof te overbruggen?

We behandelen productie als een discipline, niet als een fase: ontdekkingwerkshops, data-contracten, referentie-architecturen, CI/CD voor modellen, observatie en “day-2”-operaties (drift, kosten, guardrails). Concreet standaardiseren we MLOps en herschrijven we proof-of-concepts naar microservice-eindpunten die passen bij de stack van de klant (Databricks/Spark, Kubernetes, bestaande BI). Zo leveren we consequent meer dan alleen demos.

Generatieve AI is nu centraal in uw aanbod. Hoe beslist u wanneer u foundation-modellen moet toepassen versus aangepaste modelontwikkeling?

Onze beslissingsboom is pragmatisch:

• Begin met foundation-modellen wanneer tijd-tot-waarde, brede taaktaken en variabiliteit domineren.
• Ga over naar fine-tuning of adapters wanneer domeinterminologie of toonprecisie kritiek is.
• Bouw aangepaste modellen wanneer latentie/kosten/IP-controle ertoe doen, data eigendomlijk/gestructureerd is of randvoorwaarden van toepassing zijn.
  Dit weerspiegelt waar ondernemingen naartoe gaan: minder “experiments”, meer fit-for-doel-architecturen.

In 2024 lanceerde u ContextClue als een toegewijd kennisbeheerplatform. Welke pijnstip bevestigde dat de tijd rijp was voor een afzonderlijk product?

Engineeringklanten vroegen ons steeds hetzelfde: “Onze CAD, PLM, ERP en documenten praten niet met elkaar, kunnen jullie ze laten denken?” We hadden dit probleem al eerder opgelost in projecten, dus hebben we het patroon geproductiseerd. 2024 was het juiste moment omdat GenAI het ophalen en auteursrecht voor ingenieurs (niet alleen datateams) bruikbaar maakte. We kondigden het aan en begonnen met de lancering in die periode.

ContextClue integreert met CAD, ERP, PLM en technische documenten. Welke van die gegevensbronnen is het moeilijkst te verenigen, en hoe lost u dit op?

CAD is het moeilijkst: binaire/eigendomsvormen, versiebeheer, assemblages en ruimtelijke context. We normaliseren CAD naast PLM/ERP-metadata, en kaarten alles in een kennisgrafiek zodat onderdelen, systemen, specificaties en procedures worden opgelost naar dezelfde entiteiten. Dat is de ruggengraat van ContextClue’s ingest-pijplijn.

Het platform ondersteunt semantische zoekopdrachten en documentgeneratie. Hoe garandeert u de nauwkeurigheid en vertrouwen in die uitvoer voor ingenieurs?

Drie lagen:

• Geaarde ophaling (schema-aware RAG over de kennisgrafiek) met citaten naar de bronartefacten.
• Beleid + testen (evaluatie suites in CI, rode-prompt-testen, regressietesten).
• Mens-in-de-lus voor kritieke uitvoer (SOP’s, compliance-documenten). We hebben zelfs delen van onze evaluatie- en grafiek-extractietoolchain open-source gemaakt om dit controleerbaar te maken.

Wat onderscheidt ContextClue van andere kennisbeheerhulpmiddelen in zware industrie en ingenieurscosystemen?

Het is ingenieurs-natief: het zoekt niet alleen “bestanden”, maar begrijpt assemblages, afhankelijkheden en veranderingen, en koppelt CAD/PLM/ERP en onderhoudsgeschiedenis aan een actiegerichte grafiek. Concurrerende KM-hulpmiddelen stoppen vaak bij indexeren; ContextClue verenigt structuur + semantiek en produceert zowel mens-leesbare documenten als machine-leesbare modellen (voor digitale tweelingen, planning).

Hoe ziet u ContextClue evolueren met de opkomst van multimodale AI, vooral bij het combineren van tekst, schematische tekeningen en 3D-modellen?

Twee richtingen zijn al in beweging:

• Visie-over-CAD & schematische tekeningen: het extraheren van topologie, aanroepen en BOM-koppelingen om antwoorden te verankeren in tekeningen.
• 3D-alignment: het koppelen van kennis-knooppunten aan 3D-coördinaten/Omniverse-weergaven zodat onderhouds- of planningsvragen worden opgelost naar de juiste plek in het model. Verwacht rijkere agenten die onderdelen, versies en procedures navigeren over modaliteiten heen.

Kijkend naar de toekomst, hoe ziet u Addepto en ContextClue elkaars groei vormgeven, en waarvoor zien u hun gecombineerde impact op de industrie in het komende decennium?

Addepto zal de frontier blijven verleggen, verantwoordelijk multimodale/agente systemen producerend, terwijl ContextClue die R&D omzet in herhaalbare waarde voor ingenieursteams. Samen streven we ernaar “kennisverspilling” (tijd verloren met zoeken/hercreëren) op grote schaal te verminderen, met resultaten zoals ingenieurscyclus-tijd, herwerk-tarieven en audit-voorbereidingstijd over planten en programma’s heen. De markt beweegt zich van “veel pilots” naar “minder, waardevollere roll-outs”, en we plannen om de partner en het platform te zijn die die overwinningen consistent leveren.

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