Bryon Jacob, CTO e Co-Fundador da data.world – Série de Entrevistas

Bryon Jacob é o CTO e co-fundador da data.world – em uma missão para construir o recurso de dados mais significativo, colaborativo e abundante do mundo. Antes de se juntar à data.world, ele passou dez anos em papéis de responsabilidade crescente na HomeAway.com, culminando em um papel de VP de Tecnologia / Fellow Técnico. Bryon também trabalhou anteriormente na Amazon (AMZN ) e é um mentor de longa data na Capital Factory. Ele tem um BS/MS em ciência da computação pela Universidade Case Western.

O que o atraiu inicialmente para a ciência da computação?

Eu estou viciado em programação desde que eu peguei um Commodore 64 aos 10 anos de idade. Eu comecei com BASIC e rapidamente passei para linguagem de montagem. Para mim, a ciência da computação é como resolver uma série de puzzles intricados com o acréscimo do prazer da automação. É esse aspecto de resolução de problemas que sempre me manteve engajado e entusiasmado.

Pode compartilhar a história de como a data.world surgiu?

A data.world nasceu de uma série de sessões de brainstorming entre nossa equipe de fundadores. Brett, nosso CEO, entrou em contato com Jon e Matt, com quem ele havia trabalhado antes. Eles começaram a se encontrar para discutir ideias, e Jon me trouxe algumas dessas ideias para uma avaliação técnica. Embora essas ideias não tenham dado certo, elas despertaram discussões que se alinhavam muito com meu próprio trabalho. Através dessas conversas, nós chegamos à ideia que eventualmente se tornou a data.world. Nossa história compartilhada e respeito mútuo nos permitiram construir rapidamente uma grande equipe, trazendo as melhores pessoas com quem havíamos trabalhado no passado, e estabelecer uma base sólida para a inovação.

O que inspirou a data.world a desenvolver o AI Context Engine, e quais desafios específicos ele resolve para as empresas?

Desde o início, sabíamos que um Knowledge Graph (KG) seria fundamental para avançar as capacidades de IA. Com o surgimento da IA gerativa, nossos clientes queriam soluções de IA que pudessem interagir com seus dados de forma conversacional. Um desafio significativo nas aplicações de IA hoje é a explicabilidade. Se você não pode mostrar seu trabalho, as respostas são menos confiáveis. Nossa arquitetura de KG fundamenta cada resposta em fatos verificáveis, fornecendo explicações claras e rastreáveis. Isso melhora a transparência e a confiabilidade, permitindo que as empresas tomem decisões informadas com confiança.

Como a arquitetura de knowledge graph do AI Context Engine melhora a precisão e a explicabilidade dos LLMs em comparação com bancos de dados SQL apenas?

Em nosso artigo seminal, demonstramos uma melhoria de três vezes na precisão usando Knowledge Graphs (KGs) em relação a bancos de dados relacionais tradicionais. KGs usam semântica para representar dados como entidades e relacionamentos do mundo real, tornando-os mais precisos do que bancos de dados SQL, que se concentram em tabelas e colunas. Para explicabilidade, KGs nos permitem vincular respostas a definições de termos, fontes de dados e métricas, fornecendo um rastro verificável que melhora a confiança e a usabilidade.

Pode compartilhar alguns exemplos de como o AI Context Engine transformou as interações de dados e a tomada de decisões dentro das empresas?

O AI Context Engine é projetado como uma API que se integra perfeitamente às aplicações de IA existentes dos clientes, seja em GPTs personalizados, co-pilotos ou soluções personalizadas construídas com LangChain. Isso significa que os usuários não precisam mudar para uma nova interface – em vez disso, trazemos o AI Context Engine para eles. Essa integração melhora a adoção e a satisfação do usuário, impulsionando uma melhor tomada de decisões e interações de dados mais eficientes, incorporando poderosas capacidades de IA diretamente nos fluxos de trabalho existentes.

De que maneiras o AI Context Engine fornece transparência e rastreabilidade na tomada de decisões de IA para atender aos requisitos regulatórios e de governança?

O AI Context Engine se conecta ao nosso Knowledge Graph e catálogo de dados, aproveitando as capacidades de linhagem e governança. Nossa plataforma rastreia a linhagem de dados, oferecendo rastreabilidade completa de dados e transformações. Respostas geradas por IA são vinculadas às fontes de dados, fornecendo um rastro claro de como cada pedaço de informação foi derivado. Essa transparência é crucial para a conformidade regulatória e de governança, garantindo que cada decisão de IA possa ser auditada e verificada.

Qual papel você vê os knowledge graphs desempenhando no panorama mais amplo de IA e gerenciamento de dados nos próximos anos?

Os Knowledge Graphs (KGs) estão se tornando cada vez mais importantes com o surgimento da IA gerativa. Ao formalizar fatos em uma estrutura de grafo, os KGs fornecem uma base mais sólida para a IA, melhorando tanto a precisão quanto a explicabilidade. Estamos vendo uma mudança das arquiteturas de Retrieval Augmented Generation (RAG) padrão, que dependem de dados não estruturados, para modelos de Graph RAG. Esses modelos convertem conteúdo não estruturado em KGs primeiro, levando a melhorias significativas na recall e precisão. Os KGs estão prestes a desempenhar um papel fundamental no impulsionamento da inovação e eficácia da IA.

Quais melhorias futuras podemos esperar para o AI Context Engine para melhorar ainda mais suas capacidades e experiência do usuário?

O AI Context Engine melhora com o uso, à medida que o contexto flui de volta para o catálogo de dados, tornando-o mais inteligente com o tempo. Do ponto de vista do produto, estamos nos concentrando em desenvolver agentes que realizam tarefas avançadas de engenharia de conhecimento, transformando conteúdo bruto em ontologias e bases de conhecimento mais ricas. Nós aprendemos continuamente com padrões que funcionam e integramos rapidamente essas percepções, fornecendo aos usuários uma ferramenta poderosa e intuitiva para gerenciar e aproveitar seus dados.

Como a data.world está investindo em pesquisa e desenvolvimento para permanecer à frente das tecnologias de IA e integração de dados?

A P&D no AI Context Engine é nossa maior área de investimento. Estamos comprometidos em permanecer à vanguarda do que é possível em IA e integração de dados. Nossa equipe, especializada em IA simbólica e aprendizado de máquina, impulsiona esse compromisso. A base sólida que construímos na data.world nos permite mover-nos rapidamente e empurrar os limites tecnológicos, garantindo que entregamos consistentemente capacidades de ponta para nossos clientes.

Qual é sua visão de longo prazo para o futuro da IA e da integração de dados, e como a data.world contribuirá para essa evolução?

Minha visão para o futuro da IA e da integração de dados sempre foi ir além de apenas tornar mais fácil para os usuários consultar seus dados. Em vez disso, visamos eliminar a necessidade de os usuários consultarem seus dados altogether. Nossa visão sempre foi integrar de forma transparente os dados de uma organização com seu conhecimento – abrangendo metadados sobre sistemas de dados e modelos lógicos de entidades do mundo real.

Ao alcançar essa integração em um grafo de conhecimento legível por máquina, os sistemas de IA podem realmente cumprir a promessa de interações de linguagem natural com os dados. Com os rápidos avanços na IA gerativa nos últimos dois anos e nossos esforços para integrá-la com grafos de conhecimento empresariais, esse futuro está se tornando uma realidade hoje. Na data.world, estamos à vanguarda dessa evolução, impulsionando a transformação que permite que a IA entregue valor sem precedentes por meio de interações de dados intuitivas e inteligentes.

Obrigado pela grande entrevista, leitores que desejam aprender mais devem visitar data.world.