Edwin Lisowski, Co-Fondator și Chief Growth Officer al Addepto – Seria de Interviu

Edwin Lisowski, Co-Fondator și Chief Growth Officer al Addepto, supraveghează creșterea strategică a companiei, dezvoltarea afacerilor și marketingul. El aduce o experiență vastă în arhitectura datelor, strategia condusă de AI și consultanța analitică, combinând expertiza tehnică cu o focalizare puternică pe scalarea adoptării AI și a inițiativelor de transformare a afacerilor pentru clienții globali.

Addepto este o firmă de consultanță cu sediul în Varșovia, specializată în inteligență artificială, învățare automată, inginerie de date și soluții de inteligență de afaceri pentru clienții enterprise. Compania ajută organizațiile să transforme datele brute în informații actionabile prin strategia end-to-end de AI, dezvoltarea de concepte și implementarea de modele de producție. Lucrând în sectoare precum finanțe, logistică, producție și asigurări, Addepto accentuează soluțiile personalizate și parteneriatele pe termen lung pentru a ajuta clienții să valorifice AI-ul 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: furnizorii mari care vindeau “o soluție pentru toate” AI și, pe de altă parte, echipele interne blocate după câteva concepte deoarece le lipsea mușchiul de inginerie de date și MLOps. Am construit Addepto pentru a fi echipa care conectează strategia → conductele de date → modelele → producția, în special pentru industriile grele de date. Abordarea noastră full-stack este încă ADN-ul nostru.

Care dintre domeniile de servicii ale Addepto — viziunea computerizată, NLP, învățarea automată sau ingineria de date — a înregistrat cea mai rapidă adoptare la nivelul întreprinderilor și de ce?

În ultimii 18-24 de luni, NLP/GenAI s-a mișcat cel mai rapid în întreprindere (căutare, asistenți, prelucrare de documente) deoarece se suprapune direct pe ROI-ul muncii de cunoaștere și poate începe de la modelele de bază. Sondajele din industrie arată un pas mare în utilizarea AI în 2024, cu cazuri de utilizare conduse de GenAI care se extind pe funcții.

Multe companii se luptă să treacă de la conceptul de AI la sistemele de producție. Cum îi ajută Addepto să acopere acest gol?

Noi tratăm producția ca o disciplină, nu ca o fază: ateliere de descoperire, contracte de date, arhitecturi de referință, CI/CD pentru modele, observabilitate și “operațiuni de ziua a 2-a” (deriva, cost, limitatoare). Concret, standardizăm MLOps și refacem conceptele în puncte de sfârșit de microservicii care se potrivesc stivei clientului (Databricks/Spark, Kubernetes, BI existent). Așa este că livrăm constant dincolo de demonstrații.

AI-ul generativ este acum central în ofertele dvs. Cum decideți când să aplicați modelele de bază versus dezvoltarea de modele personalizate?

Arborele nostru de decizie este pragmatic:

• Începeți cu modelele de bază atunci când valoarea în timp, sarcinile de limbaj largi și variabilitatea domină.
• Treceți la ajustarea sau adaptarea atunci când terminologia de domeniu sau precizia tonului este critică.
• Construiți modele personalizate atunci când controlul latenței/costului/IP contează, datele sunt proprietare/structurate sau se aplică constrângeri de margine.
  Acest lucru reflectă unde merg întreprinderile: mai puține “experimente”, mai multe arhitecturi potrivite pentru scop.

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

Clienții noștri de inginerie ne-au întrebat mereu același lucru: “Documentele noastre CAD, PLM, ERP și documentele noastre nu comunică, puteți face să gândească împreună?” Am rezolvat acest lucru de mai multe ori în proiecte, așa că am produsizat modelul. 2024 a fost momentul potrivit deoarece GenAI a făcut recuperarea și autorizarea utilizabilă pentru ingineri (nu doar pentru echipele de date). Am anunțat și am început să o lansăm în acea perioadă.

ContextClue integrează CAD, ERP, PLM și documente tehnice. Care dintre aceste surse de date este cea mai grea de unificat și cum o rezolvați?

CAD este cea mai grea: formate binare/proprietare, versionare, ansambluri și context spațial. Normalizăm CAD alături de metadatele PLM/ERP, apoi le cartăm totul într-un grafic de cunoaștere astfel încât părțile, sistemele, specificațiile și procedurile 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?

Trei straturi:

• Recuperare ancorată (RAG conștient de schema peste graficul de cunoaștere) cu citări la artifactele sursă.
• Politica + testarea (suite de evaluare în CI, prompturi de echipă roșie, teste de regresie).
• Umanul în buclă pentru ieșiri critice (documente de procedură operațională, documente de conformitate). Am deschis chiar și părți din lanțul nostru de instrumente de evaluare și extragere de grafic pentru a face acest lucru auditabil.

Ce face ContextClue distinct de alte instrumente de gestionare a cunoașterii în ecosistemele de inginerie și industrie grea?

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

Cum vedeți ContextClue evoluând odată cu apariția AI-ului multimodal, în special în combinarea textului, schemelor și modelelor 3D?

Două direcții sunt deja în mișcare:

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

Privind spre viitor, 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, producționând 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 căutare/re-creare) la scară, măsurând rezultate precum timpul de ciclu de inginerie, ratele de re lucru și timpul de pregătire pentru audit pe întreprinderi și programe. Piața se mișcă de la “multe teste” la “mai puține, dar mai valoroase implementări”, și ne propunem să fim partenerul și platforma care livrează în mod constant aceste victorii.

Mulțumim pentru acest interviu minunat; cititorii care doresc să afle mai multe trebuie să viziteze Addepto.