Erik Schwartz, Chief AI Officer (CAIO) Tricon Infotech – Wywiad

Erik Schwartz jest Chief AI Officer (CAIO) w Tricon Infotech, wiodącej firmie konsultingowej i świadczącej usługi software. Tricon Infotech dostarcza efektywne, zautomatyzowane rozwiązania i pełne transformacje cyfrowe za pomocą produktów i wdrożeń przedsiębiorstw.

Erik Schwartz jest doświadczonym menedżerem i przedsiębiorcą z ponad dwudziestoletnim doświadczeniem w sektorze technologicznym, specjalizującym się w obszarze sztucznej inteligencji, odzyskiwania informacji i odkrywania wiedzy. W trakcie swojej kariery Erik był na czele integracji dużych platform i sztucznej inteligencji w technologie wyszukiwania, znacznie poprawiając interakcje użytkowników i dostęp do informacji. Pełnił kluczowe role kierownicze w firmach Comcast (CMCSA ), Elsevier i Microsoft (MSFT ), gdzie kierował pionierskimi inicjatywami związanymi z AI, wyszukiwaniem i LLM.

Zawodowa droga Erika jest naznaczona jego oddaniem do innowacji i wierzeniem w moc współpracy. Ciągle prowadził zespoły do szybkiego dostarczania przełomowych rozwiązań, ugruntowując się jako zaufany lider w społeczności technologicznej. Jego praca, ostatnio w projekcie Scopus AI w Elsevier, podkreśla jego zaangażowanie w przełamywanie granic, jakimi ludzie взаимодействują z informacjami i tworzą zaufane relacje z użytkownikami.

W swojej roli jako Chief AI Officer (CAIO), Erik wykorzystuje swoje ogromne doświadczenie, aby rozwijać i wdrażać kompleksowe strategie AI dla klientów Tricon. Jego proces nie tylko demistyfikuje AI, ale również zapewnia, że te firmy są wyposażone w niezbędne narzędzia, aby odnieść sukces i prosperować w konkurencyjnym krajobrazie technologii AI. Erik jest pasjonatem rozwoju i innowacji, dzieląc się swoimi spostrzeżeniami, aby zainspirować i umożliwić organizacjom efektywne wykorzystanie przemieniającej siły AI.

Czy mógłbyś podzielić się niektórymi wyjątkowymi momentami swojej kariery, które doprowadziły Cię do obecnej roli Chief AI Officer w Tricon Infotech?

Byłem zanurzony w dziedzinie odzyskiwania informacji przez całą swoją karierę. Moja podróż zaczęła się na początku lat 90. jako Web Master na początku ery Internetu. W tym okresie formacyjnym koncentrowałem się na budowaniu cyfrowych bibliotek dla agencji rządowych, uczelni i firm medialnych, co położyło podwaliny pod moją ekspertyzę w systemach informacji cyfrowej.

W latach 2000. przeniosłem się do pracy z dostawcami wyszukiwarek, gdzie doskonaliłem swoje umiejętności w technologiach wyszukiwania. Ten etap mojej kariery był naznaczony znacznym wzrostem i uczeniem się poprzez różne przejęcia, ostatecznie prowadząc mnie do dołączenia do Microsoftu w 2008 roku. W Microsoftzie odegrałem kluczową rolę w rozwoju i udoskonaleniu platform odzyskiwania wiedzy, napędzając innowacje i poprawiając dostęp do informacji dla użytkowników.

Po moim okresie w Microsoftzie kierowałem inicjatywami w dużych korporacjach, takich jak Comcast i Elsevier, gdzie byłem odpowiedzialny za zarządzanie dużymi platformami odzyskiwania wiedzy. Te doświadczenia miały decydujący wpływ na kształtowanie mojego podejścia do AI i odzyskiwania informacji, kulminując w mojej obecnej roli Chief AI Officer w Tricon Infotech. Tutaj wykorzystuję swoje ogromne doświadczenie, aby napędzać strategie i rozwiązania AI, które umożliwiają naszym klientom wykorzystanie pełnego potencjału ich danych.

Jak Twoje doświadczenia w firmach takich jak Comcast, Elsevier i Microsoft wpłynęły na Twoje podejście do integracji AI i technologii wyszukiwania?

W trakcie swojej kariery byłem głęboko zaangażowany w techniki przetwarzania języka naturalnego (NLP) i uczenia maszynowego. Początkowo te technologie opierały się na prostych systemach opartych na regułach. Jednak wraz ze wzrostem zbiorów danych i zwiększeniem mocy obliczeniowej, zaczęliśmy znacznie poprawiać doświadczenia użytkowników, automatycznie pozyskując dane i wprowadzając je z powrotem do algorytmów, aby poprawić ich wydajność.

W Microsoftzie, po przejęciu FAST, pełniłem rolę menedżera produktu w zespole SharePoint. W tej roli byłem zaangażowany w integrację zaawansowanych technologii wyszukiwania do systemów zarządzania treścią przedsiębiorstw, poprawiając odzyskiwanie informacji i możliwości współpracy dla firm.

W Comcast zbudowałem platformę odzyskiwania wiedzy, która napędzała cały ich biznes wideo, umożliwiając użytkownikom wyszukiwanie i odkrywanie treści na set-top boxach, urządzeniach mobilnych i na stronach internetowych. Ta wyszukiwarka była w stanie obsłużyć ponad 1 miliard żądań dziennie, znacznie poprawiając doświadczenie użytkownika, dostarczając szybkie i dokładne rekomendacje treści i wyniki wyszukiwania.

Jednym z najbardziej przełomowych doświadczeń było moje zaangażowanie w projekcie Scopus AI w Elsevier. Zainicjowaliśmy doświadczenie z Generative AI dla Scopus, jednego z ich najbardziej zaufanych produktów. Ta inicjatywa wykorzystywała Duży Model Językowy (LLM), aby pomóc użytkownikom w zadawaniu lepszych pytań i uzyskaniu bardziej dokładnych odpowiedzi z głęboko technicznej treści w bazie danych komunikacji naukowej. Ten podejście LLM zapewnił pełną dokładność i zaufanie ponad 90 milionów artykułów zawartych w bazie danych, demonstrując potęgę AI w poprawie badań naukowych i rozpowszechniania wiedzy.

Co najbardziej ekscytuje Cię w obecnych postępach w dziedzinie Generative AI i jej potencjalnych zastosowaniach?

Jednym z największych historycznych wyzwań w odzyskiwaniu informacji było utrzymanie kontekstu. Dla ludzi jest to naturalny proces, ale dla maszyn wyszukiwanie informacji tradycyjnie było bardzo transakcyjnym doświadczeniem: zadaj pytanie, otrzymaj odpowiedź. Zanurzenie się głębiej w temat wymagało zadawania coraz bardziej szczegółowych pytań. Generative AI rewolucjonizuje ten podejście, umożliwiając bardziej konwersacyjną i kontekstową interakcję, podobną do naturalnej rozmowy z kimś, kogo dopiero co poznałeś.

Ponadto, Generative AI obejmuje dodatkowe techniki, które poprawiają głębsze zrozumienie, które historycznie były trudne dla tradycyjnych silników wyszukiwania. Na przykład, Duże Modele Językowe (LLM) mogą bezproblemowo obsłużyć aspekty takie jak ton, analiza sentymentu, zrozumienie semantyczne i rozróżnianie. Te możliwości pozwalają LLM na łatwe pojęcie niuansów języka ludzkiego i kontekstu, dostarczając bardziej dokładne i znaczące odpowiedzi od razu. To postępy najbardziej mnie ekscytują, ponieważ otwierają przed nami wiele możliwości tworzenia bardziej intuicyjnych, responsywnych i inteligentnych aplikacji w różnych dziedzinach.

Jak podejście Tricon Infotech do GenAI różni się od innych firm w branży?

W przestrzeni Generative AI istnieją dwa główne obszary skupienia. Pierwszy, który otrzymuje znaczącą uwagę od niektórych z największych dostawców technologii, dotyczy szkolenia i dostosowywania modeli AI. Drugi obszar, w którym praktycy Generative AI naprawdę wyróżniają się, to inferencja – wykorzystanie Generative AI do tworzenia wartościowych produktów i usług.

W Tricon Infotech koncentrujemy się na tym drugim. Nasze podejście jest wyjątkowe, ponieważ kładziemy nacisk na praktyczne zastosowanie i szybkie wdrożenie. Rozwinęliśmy kompleksowy program, który pomaga liderom biznesu szybko identyfikować najbardziej wpływowe przypadki użycia Generative AI. Nasz proces obejmuje rozwiązanie szybkiego prototypowania, umożliwiające klientom pracę z własnymi danymi w środowisku piaskownicy AI. To podejście zapewnia, że mogą oni zobaczyć konkretny efekt i zaangażować się w AI-wydane spostrzeżenia na wczesnym etapie cyklu rozwojowego.

Ponadto, mamy radykalne skupienie na czasie do wartości. Naszym celem jest pomóc klientom zbudować i wdrożyć aplikacje skierowane do konsumentów w ciągu 90 dni. Ten przyspieszony harmonogram nie tylko napędza szybszą innowację, ale również zapewnia, że firmy mogą szybko skapitalizować korzyści z Generative AI, tworząc nowe strumienie przychodu i poprawiając satysfakcję klienta.

Czy mógłbyś omówić niektóre z kluczowych wyzwań w implementacji Large Language Models (LLM) i Generative AI w rozwiązaniach przedsiębiorstw?

Implementacja Large Language Models (LLM) i Generative AI w rozwiązaniach przedsiębiorstw przedstawia kilka wyłaniających się wyzwań. Pierwszym i najważniejszym wyzwaniem jest zaufanie. Przedsiębiorstwa muszą być pewne, że systemy AI nie naruszą ich własności intelektualnej ani wrażliwych informacji korporacyjnych. Zapewnienie bezpieczeństwa danych i uzyskanie odpowiednich gwarancji, że AI nie wykorzysta danych w sposób nieodpowiedni, jest kluczowe dla zdobycia zaufania.

Drugim wyzwaniem jest kwestia halucynacji. Generative AI może czasem generować odpowiedzi, które są pewne, ale faktycznie nieprawdziwe. To może podważyć niezawodność systemów AI. Techniki takie jak dostosowywanie modeli i zastosowanie Retrieval Augmented Generation (RAG) mogą pomóc zminimalizować występowanie halucynacji, zapewniając, że odpowiedzi AI są oparte na dokładnych danych.

Trzecim znaczącym wyzwaniem jest koszt. Licencjonowanie i skalowanie LLM może być bardzo kosztowne. Nawet oferty przedsiębiorstw od głównych dostawców, takich jak Microsoft, Amazon (AMZN ) i Google (GOOGL ), wiążą się z wysokimi opłatami za wejście i minimalnymi wymogami. Dlatego dla przedsiębiorstw jest kluczowe, aby ściśle monitorować i zarządzać zwrotem z inwestycji (ROI), aby upewnić się, że wdrożenie rozwiązań AI jest ekonomicznie uzasadnione.

Czy mógłbyś wyjaśnić ustrukturyzowane podejście Tricon Infotech do tworzenia dostosowanych rozwiązań przedsiębiorstw GenAI?

Tricon Infotech jest firmą produkcyjną, która wyróżnia się oferowaniem usług zarządzanych przez dedykowane, pełne zespoły produktowe, a nie tradycyjnym wzmocnieniem personelu. Nasze podejście obejmuje wdrożenie pełnych zespołów produktowych, które mogą zarządzać każdym aspektem cyklu życia rozwoju produktu, w tym badania użytkowników, projektowanie UX, rozwój front-end i back-end, automatyzację testów, wdrożenie, skalowanie i ciągłe operacje.

Ten kompleksowy model usług zarządzanych zapewnia, że nasi klienci mogą skoncentrować się bezpośrednio na przechwytywaniu wartości z ich danych, bez skomplikowań i nakładów związanych z zarządzaniem oddzielnymi zasobami. Naszym kluczowym napędem jest czas do wartości, co oznacza, że priorytetem jest dostarczanie konkretnych korzyści szybko i efektywnie. Naszym ambicją jest budowanie długoterminowych relacji z naszymi klientami, ciągle dodając wartość i iterując przez proces rozwoju funkcji.

Nasze ustrukturyzowane podejście jest zaprojektowane, aby być elastycznym i responsywnym, umożliwiając nam szybko adaptować się do nowych wyzwań i możliwości w krajobrazie AI. Wykorzystując pełne możliwości naszych wielofunkcyjnych zespołów, dostarczamy wysoko dostosowane rozwiązania Generative AI, które są dopasowane do specyficznych potrzeb każdego przedsiębiorstwa. To podejście nie tylko różni nas od tradycyjnych firm wzmocnienia personelu, ale również zapewnia, że dostarczamy holistyczne, kompleksowe rozwiązania, które napędzają znaczący wpływ biznesowy.

Jakie są przykłady realnych problemów, które rozwiązania GenAI Tricon Infotech skutecznie rozwiązały?

1. E-Learning – konwertowanie tradycyjnych mediów i materiałów edukacyjnych na interaktywną, wielomodalną treść. To pozwala naszym klientom ponownie wykorzystać istniejącą treść, aby dostosować się do nowych sposobów uczenia się i dotrzeć do uczniów na różnych platformach, gdzie już są. Ponadto, treść może być następnie ponownie wykorzystana w celu stworzenia hiperpersonalizowanych programów nauczania, które mogą dostosowywać się automatycznie do potrzeb i stylów uczenia się uczniów (audio, wizualne itp.)
2. Private AI – Pomoc klientom w budowaniu zaufanych rozwiązań AI przedsiębiorstw, które pozostają prywatne i honorują reguły dostępu klienta, przy jednoczesnym utrzymaniu kosztów i pomocy w skalowaniu na różne funkcje przedsiębiorstwa, pomagając przeładowanym profesjonalistom i usługom wspólnym w lepszym skalowaniu do organizacji, rodzimego zrozumienia różnych zasad i ograniczeń polityk geograficznie rozproszonych. Te prywatne AI nie tylko będą służyć przedsiębiorstwu, ale również wygenerują nowe strumienie przychodu dla naszych klientów.
3. Automatyzacja Procesów – Istnieje nadal ogromna liczba organizacji, które polegają na procesach ręcznych i integracji danych „swivel chair”. AI pomaga łączyć różne systemy, tworząc inteligentne warstwy, które nie tylko mogą walidować dane, ale również zrozumieć unikalny sygnał wytworzony przez dane lub narzędzia i pomóc w wydajnym kierowaniu przepływami pracy, identyfikując problemy łańcucha dostaw.

Jaka rola ciągłego uczenia się i rozwoju odgrywa w utrzymaniu przewagi w szybko ewoluującej dziedzinie AI?

Jednym z największych wyzwań w dziedzinie AI jest ukształtowanie puli talentów. Istnieje nowe pokolenie pracowników, którzy intuicyjnie rozumieją narzędzia AI i technologie. Jednak istnieje również starsze pokolenie, które musi zrozumieć, co te narzędzia mogą i nie mogą zrobić. Ciągłe uczenie się jest kluczowe dla mostowania tej luki.

Ponadto, AI ma potencjał dramatycznie poprawić produktywność, umożliwiając firmom osiągnięcie znacznie więcej z znacznie mniejszymi zasobami, zmniejszając ramy czasowe i koszty. Aby te korzyści zostały zrealizowane, pracownicy muszą być otwarci na uczenie się nowych sposobów pracy i integracji tych narzędzi w swoich przepływach pracy.

Ponadto, rozwiązanie strachu przed bezpieczeństwem pracy jest niezbędne. Pracownicy muszą zrozumieć, że ci, którzy przyjmują ciągłe uczenie się i rozwój, będą lepiej wyposażeni w umiejętności, aby włączyć nowe narzędzia AI w swoje codzienne rutyny, ostatecznie prowadząc do większego bezpieczeństwa pracy. Rzeczywistością jest, że sukces w przyszłości napędzany przez AI przyjdzie do tych, którzy aktywnie starają się zrozumieć i wykorzystać te ewoluujące technologie.

Jak wyobrażasz sobie przyszłość AI, transformującą technologie wyszukiwania i interakcje użytkowników w ciągu najbliższej dekady?

Już świadkujemy znaczącego przesunięcia od tradycyjnych silników wyszukiwania do narzędzi Generative AI dla początkowych zapytań. To przesunięcie jest napędzane przez możliwość Generative AI do dostarczania bezpośrednich odpowiedzi i rozwiązań, eliminując potrzebę przeszukiwania wielu stron internetowych lub zasobów niezależnie. W najbliższej przyszłości stanie się powszechne, że AI będą uczestniczyć w spotkaniach, podejmować działania i wykonywać rutynowe zadania, prowadząc do znaczącego zmniejszenia ról pewnych funkcji w przedsiębiorstwach.

Jednym z kluczowych wyzwań, które pozostaje, jest to, jak zmonetyzować Generative AI, ponieważ tradycyjny model reklamowy może napotkać znaczące przeszkody w tym nowym krajobrazie. Moja prognoza jest taka, że dane staną się coraz bardziej wartościowe, działając jak waluta, gdy będziemy nawigować ten nowy świat. To przesunięcie będzie wymagało innowacyjnych modeli biznesowych, które wykorzystują unikalne możliwości AI, zapewniając, że użytkownicy i przedsiębiorstwa mogą wykorzystać wartość z ich interakcji.

W ogóle, przyszłość AI w technologiach wyszukiwania i interakcji użytkowników obiecuje być przełomowa, czyniąc odzyskiwanie informacji bardziej intuicyjnym i efektywnym, a także zmieniając sposób, w jaki podchodzimy do interakcji cyfrowych i funkcji przedsiębiorstw.

Jaka praktyczna rada dajesz firmom, które chcą wykorzystać AI, aby napędzić sukces i innowacje?

Nie bój się technologii. Zacznij od udostępnienia narzędzi AI swoim pracownikom, aby upewnić się, że Twoje dane i własność intelektualna pozostają bezpieczne. Wiele pracowników już używa narzędzi AI, ale bez odpowiednich zabezpieczeń, istnieje ryzyko nadużycia. Dlatego jest kluczowe, aby ukształtować swój personel, aby zrozumieli ryzyko i wiedzieli, jak bezpiecznie i skutecznie wykorzystywać te narzędzia.

Ponadto, jest niezwykle ważne, aby zwrócić uwagę na mierniki sukcesu. Narzędzia AI mogą być drogie, ale koszty spadną z czasem. Jednak ważne jest, aby utrzymać wyraźny focus na zwrocie z inwestycji (ROI), aby zarządzać kosztami i zrozumieć wpływ na Twoją firmę. Dzięki temu możesz wykorzystać AI, aby napędzić innowacje i sukces, zapewniając, że korzyści przewyższają wydatki.

Dziękujemy za wspaniały wywiad, czytelnicy, którzy chcą dowiedzieć się więcej, powinni odwiedzić Tricon Infotech.