Jeff Seibert, administrerende direktør og medgründer av Digits – Interview Series

Konsernsjef og medstifter av Sifre, en økonomistyringsplattform som gir neste generasjons verktøy som gir operatører en full forståelse av virksomheten deres i sanntid. Ved hjelp av toppmoderne maskinlæring og avansert statistisk analyse konverterer Digits millioner av datapunkter til en levende modell av virksomheten din.

Du lærte deg selv å programmere da du var 12, hva tiltrakk deg til informatikk i så tidlig alder, og hva programmerte du?

Som de fleste barn på slutten av 90-tallet brukte jeg timer på å spille dataspill, og foreldrene mine følte at det ikke var den beste bruken av tiden. Da jeg var 12, ga de meg en bok til jul – Mac Programming for Dummies – og for å være ærlig leste jeg den og forstod den egentlig ikke. Noen måneder senere tok jeg den opp igjen og prøvde "Hello World"-eksemplet, og på et innfall endret jeg det slik at teksten ble skrevet ut i knall oransje. I det øyeblikket den teksten ble oransje, gikk en lyspære i hodet mitt, og jeg skjønte at jeg kunne få denne datamaskinen til å gjøre alt jeg ville. Jeg ble umiddelbart hekta. Fra da brukte jeg stort sett hver natt på koding, og i løpet av ungdomsskolen og videregående bygde og ga jeg ut en serie Mac-skrivebordsshareware-apper, inkludert en Histogram-grafapplikasjon og en plugin-editor for spillet Escape Velocity.

Du har startet 2 selskaper før Digits, hva var disse selskapene?

I 2007 var jeg med på å grunnlegge Increo, en oppstart av dokumentsamarbeid i sanntid som lar deg kommentere, tegne på og markere dokumenter i nettleseren din. Vi ble kjøpt opp av Box i 2009. To år senere, i 2011, var jeg med på å grunnlegge Crashlytics, et mobilkrasjrapporteringsverktøy som ble kjøpt opp av Twitter i 2013 og deretter igjen av Google i 2017. I dag er Crashlytics den de facto krasjrapportøren for iOS og Android og kjører på over 6 milliarder MAU, praktisk talt alle aktive smarttelefoner på jorden.

Kan du dele opprinnelseshistorien bak Digits, og hvordan den oppsto fra din erfaring med å bruke Crashlytics?

Hos Crashlytics ble jeg virkelig slått av forskjellen i kvalitet og brukervennlighet mellom dashbordene vi hadde på produktsiden (Google Analytics, sanntids ytelsesovervåking, A/B-testing osv.) og det vi hadde på virksomheten /finanssiden (QuickBooks, Excel-modeller, PDF-rapporter). Det var sprøtt for meg at ethvert spørsmål virket så kjedelig og manuelt å svare på, og så sakte – vi ventet 2-3 uker etter hver måned på å få våre økonomiske rapporter. Jeg startet Digits med ett enkelt mål: gjøre småbedriftsfinansiering i sanntid, interaktiv og intuitiv.

Hva er forutsetningen for finansiell sanntid bak Digits?

Min Crashlytics-opplevelse ble forsterket av det jeg så på Twitter. Som sjef for forbrukerprodukter var en del av mine ansvarsoppgaver å jobbe med økonomiteamet for å føre tilsyn med organisasjonens økonomi. Jeg husker at jeg stilte dem et budsjetteringsspørsmål der svaret var: «Vi har ikke kjørt disse bøkene. Gi oss noen uker." Jeg tenkte, noen uker?! Vi har over 100 personer innen finans, og dette er kjerneteamet for produktutvikling i selskapet! Det viste meg at det jeg opplevde hos Crashlytics ikke var rart, det var den aksepterte status quo hos tonnevis av selskaper i alle størrelser.

I dagens hektiske verden må du ta forretningsbeslutninger i sanntid, i øyeblikket. Din økonomi skal gå i samme hastighet som virksomheten din kjører.

Hvorfor har eldre programvareselskaper slitt med å tilby økonomiske data i sanntid?

Arv er nøkkelordet her. De nåværende finanssystemene er relikvier fra digitaliseringstiden på 70-80-tallet. De aller fleste banker kjører fortsatt COBOL stormaskiner. De viktigste programvarepakkene for regnskap er 20-30 år gamle kodebaser. Hos Digits, og med lanseringen av Digits AI, tar vi tak i dette på det grunnleggende nivået, og redesigner grunnlaget for finansregnskap gjennom linsen til den nyeste maskinlæringsteknologien og moderne programvarearkitektur.

Kan du diskutere hvilke typer maskinlæringsalgoritmer som brukes?

Vi er så begeistret for Digits AI fordi den sømløst kombinerer styrkene til begge hovedfeltene innen maskinlæring: generative store språkmodeller og prediktive likhetsmodeller. Vi har finjustert generative språkmodeller for å hjelpe kunder med kjedelige oppgaver som å forstå økonomiske spørsmål og forklare regnskapsterminologi, og vi har trent opp proprietære prediktive modeller på over $300 milliarder i transaksjonsvolum for småbedrifter, slik at de forstår kjernekonseptene med dobbel -posteringsregnskap. Kombinert med vår spesialdesignede motor for finansiell modellering, representerer Digits AI et teknologisk gjennombrudd i bruken av toppmoderne maskinlæringsmodeller til bedriftsøkonomi.

Generative AI-modeller er ofte dårlige i matematikk, hvordan løser sifre dette problemet?

Du har helt rett – generative AI-modeller er strålende i kreative sysler, men notorisk svake på faktabaserte øvelser og spesielt matematikk. Du har kanskje sett noen eksempler med ChatGPT som er ganske morsomme. Å løse dette var en enorm innsats og et helt enormt gjennombrudd for ingeniørteamet vårt: Digits AI kombinerer kraften til store språkmodeller med vår nye, proprietære økonomiske modelleringsmotor og spesialdesignede spørringsspråk som både er enklere å oversette og mer uttrykksfullt enn tradisjonelle. SQL-baserte tilnærminger. Dette lar Digits AI forstå brukerens hensikt og be om beregninger over dataene deres uten å kjenne til dataens underliggende skjema eller krypteringsnøkler. Sammenlagt kan vi levere 100 % nøyaktige svar på hver forespørsel.

Digits har vært banebrytende i en trelagsarkitektur for å beskytte kundedata, noe som gir banksikkerhet til store språkmodeller. Kan du diskutere hva denne teknologien er, og hvordan den holder data sikker?

I basen ligger Digits' nye, proprietære økonomiske modelleringsmotor. Kundedata er kryptert i hvile ved hjelp av AES-256, med objektkrypteringsnøkler beskyttet via avanserte teknikker som per-hemmelig konvoluttkryptering, og er siled business-by-business, og forlater aldri de sikre grensene til Digits' USA-baserte infrastruktur. På det andre nivået utnytter Digits AI spesialtrente, proprietære dyplæringsmodeller for å forstå de unike egenskapene til småbedriftsøkonomi og dobbeltregnskap. På det tredje nivået samhandler Digits AI med offentlige LLM APIer ved å bruke kun anonymiserte og tilslørte kundeidentifikatorer. Ikke på noe tidspunkt blir rå kundedata noen gang eksponert for tredjepartsmodeller eller -systemer.

Du er ganske optimistisk med tanke på fremtiden til AI, hvorfor tror du at AI-boomen så vidt har begynt?

ChatGPT har opplevd den raskeste adopsjonskurven av noen teknologi i menneskehetens historie med god grunn: i motsetning til internettbølgen for 25 år siden, trenger du ikke å skaffe deg en datamaskin og signere en kontrakt med en ISP. I motsetning til mobilbølgen for 15 år siden, trenger du ikke kjøpe en dyr smarttelefon. Og i motsetning til kryptobølgen for 5 år siden, er AI enkel å bruke, og den er faktisk nyttig.

Jeg tror dypt på AI vil være en utrolig, akselererende kraft i de aller fleste bransjer. Den underliggende teknologien er ekte, den fungerer, og den viser allerede fascinerende paralleller til hvordan mennesker lærer og tenker. Jeg spår at om 10 eller 15 år vil vi se tilbake og si at fremkomsten av AI var en større transformasjon av den menneskelige opplevelsen enn mobil. Det er på nivå med oppfinnelsen av databrikken, eller flyet, eller trykkpressen, i hvordan det kommer til å påvirke verden rundt oss. Og det skjer 100 ganger raskere.

Hva er din visjon for fremtiden til Digits?

Digits AI er bare vårt første skritt i å bygge fremtiden for sanntids, intuitiv, automatisert økonomi for småbedrifter, og vi jobber allerede hardt med å utvide mulighetene. I (nær) fremtid vil Digits øke regnskapsføringen din raskere, gi deg samtidige likviditets- og periodiseringsvisninger av virksomheten din, automatisk generere månedlige regnskaper og hjelpe deg med budsjett og prognoser uten det kjedelige med feilsøking og vedlikehold av modeller . De neste fem årene kommer til å bli transformative innen forretningsøkonomi og regnskap, og målet vårt er å være banebrytende for programvaren som gjør alt dette herlig.

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