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交差et mellom AI, informasjonsgjenfinning og kunnskapsoppdagelse. I løpet av sin karriere har Erik vært i forkant av å integrere store skala-plattformer og integrere AI i søketeknologier, noe som betydelig har forbedret brukerinteraksjon og informasjonstilgjengelighet. Han har tidligere hatt nøkkelstillinger i Comcast (CMCSA ), Elsevier og Microsoft (MSFT ), der han ledet banebrytende AI-, søk- og LLM-initiativer.

Eriks profesjonelle reise er preget av hans dedikasjon til innovasjon og hans tro på kraften av samarbeid. Han har konsistenter drevet team mot rask levering av banebrytende løsninger, og har fast etablert seg som en pålitelig leder i teknologimiljøet. Hans arbeid, mest nylig på Scopus AI-prosjektet i Elsevier, understreker hans engasjement for å omdefinere grensene for hvordan vi engasjerer 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 ikke bare avmystifiserer AI, men sørger også for at disse bedriftene er utstyrt 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 beføy bedrifter til å utnytte den transformative kraften av AI effektivt.

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

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

I 2000-årene gikk jeg over til å arbeide med søkemotoreleverandører, der jeg finjusterte mine ferdigheter i søketeknologier. 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 avgjørende rolle i å utvikle og forbedre kunnskapsoppdagelsesplattformer, og drev innovasjon og forbedret informasjonstilgjengelighet for brukerne.

Etter min periode i Microsoft ledet jeg initiativer i store bedrifter som Comcast og Elsevier, der jeg var ansvarlig for å drive store skala-kunnskapsoppdagelsesplattformer. Disse erfaringene har vært avgjørende for å forme min tilnærming til AI og informasjonsgjenfinning, og har kulminert i min nåværende rolle som Chief AI Officer i Tricon Infotech. Her utnytter jeg min omfattende erfaring til å drive AI-strategier og løsninger som beføy våre kunder til å utnytte fullt potensialet av deres data.

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

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. Imidlertid, da datasamlinger vokste større og beregningskraft ble mer robust, begynte vi å betydelig forbedre brukeropplevelsen ved å automatisk høste data og mata det tilbake til 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 søketeknologier i bedriftsinnholdshåndteringssystemer, og forbedret informasjonsgjenfinning og samarbeidsfunksjoner for bedrifter.

Hos Comcast bygde jeg en kunnskapsoppdagelsesplattform som drev hele deres videoforretning, og muliggjorde at brukerne kunne søke og oppdage innhold på TV-bokser, mobile enheter og nettlesere. Denne søkemotoren kunne 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 pålitelige 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 er det som mest spenner deg om de nåværende fremskrittene i generativ AI og dens potensielle anvendelser?

En av de største historiske utfordringene i informasjonsgjenfinning har vært å opprettholde kontekst. For mennesker er dette en naturlig prosess, men for maskiner har informasjonssøking tradisjonelt vært en meget transaksjonsbasert opplevelse: 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 lik en naturlig samtale med noen du nettopp har møtt.

Videre inkorporerer generativ AI ytterligere tekniker som forbedrer dyptere forståelse, som har vært vanskelige for tradisjonelle søkemotorer. For eksempel kan store språkmodeller (LLM) håndtere aspekter som tone, sentimentanalyse, semantisk forståelse og disambiguering. Disse evnene gjør det mulig for LLM å gripe de nyanser av menneskelig språk og kontekst uten anstrengelse, og gir mer nøyaktige og meningsfulle svar rett ut av boksen. Denne fremgangen spenner 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 generativ AI-rommet er det to primære fokusområder. Det første, som mottar betydelig oppmerksomhet fra noen av de største teknologileverandørene, er å trene og finjustere AI-modeller. Det andre området, der generative AI-utøvere virkelig utmerker seg, er inferens – å bruke generativ AI til å skape verdifulle produkter og tjenester.

Hos Tricon Infotech fokuserer vi på det siste. Vår tilnærming er distinkt fordi vi legger vekt på praktisk anvendelse og rask utrulling. Vi har utviklet et komprehensivt program som hjelper bedriftsledere raskt å identifisere de mest innflytelsesrike bruksområdene for generativ AI. Vår prosess inkluderer en rask prototyping-løsning, som muliggjør at kundene kan arbeide med deres eget data i en AI-sandbox. Denne tilnærmingen sikrer at de kan se konkrete resultater og engasjere med AI-drevne innsikter tidlig i utviklingscyklen.

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

Kan du diskutere noen av de nøkkelutfordringene ved å implementere store språkmodeller (LLM) og generativ AI i bedriftsløsninger?

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

Den andre utfordringen er problemet med hallusinasjoner. 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 å minimere forekomsten av hallusinasjoner ved å sikre at AI-svar er basert på nøyaktig data.

Den tredje signifikante utfordringen er kostnaden. Lisensiering og skaling av LLM kan være ganske dyrt. Selv bedriftstilbud fra store leverandører som Microsoft, Amazon (AMZN ) og Google (GOOGL ) kommer med høye inngangspriser og minimumskrav. Derfor er det kritisk for bedrifter å nøye overvåke og håndtere avkastningen på investeringen (ROI) for å sikre at utrulling 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 staff-augmentasjon. Vår tilnærming innebærer å utrulle hele produktteam som kan håndtere alle aspekter av produktutviklingslivssyklusen, inkludert brukerforskning, brukeropplevelsedesign (UX), front-end- og back-end-utvikling, testautomatisering, utrulling, skaling og kontinuerlige operasjoner.

Dette komplette 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 prosessen med funksjonsutvikling.

Vår strukturerte tilnærming er designet for å være smidig og responsiv, og muliggjør at vi kan tilpasse oss raskt til nye utfordringer og muligheter i AI-landskapet. Ved å utnytte de fullstendige evnene til våre multidisiplinære team, leverer vi høyt tilpassede generative AI-løsninger som er tilpasset de spesifikke behovene til hver enkelt bedrift. Denne tilnærmingen skiller oss ikke bare fra tradisjonelle staff-augmentasjonsselskaper, men sikrer også at vi leverer holistiske, fullstendige løsninger som driver betydelig bedriftsresultat.

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 bli gjenbrukt til hyper-personlige læringsprogrammer som kan tilpasse seg automatisk til lærendes behov og læringsstiler (lyd, visuell, osv.)
2. Privat AI – hjelper kundene med å bygge tillitsfulle bedrifts-AI-løsninger som forblir private og respekterer kundenes tilgangsregler, samtidig som de holder kostnadene nede og hjelper med å skale ut over ulike funksjoner i bedriften, og hjelper overbelastede fagfolk og felles tjenester med å skale bedre ut til organisasjonen, samtidig som de naturlig forstår de ulike regler og restriksjoner i lokale og regionale politikker fordelt geografisk. Disse private AI-er 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 de ulike systemene ved å skape intelligente lag som ikke bare kan validere data, men også forstå de unike signalene som er skapt av de unike datasamlingene eller verktøyene, og hjelpe med å effektivt route arbeidsflyter rundt og identifisere forsyningskjede-problemer

Hva 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. Imidlertid er det også en eldre generasjon som trenger å forstå hva disse verktøyene kan og ikke kan gjøre. Kontinuerlig læring er kritisk for å brokke gapet.

AI-verktøy har potensialet til å dramatisk forbedre produktivitet, og lar bedrifter oppnå mye mer med betydelig færre ressurser, og redusere tidsrammer og kostnader. For å realisere disse fordelen 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 deres daglige rutiner, og til slutt vil dette føre til større jobbsikkerhet. Virkeligheten er at suksess i AI-drevne fremtid kommer til de som aktivt søker å forstå og utnytte disse utviklende teknologier.

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

Vi er allerede vitne til en betydelig skift fra tradisjonelle søkemotorer til generative AI-verktøy for initielle forespørsler. Denne skiftet er drevet av evnen til generativ AI til å gi direkte svar og løsninger, og eliminerer behovet for å traversere flere nettsteder eller ressurser uavhengig. I nær fremtid vil det bli vanlig at AI-er deltar i møter, tar handlinger og håndterer rutinemessige oppgaver, noe som vil føre til en betydelig reduksjon i roller for visse funksjoner i bedrifter.

En av de nøkkelutfordringene som fortsatt eksisterer er å finne ut hvordan man kan monovere generativ AI, da den tradisjonelle annonsemodellen 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 dette 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.

Overordnet sett lover fremtiden for AI i søketeknologi og brukerinteraksjon å være transformerende, og vil gjøre informasjonsgjenfinning mer intuitiv og effektiv, samtidig som den omdefinierer måten vi nærmer oss digitale interaksjoner og bedriftsfunksjoner.

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

Vær ikke redd for teknologien. Begynn med å gjøre AI-verktøy tilgjengelige for dine ansatte, og sikre at din data og intellektuelle eiendom (IP) forblir sikre. Mange ansatte bruker allerede AI-verktøy, men uten ordentlig styring, er det en risiko for misbruk. Derfor er det kritisk å oppgradere din stab så de forstår risikoen og hvordan de kan bruke disse verktøyene trygt og effektivt.

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

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