Erik Schwartz, Chief AI Officer (CAIO) Tricon Infotech – Intervju-serie

Erik Schwartz er Chief AI Officer (CAIO) i Tricon Infotech, et ledende konsulentselskap og programvareselskap. Tricon Infotech leverer effektive, automatiserte løsninger og fullstendige digitale transformasjoner gjennom tilpassede produkter og bedriftsimplikasjoner.

Erik Schwartz er en erfaren teknologileder og entreprenør med over to tiårs erfaring i teknologisektoren, med spesialisering på grensen mellom AI, informasjonsøkning og kunnskapsoppdagelse. I løpet av sin karriere har Erik vært i forkant av å integrere bygging av store plattformer og integrere AI i søketechnologier, noe som betydelig har forbedret brukerinteraksjon og informasjontilgjengelighet. Hans tidligere stillinger inkluderer nøkkelstillinger i Comcast, Elsevier og Microsoft, der han ledet banebrytende AI-, søk- og LLM-initiativer.

Eriks profesjonelle reise kjennetegnes av hans dedikasjon til innovasjon og hans tro på kraften av samarbeid. Han har konsekvent drevet teamene mot rask levering av banebrytende løsninger, og har etablert seg som en pålitelig leder i teknologimiljøet. Hans arbeid, særlig på Scopus AI-prosjektet i Elsevier, understreker hans engasjement for å omdefinere grensene for hvordan vi engasjerer oss med informasjon og skaper en pålitelig relasjon med brukerne.

I sin rolle som Chief AI Officer (CAIO) utnytter Erik sin omfattende erfaring til å utvikle og implementere omfattende AI-strategier for Tricon-kunder. Hans grundige prosess demystifiserer ikke bare AI, men sørger også for at disse bedriftene er utrustet til å lykkes og trives i det konkurranseutsatte landskapet av AI-teknologi. Erik er lidenskapelig opptatt av å fremme vekst og innovasjon, og deler sine innsikter for å inspirere og befale organisasjoner til å utnytte den transformative kraften av AI effektivt.

Kan du dele noen høydepunkter fra din karriere som ledet til din nåværende stilling som Chief AI Officer i Tricon Infotech?

Jeg har vært dypt engasjert i informasjonsøkningsdomenet hele min karriere. Min reise begynte på begynnelsen av 90-tallet som webmaster ved daggryet til Internett. Under denne formative perioden konsentrerte jeg meg om å bygge digitale biblioteker for regjeringer, universiteter og medieselskaper, noe som la grunnlaget for min ekspertise i digitale informasjonssystemer.

På 2000-tallet gikk jeg over til å arbeide med søkemotorselskaper, der jeg finslipte mine ferdigheter i søketechnologier. Denne fasen av min karriere var preget av betydelig vekst og læring gjennom ulike oppkjøp, noe som til slutt ledet meg til å bli med i Microsoft i 2008. Hos Microsoft spilte jeg en nøkkelrolle i utvikling og forbedring av kunnskapsoppdagelsesplattformer, og drev innovasjon og forbedret informasjontilgjengelighet for brukerne.

Etter min periode i Microsoft ledet jeg initiativer i store selskaper som Comcast og Elsevier, der jeg var ansvarlig for å drive store kunnskapsoppdagelsesplattformer. Disse erfaringene har vært avgjørende for å forme min tilnærming til AI og informasjonsøkning, og kulminerte i min nåværende stilling som Chief AI Officer i Tricon Infotech. Her utnytter jeg min omfattende erfaring til å drive AI-strategier og løsninger som befaler våre kunder til å utnytte det fulle potensialet av deres data.

Hvordan har dine erfaringer i selskaper som Comcast, Elsevier og Microsoft påvirket din tilnærming til å integrere AI og søketechnologier?

Gjennom hele min karriere har jeg vært dypt fokusert på naturlig språkbehandling (NLP) og maskinlæring. Til å begynne med var disse teknologiene basert på enkle regelbaserte systemer. Men da datasamlinger vokste større og beregningskraft ble mer robust, begynte vi å betydelig forbedre brukeropplevelsen ved å automatisk høste data og mata det tilbake inn i algoritmene for å forbedre deres ytelse.

Hos Microsoft, etter oppkjøpet av FAST, var jeg produktleder på SharePoint-teamet. I denne rollen var jeg involvert i å integrere avanserte søketechnologier i bedriftsinnholdshåndteringssystemer, og forbedret informasjonsøkning og samarbeidsfunksjoner for bedrifter.

Hos Comcast bygde jeg en kunnskapsoppdagelsesplattform som drev hele deres videovirksomhet, og muliggjorde at brukerne kunne søke og oppdage innhold på TV-bokser, mobil og nettenheter. Denne søkemotoren skala til å håndtere over 1 milliard forespørsler per dag, og forbedret brukeropplevelsen betydelig ved å gi rask og nøyaktig innholdsanbefalinger og søkeresultater.

En av de mest transformative erfaringene var hos Elsevier, der vi lanserte en generativ AI-erfaring for Scopus, ett av deres mest troverdige produkter. Dette initiativet brukte en stor språkmodell (LLM) til å hjelpe brukerne med å stille bedre spørsmål og få mer nøyaktige svar fra det dypt tekniske innholdet i den vitenskapelige kommunikasjonsdatabasen. Denne LLM-drevne tilnærmingen sikret fullstendig nøyaktighet og pålitelighet av over 90 millioner artikler i databasen, og demonstrerte kraften av AI til å forbedre akademisk forskning og kunnskapsformidling.

Hva begeistrer deg mest om de nåværende fremstegene i generativ AI og dens potensielle anvendelser?

En av de største historiske utfordringene i informasjonsøkning har vært å opprettholde kontekst. For mennesker er dette en naturlig prosess, men for maskiner har informasjonsøkning tradisjonelt vært en svært transaksjonsbasert erfaring: stille et spørsmål, få et svar. Å dykke dyptere inn i et emne krevde å stille stadig mer spesifikke spørsmål. Generativ AI revolusjonerer denne tilnærmingen ved å muliggjøre en mer konversasjons- og kontekstbasert interaksjon, mye som en naturlig samtale med noen du har nettopp møtt.

Videre inkorporerer generativ AI ytterligere teknikker som forbedrer dypt forståelse, noe som historisk sett har vært vanskelig for tradisjonelle søkemotorer. For eksempel kan store språkmodeller (LLM) håndtere aspekter som tone, sentimentanalyse, semantisk forståelse og tvetydighet uten problemer. Disse evnene gjør det mulig for LLM å gripe fatt i nyansene i menneskelig språk og kontekst uten anstrengelse, og gir mer nøyaktige og meningsfulle svar rett ut av boksen. Denne fremgangen begeistrer meg mest, da den åpner opp en mengde muligheter for å skape mer intuitive, responsive og intelligente applikasjoner over ulike domener.

Hvordan skiller Tricon Infotechs tilnærming til GenAI seg fra andre selskaper i bransjen?

I Generative AI-rommet er det to primære fokusområder. Det første, som mottar betydelig oppmerksomhet fra noen av de største teknologiselskapene, er å trene og finjustere AI-modeller. Det andre området, der Generative AI-utøvere virkelig utmerker seg, er inferens – å bruke Generative AI til å skape verdifulle produkter og tjenester.

Hos Tricon Infotech fokuserer vi på det siste. Vår tilnærming er distinkt fordi vi betoner praktisk anvendelse og rask utrulling. Vi har utviklet et omfattende program som hjelper forretningsledere raskt å identifisere de mest effektive anvendelsesområdene for Generative AI. Vår prosess inkluderer en rask prototyping-løsning, som muliggjør at kundene kan arbeide med deres eget data i en AI-sandkasse. Denne tilnærmingen sikrer at de kan se konkrete resultater og engasjere seg med AI-drevne innsikter tidlig i utviklingscyklen.

Videre har vi en radikal fokus på tid til verdi. Vårt mål er å hjelpe kundene med å bygge og utrulle forbrukerrettede applikasjoner innen 90 dager. Denne akselererte tidsrammen driver ikke bare raskere innovasjon, men sikrer også at bedriftene kan raskt kapitalisere på fordelene av Generative AI, skape nye inntektsstrømmer og forbedre kundetilfredshet.

Kan du diskutere noen av de viktigste utfordringene ved å implementere store språkmodeller (LLM) og Generative AI i bedriftsløsninger?

Å implementere store språkmodeller (LLM) og Generative AI i bedriftsløsninger presenterer flere fremvoksende utfordringer. Den første og viktigste utfordringen er tillit. Bedrifter må være sikre på at AI-systemer ikke vil kompromittere deres immaterielle eiendom eller følsomme bedriftsinformasjon. Å sikre datasikkerhet og få ordentlige garantier for at AI vil ikke misbruke data, er kritisk for å oppnå tillit.

Den andre utfordringen er problemet med hallucinasjoner. Generativ AI kan noen ganger produsere selvbevisste svar som er faktisk uriktige. Dette kan undergrave påliteligheten av AI-systemer. Teknikker som finjustering av modeller og bruk av Retrieval Augmented Generation (RAG) kan hjelpe med å minimere forekomsten av hallucinasjoner ved å sikre at AI-svar er grunnlagt i nøyaktig data.

Den tredje betydelige utfordringen er kostnaden. Lisensiering og skaleringskostnader for LLM kan være ganske dyre. Selv bedriftstilbud fra store leverandører som Microsoft, Amazon og Google kommer med høye inngangspriser og minimumsbeløp. Derfor er det kritisk for bedrifter å nøye overvåke og håndtere avkastningen på investeringen (ROI) for å sikre at utrullingen av AI-løsninger er økonomisk bærekraftig.

Kan du forklare den strukturerte tilnærmingen Tricon Infotech bruker for å utvikle tilpassede GenAI-bedriftsløsninger?

Tricon Infotech er et programvareselskap som skiller seg ut ved å tilby managed services gjennom dedikerte, fullstendige produktteam i stedet for tradisjonell ansatt augumentering. Vår tilnærming inkluderer å utrulle hele produktteam som kan håndtere alle aspekter av produktutviklingslivssyklusen, inkludert brukerforskning, brukeropplevelsedesign (UX), front-end og back-end utvikling, testautomatisering, utrulling, skalerbarhet og kontinuerlig drift.

Denne omfattende managed service-modellen sikrer at våre kunder kan fokusere direkte på å fange verdi fra deres data uten kompleksiteten og overheaden av å håndtere separate ressurser. Vår nøkkel-driver er tid til verdi, noe som betyr at vi prioriterer å levere konkrete fordeler raskt og effektivt. Vårt ambisjon er å bygge langvarige generative relasjoner med våre kunder ved å kontinuerlig legge til verdi og iterere gjennom funksjonsutviklingsprosessen.

Vår strukturerte tilnærming er designet for å være smidig og responsiv, og muliggjør oss å tilpasse oss raskt til nye utfordringer og muligheter i AI-landskapet. Ved å utnytte fullt ut mulighetene i våre multidisiplinære team, leverer vi høyt tilpassede Generative AI-løsninger som er skreddersydd til de spesifikke behovene til hver enkelt bedrift. Denne tilnærmingen skiller oss ikke bare fra tradisjonelle ansatt augumenteringsselskaper, men sikrer også at vi leverer holistiske, sluttløsninger som driver betydelig forretningspåvirkning.

Hva er noen eksempler på virkelige problemer som Tricons GenAI-løsninger har løst?

1. E-læring – konvertering av tradisjonelt media og legacy-utdanningsmateriell til interaktivt multimodalt innhold. Dette muliggjør at våre kunder kan gjenbruke eksisterende innhold for å tilpasse seg nye måter å lære på og nå lærende på ulike plattformer hvor de allerede er. Videre kan innholdet deretter gjenbrukes til hyper-personlige læringsprogrammer som kan tilpasse seg automatisk til lærendes behov og læringsstiler (lyd, visuell, osv.)
2. Privat AI – hjelper kunder med å bygge tillitsfulle bedrifts AI-løsninger som forblir private og respekterer kundenes tilgangsregler, samtidig som de holder kostnadene nede og hjelper med å skalerer ut over ulike funksjoner i bedriften, og hjelper overbelastede fagfolk og felles tjenester å skalerer ut bedre til organisasjonen, samtidig som de naturlig forstår ulike regler og restriksjoner i lokale og regionale politikker fordelt geografisk. Disse private AI-løsningene vil ikke bare tjene bedriften, men vil også generere nye inntektsstrømmer for våre kunder.
3. Prosessautomatisering – det finnes fortsatt en stor mengde organisasjoner som avhenger av manuelle prosesser og “swivel chair”-dataintegrasjon. AI hjelper med å koble sammen ulike systemer ved å skape intelligente lag som ikke bare kan validerer data, men også forstå det unike signal som er skapt av det unike datasettet eller verktøyet, og hjelper med å effektivt rute arbeidsflyter rundt og identifisere forsyningskjede-problemer

Hva slags rolle spiller kontinuerlig læring og vekst i å holde seg foran i det raskt utviklende feltet av AI?

En av de største utfordringene i AI-feltet er å oppgradere talentreserven. Det er en ny generasjon av arbeidere som intuitivt forstår AI-verktøy og teknologier. Men det er også en eldre generasjon som trenger å forstå hva disse verktøyene kan og ikke kan gjøre. Kontinuerlig læring er kritisk for å brygge gapet.

AI-verktøy har potensialet til å dramatisk forbedre produktiviteten, og lar bedrifter oppnå mye mer med betydelig færre ressurser, og reduserer dermed tidsrammer og kostnader. For å realisere disse fordelene, må ansatte være åpne for å lære nye måter å arbeide på og integrere disse verktøyene i sine arbeidsflyter.

Videre er det essensielt å håndtere frykten for jobbsikkerhet. Ansatte må forstå at de som omfavner kontinuerlig læring og vekst, vil være bedre utrustet til å inkorporere nye AI-verktøy i sine daglige rutiner, og vil dermed oppnå større jobbsikkerhet. Realiteten er at suksess i AI-drevne fremtiden vil komme til de som aktivt søker å forstå og utnytte disse utviklende teknologiene.

Hvordan ser du for deg fremtiden til AI som transformerer søketechnologi og brukerinteraksjon i de neste ti årene?

Vi er allerede vitne til en betydelig skift fra tradisjonelle søkemotorer til Generative AI-verktøy for initielle spørsmål. Denne skiftet er drevet av evnen til Generative AI til å gi direkte svar og løsninger, og eliminerer dermed behovet for å traversere multiple nettsider eller ressurser uavhengig. I nær fremtid vil det bli vanlig for AI å delta i møter, utføre handlinger og håndtere rutineoppgaver, noe som vil føre til en betydelig reduksjon i roller for visse funksjoner innen bedrifter.

En av de viktigste utfordringene som fortsatt består, er å finne ut hvordan man kan moneterisere Generative AI, da den tradisjonelle annoncemodellen kan møte betydelige hindringer i dette nye landskapet. Min prediksjon er at data vil bli stadig mer verdifullt, og fungere mer som en valuta når vi navigerer i denne nye verden. Denne skiftet vil kreve innovative forretningsmodeller som utnytter de unike evnene til AI, samtidig som de sikrer at brukere og bedrifter kan trekke ut konkrete verdier fra sine interaksjoner.

Totalt sett lover fremtiden for AI i søketechnologi og brukerinteraksjon å være transformerende, og vil gjøre informasjonsøkning mer intuitiv og effektiv, samtidig som den omdefinere hvordan vi nærmer oss digitale interaksjoner og bedriftsfunksjoner.

Hva praktisk råd ville du gi til bedrifter som ønsker å utnytte AI for å drive suksess og innovasjon?

Ikke være redd for teknologien. Begynn med å gjøre AI-verktøy tilgjengelige for dine ansatte, og sikre at din data og immaterielle eiendom (IP) forblir sikre. Mange ansatte bruker allerede AI-verktøy, men uten ordentlig styring, er det en risiko for misbruk. Derfor er det essensielt å oppgradere din ansattes kompetanse, slik at de forstår risikoen og hvordan de kan bruke disse verktøyene trygt og effektivt.

Videre er det essensielt å holde et nøye øye på målene for suksess. AI-verktøy kan være dyre, men kostnadene forventes å gå ned over tid. Men det er viktig å holde et klart fokus på avkastningen på investeringen (ROI) for å håndtere kostnadene og forstå påvirkningen på din forretning. Ved å gjøre dette, kan du utnytte AI til å drive innovasjon og suksess, samtidig som du sikrer at fordelene overstiger utgiftene.

Takk for det flotte intervjuet, lesere som ønsker å lære mer, kan besøke Tricon Infotech.