Dr. Sam Zheng, CEO og medgrunnlegger av DeepHow – Intervju-serie

Sam Zheng, CEO og medgrunnlegger av DeepHow, leder en raskt utviklende startup, støttet av anerkjente investorer. DeepHow revolusjonerer trening av kvalifisert arbeidsstyrke med en innovativ, AI-drevet, video-sentrert plattform for kunnskapsfangst og -overføring.

Før DeepHow, dedikerte Sam over en decade til Siemens, der han drev digital innovasjon over ulike bransjer. Hans bemerkelsesverdige prosjekter, som Cloud Digital Inspection Jacket, har betydelig forbedret teknisk kunnskapsdeling, effisiens og brukeropplevelse, og hans team mottok den prestisjefylte Siemens Innovation Award.

Samtidig fungerer Sam som adjunkt professor i psykologi ved Tsinghua University og har en Ph.D. i ingeniørpsykologi og en mastergrad i statistikk fra University of Illinois at Urbana-Champaign.

Hva har du en utdanningsbakgrunn i psykologi og statistikk, hvordan gikk du over til å fokusere på videoer og maskinlæring?

Min bakgrunn i psykologi og statistikk tjente som en naturlig overgang til området maskinlæring og video-sentrerte plattformer. Studiet av psykologi vekket min fascinasjon for det menneskelige sinn og intelligensen, spesielt prosessen med ferdighetlæring og ekspertutvikling. I mellomtiden ga statistikken den matematiske grunnlaget for å utforske kunstig intelligens, inspirert av vår biologiske hjerne.

I dagens digitale tidsalder har videoer blitt et mer engasjerende, interaktivt og effektivt læringsmedium. Denne endringen er tydelig med plattformer som YouTube og TikTok, der brukerne, spesielt yngre generasjon, investerer timer i å forbruke og lære fra videoinnhold.

Men den tradisjonelle prosessen med å lage instruksjons- eller hvordan-videor, spesielt delen med redigering, er tidskrevende og arbeidskrevende. En kort video som varer noen minutter kan kreve timer med nøye arbeid. Ved å erkjenne denne ineffisiensen og potensialet for å forbedre læringsopplevelsen, bestemte mine medgrunnleggere og jeg oss for å utnytte kraften i kunstig intelligens (AI) og maskinlæring for å raske opp prosessen med å lage hvordan-videor.

Vår AI-drevne video-plattform kan omgjøre timer med arbeidskrevende arbeid til bare minutter, og drastisk forbedre effisiensen uten å kompromittere effektiviteten. I essensen hjalp min akademiske bakgrunn i å forstå menneskelig kognisjon og de statistiske modellene som ligner det, å bana vei for dette innovative prosjektet.

Hva er det viktigste patentet du har arbeidet med?

Alle mine patenter fokuserer på å utnytte teknologi for å forbedre menneskelig ytelse. Under min periode i Siemens, var ett bemerkelsesverdig prosjekt å arbeide på en løsning for Professor Stephen Hawking. Vi utviklet en intuitiv øye-tastaturinndata-metode for å hjelpe personer med ALS, lignende Professor Hawking’s tilstand. Dette innovative arbeidet er nå en del av et ventende patent.

Men det viktigste patentet jeg har bidratt til, er et nylig ett: Generative AI-drevet Know-How Management Platform for industrielle og produksjonsorganisasjoner.

Her er en kort oversikt:

Vår oppfinnelse presenterer en banebrytende generativ AI-løsning spesifikt tilpasset industrielle og produksjonsorganisasjoner. Den fanger effektivt både institusjonell og stamme-kunnskap, og krysser felt som kunstig intelligens, maskinlæring, trening og utvikling, og kunnskapsstyringssystemer.

Industrielle og produksjonssektorer møter ofte enorme utfordringer i å fange, organisere og dele kritisk kunnskap. Høye ansatt-omløpsrater, komplekse prosesser og den konstante behovet for opplæring forsterker disse vanskelighetene. Tradisjonelle kunnskapsstyringsmetoder er ofte tungvinte, tidskrevende og mangler fleksibilitet, og krever en mer avansert løsning.

Vår generative AI-løsning anvender proprietære algoritmer og maskinlærings-teknikker for å strømlinje skapelsen av video-baserte standard-operasjons-prosedyrer (SOP-er), optimalisere arbeidsflyter og fasilitere rask, effektiv tilgang til informasjon via AI-drevne chattefunksjoner. På grunn av dens tilpasningsdyktighet og skalerbarhet, er vår løsning egnet for en rekke produksjonskontekster.

Kan du dele historien bak DeepHow?

Før vi lanserte DeepHow, arbeidet jeg sammen med våre andre grunnleggere, Patrik Matos da Silva og Wei-Liang Kao, i Siemens, og drev en rekke digitale innovasjonsprosjekter i industrielle og produksjonssektorer. Vår reise tok et stort skritt da vi ble en del av Techstars Mobility Accelerator i Detroit i 2018. Opplevelsen var i praksis en boot-leir, som hjalp oss å validere vår idé, identifisere hull og koblet oss til potensielle investorer, partnere og mentorer.

Vi så verdien i ferdighetene og erfaringene som mennesker hadde utviklet over årene, men det var ett problem – det var ingen virkelig effektiv måte å fange og dele denne ekspertisen på. Vi observerte hvordan raskt teknologien utviklet seg, og det gikk opp for oss at metoden vår for ansatt-trening ikke hadde holdt tritt. Vi var fortsatt avhengige av foreldede, tidskrevende metoder som ikke var effektive og, ærlig talt, ikke engasjerende nok.

Jeg innsett at det var en unik mulighet til å kombinere fremgangene i AI og video-teknologi for å endre hvordan vi fanger, strukturerer og deler informasjon. Så vi satte oss fore å bygge DeepHow, en plattform hvor selskaper kan lage fantastiske trening-videor internt og forbli i kontroll. For å gjøre denne ideen til virkelighet, skapte vi et AI-system kalt “Stephanie”. Stephanie er ryggraden i vår løsning, som fanger eksperter sine kunnskaper og skaper en kunnskaps-repository. Den genererer steg-for-steg, interaktive hvordan-videor for å akselerere læringsprosessen for nye og mindre erfarne ansatte.

Gjennom bruk av AI-arbeidsflyt-indeks og -segmentering, har vi klart å skape video-innhold ti ganger raskere og forbedre arbeidsstyrke-prestasjonene med 25%.

Vi har kommet langt siden de tidlige dagene, men vår misjon er fortsatt den samme. Vi er dedikert til å hjelpe selskaper å utnytte sin rikdom av institusjonell kunnskap og ekspertise, og å muliggjøre at deres ansatte kan fortsatt lære og vokse. Det er en spennende reise.

Hva er noen av de arbeidsplass-utfordringene DeepHow løser?

Kunnskapsoverføring: I enhver arbeidsplass kan overføring av ferdigheter og kunnskap, spesielt fra erfarne ansatte til nye eller mindre erfarne ansatte, være ganske en utfordring. Vi har gjort det mulig å fange og strukturere denne kunnskapen på en måte som er enkel å dele, delt inn i segmenter og enklere å forstå.

Treningseffisiens: Tradisjonell trening kan være kjedelig, rett? Lange timer, vanskelig å beholde informasjon – det er ikke alltid den mest effektive prosessen. Med DeepHow kan ansatte lære i deres eget tempo og på en måte som er bedre tilpasset deres eget unike læringsstil. Vårt mål er å gjøre trening smertefri og behagelig.

Hvordan aktiverer DeepHow bedrifter til å lage et tilpasset treningsprogram?

La oss vurdere den tradisjonelle treningsmiljøet. Du har statisk materiale, stive planer og en en-size-fits-all-tilnærming. Disse metodene tar ikke hensyn til at alle lærer forskjellig og i forskjelligt tempo. De er ikke skalerbare eller fleksible for å tilpasse den raskt skiftende landskapet eller den enkelte ansattes læringsmønster. Disse er betydelige smertepunkter for enhver bedrift, rett?

Det er nettopp der DeepHow kommer inn. Vi hjelper deg å snu disse problemene på hodet. Vi muliggjør at bedrifter kan utvikle fleksible treningsprogrammer som er dynamiske, personlige og høyt responsive til forretningsbehov og ansattes læringsmønster.

Vår plattform fanger eksperter sine kunnskaper i enkle å følge, video-baserte læringsmoduler. Men vi stopper ikke der. Vi utnytter kraften i AI til å analysere ansattes interaksjoner med disse modellene, og muliggjør dypere innsikt i hvor deres ferdighetshull er. Det handler om å omdanne svakheter til styrker og å kapitalisere på individuelle områder av ekspertise for å fremme en kontinuerlig læringskultur.

Hva rolle spiller DeepHow i å øke arbeidsplass-sikkerheten?

Sikkerhet er en så kritisk aspekt av enhver arbeidsplass, men det er ofte vanskelig å få det rett, og det kan føre til ulykkelige ulykker og reguleringsovertridelser. Dette er dessverre sant i industrier som produksjon, bygging eller helse, hvor selv et lite uhell kan ha betydelige konsekvenser.

Så hvor passer DeepHow inn i dette bildet? Vi er lidenskapelige om å sikre at sikkerhetspraksisene er tydelig forstått og konsekvent implementert over hele linjen.

Vi gjør dette ved å tilby en plattform hvor selskaper kan enkelt fange og dele eksperter sine kunnskaper om sikkerhetsprotokoller. I stedet for gamle, vanskelige å følge håndbøker, tilbyr vi interaktive, steg-for-steg video-veiledninger. De er enkle å forstå og viktigst av alt, tilgjengelige når som helst, hvor som helst. Dette betyr at ansatte aldri har en unnskyldning for å ikke holde seg oppdatert med de siste sikkerhetsprotokollene. Sikkerhet bør alltid være en topprioritet, og alle fortjener å føle seg trygge på jobben.

Hvordan brukes Generative AI til å muliggjøre dette?

I hjertet av vår Generative AI-drevne Know-How Management-plattform, “Maven”, ligger en rekke innovative muligheter som retter seg mot å revolusjonere måten industrielle og produksjonsorganisasjoner fanger, styrer og deler sin institusjonelle og stamme-kunnskap. Maven anvender proprietære algoritmer og avanserte maskinlærings-teknikker for å forenkle og forbedre en rekke prosesser:

1. Strømlinjet video-SOP-skaping: Ved å bruke våre unike Generative AI-algoritmer, hjelper Maven med å automatisk generere video-innspillingsguider og manus-skript. Dette fasiliteter skapelsen av høykvalitets video-SOP-er med konsistens, og setter en ny industri-standard.
2. Effektiv arbeidsflyt-optimalisering: Ved å utnytte avanserte maskinlærings-teknikker, hjelper Mavens arbeidsflyt-visningsverktøy brukerne å forenkle komplekse oppgaver, og fremmer produktivitet gjennom brukervennlige grensesnitt og smarte anvendelser av AI.
3. Strategisk kunnskaps-kartlegging: Mavens AI-algoritmer hjelper organisasjoner å kartlegge kritisk kunnskap, identifisere kunnskapshull og avdekke essensielle innholdsmuligheter. Dette resulterer i utviklingen av målrettede treningsmateriell som er unikt tilpasset behovene til en kvalifisert arbeidsstyrke.
4. AI-forbedret chattefunksjon: Drevet av ledende naturlig språk-behandling-algoritmer, muliggjør Mavens AI-Chat at brukerne kan få tilgang til nødvendig informasjon raskt og effektivt ved å bruke naturlig språk-spørsmål.
5. Flervalg-innholdsgenerering: I situasjoner hvor en skrevet SOP ikke er tilgjengelig, kan Maven analysere video-innhold og generere flervalg-innhold som steg-for-steg video-SOP-er, tekst-SOP-er og arbeidsflyt-diagrammer, og dermed strømlinje innholdsskapingsprosessen.

Ved å kombinere avansert Generative AI med de siste kunnskapsstyrings-strategiene, tilbyr Maven organisasjoner et unikt verktøy for å utnytte deres kvalifiserte arbeidsstyrkes potensial, og drive kontinuerlig forbedring og innovasjon.

Er det andre typer maskinlærings-algoritmer som brukes?

Ja, DeepHow utnytter en rekke sofistikerte maskinlærings-algoritmer og AI-teknikker innenfor områdene Naturlig Språk-behandling (NLP) og Datamaskin-syn. Disse teknikker, både overvåket og uovervåket, understøtter vår proprietære, domene-spesifikke AI-teknologi, som er trent og optimert for den industrielle og produksjonssektoren. Nøkkelområder for anvendelse inkluderer:

1) Arbeidsflyt-segmentering: Vi utnytter maskinlærings-algoritmer for å trekke ut kritisk informasjon og steg fra komplekse, ustrukturerte oppgave-demonstrasjoner fanget i videoer. Dette muliggjør oss å bryte ned komplekse prosesser i håndterbare, lærings-steg.

2) Flervalg-steg-embedding: Ved å modellere en “aktivitet-genom”, kan vi omkonfigurere instruks og arbeidsflyt-veiledning for å bedre tilpasse spesifikke operasjonelle kontekster.

3) Kryss-modus-oppføring: Vi utnytter avanserte video-søk-teknikker for å fasilitere flerspråklig, ferdighet-basert innhold-oppføring. Dette muliggjør brukerne å få tilgang til relevant informasjon med større effisiens og presisjon.

4) Kunnskaps-kartlegging: Vi konstruerer en kunnskaps-graf som visuelt representerer en organisasjons kjernekompetanse. Dette kartleggingen muliggjør selskaper å identifisere sine kunnskaps-aktiva tydelig, og å utvikle mer effektive opplærings-strategier.

Disse avanserte maskinlærings-teknikker, kombinert med vår fokus på industrielle og produksjons-tjenester, muliggjør oss å tilby en komprehensiv løsning til de unike utfordringene som organisasjoner i disse sektorene møter.

Hva er prosessen for selskaper som ønsker å komme i gang?

Vi har designet vår plattform med enkelhet i tankene, så å komme i gang med ditt selskap ikke behøver å være komplisert. Faktisk har over 80+ bedrifter og SMB-kunder suksessfullt deployert våre løsninger til over 400 steder i 24 land på 6 kontinenter.

Først vil våre team møte og ha en samtale om ditt selskaps spesifikke behov og utfordringer. Vi ønsker å forstå dine mål, trening-utfordringene du møter, typen ferdigheter din arbeidsstyrke trenger – hele bildet.

Deretter guider vi deg gjennom prosessen med å fange eksperter sine kunnskaper. Dette kan handle om noen prosess eller ferdighet som er viktig for ditt selskap. Vårt team vil assistere deg i å lage disse steg-for-steg video-veiledningene ved å bruke DeepHows intuitive verktøy.

Vårt team er der for å støtte deg hver skritt på veien, fra den innledende oppsett til den kontinuerlige optimaliseringen av ditt treningsprogram. Vi er her for å danne et partnerskap med deg og å forbedre din arbeidsstyrkes ferdigheter og effisiens. Bare besøk DeepHow.com for å komme i gang.

Er det noe annet du ønsker å dele om DeepHow?

I hjertet av DeepHow ligger en tydelig og overbevisende misjon: vi ønsker å muliggjøre at hver kvalifisert arbeider blir en ekspert. Vi streber etter å gjøre kunnskapsoverføring og trening sammenhengende, engasjerende og kost-efektive, og å utnytte den transformative kraften i AI. Vi tror fast på at teknologi bør supplere menneskelige evner, ikke erstatte dem. Dette prinsippet retter alle våre handlinger.

I vår raskt utviklende teknologiske landskap er denne misjonen mer relevant enn noen gang. Skiftet mot digital transformasjon og Industri 4.0 har modernisert produksjon, og introdusert en rekke avanserte teknologier. Disse innovasjonene har betydelig endret jobbkrav, og krever at arbeidere tilegner seg nye tekniske ferdigheter for å operere, vedlikeholde og optimalisere disse sofistikerte maskinene. Tempoet i endringene er så raskt at tradisjonelle treningsmetoder sliter med å holde tritt, og det fører til en stadig økende ferdighetshull.

Vårt mål er å møte denne utfordringen direkte, og å muliggjøre at arbeidere kan “bygge tilbake bedre” ved å opplære seg for fabrikkene i morgen. Høye nivåer av automatisering betyr at det er mindre behov for manuelt arbeid; i stedet skifter fokuset til å utnytte arbeidernes ekspertise og intuitivitet i å operere avanserte teknologiske systemer.

Fabrikkene har utviklet seg betydelig over de siste ti årene, med integrering av robotikk, kobling og analytiske teknologier som kontinuerlig optimaliserer utgang og minimiserer avfall. For å håndtere disse teknologiene, er en opplært arbeidsstyrke kritisk.

DeepHow tilbyr en moderne treningsmetode som muliggjør produsentene å tiltrekke seg talent, fylle innledende stillinger og gradvis opplære arbeidere for avanserte roller i produksjon, logistikk og planlegging. Med en fokus på samtidig, engasjerende trening, hjelper vi til å skifte persepsjonen av produksjon fra en dødende karriere til en dynamisk, teknologi-drevet felt med ubegrensede muligheter.

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