Jeffrey Lai, Założyciel i Dyrektor Generalny IrisGo – Seria Wywiadów

Jeffrey Lai, Założyciel i Dyrektor Generalny IrisGo, jest przedsiębiorcą w dziedzinie sztucznej inteligencji i liderem produktowym z głębokimi korzeniami w inteligentnych asystentach i technologiach językowych. Przed założeniem IrisGo w 2025 roku i pełnieniem funkcji Założyciela w AI Fund, Lai spędził ponad 12 lat w Apple (AAPL ), gdzie pomógł zbudować i skalować Siri, ostatecznie pełniąc funkcję Menadżera Inżynieryjnego Języka Siri. Jego praca koncentrowała się na rozwijaniu wielojęzycznej sztucznej inteligencji konwersacyjnej, w tym na rozwój wersji chińskojęzycznej Siri. Przed Apple, pełnił role inżynierskie w Cisco Systems (CSCO ) i odbył staż w grupie robotyki inteligentnej w NASA Ames Research Center. Z karierą, która obejmuje robotykę, oprogramowanie dla przedsiębiorstw i sztuczną inteligencję konsumencką, Lai konsekwentnie skupiał się na tym, aby uczynić złożone technologie bardziej dostępnymi i użytecznymi w codziennych workflow.

IrisGo rozwija system operacyjny sztucznej inteligencji zaprojektowany dla nowej generacji komputerów osobistych zasilanych przez sztuczną inteligencję. Zamiast działać jako samodzielny czatbot, platforma jest zbudowana w taki sposób, aby obserwować, jak użytkownicy wykonują zadania w różnych aplikacjach, uczyć się tych workflow i automatyzować je za pomocą inteligentnego asystenta uruchamianego na urządzeniu. Jego podstawowe podejście koncentruje się na tym, aby pozwolić użytkownikom zademonstrować zadanie jeden raz i następnie przekształcić ten proces w wielokrotnie używalny workflow, pomagając zmniejszyć powtarzalną pracę cyfrową. Wykorzystując dedykowane możliwości przetwarzania sztucznej inteligencji znalezione w nowoczesnych komputerach z sztuczną inteligencją, IrisGo ma na celu umożliwić bardziej prywatną, responsywną i świadomą kontekstu automatyzację, umieszczając się w rosnącym rynku systemów sztucznej inteligencji agentywnych, które mogą aktywnie wykonywać zadania w imieniu użytkowników, zamiast po prostu zapewniać rekomendacje.

Po pomocy w budowie Siri w Apple, jakie konkretnie doświadczenia przekonały Cię, że nadszedł czas, aby założyć IrisGo, i jaki był kluczowy problem w interakcji człowiek-komputer, który pozostał nierozwiązany?

Kiedy budowaliśmy Siri, byliśmy niezwykle skupieni na zrozumieniu języka naturalnego. Ale Siri miał trudności z kontekstem, co jest wyzwaniem, ponieważ sposób, w jaki ludzie naprawdę pracują i komunikują się, jest pełen niejawnych kontekstów. Kiedy poprosisz kolegę, “Czy możesz mi wysłać ten raport?”, on wie, jaki raport. Wie o waszej wspólnej historii, bieżącym projekcie, o tym, czym się zajmujecie. Siri nie miał tego.

Przez wiele lat sztuczna inteligencja była zaprojektowana, aby reagować na Ciebie. Wpisz coś, otrzymaj coś w odpowiedzi. To jest model interakcji, który odziedziczyliśmy po silnikach wyszukiwania i czatbotach. Ale większość tego, co ludzie naprawdę robią na komputerze, nie jest pytaniem, jest workflow. Skompiluj ten raport. Przeskanuj te arkusze. Pobierz dane z trzech różnych aplikacji i sformatuj je w dokumencie. Tego rodzaju praca nie mieści się w prompcie.

To, co przekonało mnie do założenia IrisGo, było zrozumienie, że branża nie budowała dla codziennych przypadków użycia. Każdy budował inteligentniejsze modele, lepsze zrozumienie języka, szybsze odpowiedzi. Ale podstawowa luka, gdzie sztuczna inteligencja może naprawdę wykonać pracę, a nie tylko odpowiedzieć na prośby, wciąż była tam. To jest problem, który postanowiliśmy rozwiązać.

Spójrzając wstecz na lata pracy nad Siri, jakie były największe lekcje, które nauczyłeś się o ograniczeniach asystentów głosowych, zwłaszcza jeśli chodzi o zrozumienie kontekstu, intencji i zachowania użytkownika?

Największa lekcja, którą nauczyłem się, jest taka, że kontekst jest wszystkim. Ludzie rzadko komunikują się w izolowanych poleceniach; ich prośby są ukształtowane przez to, nad czym pracują i czego próbują osiągnąć. Wczesne asystenci głosowi byli zaprojektowani wokół odpowiadania na poszczególne prośby, co działa dobrze dla wielu zadań, ale mniej skutecznie dla pracy ciągłej, która rozciąga się na wiele aplikacji i workflow. To doświadczenie nauczyło mnie, że zrozumienie intencji wymaga zrozumienia kontekstu, i ta wiedza stała się jedną z podstawowych idei za IrisGo.

To, czego się nauczyliśmy, jest takie, że intencja jest często warstwowa. Ktoś mówi coś i ma na myśli coś innego, a uzyskanie tego wymaga zrozumienia osoby, a nie tylko słów. To zrozumienie jest wbudowane w IrisGo od samego początku.

IrisGo jest często opisywany jako system operacyjny sztucznej inteligencji, a nie asystent sztucznej inteligencji. Jaka jest różnica, i dlaczego uważasz, że branża potrzebuje nowej warstwy oprogramowania dla ery komputerów z sztuczną inteligencją?

Asystent sztucznej inteligencji czeka na Ciebie. Otwierasz go, wpisujesz coś, on odpowiada, a potem jest gotowy. Model interakcji jest podstawowo taki sam jak silnik wyszukiwania, gdzie użytkownik tworzy prośbę, a sztuczna inteligencja generuje odpowiedź.

IrisGo, który jest systemem operacyjnym sztucznej inteligencji, działa obok wszystkiego, co robisz, w całym systemie, cały czas. Ma dostęp do Twoich plików, aplikacji, przeglądarki, poczty elektronicznej. Rozumie, jak pracujesz, bo obserwował, z Twojej zgody. I co najważniejsze, może działać, a nie tylko doradzać.

Pomyśl o tym, co Windows zrobiło dla komputera osobistego. Przedtem trzeba było być technicznym, aby używać komputera. Windows stworzył uniwersalną, intuicyjną warstwę między ludźmi a oprogramowaniem. Era komputerów z sztuczną inteligencją potrzebuje swojej wersji tej warstwy, biorąc surową moc modeli sztucznej inteligencji i robienia jej naprawdę użyteczną dla ludzi wykonujących codzienną pracę.

To jest IrisGo: warstwa inteligencji komputera z sztuczną inteligencją. Kiedy wysyłasz komputery z sztuczną inteligencją bez tej warstwy, masz po prostu potężny chip, który stoi bezczynnie. Co potrzebne jest, to oprogramowanie, które wie, jak je wykorzystać w imieniu osoby, która je używa.

Jedna z podstawowych idei IrisGo jest taka, że użytkownicy mogą nauczyć system zadania poprzez jednorazową demonstrację. Dlaczego uważasz, że model “obserwuj i ucz” jest bardziej naturalny niż wprowadzanie lub ręczne tworzenie workflow?

To, co sprawia, że funkcja “Obserwuj i Ucz” jest tak potężna, jest to, że opiera się na tym, jak naprawdę uczymy się nawzajem. Kiedy wdrażasz nowego pracownika, nie piszesz mu 40-krokowych poleceń. Pokazujesz mu, jak coś robisz, on obserwuje, uczy się i bierze to stamtąd. To jest intuicyjne. To jest naturalne.

Problem z wprowadzaniem jest taki, że nakłada on na użytkownika ciężar artykułowania dokładnie tego, czego chce, w formacie, który sztuczna inteligencja może zrozumieć. Dla prostych zapytań działa to dobrze. Ale co z złożonymi, wieloetapowymi workflow, które obejmują Twoje specyficzne pliki i Twój specyficzny sposób robienia rzeczy? Może to szybko się rozpaść. Większość ludzi nie może opisać swoich workflow z wystarczającą precyzją, aby sztuczna inteligencja mogła je wykonać poprawnie.

Pokazywanie jest łatwiejsze niż mówienie. To nie jest nowa wiedza; to zdrowy rozsądek. To, co “Obserwuj i Ucz” robi, jest zastosowaniem tej logiki do automatyzacji. Robisz swoje zadanie raz, w taki sposób, w jaki zwykle byś to zrobił. IrisGo uczy się wzorca. I od tego momentu zajmuje się tym workflow za Ciebie.

Wiele agentów sztucznej inteligencji dzisiaj wciąż wymaga znacznego ustawienia i nadzoru. Co odróżnia prawdziwie autonomicznego agenta od czatbota, który po prostu wykonuje polecenia?

Krótka odpowiedź brzmi: prawdziwy autonomiczny agent ma swój własny kontekst, podejmuje własne decyzje i kontynuuje pracę, nawet gdy nie jesteś obserwowany.

Czatbot jest zaprojektowany, aby być reaktywny. Żyje i umiera z poleceniem. Dajesz mu polecenie, on je wykonuje, a potem przestaje. Jeśli coś się zmieni, jeśli krok nie powiedzie się, lub jeśli potrzebuje dostosować, gubi się. Poprosi Cię, co dalej.

Prawdziwy autonomiczny agent ma cel, a nie tylko polecenie. Ma kontekst dotyczący środowiska, w którym działa. Może radzić sobie z wyjątkami. Może zdecydować, czy kontynuować, powtórzyć, czy oznaczyć coś do przeglądu przez człowieka. I co ważne, może działać w tle, podczas gdy pracujesz nad innymi rzeczami.

Większość tego, co jest sprzedawane jako “agenci sztucznej inteligencji” dzisiaj, są naprawdę zaawansowanymi czatbotami z dodatkowymi krokami. Przerwa między tymi produktami a prawdziwą autonomią jest ogromna. To, co sprawia, że IrisGo jest inny, jest to, że zaczyna od modelu, jak Ty pracujesz, nauczonego bezpośrednio z obserwacji, i używa tego do podejmowania właściwych decyzji, a nie tylko wykonuje polecenia.

Mówiłeś o ważności pamięci trwałej i kontekstu lokalnego. Dlaczego te możliwości są niezbędne, jeśli sztuczna inteligencja ma wyjść poza odpowiadanie na pytania i zacząć działać w imieniu użytkownika?

Wyobraź sobie, że zatrudniasz asystenta, który każdego ranka nie ma pamięci o tym, kim jesteś, nad czym pracujesz, czy jak lubisz robić rzeczy. Spędzisz połowę dnia, wyjaśniając kontekst, i będziesz bardzo sfrustrowany. To jest podstawowo to, o czym proszą nas dzisiaj narzędzia sztucznej inteligencji.

Pamięć trwała oznacza, że system zna Ciebie. Zna Twoje projekty, Twoje workflow, Twoje preferencje i jak wszystko ewoluowało w czasie. Nie musisz ponownie ustanawiać kontekstu w każdej sesji. Sztuczna inteligencja przenosi to do przodu.

Kontekst lokalny jest równie krytyczny, ponieważ Twoja praca nie mieszka w chmurze. Mieszka na Twoim komputerze, w plikach, aplikacjach, emailach, zakładkach przeglądarki. IrisGo działa na Twoim urządzeniu, co oznacza, że ma dostęp do Twojego całego środowiska pracy i może działać w Twoim imieniu we wszystkich tych obszarach.

Te dwie rzeczy razem — pamięć i dostęp lokalny — są tym, co pozwala sztucznej inteligencji przestać być narzędziem, które używasz, i zacząć być systemem, który działa dla Ciebie. Widzimy, jak coraz więcej firm technologicznych zaczyna rozpoznawać wagę tego podejścia, w tym duże firmy technologiczne, więc jest to wyraźna weryfikacja naszego podejścia.

Prywatność pozostaje jednym z największych problemów otaczających sztuczną inteligencję. Jak balansujesz potrzebę personalizacji i pamięci z oczekiwaniami użytkowników dotyczącymi bezpieczeństwa i własności danych?

Założenie, że prywatność i personalizacja są w sprzeczności, jest pierwszą rzeczą, którą należy zakwestionować. Zbudowaliśmy IrisGo tak, aby personalizacja mogła nastąpić na urządzeniu, a nie tylko w chmurze.

Większość przetwarzania IrisGo odbywa się lokalnie, na Twoim komputerze. Twoje workflow, pliki, kontekst wszystko pozostaje z Tobą. Przetwarzanie w chmurze występuje tylko wtedy, gdy wyraźnie je autoryzujesz, a gdy tak się stanie, jest szyfrowane od końca do końca. Ty masz kontrolę nad tym, co idzie gdzie.

Ten model sprawia, że IrisGo jest bardziej potężny, ponieważ ma dostęp do pełnego kontekstu Twojego środowiska pracy. I oznacza to, że użytkownicy nie muszą wybierać między użyteczną sztuczną inteligencją a bezpieczną.

Ludzie ufają swoim komputerom osobistym z wrażliwą pracą. Naszym celem jest uczynienie IrisGo godnym tego samego zaufania. To jest fundamentalne dla tego, jak produkt jest zaprojektowany.

IrisGo jest już wysyłany na komputery z sztuczną inteligencją od Acer, z planami rozszerzenia na dodatkowych producentów. Jak ważne uważasz, że będą partnerstwa dystrybucyjne w określaniu, które platformy sztucznej inteligencji ostatecznie osiągną przyjęcie mainstreamowe?

Dystrybucja jest absolutnie krytyczna dla przyjęcia mainstreamowego. Spójrz na historię konkurencji platform w technologiach. Windows wygrał, ponieważ był na prawie każdym komputerze. Android wygrał, ponieważ był najczęściej używanym systemem operacyjnym dla urządzeń mobilnych, które nie były iPhone’ami. Firmy, które próbowały wygrać poprzez czystą jakość produktu, bez dystrybucji, która by ją wspierała, w większości nie odniosły sukcesu.

Rynek komputerów z sztuczną inteligencją podąża za podobnym wzorcem. Kiedy IrisGo jest preinstalowany na urządzeniu, jest tam, gdy otwierasz pudełko. Nie musisz go szukać, pobierać, czy decydować, czy dać mu szansę. To jest ogromna przewaga.

Jesteśmy już w 3 milionach laptopów Acer, które będą wysyłane w tym roku, i jesteśmy w rozmowach z dodatkowymi czołowymi producentami komputerów. Naszym celem jest być systemem operacyjnym sztucznej inteligencji dla komputerów jako domyślny. Ta strategia dystrybucyjna jest centralna dla tego, jak stajemy się standardem w tej kategorii.

Gdy agenci sztucznej inteligencji stają się w stanie obsługiwać faktury, badania, raporty i inne workflow biznesowe, jakie nowe wyzwania dotyczące zarządzania, nadzoru i zaufania powinny organizacje przygotować się dzisiaj?

Pierwszym wyzwaniem jest audytowalność. Kiedy agent sztucznej inteligencji wykonuje workflow, takie jak przetworzenie faktury lub wygenerowanie raportu, możesz zobaczyć, co zrobił, dlaczego to zrobił i skąd pochodzą dane? Tego rodzaju przejrzysty ślad audytowy jest niezbędny do zgodności i do wykrywania błędów, zanim się skumulują.

Drugim wyzwaniem jest określenie granic. Jakie workflow są odpowiednie do autonomicznego wykonania, a które wymagają przeglądu przez człowieka? Firmy potrzebują jasnych polityk wokół tego. Tendencja jest taka, że pozwala się sztucznej inteligencji robić coraz więcej, stopniowo, a potem zdaje się sobie sprawę za późno, że decyzje o wysokim ryzyku są podejmowane bez wystarczającego nadzoru.

Trzecim wyzwaniem jest kalibracja zaufania. Pracownicy muszą zrozumieć, co sztuczna inteligencja może i nie może zrobić, i kiedy weryfikować jej dane wyjściowe, zamiast zakładać, że są one poprawne. To jest kwestia kultury i szkolenia, tak samo jak technologia.

Uważam, że organizacje, które przygotowują się do tego dzisiaj, będą miały znaczącą przewagę, ponieważ im większe możliwości sztucznej inteligencji, tym bardziej ramy zarządzania będą się kumulować.

Pięć lat od teraz, czy uważasz, że ludzie wciąż będą spędzać większość czasu, interakcjując z sztuczną inteligencją przez interfejsy czatu, czy sztuczna inteligencja będzie coraz bardziej schodzić do tła i proaktywnie wykonywać pracę bez być proszona?

Trajektoria już pokazuje, że sztuczna inteligencja będzie coraz bardziej przechodzić do tła. Model, w kierunku którego budujemy, jest taki, że Twój komputer rozumie Twoją pracę i zajmuje się rutynowymi częściami, aby Twoja uwaga była wolna dla rzeczy, które naprawdę wymagają Twojego zaangażowania.

Pomyśl o tym, jak autopilot działa w lotnictwie. Piloci nie są zaangażowani co sekundę każdego lotu. System zajmuje się podstawą, a człowiek angażuje się, gdy są potrzebne osąd i ekspertyza. To jest przyszłość pracy z sztuczną inteligencją wspomagającą wiedzę. Twój komputer zajmuje się powtarzalnymi, opartymi na regułach workflow. Ty koncentrujesz się na strategii, kreatywności i decyzjach, które wymagają prawdziwego osądu ludzkiego.

Pięć lat od teraz, najbardziej produktywni ludzie będą tymi, którzy są obok systemów, które rozumieją, jak użytkownik działa. W przeszłości ludzie robili całą pracę na swoich komputerach. W przyszłości Twój komputer również będzie wykonywał pracę za Ciebie.

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