Darren Kimura, CEO i Prezes AI Squared – Seria Wywiadów

Darren Kimura to doświadczony przedsiębiorca, wynalazca i inwestor, obecnie pełniący funkcję Prezesa i CEO AI Squared. Z ponad 25-letnim doświadczeniem w branży technologicznej i energetyki czystej, poprowadził firmy takie jak Energy Industries Corporation, Sopogy i LiveAction, oraz był współzałożycielem firmy venture Enerdigm Ventures. Znany z wynalezienia technologii MicroCSP, Kimura odegrał kluczową rolę w skalowaniu firm skupionych na edge computing, AI i rozwiązaniach opartych na SaaS.

AI Squared to platforma o niskim kodzie, zaprojektowana w celu pomocy przedsiębiorstwom w integracji wglądów AI bezpośrednio do narzędzi, których już używają – takich jak Salesforce (CRM ), Slack, Google Sheets i ServiceNow. Poprzez uproszczenie wdrożenia AI i umożliwienie podejmowania decyzji w czasie rzeczywistym, platforma umożliwia zespołom z dziedziny inżynierii, sprzedaży i operacji odblokowanie mierzalnej wartości biznesowej. Świadcząc usługi dla klientów z sektora finansowego, łańcucha dostaw i rządu, AI Squared przyspiesza wdrożenie AI w przedsiębiorstwach, czyniąc je bezproblemowymi, kontekstowymi i wykonalnymi.

Czym skłoniło Cię do dołączenia i ostatecznie objęcia stanowiska CEO w AI Squared?

Zawsze byłem przyciągany przez rozwiązywanie trudnych, realnych problemów, które wymagają głębokiej wiedzy technologicznej i bezbłędnej realizacji. Rozpocząłem swoją karierę w dziedzinie efektywności energetycznej i odnawialnych źródeł energii, przechwytując dane maszynowe w skali i pomagając ludziom zrozumieć i działać zgodnie z nimi. Z czasem to ewoluowało w kierunku przenoszenia przetwarzania danych bliżej miejsca, w którym wykonuje się pracę, z krawędzi, w systemach zabezpieczonych lub w ramach workflow przedsiębiorstwa.

Gdy po raz pierwszy spotkałem się z AI Squared, natychmiast zobaczyłem, że zajmują się one bardzo realnym i pilnym wyzwaniem: jak przenieść AI z laboratorium do codziennego użytku. Większość firm nadal koncentruje się na budowaniu modeli. AI Squared koncentrowała się na wdrożeniu.

Co dało mi jeszcze większą pewność, to ich podstawy. Firma powstała wewnątrz NSA i przez ostatnie sześć lat zdobywała zaufanie w całym Departamencie Obrony, Społeczności Wywiadowczej, Społeczności Kosmicznej i wśród niektórych z największych przedsiębiorstw na liście Fortune 500, dzięki rzeczywistym projektom i znaczącym wynikom, które nadal rosną z roku na rok. To powiedziało mi dwie rzeczy: po pierwsze, byli poważni w kwestii bezpieczeństwa, zgodności i wpływu. A po drugie, była to drużyna, której mogłem zaufać.

Jak Twoje doświadczenie w skalowaniu ZEDEDA i pracy w kapitale venture kształtowało Twoje podejście do wdrożenia AI na poziomie przedsiębiorstwa?

W ZEDEDA pracowaliśmy na dalekiej krawędzi jako system operacyjny wewnątrz społeczności open-source. To zmusiło mnie do głębokiego zrozumienia realnych ograniczeń, z którymi borykali się nasi klienci w odniesieniu do transformacji cyfrowej. Tam mieliśmy światowej klasy zespół inżynierów z Cisco, Sun Microsystems, Juniper, Arista, ale także nauczyłem się, jak ważne jest łączenie tego technicznego doskonałości z silnym ruchem marketingowym na poziomie przedsiębiorstwa.

Z punktu widzenia venture, zyskałem inny rodzaj wglądu. Zobaczyłem, jak firmy deep tech rosną, wolniej na początku, ale szybciej, gdy buduje się silne podstawy. Nauczyłem się myśleć w systemach: timing rynku, gotowość produktu, dojrzałość klienta i strategia kapitałowa muszą wszystkie współgrać. To spojrzenie wniósłem do wdrożenia AI w AI Squared. To nie chodzi o wysyłanie modeli, ale o dostarczanie wyników, którym przedsiębiorstwa mogą zaufać, zmierzyć i skalować.

AI Squared podkreśla wbudowywanie AI w systemy, których ludzie już używają. Jak wygląda rozwiązanie „ostatniej mili” AI w praktyce?

87% projektów AI nigdy nie dociera do produkcji, ponieważ integracja jest powolna, złożona i odłączona od użytkowników końcowych. AI Squared rozwiązuje to, tworząc potok integracji danych o jakości bezpieczeństwa narodowego, który łączy modele AI/ML z źródłami danych, takimi jak Databricks lub Snowflake, oraz systemami, których już używają te firmy, takimi jak CRM, ERP i aplikacje niestandardowe.

Jak Wasza platforma pomaga przezwyciężyć lukę między zespołami data science a użytkownikami biznesowymi?

AI Squared upraszcza przekazanie modelu od rozwoju do produkcji. Zespoły data science mogą wdrożyć modele w sposób bezpieczny za pomocą naszej platformy, podczas gdy użytkownicy biznesowi otrzymują wglądy w ramach narzędzi, których już używają, wewnątrz Salesforce, Teams, Slack lub innych aplikacji systemu rejestracji.

Jak priorytety, takie jak zgodność, przejrzystość i etyczne użytkowanie, kształtują drogę rozwoju produktu AI Squared?

Etyka, zgodność i przejrzystość są najważniejszymi rozważaniami na naszej drodze rozwoju. Wiemy, pracując z agencjami rządowymi, że musimy priorytetem uczynić ślady, audytowalność i wyjaśnialność. Budujemy z zasadami zero-trust, obsługą bezpiecznych środowisk wdrożeniowych i klarownymi modelami zarządzania.

Jaką rolę, według Ciebie, odgrywa AI dyskryminacyjny w poprawie podejmowania decyzji w agencjach rządowych?

AI dyskryminacyjny jest precyzyjny, interpretowalny i wydajny. Jest idealny dla środowisk o wysokim ryzyku, w których potrzebne są jasne odpowiedzi, tak lub nie, zagrożenie lub brak zagrożenia. W agencjach rządowych umożliwia to szybsze rozpoznanie, wykrywanie ryzyka i priorytetowanie. Uzupełnia modele generatywne, oferując strukturalne, zwalidowane dane wyjściowe, które wspierają krytyczne podejmowanie decyzji.

Gdzie widzisz największe ryzyko – i możliwość – dla wdrożenia AI w dziedzinie bezpieczeństwa narodowego?

Największe ryzyko to niezarządzana autonomia, wdrożenie systemów AI bez przejrzystości, nadzoru lub zabezpieczeń. Możliwość leży w przyspieszaniu świadomości sytuacyjnej i prędkości decyzji. AI może przefiltrować ogromne ilości danych w czasie rzeczywistym, aby ujawnić wzorce, których ludzie mogliby nie zauważyć. Ale aby zrealizować tę wartość, musi być godny zaufania, śladowalny i zintegrowany z systemami z ludzkim uczestnictwem.

Jakie są najczęstsze błędy, które popełniają firmy przy wdrożeniu GenAI?

Największy błąd polega na koncentrowaniu się na nowości zamiast na konieczności. Za dużo firm wdrożenia GenAI bez wyraźnego przypadku użycia, planu zarządzania lub metryki sukcesu. To prowadzi do zmęczenia pilotowego, nie skalowalnych prototypów i problemów z zaufaniem. GenAI jest potężny, ale jak każda technologia, musi być dopasowany do problemu, użytkownika i workflow.

Czy możesz podzielić się przykładem, w którym AI Squared pomogła przedsiębiorstwu uniknąć „złotej gorączki” i zamiast tego dostarczyć mierzalny wpływ?

Jedno przedsiębiorstwo przyszło do nas, chcąc zbudować niestandardowy LLM do klasyfikacji biletów obsługi klienta. Pokazaliśmy im, jak prosty, wbudowany klasyfikator wdrożony za pomocą naszej platformy może dostarczyć 90% dokładności w ich CRM w ciągu mniej niż dwóch tygodni. Żadnych nowych interfejsów, żadnego niestandardowego szkolenia. To jest potęga rozwiązywania odpowiedniego problemu z odpowiednim narzędziem.

Jakie wschodzące trendy w AI na poziomie przedsiębiorstwa są Ci najbardziej interesujące w ciągu najbliższych 3-5 lat?

Trzy wyjątki:

1. LLM, które są prawdziwie wielomodalne i skupione na konkretnych zadaniach
2. Systemy AI agenty, które podejmują działania, a nie tylko generują treść
3. Ustandaryzowane zarządzanie, które umożliwia wdrożenie AI w branżach regulowanych

Te trendy napędzają AI w kierunku większej użyteczności, zaufania i wbudowania w codzienne operacje.

Jak AI Squared ewoluuje swoją platformę, aby nadążyć za szybko postępującymi LLM i ekosystemami modeli?

Jesteśmy agnostycznymi modelami dzięki naszemu projektowi. Niezależnie od tego, czy jest to model open-source, komercyjny LLM, czy model dyskryminacyjny, nasza platforma pozwala organizacjom wdrożyć i zarządzać nimi w ramach ich istniejących workflow. Koncentrujemy się na orchestracji, kontroli wersji i zarządzaniu, aby stos modelu mógł ewoluować bez zakłócania doświadczenia użytkownika.

Co oznacza sukces dla AI Squared w następnym rozdziale pod Twoim kierownictwem?

Sukces oznacza stanie się domyślnym sposobem, w jaki przedsiębiorstwa i agencje rządowe operacjonalizują AI. Oznacza to skrócenie czasu do uzyskania wartości z miesięcy do dni i czynienie wdrożenia AI tak bezproblemowym i bezpiecznym, jak uruchomienie nowej funkcji. Pod moim kierownictwem, koncentrujemy się na skali, zaufaniu i realnych wynikach, a nie tylko na innowacjach dla samej innowacji, ale wpływie tam, gdzie ma to największe znaczenie.

Dziękuję za wspaniały wywiad, czytelnicy, którzy chcą dowiedzieć się więcej, powinni odwiedzić AI Squared.