Edwin Lisowski, Co-Fondator și Director de Creștere al Addepto – Seria de Interviuri

Edwin Lisowski, Co-Fondator și Director de Creștere al Addepto, supraveghează creșterea strategică a companiei, dezvoltarea afacerilor și marketingul. El aduce o experiență vastă în arhitectura datelor, strategia condusă de inteligență artificială și consultanță în analize, combinând expertiza tehnică cu o puternică concentrare pe scalarea adoptării inteligenței artificiale și inițiativelor de transformare a afacerilor pentru clienți globali.

Addepto este o firmă de consultanță cu sediul în Varșovia, specializată în inteligență artificială, învățare automată, inginerie a datelor și soluții de inteligență a afacerilor pentru clienți enterprise. Compania ajută organizațiile să transforme datele brute în informații acționabile prin strategia de inteligență artificială de la capăt la capăt, dezvoltarea conceptului și implementarea modelului de producție. Lucrând în sectoare precum finanțe, logistică, producție și asigurări, Addepto subliniază soluții personalizate și parteneriate pe termen lung pentru a ajuta clienții să valorifice inteligența artificială pentru un impact comercial măsurabil.

Ce v-a inspirat să co-fondați Addepto în 2018 și ce gol în piață ați încercat să umpleți?

În 2018, am văzut două extreme: furnizori mari care vindeau “soluții de inteligență artificială de tip unul pentru toți” și, pe de altă parte, echipe interne blocate după câteva proiecte-pilot pentru că le lipsea expertiza în ingineria datelor și MLOps. Am construit Addepto pentru a fi echipa care conectează strategia → ingineria datelor → modele → producție, mai ales pentru industrii cu cantități mari de date. Abordarea noastră full-stack rămâne în continuare ADN-ul nostru.

Care dintre domeniile de servicii ale Addepto — viziunea computerizată, NLP, învățare automată sau inginerie a datelor — a înregistrat cea mai rapidă adoptare la nivel enterprise și de ce?

În ultimii 18-24 de luni, NLP/GenAI a evoluat cel mai rapid în rândul întreprinderilor (căutare, asistenți, prelucrare documente) pentru că se corelează direct cu ROI-ul muncii de cunoaștere și poate începe de la modele de bază. Sondajele de piață arată un avans semnificativ în utilizarea inteligenței artificiale în 2024, cu cazuri de utilizare conduse de GenAI care se extind pe funcții.

Multe companii se luptă să treacă de la proiecte-pilot de inteligență artificială la sisteme de producție. Cum îi ajută Addepto să acopere această lacună?

Noi tratăm producția ca pe o disciplină, nu ca pe o fază: ateliere de descoperire, contracte de date, arhitecturi de referință, CI/CD pentru modele, observabilitate și “operațiuni de ziua a 2-a” (derivație, cost, limite). Concret, standardizăm MLOps și refactorizăm proiecte-pilot în puncte de terminale microservice care se potrivesc stivei clientului (Databricks/Spark, Kubernetes, BI existent). Așa reușim să livrăm sisteme care funcționează dincolo de demo-uri.

Inteligența artificială generativă este acum centrală în oferta dvs. Cum decideți când să aplicați modele de bază versus dezvoltarea de modele personalizate?

Decizia noastră este pragmatică:

• Începeți cu modelele de bază atunci când timpul până la valoare, sarcinile lingvistice ample și variabilitatea domină.
• Treceți la ajustarea fină sau la adaptori atunci când terminologia de domeniu sau precizia tonului este critică.
• Construiți modele personalizate atunci când controlul latenței/costului/proprietății intelectuale contează, datele sunt proprietare/structurate sau se aplică constrângeri de margine.
  Acest lucru reflectă unde se îndreaptă întreprinderile: mai puține “experimente”, mai multe arhitecturi potrivite pentru scop.

În 2024, ați lansat ContextClue ca o platformă dedicată de gestionare a cunoștințelor. Ce problemă v-a convins că este momentul potrivit pentru un produs separat?

Clienții noștri din inginerie ne întrebau mereu același lucru: “Documentele noastre CAD, PLM, ERP și documentele nu comunică, puteți face să gândească împreună?” Am rezolvat această problemă de mai multe ori în proiecte, așa că am transformat modelul într-un produs. 2024 a fost momentul potrivit pentru că GenAI a făcut recuperarea și autorul utilizabil pentru ingineri (nu doar pentru echipele de date). Am anunțat și am început să-l lansăm în acea perioadă.

ContextClue se integrează cu CAD, ERP, PLM și documente tehnice. Care dintre aceste surse de date este cel mai greu de unificat și cum rezolvați această problemă?

CAD este cea mai dificilă: formate binare/proprietare, versionare, ansambluri și context spațial. Normalizăm CAD alături de metadatele PLM/ERP, apoi mapăm totul într-un grafic de cunoaștere astfel încât piese, sisteme, specificații și proceduri să se rezolve la aceleași entități. Acesta este coloana vertebrală a pipeline-ului de ingestie al ContextClue.

Platforma susține căutarea semantică și generarea de documente. Cum asigurați acuratețea și încrederea în aceste ieșiri pentru echipele de ingineri?

Trebuie să avem trei straturi:

• Recuperare ancorată (schema-aware RAG peste graficul de cunoaștere) cu citări la artifactele sursă.
• Politica și testarea (suite de evaluare în CI, prompturi de echipă roșie, teste de regresie).
• Om în buclă pentru ieșiri critice (SOP, documente de conformitate). Ba mai mult, am deschis sursa unor părți din lanțul nostru de instrumente de evaluare și extragere a graficului pentru a face acest lucru auditabil.

Ce face ContextClue distinct de alte instrumente de gestionare a cunoașterii în ecosistemele de inginerie și industrii grele?

Este nativ pentru inginerie: nu doar “caută fișiere”, ci înțelege ansambluri, dependențe și impactul schimbărilor, legând CAD/PLM/ERP și istoricul de întreținere într-un grafic acționabil. Instrumentele KM concurente adesea se opresc la indexare; ContextClue unifică structura + semantică și produce atât documente lizibile de către om, cât și modele lizibile de către mașini (pentru gemene digitale, planificare).

Cum vedeți evoluția ContextClue odată cu apariția inteligenței artificiale multimodale, mai ales în ceea ce privește combinarea textului, schemelor și modelului 3D?

Două direcții sunt deja în mișcare:

• Viziune peste CAD și scheme: extragerea topologiei, apelurilor și legăturilor BOM pentru a ancora răspunsuri în desene.
• Alinierea 3D: legarea nodurilor de cunoaștere de coordonate 3D / vederi Omniverse astfel încât întrebările de întreținere sau planificare să se rezolve la locul potrivit în model. Așteptați-vă la agenți mai bogați care navighează părți, versiuni și proceduri pe moduri.

Cum vedeți Addepto și ContextClue modelând creșterea unul altuia și unde vă imaginați impactul lor combinat asupra industriei în următorul deceniu?

Addepto va continua să împingă frontiera, producând sisteme multimodale/agente responsabile, în timp ce ContextClue transformă această cercetare și dezvoltare în valoare repetabilă pentru echipele de ingineri. Împreună, ne propunem să reducem “risipa de cunoaștere” (timpul pierdut în căutarea/recrearea) la scară, măsurând rezultate precum timpul de ciclu de inginerie, ratele de retravaliu și timpul de pregătire pentru audit în întreprinderi și programe. Piața se îndreaptă de la “mulți piloți” către “mai puține lansări de valoare mai mare”, și ne propunem să fim partenerul și platforma care livrează aceste victorii în mod constant.

Mulțumim pentru acest interviu minunat, cititorilor care doresc să afle mai multe despre Addepto.