Soham Mazumdar, medgrunnlegger og CEO av WisdomAI – Intervju-serie

Soham Mazumdar er medgrunnlegger og CEO av WisdomAI, et selskap som ligger i forkant av AI-drevne løsninger. Før han grunnla WisdomAI i 2023, var han medgrunnlegger og sjefarkitekt i Rubrik, der han spilte en nøkkelrolle i å skalerer selskapet over en periode på 9 år. Soham hadde tidligere ingeniørlederroller i Facebook (META ) og Google (GOOGL ), der han bidro til kjerne søkeinfrastruktur og ble anerkjent med Google Founder’s Award. Han var også medgrunnlegger av Tagtile, en mobil lojalitetsplattform som ble kjøpt av Facebook. Med to tiår med erfaring innen programvarearkitektur og AI-innovasjon, er Soham en erfaren entrepreneur og teknolog basert i San Francisco Bay Area.

WisdomAI er en AI-nativ forretningsintelligensplattform som hjelper bedrifter å få tilgang til sanntids-, nøyaktige innsikter ved å integrere strukturert og ustrukturert data gjennom sin egen “Knowledge Fabric”. Plattformen gir kraft til spesialiserte AI-agenter som kuraterer datakontekst, besvarer forretnings-spørsmål på naturlig språk og proaktivt overflater trender eller risiko – uten å generere hallucinert innhold. I motsetning til tradisjonelle BI-verktøy, bruker WisdomAI generativ AI strengt for spørsmålsformulering, noe som sikrer høy nøyaktighet og pålitelighet. Den integrerer med eksisterende data-økosystemer og støtter bedriftsgradert sikkerhet, med tidlig adopsjon fra store selskaper som Cisco og ConocoPhillips (COP ).

Du var medgrunnlegger av Rubrik og hjalp til å skalerer det til en stor bedriftssuksess. Hva inspirerte deg til å forlate i 2023 og bygge WisdomAI – og var det et bestemt øyeblikk som klargjorde denne nye retningen?

Det var et stort, systemisk problem som ingen løste. Under min tid i Rubrik, så jeg hvordan Fortune 500-selskaper druknet i data, men sultet etter innsikter. Selv med all infrastrukturen vi bygde, hadde mindre enn 20% av bedriftsbrukerne faktisk riktig tilgang og kunnskap til å bruke data effektivt i deres daglige arbeid. Det var et massivt, systemisk problem som ingen løste.

Jeg er også en bygger av natur – du kan se det i min vei fra Google til Tagtile til Rubrik og nå WisdomAI. Jeg blir energisert av å ta på meg fundamentale utfordringer og bygge løsninger fra bunnen av. Etter å ha hjulpet til å skalerer Rubrik til bedriftssuksess, følte jeg den entreprenørielle trekken igjen til å ta på meg noe like ambisiøst.

Det var et bestemt øyeblikk da jeg realiserte at vi kunne kombinere alt jeg hadde lært om bedriftsdata-infrastruktur i Rubrik med den transformative potensialet til AI for å løse dette fundamentale ineffisiens-problemet.

WisdomAI introduserer en “Knowledge Fabric” og en samling av AI-agenter. Kan du bryte ned hvordan dette systemet fungerer sammen for å gå utenfor tradisjonelle BI-dashboards?

Vi har bygget en agentic data-innsikt-plattform som fungerer med data der det er – strukturert, ustrukturert og “dirty” data. I stedet for å be analytics-teamene kjøre rapporter, kan forretningsledere direkte spørre spørsmål og bore ned i detaljer. Vår plattform kan bli trent på noen som helst data-warehouse-system ved å analysere spørsmålogslogger.

Vi er kompatible med store skytjenester som Snowflake, Microsoft Fabric, Google’s BigQuery, Amazon’s Redshift, Databricks og Postgres og også bare dokumentformater som excel, PDF, powerpoint osv.

I motsetning til konvensjonelle verktøy designet primært for analytikere, gir vår konversasjonelle grensesnitt forretningsbrukere mulighet til å få svar direkte, mens vår multi-agent-arkitektur muliggjør komplekse spørsmål over diverse datasystemer.

Du har betonet at WisdomAI unngår hallucinasjoner ved å skille GenAI fra svar-generering. Kan du forklare hvordan ditt system bruker GenAI annerledes – og hvorfor det betyr noe for bedrifts-tillit?

Vår AI-klar kontekstmodell trener på organisasjonens data for å skape en universell kontekstforståelse som besvarer spørsmål med høy semantisk nøyaktighet samtidig som den opprettholder data-privatliv og -styring. Videre bruker vi generativ AI til å formulere godt avgrensede spørsmål som tillater oss å trekke ut data fra ulike systemer, i stedet for å fôre rå data inn i LLM-er. Dette er avgjørende for å håndtere hallucinasjon og sikkerhetsproblemer med LLM-er.

Du myntet begrepet “Agentic Data Insights Platform”. Hvorfor er agentic intelligens forskjellig fra tradisjonelle analytics-verktøy eller standard LLM-baserte assistenter?

Tradisjonelle BI-staker langsommere beslutningsprosessen fordi hvert spørsmål må kjempe seg gjennom frakopling av datasiloer og en relé av spesialister. Når en sjef for inntekter trenger å vite hvordan han skal lukke kvartalet, passer svaret vanligvis gjennom seks håndpar – analytikere som håndterer CRM-utdrag, dataingeniører som syr filer sammen, og dashboard-byggere som oppdaterer rapporter – og gjør et enkelt spørsmål til et multi-dagers prosjekt.

Vår plattform bryter ned disse siloene og setter hele dybden av data ett tastetrykk unna, så sjefen for inntekter kan bore fra overskriftsmålinger helt ned til radnivå i sekunder.

Hvordan sikrer WisdomAI at den tilpasser seg den unike data-vokabularen og -strukturen til hver enkelt bedrift? Hva rolle spiller menneskelig innsats i å finjustere “Knowledge Fabric”?

Arbeide med data der og hvordan det er – det er essensielt det hellige gral for bedriftsintelligens. Tradisjonelle systemer er ikke bygget for å håndtere ustrukturert data eller “dirty” data med feil og mangler. Når informasjon eksisterer over ulike kilder – databaser, dokumenter, telemetri-data – sliter organisasjoner med å integrere denne informasjonen sammenhengende.

Uten evner til å håndtere disse ulike datatypene, forblir verdifull kontekst isolert i separate systemer. Vår plattform kan bli trent på noen som helst data-warehouse-system ved å analysere spørsmålogslogger, noe som tillater den å tilpasse seg hver organisasjon unike data-vokabular og -struktur.

Du har beskrevet WisdomAI sin utviklingsprosess som “vibe coding” – bygging produkt-erfaringer direkte i kode først, så itererer gjennom virkelig bruk. Hva fordeler har denne tilnærmingen gitt deg sammenlignet med tradisjonell produkt-design?

“Vibe coding” er en betydelig skifte i hvordan programvare bygges, der utviklere utnytter kraften til AI-verktøy til å generere kode ved å beskrive ønsket funksjonalitet på naturlig språk. Det er som en intelligent assistent som gjør hva du vil at programvaren skal gjøre, og den skriver koden for deg. Dette reduserer dramatisk den manuelle innsatsen og tiden som tradisjonelt kreves for kodning.

I årevis har skapingen av digitale produkter i stor grad fulgt et kjent manus: planlegge produktet og UX-designet nøye, deretter utføre utviklingen og iterere basert på tilbakemeldinger. Logikken var klar fordi investering i design på forhånd minimerer kostbare omarbeid under den mer dyre og tidskrevende utviklingsfasen. Men hva skjer når kostnaden og tiden til å utføre denne utviklingen dramatisk synker? Denne evnen snur den tradisjonelle utviklingsrekkefølgen på hodet. Plutselig kan utviklere starte bygging funksjonell programvare basert på en høy-nivå-forståelse av kravene, selv før detaljerte produkt- og UX-design er finalisert.

Med AI-kode-genereringens hastighet, kan innsatsen involvert i å lage uttømmende forhåndsdesign bli, i visse sammenhenger, relativt mer tidskrevende enn å få en grunnleggende, funksjonell versjon av programvaren i gang. Den nye paradigmen i verden av “vibe coding” blir: utfør (kode med AI), deretter tilpass (design og finjuster).

Dette tillater usedvanlig tidlig brukervalidering av de grunnleggende konseptene. Forestill deg å få tilbakemeldinger på den faktiske funksjonaliteten til en funksjon før du investerer tungt i detaljerte visuelle design. Dette kan føre til mer bruker-sentrerte design, ettersom designprosessen er direkte informert av hvordan brukerne interagerer med et tangibelt produkt.

Ved WisdomAI, omfavner vi aktivt AI-kode-generering. Vi har funnet at ved å omfavne rask initialutvikling, kan vi raskt teste grunnleggende funksjoner og samle uvurderlige brukertilbakemeldinger tidlig i prosessen, live på produktet. Dette tillater vårt design-team å deretter fokusere på å finjustere bruker-erfaringen og visuell design basert på virkelig bruk, noe som leder til mer effektive og bruker-elskede produkter, raskere.

Fra salg og markedsføring til produksjon og kunde-suksess, WisdomAI retter seg mot et bredt spekter av forretnings-brukstilfeller. Hvilke vertikaler har sett den raskeste adopsjonen – og hva brukstilfeller har overrasket deg i deres påvirkning?

Vi har sett transformative resultater med flere kunder. For F500 olje- og gass-selskapet ConocoPhillips, bruker boring-ingeniører og -operatører nå vår plattform til å spørre komplekse brønn-data direkte på naturlig språk. Før WisdomAI, trengte disse ingeniørene teknisk hjelp for selv grunnleggende operasjonelle spørsmål om brønn-status eller jobb-ytelse. Nå kan de få tilgang til denne informasjonen umiddelbart, samtidig som de sammenligner mot beste praksis i deres boring-manualer – alt gjennom samme konversasjonelle grensesnitt. De evaluerte flere AI-leverandører i en seks-måneders prosess, og vår løsning leverte en 50% nøyaktighetsforbedring over den nærmeste konkurrenten.