Inna Tokarev Sela, CEO og grunnlegger av Illumex – Intervju-serie

Inna Tokarev Sela, CEO og grunnlegger av Illumex, forvandler hvordan bedrifter forbereder strukturert data for generativ AI. Illumex muliggjør at organisasjoner kan deployere genAI-analyseagenter ved å oversette spredt, kryptisk data til meningsfulle, kontekstrike forretningsbegreper med innbygget styring.

Plattformen analyserer automatisk metadata for å lokalisere og merke strukturert data uten å flytte eller endre den, og legger til semantisk mening og sammenfallende definisjoner for å sikre klarhet og transparens. Ved å opprette forretningsbegreper, foreslå metrikker og identifisere potensielle konflikter, sikrer Illumex datastyring på høyeste nivå.

Med Illumex kan analyseagenter tolke brukerforespørsler med presisjon, levere nøyaktige, kontekstbevisste og hallucinasjonsfrie svar. Under Innas ledelse setter Illumex en ny standard for AI-beredskap, og hjelper bedrifter å låse opp full potensiale i deres data.

Hva inspirerte deg til å grunnlegge Illumex, og hvordan har dine erfaringer fra Sisense og SAP påvirket din visjon for selskapet?

Visjonen for Illumex oppstod under mine studier, der jeg forestilte meg at informasjon ville være tilgjengelig gjennom assosiasjoner likt en mental kart, i stedet for tradisjonelle databaser – og muliggjøre direkte tilgang til relevant data uten omfattende menneskelig konsultasjon.

Min tid i SAP lærte meg grunnleggende ferdigheter i å bygge bedriftsprogramvare og skaleringsoperasjoner. Arbeidet med produktutvikling med SAP HANA cloud-plattform og forretningsinitiativer som startup-partnerprogrammet ga meg dypt innsikt i bedriftskunders behov. Det avdekket en betydelig gap mellom hvordan selskaper nærmer seg datapraksis og hva sluttbrukere faktisk trenger.

I Sisense, byggingen av AI-praksisen fra scratch demonstrerte den enorme verdien AI kunne bringe til kunder. Å se denne effekten, kombinert med fremveksten av SaaS og GenAI-teknologier, overbeviste meg om at tiden var rett til å lansere Illumex i 2021.

illumex fokuserer på Generativ Semantisk Stoff. Kan du forklare kjernen i dette begrepet og hva som motiverte deg til å ta tak i denne utfordringen i AI og dataanalyse?

illumex har banebrytende arbeid med Generativ Semantisk Stoff – en plattform som automatiserer opprettelsen av menneske- og maskinlesbar organisatorisk kontekst og resonnering. Denne plattformen forener erfaringen av både LLM-basert generativ AI og forretningsapplikasjoner for tekniske og ikke-tekhniske brukere omkring delt kontekst.

Dette enkle stoffet gir to store fordeler: det strømlinjeformer datahåndtering gjennom automatisering av opptil 80% av dataingeniør-oppgaver og muliggjør at ikke-tekhniske brukere kan få tilgang til analyser med innbygget styring, forklarbarhet og nøyaktighet. Begge disse fordeler adresserer en multi-milliard marked for bedriftsbeslutning.

Tenker på det som en digital lekeplass hvor maskiner, mennesker og applikasjoner samhandler spontant uten forhåndsprogrammering. Dette stemmer overens med vår visjon om en applikasjonsfri fremtid, der du i stedet for å jonglere med flere verktøy som ark, analyser, finansielle systemer og kundeadministrasjon, bare uttrykker din oppgave, og den fullføres sømløst. Generativ Semantisk Stoff er grunnlaget for denne fremtiden.

Hva var noen av de største utfordringene du møtte i de tidlige dagene med Illumex, og hvordan overvant du dem?

I 2021, til tross for at generative AI-semantiske modeller har eksistert siden 2017, og grafneurale nettverk har eksistert enda lenger, var det en vanskelig oppgave å forklare til VCs hvorfor vi trenger automatisert kontekst og resonnering. Å definere det tilbake da var en vanskelig oppgave.

Jeg ville si at den største utfordringen var å virkelig spre denne begeistring om denne fremtidige teknologien og fremtidige marked. Og jeg var veldig heldig å møte fremtidsrettede investorer som trodde på meg.

Hvordan gir Illumex organisasjoner mulighet til å bli AI-klare, og hvorfor er denne overgangen kritisk i dagens forretningslandskap?

Forretningsverdenen deler seg i to leirer: selskaper som erkjenner og kapitaliserer på AI som en transformasjonskraft lik internettet, og de som glemmer eller forsinker å forstå denne muligheten.

illumex møter organisasjoner hvor de enn må være i sin AI-reise. Vi forbereder deres data for generativ AI-implementering, supplere og styre organisatorisk logikk og kontekst, og muliggjør deployering av agent-analyse og orkestrering.

Vår fullstendige GenAI-implementeringsplattform for strukturert data hever enhver bedrifts landskap for å effektivt utnytte disse avanserte teknologiene.

illumex betoner “hallusinasjonsfrie” generative AI-svar. Hvordan sikrer Illumex deterministiske og pålitelige utdata?

illumex bygger på eksisterende forretningsontologier – kunnskapsgrafer som fanger bransjespesifikke begreper, arbeidsflyter og prosesser over sektorer som farmasøytisk, detaljhandel og produksjon, samt forretningsfunksjoner som finansiell, HR og leverandørkjede.

Når vi tar i bruk kunder, trener vi disse ontologiene automatisk på deres metadata. Innen dager kan selskaper søke i sine data, validere resultater og identifisere problemer som duplikater eller konflikter.

Den agente analytiske chatboten gir full transparens – viser hvordan spørsmål tolkes og kartlegges til kundens ontologi og deretter til data. Denne transparensen, kombinert med automatisk data-validering, sikrer deterministiske, hallucinasjonsfrie svar. I tillegg kan styringsteam forhåndsgodkjenne potensielle svar siden konteksten innebygger alle mulige spørsmål og deres permutasjoner på forhånd.

Hvordan skiller Illumex seg fra tradisjonelle tilnærminger som Retrieval-Augmented Generation (RAG)?

Mens RAG prøver å tilpasse standard-AI-modeller ved å mate dem med organisatorisk data og logikk, møter det flere begrensninger. Det er en svart boks – du kan ikke bestemme om du har gitt nok eksempler for riktig tilpasning eller hvordan modelloppdateringer påvirker nøyaktighet. Det krever også dataforskere som kan mangle forretningskontekst, noe som gjør det vanskelig å fullstendig fange organisatorisk logikk.

I tillegg forbruker RAG rundt 80% av AI-infrastruktur og token bare for finjustering i stedet for faktisk bruk, noe som fører til bekymringer om ROI. Det mangler også innbygget styring – det finnes ingen måte for compliance-team å validere opplæringsdyktighet eller sikre riktig tilgangskontroll.

illumex’ Generative Semantisk Stoff (GSF) adresserer disse utfordringene gjennom automatisert kontekstbygging uten å forbruke eksterne AI-token. Det eliminerer behovet for spesialiserte dataforskere og gir full transparens i kartlegging og resonnering gjennom web, Slack eller Teams-grensesnitt. GSF inkluderer innbygget styring og forklarbarhet, klare indikatorer for organisatorisk dekning og datakvalitet, og automatisk kvalitetsvurdering for spørsmål-svar-evner.

Mange bedrifter sliter med å ta data-drevne beslutninger til tross for å investere tungt i data-infrastruktur. Hvorfor tror du denne gapet eksisterer, og hvordan adresserer Illumex det?

Gapet mellom data-investering og effektiv beslutning utvides mens data-volumer eksploderer, både internt og eksternt. Organisasjoner står nå overfor ikke bare deres egen voksende data, men også en rekke eksterne kilder – fra vær-APIer til bransje-skyplattformer som deler helse-data over europeiske institusjoner, pluss syntetisk data for ulike bruksområder.

Utfordringen er at organisasjoner fortsatt avhenger av mennesker for kritiske data-oppgaver som modellering, kvalitetsvurdering og dashbord-opprettelse. Likevel gjør skalaen og kompleksiteten i moderne data-miljøer det stadig vanskeligere for menneskelige team å klassifisere data, vurdere kvaliteten og sikre at den er egnet for AI-drevne analyser og automatisering.

illumex broer denne gapen ved å automatisere disse tradisjonelt manuelle prosessene, og muliggjør at organisasjoner kan effektivt håndtere, validere og utnytte deres utvidede data-landskap for meningsfulle forretningsbeslutninger.

Hvilke bransjer har vært de raskeste til å adoptere Illumex’ plattform, og hva unike utfordringer eller muligheter har du observert i disse sektorene?

Vi ser den raskeste adopsjonen i bransjer som befinner seg i skjæringspunktet mellom data-intensitet og tung regulering, hvor selskaper trenger robust automatisering av datakvalitets-overvåking, bruks-sporing og konflikt-deteksjon. Finans-tjenester, farmasøytisk industri og detaljhandel/e-handel er i forkant, ettersom disse sektorene raskt må gjenoppfinne seg selv ved å bruke eksisterende data-aktiva samtidig som de navigerer komplekse regulatoriske krav.

Med generativ AI som utvikler seg raskt, hva råd ville du gi til bedrifter som søker å integrere AI effektivt og ansvarlig?

Start med å utvikle en tydelig strategisk plan som identifiserer spesifikke bruksområder og forretnings-imperativer som driver AI-adoptsjon. Det er avgjørende å unngå å skape nye siloer av AI-teknologi som opererer i isolasjon fra eksisterende systemer.

I stedet bygg en samlet plattform som integrerer datahåndtering, analyser og generativ AI-kapasiteter. Å holde AI-initiativer adskilt fra etablerte styringspraksis skaper ikke bare betydelige risikoer, men fører også til økte kostnader. Nøkkelen er å skape en felles infrastruktur som støtter alle disse funksjonene samtidig som den opprettholder ordentlig tilsyn.

Med AI-adoptsjon som akselererer, hva trender ser du som former det fremtidige bedrifts-AI-landskapet over de neste 3-5 årene?

To store trender oppstår i AI-landskapet. Først, agente-analyse vinner frem, og muliggjør mer sofistikert data-analyse og innsikt. For det andre ser vi en skiftning mot agente-orkestrering, som muliggjør arbeidsflyter basert på samarbeid mellom flere AI-modeller med ulike funksjoner.

Denne orkestreringen fører oss utover isolerte applikasjoner mot mer omfattende løsninger. For eksempel i helsevesenet, i stedet for isolerte applikasjoner for spesifikke oppgaver, tenk på automatisering av hele legekontor-arbeidsflyter – kombinering av bilde-scanning, resept-behandling og legemiddel-anbefalinger i ett sømløst system.

Disse fremgangene avhenger av en robust generativ semantisk stoff til å sikre nøyaktig data-tilgang, delt kontekst og koordinasjon mellom AI-agenter. Dette grunnlaget vil være avgjørende for å muliggjøre både agente-analyse og orkestrerte AI-løsninger å nå deres fulle potensiale. Takk for det flotte intervjuet, lesere som ønsker å lære mer bør besøke Illumex.