Igor Jablokov, CEO og grunnlegger av Pryon – Intervju-serie

Igor Jablokov er CEO og grunnlegger av Pryon. Han ble kåret til “Industry Luminary” av Speech Technology Magazine, og han grunnla tidligere Yap, verdens første høy-akkurat, fullstendig automatiske skyplattform for talegjenkjenning. Etter at produktene ble distribuert av dusinvis av bedrifter, ble selskapet Amazons første AI-relaterte oppkjøp. Selskapets oppfinnelser ble deretter brukt som kjernen for etterfølgende produkter som Alexa, Echo og Fire TV. Som programdirektør i IBM ledet han teamet som designet forgjengeren til Watson og utviklet verdens første multimodale nettleser.

Igor mottok Eisenhower og Truman Nasjonale Sikkerhetsstipend for å utforske og utvide rollen til entreprenørskap og venturekapital i å håndtere geopolitiske bekymringer. Som en innovatør innen menneske-språkteknologier, tror han på å fremme karriere- og utdanningsmuligheter for andre som går inn i STEM-fag. Derfor fungerer han som mentor i TechStars’ Alexa Accelerator, var en Blackstone NC Entrepreneur-In-Residence (EIR) og grunnla et kapittel av Global Shapers, et program fra Verdens økonomiske forum.

Igor har en B.S. i datateknikk fra The Pennsylvania State University, der han ble kåret til en fremragende ingeniør-alumnus, og en MBA fra University of North Carolina.

Din reise i AI startet med den første sky-baserte talegjenkjenning-motoren på Yap, senere kjøpt av Amazon (AMZN ). Hvordan har denne erfaringen formet din visjon for AI og påvirket ditt nåværende arbeid i Pryon?

Jeg starter litt tidligere i min karriere, da Yap ikke var vår første erfaring med naturlig språk-interaksjoner. 

Min første erfaring med naturlig språk-interaksjoner startet på IBM, der jeg startet som en intern i begynnelsen av 90-årene og til slutt ble programdirektør for multimodal forskning. Der hadde jeg et team som oppdaget hva du kunne kalle en baby-Watson. Det var langt forut for sin tid, men IBM godkjente det ikke. Til slutt ble jeg frustrert over beslutningen og forlot.

Rundt den tiden (2006) rekrutterte jeg toppingeniører og forskere fra Broadcom (AVGO ), IBM, Intel (INTC ), Microsoft (MSFT ), Nuance, NVIDIA (NVDA ) og mer for å starte det første AI-sky-selskapet, Yap. Vi fikk raskt flere titalls bedrifts- og operatørkunder, inkludert Sprint og Microsoft, og nesten 50 millioner brukere på plattformen.

Ettersom vi hadde tidligere iPod-ingeniører på teamet, kunne vi back-kanalen inn i Apple (AAPL ) innen ett år etter å ha grunnlagt selskapet. De tok oss med for å lage en prototype av Siri – dette var før iPhone ble lansert. Halvannet år senere ble vi hemmelig kjøpt av Amazon for å utvikle Alexa for dem.

Kan du forklare konseptet “kunnskapsfriksjon” som Pryon ønsker å løse, og hvorfor det er viktig for moderne bedrifter?

Kunnskapsfriksjon kommer fra det faktum at organisasjoner historisk sett ikke har hatt en forent instans av kunnskap. Mens vi har hatt slike lagre på våre universitetscampus og i våre samfunn i form av bibliotek, har det ikke vært noen forening av data og kunnskap på bedriftssiden på grunn av en rekke leverandører de har brukt.

Som et resultat føler alle over hele organisasjonen friksjon når de søker etter informasjonen de trenger for å utføre jobbene og arbeidsflytene sine. Dette er der vi så muligheten for Pryon. Vi tenkte at det var en mulighet for et nytt lag over bedriftsprogramvare-staken som, ved å bruke naturlig språk-prompter, kunne traversere systemer for poster og hente forskjellige objektyper – tekst, bilder, videoer, strukturert og ustrukturert data – og trekke alt sammen i en under-sekund respons tid.

Det var fødselen til Pryon, verdens første AI-forbedret kunnskaps-sky.

Pryons plattform integrerer avanserte AI-teknologier som datavisning og store språkmodeller. Kan du forklare hvordan disse komponentene arbeider sammen for å forbedre kunnskapsforvaltning?

Pryon utviklet en AIP, en kunstig intelligens-plattform, som transformerer innhold fra sine grunnleggende statiske enheter til interaktiv kunnskap. Den oppnår dette ved å integrere en innhaustings-pipeline, en hentings-pipeline og en genererings-pipeline i en enkelt opplevelse. Plattformen kobler seg til dine eksisterende systemer for poster, som kan inkludere en rekke innholdstyper som Confluence, Documentum, SAP, ServiceNow , Salesforce , SharePoint og mange flere. Dette innholdet kan være i form av lyd, video, bilder, tekst, PowerPoint, PDF, Word-dokumenter og nettsider.

AIP transformerer disse objektene til en kunnskaps-sky, som deretter kan publisere og abonnere på enhver interaktiv eller sanselig opplevelse du måtte trenge. Uansett om folk må interagere med denne kunnskapen eller det er maskin-til-maskin-transaksjoner som krever unionen av all denne forskjellige kunnskapen, sikrer plattformen konsistens og tilgjengelighet. I realiteten utfører den ETL (Extract, Transform, Load) på venstre side, og driver opplevelser via API-er på høyre side.

Hva er noen av de viktigste utfordringene Pryon møter i å utvikle AI-løsninger for bedriftsbruk, og hvordan håndterer dere dem?

Fordi vi er vertikalt integrert, får vi toppkarakterer i nøyaktighet, skala, sikkerhet og hastighet. Et av problemene med dekonstruerte tilnærminger, der du må ha flere forskjellige leverandører og bolt dem sammen for å oppnå samme arbeidsflyt vi gjør, er at du ender opp med noe som er mindre performant. Du kan ikke matche modeller, og du har ikke sikkerhetssignaler som flyter like godt.

Det er som iPhones: det er en grunn til at Apple bygger sine egne chip, enhet, operativsystem og applikasjoner. Ved å gjøre dette, oppnår de høyest nivå av ytelse med lavest energiforbruk. I motsetning til andre leverandører som integrerer fra flere forskjellige kilder, tenderer de til å være en generasjon eller to bak dem hele tiden.

Hvordan sikrer Pryon nøyaktigheten, skalaen, sikkerheten og hastigheten til sine AI-løsninger, spesielt i store bedriftsmiljøer?

Støttet av en robust Retrieval-Augmented Generation (RAG) ramme, ble Pryon designet for å møte de strenge kravene til bedrifter. Ved å bruke beste-i-klassen informasjonsgjenkjenningsteknologi, leverer Pryon sikker nøyaktig, tidlig informasjon – og gir bedrifter mulighet til å overvinne kunnskapsfriksjon.

• Nøyaktighet: Pryon utmerker seg i nøyaktighet ved å presist innhente og forstå innhold lagret i forskjellige formater, inkludert tekst, bilder, lyd og video. Ved å bruke avanserte, selvutviklede teknologier, innhenter Pryon kritisk informasjon med over 90% nøyaktighet og leverer svar med tydelig tilknytning til kiljedokumenter. Dette sikrer at informasjonen som leveres er både pålitelig og verifiserbar.
• Bedriftsskala: Pryon er bygget for å håndtere store bedriftsmiljøer. Den skalerer til millioner av sider med innhold og støtter tusenvis av samtidige brukere. Pryon inkluderer også ut-av-boksen koblinger til større plattformer som SharePoint, ServiceNow, Amazon S3, Box og mer, noe som gjør det enkelt å integrere i eksisterende arbeidsflyter og systemer.
• Sikkerhet: Sikkerhet er en topprioritet for Pryon. Den beskytter mot datalekkasjer gjennom dokument-nivå tilgangskontroll og sikrer at AI-modeller ikke er trent på kundedata. Videre kan Pryon implementeres i lokale miljøer, og tilbyr ekstra lag med sikkerhet og kontroll for følsom informasjon.
• Hastighet: Pryon tilbyr rask distribusjon, med implementering mulig på så lite som to uker. Plattformen har en kode-fri grensesnitt for oppdatering av innhold, og tillater rask og enkel modifikasjon. I tillegg tilbyr Pryon fleksibiliteten til å velge en offentlig, tilpasset eller Pryon-utviklet stor språkmodell (LLM), og gjør implementeringsprosessen sømløs og høyt tilpasset.

Dette er hvorfor akademiske institusjoner, Fortune 500-selskaper, regjeringsetater og NGO-er i kritiske sektorer som forsvar, energi, finansielle tjenester og halvledere påvirker oss.

Pryon legger vekt på Ansvarlig AI med initiativer som respekt for opphav og etisk kilde til treningsdata. Hvordan implementerer dere disse prinsippene i daglig drift?

Våre kunder og partnere kontrollerer hva som kommer inn i deres instans av Pryon. Dette inkluderer offentlig informasjon fra pålitelige akademiske institusjoner og regjeringsetater, publisert informasjon de har korrekt lisensiert for sine organisasjoner, proprietær informasjon som danner kjernen av deres forretnings-IP, og personlig innhold for individuell bruk. Pryon syntetiserer disse fire kilde-typene til en forent kunnskaps-sky, fullstendig under kontroll av den sponsende organisasjonen. Denne evnen til å sikret håndtere forskjellige innholdstyper er hvorfor vi er pålitelige i robuste miljøer, inkludert kritisk infrastruktur.

Med Pryon nylig sikret 100 millioner dollar i Series B-finansiering, hva er dine topprioriteter for selskapets vekst og innovasjon i årene som kommer?

Etter Series B er vi i tidlig vekst-territorium. En del av denne fasen er å industrialisere produkt-markeds-passen vi har etablert for å støtte sky-miljøer og server-typer våre kunder og partnere sannsynligvis vil møte. 

Den første fokuserings-området er å sikre at vårt produkt kan håndtere disse kravene samtidig som vi tilbyr dem modulær tilgang til våre muligheter for å støtte deres arbeidsflyter.

Det andre store området er å utvikle skalerings-partnere som kan bygge praksis rundt vårt arbeid med våre verktøy og håndtere den nødvendige endringen når organisasjoner transformerer for å støtte den nye æraen av digital intelligens. Det tredje fokuset er fortsatt FoU for å holde oss foran kurven og definere tilstanden for kunsten i dette rommet.

Som noen som har vært i fremtredende AI-innovasjon, hvordan ser du på den nåværende tilstanden av AI-regulering, og hva rolle tror du Pryon kan spille i å forme disse diskusjonene?

Jeg tror vi alle lurer på hvordan verden ville ha blitt hvis vi hadde kunnet regulere noen teknologier nærmere deres fødsel, som sosiale medier, et eksempel. Vi forstod ikke hvordan det ville påvirke våre samfunn. Forskjellige nasjonalstater har forskjellige perspektiver på regulering. Européerne har et noe begrenset perspektiv som matcher deres verdier med EU AI-loven. 

På den andre siden er noen miljøer fullstendig ubegrensede. I USA ser vi etter en balanse mellom å tillate innovasjon å blomstre, spesielt i kommersielle aktiviteter, og å beskytte sensitive brukstilfeller for å unngå bias og andre risikoer, som i godkjenning av lånesøknader.

De fleste reguleringer tenderer å målrette de mest sensitive brukstilfellene, spesielt i forbruker-applikasjoner og offentlige sektor- eller regjeringsbruk. Personlig er det hvorfor jeg er i styret til With Honor, en bipartisk koalisjon av veteraner, politikere og lovgivere. Vi har sett konvergens, uavhengig av politiske overbevisninger, på bekymringer om innføringen av AI-teknologier i alle aspekter av våre liv. En del av vår rolle er å påvirke utviklingen av regulering, og å gi tilbakemelding for å finne riktig balanse som vi alle ønsker for andre teknologiområder.

Hva råd ville du gi til andre AI-entrepreneurer som ønsker å bygge innvirkende og ansvarlige AI-løsninger?

Nå er det både et vill vest og et fantastisk miljø for å utvikle nye former for AI-applikasjoner. Hvis du ikke har omfattende erfaring med AI – si 10, 20 eller 30 år – ville jeg ikke anbefalt å utvikle en AI-plattform fra scratch. I stedet finn en applikasjons-område hvor teknologien møter din faglige ekspertise.

Uansett om du er en kunstner, advokat, ingeniør, linjearbeider, lege eller i et annet felt, vil å utnytte din ekspertise gi deg en unik stemme, perspektiv og produkt i markedet. Dette tilnærmingen er sannsynligvis den beste bruken av din tid, energi og erfaring, i stedet for å lage enda et “me too”-produkt.

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