Jim McGowan, hoofd product bij ElectrifAi – Interview Serie

Jim McGowan is het hoofd product bij ElectrifAi, zij specialiseren zich in het extraheren van enorme hoeveelheden uiteenlopende data, het transformeren van chaotische gestructureerde en ongestructureerde data in actiegerichte bedrijfsinzichten.

Wat is het dat je aangetrokken heeft tot de wereld van machine learning en AI?

Ik kwam voor het eerst in aanraking met Machine Learning tijdens mijn promotieonderzoek in cognitieve wetenschap. AI-systemen bestonden voornamelijk uit het distilleren van een experts ervaring naar een flowchart. Dit leek intuïtief te werken, maar de systemen groeiden snel te complex en kwamen niet aan hun beloften tegemoet. Kleine problemen konden worden opgelost, maar praktische oplossingen voor echte wereldproblemen waren buiten bereik. Je kunt zeggen dat het bouwen van praktische systemen zelf onpraktisch was. Toen kwam Machine Learning op. Dat veranderde alles. Machine Learning maakte de belofte van AI waar. ElectrifAi maakt die belofte waar door oplossingen te bouwen om onze klanten te helpen hun bedrijven beter te runnen.

ElectrifAi gebruikt iets dat Practical AI heet om bedrijven te helpen meer te doen met de data die ze al hebben. Kun je uitleggen hoe ElectrifAi Practical AI definieert?

We gebruiken de data van onze klanten om duidelijke, actiegerichte inzichten te verschaffen voor echte bedrijfsbehoeften. We helpen hen betere beslissingen te nemen, sneller. Practical AI lost een echt wereldprobleem op met een oplossing die werkt, gebaseerd op een duidelijk begrip van de data, met een definitief resultaat, past in bestaande processen en tools, wordt op tijd geleverd en levert enorm bedrijfswaarde. We vereisen niet dat bedrijven hun datasystemen vervangen. We vereisen geen specifiek bedrijfsmodel. We nemen niet een jaar de tijd om misschien iets te leveren dat een compromis is over wat een klant wilde doen. We bieden een flexibele, hoge kwaliteit oplossing die eenvoudig te gebruiken is en doet wat het moet doen, heel, heel goed. Dat is Practical AI.

We zorgen ervoor dat we met elke oplossing het volgende bereiken:

• Beste tijd tot waarde
• Beste gegevensreiniging
• Beste inzichten
• Beste ROI’s

Kunt u enkele details geven over hoe ElectrifAi bedrijven in staat stelt om deze Practical AI te gebruiken?

We halen data op uit alle systemen – of het nu gaat om aangepaste databases, sterk aangepaste oplossingen van grote leveranciers of zelfs een gegevensdump van een oude toepassing. We reinigen en begrijpen die data, en vinden duidelijke, betekenisvolle signalen in alle chaos. We gebruiken vervolgens machine learning om waardevolle inzichten uit die signalen te extraheren, en ten slotte geven we aan hoe te handelen naar die inzichten. SpendAi is een goed voorbeeld. We gebruiken machine learning om de data te reinigen, en nog meer machine learning om 98-99% van de data van alle inkoopsystemen van een klant te categoriseren. We laten de klant zelfs de categorisatie controleren op een granulair niveau, in slechts enkele seconden, via een sleep-en-neerzet-interface. Dat is uniek en enorm krachtig. Vervolgens passen we nog een groep machine learning-algoritmes toe om een duidelijk, eenvoudig overzicht te geven van waar de uitgaven naartoe gaan. We gebruiken machine learning om contracten te parseren en belangrijke clausules te extraheren. We passen vervolgens nog meer machine learning toe om specifieke aanbevelingen te doen. Bijvoorbeeld, een klant kan in aanmerking komen voor een korting vanwege een clausule die begraven is in een contracttermijn. Of ze kunnen te veel afhankelijk zijn van een leverancier in een categorie, die zelf financieel risico loopt. Een klant kan onderbenutten van hun positie met een leverancier omdat de leverancier onder meerdere namen en divisies van het bedrijf opereert. We brengen al deze informatie naar boven en reinigen het, zodat de klant hun uitgaven kan verminderen, hun werkkapitaal kan verhogen en hun risico kan verminderen.

Kunt u PulmoAi CT bespreken en hoe het de efficiëntie voor radiologen kan verhogen en radiologische resultaten kan verbeteren?

PulmoAi CT is een geavanceerd beeldanalyseproduct, specifiek ontworpen voor long-CT-scans. Door Practical AI, Machine Learning (ML) en beeldverwerkingstechnologie te combineren, segmenteert PulmoAi CT longscans automatisch pixel voor pixel, zonder de vertekening of vervaging die optreedt bij soortgelijke technologieën. Het resultaat: helder weergegeven 3D-beelden – waardoor radiologen direct indicaties voor tumoren, knobbeltjes, COVID-19 en andere afwijkingen kunnen identificeren. Met PulmoAi CT kunnen radiologen gemakkelijk inzoomen op longdetails, die zij kunnen bekijken naast klinische analyses en oorspronkelijke beelden. PulmoAi CT kwantificeert elke longfunctie met precieze metingen, inclusief de grootte van de functie, morfologische en volumetrische omvang. Dit maakt het mogelijk om de voortgang van afwijkingen zorgvuldig te monitoren, zelfs in aanwezigheid van meerdere morbiditeiten.

PulmoAi CT is een heel andere technologie dan elk product op de markt of in een onderzoekscentrum. De resultaten zijn baanbrekend. Er is niets anders zoals het. Het is geen brute-force-aanpak die tienduizenden samples nodig heeft om te werken. PulmoAi CT produceert resultaten terwijl andere AI-oplossingen nog steeds op zoek zijn naar trainingsdata. Het is krachtig en het zal veranderen wat radiologen kunnen doen.

Nog een ElectrifAi-product is PulmoAi X-ray, dat rechtstreeks aandacht besteedt aan het gebruik van röntgenstralen in crisissituaties. Kunt u deze technologie bespreken?

PulmoAi X-ray richt zich rechtstreeks op het gebruik van röntgenstralen in crisissituaties vandaag. Aangepast aan de specifieke uitdagingen van de pandemie, gaat PulmoAi X-ray een stap verder dan het onderscheiden van gezonde longen van longen die zijn geïnfecteerd met COVID-19. De cloud-gebaseerde oplossing identificeert de cruciale verschillen tussen coronavirus-positieve patiënten die naar huis worden gestuurd en diegene die terugkeren en beademing nodig hebben. Vooraf getraind op longscans van ziekenhuizen in crisissituaties, maakt PulmoAi X-ray gebruik van diepe leerneurale netwerktechnologieën om kritieke afwijkingen te identificeren die geassocieerd zijn met COVID-19. PulmoAi X-ray is uniek omdat het specifiek is afgestemd op het antwoord op de vraag die ziekenhuizen in crisissituaties proberen te beantwoorden: werkt zelfisolatie, of heeft de patiënt hospitalisatie nodig?

Nog een product is ContractAi, dat Practical AI, Machine Learning en Natural Language Processing (NLP) gebruikt om contracten automatisch te lezen, analyseren en vergelijken binnen het bedrijf. Kunt u dit product en de beste use cases ervoor bespreken?

ContractAi is ontworpen voor gebruikers die dagelijks met contracten werken. Bijvoorbeeld, ContractAi helpt mensen in een inkoopgroep die de uitgaven analyseren tegenover leveranciersovereenkomsten. Onlangs, met de economische schok door COVID-19, helpt de software bedrijven begrijpen welke druk ze kunnen uitoefenen om leverancierscontracten te beëindigen. Wanneer deze functionaliteit wordt gekoppeld aan ons SpendAi-product, kan men onmiddellijk de financiële impact van deze druk begrijpen. Een van de grootste voordelen van de technologie is dat deze werkt met contractgegevens in elk formaat – er is geen handmatige invoer en geen specifiek formaat vereist. Een ander voordeel is dat de technologie specifiek is ontworpen voor gebruikers die contracten in een operationele rol gebruiken. Veel van de bestaande contractverwerkingstechnologieën zijn ontworpen voor advocaten, die een andere set zorgen hebben.

Is er nog iets dat je zou willen delen over ElectrifAi?

Als een wereldwijd machine learning-bedrijf, hebben we een unieke kijk op hoe verschillende markten Machine Learning ontwikkelen en gebruiken. Een van de voordelen van deze kijk is onze mogelijkheid om te begrijpen hoe machine learning (ML) mogelijkheden kunnen worden vertaald van de ene geografie en/of verticale markt naar de andere om substantiële problemen op te lossen.

Bijvoorbeeld, we hebben jarenlang over de hele wereld geholpen om bedrijven te helpen hun klanten te betrekken met behulp van datawetenschap. We hebben nu die expertise gebruikt om de Amerikaanse gezondheidszorgindustrie te helpen met patiëntbetrokkenheid, om de gezondheidszorg te herstarten en patiënten terug te brengen naar de ziekenhuizen voor kritieke elektieve operaties.