Chris Mahl, President og CEO i Pryon – Intervju-serie

Chris Mahl er President og Chief Executive Officer i Pryon. Med mer enn to tiår med erfaring i noen av verdens mest kjente bedriftsprogramvare-selskaper, spesialiserer Chris seg i å skalerer markeds- og operasjonelle strategier for teknologiselskaper i alle vekstfaser.

Pryon tilbyr en pålitelig, sikker og bevist metode for å implementere generativ AI i bedrifter. Pryons beste innhenting- og gjenvinningssystemer kan kombineres med generative LLM-er for å implementere gjenvinning-forsterket generering og trygt tilby nøyaktige, øyeblikkelige og verifiserbare svar i bedriftsformat.

‍

Med bransjeledende gjenvinningsteknologi, kan Pryon RAG Suite sikret ekstrahere svar fra alle former for innhold, inkludert lyd, bilder, tekst og video, lagret i en mengde kilder. Pryons produkter er lette å bruke, tilgjengelige via API fra alle systemer, og kan deployeres på noen uker i skyen eller på bedriftens egne servere.

Pryon fokuserer på Gjenvinning-Forsterket Generering (RAG). Kan du forklare hvordan din tilnærming til gjenvinning skiller seg fra andre AI-drevne søk- og kunnskapsbehandlingssystemer?

Pryons tilnærming til gjenvinning skiller seg ut fordi vår Gjenvinningssystem kan aksessere innhold i sanntid fra diverse kilder som PDF-er, bilder, nettsider og videoer, samtidig som det opprettholder datasikkerhet uten eksterne avhengigheter. Vi har kombinert semantisk søk med granulert data-attribuering for å oppnå over 90% gjenvinningssikkerhet. I motsetning til mange systemer, skalerer vårt system effektivt for store organisasjoner, og lar teamene ta raske og presise beslutninger basert på deres eksisterende kunnskapsbase.

Pryon Innhentingssystem er designet for å strukturere store mengder multimodalt innhold. Hva gjør din innhentingsprosess unik, og hvordan forbedrer den gjenvinningssikkerheten?

Pryons innhenting kan håndtere multimodalt innhold – ekstrahere svar fra lyd, bilder, tekst og video fra ulike kilder. Dette løser det grunnleggende problemet med frakoblet data i bedrifter. Med ustukturert data som vokser over 50% årlig, transformerer vår innhentingssystem spredt informasjon til strukturert, anvendelig kunnskap. Prosessen er designet for sikkerhet og personvern, og holder sensitive bedriftsdata beskyttet mens den gjør den umiddelbart nyttig.

Ditt Gjenvinningssystem lover øyeblikkelige, nøyaktige og verifiserbare svar. Hvordan sikrer Pryon nøyaktighet og minimiserer hallucinasjoner når det gjelder å ekstrahere informasjon?

Pryon sikrer nøyaktighet og minimiserer hallucinasjoner gjennom flere mekanismer. Vår teknologi kombinerer semantisk søk med granulert data-attribuering, som betyr at svar kan spores tilbake til deres spesifikke kilder. Denne attribueringen er kritisk for verifisering. Systemet aksesserer innhold i sanntid fra originale kilder, i stedet for å stole på potensielt utdaterte eller ufullstendige kunnskapsbasier. Denne direkte tilkoblingen til kilde-materialet, kombinert med vår høye gjenvinningssikkerhet (over 90%), reduserer betydelig risikoen for hallucinasjoner som plager mange generative AI-systemer.

Hvordan håndterer Pryon sanntidsoppdateringer av informasjon, spesielt i dynamiske miljøer som regjering, energi og helse?

Pryon sikrer sanntidsaksess til den mest oppdaterte informasjonen gjennom fleksible, på-krav innholdssynkronisering. Brukere kan utløse innholdssynkronisering når som helst via vårt Admin-portalen eller automatisere oppdateringer ved hjelp av vår Sync-API på en planlagt basis – enten ukentlig, daglig eller sogar timevis, avhengig av operasjonelle behov. Vår delta-sjekkeprosess optimaliserer effektiviteten ved å oppdatere bare endret innhold, og sikrer rask, nøyaktig og ressurs-effektiv kunnskaps-ekstraksjon i kritiske omgivelser som regjering, energi og helse.

Pryon samarbeider med regjerings- og forsvarsbyråer. Mens detaljer ofte er klassifisert, kan du diskutere en brukssak hvor din AI betydelig forbedret beslutningstaking eller operasjonell effisiens?

Pryon samarbeider med en rekke forsvars- og etterretningsbyråer, inkludert Air Force Research Laboratory (AFRL) og Chief Digital and Artificial Intelligence Office (CDAO), for å hjelpe med å strømlinje operasjoner og muliggjøre raskere og mer informerte beslutninger.

Et kraftig eksempel er vårt samarbeid med U.S. Department of the Air Forces Digital Transformation Office (DAF DTO). Dette teamet støtter anskaffelses- og vedlikeholdspersonale som ofte trenger å finne kritisk informasjon begravd over hundre tusen nettsider og dokumenter. Sammen lanserte vi DTO Wingman, en AI-drevet assistent som leverer nøyaktige, sanntids-svar på komplekse spørsmål – komplett med kilde-attribuering.

I stedet for å manuelt søke etter politidokumenter eller reguleringer, kan brukerne bare stille spørsmål som “Hva er jeg autorisert til å kjøpe med min reisekort?” eller “Hva er Digital Bygningkode og hvordan relaterer det til anskaffelser?” AI-en returnerer presise svar og hjelper også med å generere rapporter og presentasjonsmateriale raskt.

Ved å gi Air Force- og Space Force-personell umiddelbar tilgang til pålitelige svar, hjelper DTO Wingman teamene med å arbeide mer effektivt og gi pålitelige, tidsmessige retningslinjer til seniorpersonell og beslutningstakere.

Ditt arbeid i life sciences nevner AI-assistert forskning. Hvordan hjelper Pryons system forskere med å navigere i store datasett som PubMed eller private forsknings-repositorier?

Pryons system hjelper forskere med å navigere i store datasett som PubMed eller private forsknings-repositorier gjennom flere nøkkel-kapasiteter.

Forbedret forskningskvalitet:

• Redusert menneskelig feil: Systematisk ekstraksjon av oppdatert data sikrer færre manglende artikler eller oversette bevis.
• Støttet av bevis: Hvert svar er grunnlagt i den opprinnelige litteraturen, og fremmer data-drevne konklusjoner, kilde-attribuert tilbake til setningen det kom fra.

Beskyttelse over høyt sensitive innhold:

• Konfidensialitet: Opprettholder strenge tilgangskontroller og data-kryptering, essensielt for proprietære eller pasient-relaterte datasett.
• Overholdelse: Med data styrt under reguleringer som HIPAA eller GDPR, kan forskerne stole på at sensitive informasjon er beskyttet.

For kundeservice og salg, hvordan sammenligner Pryons AI med tradisjonelle chatbot og CRM-løsninger når det gjelder å øke effisiens og redusere støtte-belastning?

Kundeservice/salg-interaksjoner må vanligvis balansere nøyaktighet og fleksibilitet i deres chatbot/CRM-løsninger. Siden å gi et feil svar til en kunde er uakseptabelt og kan ha juridiske implikasjoner, velger mange chatbot-leverandører og tradisjonelle conversasjons-AI-løsninger å begrense fleksibiliteten i løsningen med harde deterministiske “FAQ-kun”-style interaksjoner.

Dette er en plage for leverandøren, som krever manuell kodning av spesifikke svar på vanlige spørsmål, og gir en dårlig erfaring for kunden, som har grensesnittet til en chatbot – men en fullstendig inflexibel erfaring som knapt skiller seg fra å lese en FAQ. Andre leverandører velger å prøve å bruke en mer fleksibel generativ erfaring med færre begrensninger på LLM, men på grunn av manglende presis gjenvinning, innebærer dette å stupe hele produktkataloger eller nettsider inn i kontekst-vinduet til LLM, og reduserer nøyaktigheten av utgangen, potensielt katastrofalt.

Kunsten og vitenskapen om RAG handler om å maksimere signal (sannhet) og minimere støy (irrelevant kontekst som ofte forvirrer LLM). Presisjonen til Pryons gjenvinning – i stand til å kilde-et spesifikt setningsnivå-svar over alle dokumenter – betyr at kundeservice og salg ikke lenger må kompromittere nøyaktighet for fleksibilitet.

Hva ser du som de største utfordringene i bedrifts-AI-adoptsjon i dag, spesielt med RAG-baserte systemer?

Mens dette er noe vi finner i våre egne interaksjoner med markedet, er det også stadig mer anerkjent at “AI-klar data” (eller mangelen på det) er den eneste største feil-punktet for AI-utplasseringer.

• 91% av ledere i en Harvard Business Review-undersøkelse sa at en pålitelig data-grunnlag er essensielt for vellykket AI-utplassering.
• McKinsey fant at 70% av GenAI-initiativer møter utfordringer relatert til data, med bare 1% av en bedrifts viktige data reflektert i dagens modeller.
• The Wall Street Journal siterte pålitelighet som #1 bekymring for AI-agent-adoptsjon – et problem tett knyttet til datakvalitet og tilgjengelighet.
• Gartner identifiserte mangelen på GenAI-klar data som den øverste grunn for feil-utplasseringer.

AI-klar data går utover bare å vektorisere dine ord-dokumenter – det handler om å samordne dine siloede kilder, arbeide med komplekse formater som multimodale inndata, rense dine data, forbedre dine data, få dem i et format LLM-er kan arbeide med, dele dem på riktig nivå av granularitet for å opprettholde optimal nøyaktighet og holde kostnadene nede, indeksere dem intelligent, og koble dem til et performant gjenvinningssystem, osv.

Disse er store utfordringer som krever dedikerte kompetanser og verktøy – i en undersøkelse av RAG-byggere som utvikler løsninger innen store bedrifter som Pryon kjørte, rangerte data-forberedelse som nummer én mest kostbare, tidskrevende og teknisk utfordrende del av byggingen, tett fulgt av informasjonsgjenvinning.

Hvordan skiller du Pryons RAG Suite fra bedriftsløsninger tilbudt av Microsoft, Google eller OpenAI?

Spesifik differensiering varierer fra spiller til spiller, men på et høyt nivå er de store teknologi-aktørene fokusert på å være “grensesnittet” til AI på arbeidsplassen. Pryon fokuserer på et mer grunnleggende nivå av stakken – kunnskapslaget. Pryon løser de dyptgående problemene med data-forberedelse og gjenvinning, mens de store teknologi-aktørene er fokusert på å tilby brede AI-løsninger som kan tjene noen enkle RAG-bruksområder, men ofte bryter sammen når det gjelder de virkelige kompleksitetene i bedrifts- og regjerings-bruksområder. Pryon kan også være komplementær med disse systemene, med innhold generert av Copilot, Gemini eller GPT som kobles inn i Pryon Knowledge Layer for å organisere og gjøre det klart for bruk av nedstrøms-applikasjoner og agenter.

Med AI-reguleringer under utvikling, som EU AI-loven og USAs AI-retningslinjer, hvordan nærmer Pryon seg overholdelse og etisk AI-bruk?

Mens AI-reguleringer utvikler seg globalt, forblir Pryon commitert til overholdelse og etisk AI-utplassering. Vår tilnærming er i samsvar med rammer som EU AI-loven, USAs AI-retningslinjer og Department of Defenses Responsible AI (RAI)-prinsipper, og sikrer at våre AI-løsninger er pålitelige, transparente og styrbare. Ved å integrere strenge evalueringer, sporing og kontinuerlig overvåking over hele AI-livssyklusen – prioriterer sikkerhet, rettferdighet og ytelse. Ved å innbygge disse beste praksisene i vår utplasseringsmetodologi, gir Pryon organisasjonene mulighet til å utnytte AI på en ansvarlig måte, samtidig som de møter de høyeste regulatoriske og etiske standardene.

Takk for det flotte intervjuet, lesere som ønsker å lære mer bør besøke Pryon.