Saket Saurabh, CEO și Co-Fondator al Nexla – Seria de Interviuri

Saket Saurabh, CEO și Co-Fondator al Nexla, este un antreprenor cu o pasiune profundă pentru date și infrastructură. El conduce dezvoltarea unei platforme de inginerie a datelor de generație următoare, automate, proiectate pentru a aduce scară și viteză celor care lucrează cu date.

Înainte, Saurabh a fondat o startup mobilă de succes, care a atins obiective semnificative, inclusiv achiziție, IPO și creștere într-o afacere multi-milionară. El a contribuit, de asemenea, la multiple produse și tehnologii inovatoare în timpul șederii sale la Nvidia (NVDA ).

Nexla permite automatizarea ingineriei datelor, astfel încât datele să fie gata de utilizare. Acest lucru se realizează prin abordarea unică a Nexsets – produse de date care fac ca oricine să poată integra, transforma, livra și monitoriza date.

Ce v-a inspirat să co-fondați Nexla și cum au influențat experiențele dvs. în ingineria datelor viziunea dvs. pentru companie?

 Înainte de a fonda Nexla, am început călătoria mea în ingineria datelor la Nvidia, construind tehnologie de înaltă performanță pe partea de calcul. După aceea, am condus startup-ul meu anterior printr-o călătorie de achiziție și IPO în spațiul publicitar mobil, unde cantități mari de date și învățare automată au fost o parte integrantă a ofertei noastre, procesând aproximativ 300 de miliarde de înregistrări de date pe zi.

Privind peisajul în 2015, după ce compania mea precedentă a devenit publică, eram în căutarea următoarei mari provocări care mă entuziasma. Venind din aceste două background-uri, a fost foarte clar pentru mine că provocările datelor și calculului converg în măsura în care industria se îndrepta către aplicații mai avansate, alimentate de date și IA.

Deși nu știam la acea vreme că Inteligența Artificială Generativă (GenAI) va progresa atât de rapid, a fost evident că învățarea automată și IA vor fi baza pentru a profita de date. Așa că am început să mă gândesc la ce fel de infrastructură este necesară pentru ca oamenii să fie de succes în lucrul cu date și cum putem face posibil ca oricine, nu doar ingineri, să poată profita de date în viața lor profesională.

Acest lucru a condus la viziunea pentru Nexla – de a simplifica și automatiza ingineria din spatele datelor, deoarece ingineria datelor a fost o soluție foarte personalizată în majoritatea companiilor, în special atunci când se confruntă cu probleme complexe sau de scară largă. Scopul a fost de a face datele accesibile și abordabile pentru o gamă mai largă de utilizatori, nu doar pentru inginerii de date. Experiențele mele în construirea de sisteme și aplicații de date scalabile au alimentat această viziune de a democratiza accesul la date prin automatizare și simplificare.

Cum exemplifică Nexsets misiunea Nexla de a face datele gata de utilizare pentru toată lumea și de ce este această inovație crucială pentru întreprinderile moderne?

Nexsets exemplifică misiunea Nexla de a face datele gata de utilizare pentru toată lumea, abordând provocarea de bază a datelor. Cele 3V ale datelor – volum, viteză și varietate – au fost o problemă persistentă. Industria a făcut progrese în abordarea provocărilor legate de volum și viteză. Cu toate acestea, varietatea datelor a rămas o piedică semnificativă, deoarece proliferarea noilor sisteme și aplicații a condus la o diversitate tot mai mare a structurilor și formatele de date.

Abordarea Nexla constă în a modela și conecta automat datele din surse diverse într-o entitate consistentă și ambalată, un produs de date pe care îl numim Nexset. Acest lucru permite utilizatorilor să acceseze și să lucreze cu date fără a trebui să înțeleagă complexitatea subiacentă a diferitelor surse și structuri de date. Un Nexset acționează ca o poartă, oferind o interfață simplă și directă către date.

Acest lucru este crucial pentru întreprinderile moderne, deoarece permite mai multor oameni, nu doar inginerilor de date, să profite de date în munca lor de zi cu zi. Prin abstractizarea varietății și complexității datelor, Nexsets face posibil ca utilizatorii de business, analiștii și alții să interacționeze direct cu datele de care au nevoie, fără a necesita expertiză tehnică extinsă.

De asemenea, am lucrat la facilitarea integrării pentru consumatorii de date mai puțin tehnici – de la interfața cu utilizatorul și modul în care oamenii colaborează și guvernează datele la modul în care construiesc transformări și fluxuri de lucru. Abstragerea complexității varietății de date este cheia democratizării accesului la date și a împuternicirii unei game mai largi de utilizatori pentru a obține valoare din activele lor informative. Aceasta este o capacitate critică pentru întreprinderile moderne care își propun să devină mai orientate către date și să profite de insight-uri bazate pe date în întreaga organizație.

Ce face ca datele să fie “gata pentru GenAI” și cum abordează Nexla aceste cerințe în mod eficient?

Răspunsul depinde în parte de modul în care utilizați GenAI. Majoritatea companiilor implementează GenAI Retrieval Augmented Generation (RAG). Acest lucru necesită pregătirea și codificarea datelor pentru a le încărca într-o bază de date vectorială și apoi recuperarea datelor prin căutare pentru a le adăuga ca context la un model de limbaj mare (LLM) care nu a fost antrenat folosind aceste date. Prin urmare, datele trebuie pregătite într-un mod care să funcționeze bine atât pentru căutări vectoriale, cât și pentru LLM.

Indiferent dacă utilizați RAG, Retrieval Augmented Fine-Tuning (RAFT) sau efectuați antrenament de modele, există câteva cerințe cheie:

• Format de date: LLM-urile GenAI funcționează adesea cel mai bine cu date într-un format specific. Datele trebuie structurate într-un mod care să permită modelului să le ingereze și să le proceseze ușor. De asemenea, trebuie “îmbucate” într-un mod care să ajute LLM-ul să utilizeze mai bine datele.
• Conectivitate: LLM-urile GenAI au nevoie de a accesa dinamic sursele de date relevante, în loc de a se baza pe seturi de date statice. Acest lucru necesită o conectivitate continuă la diverse sisteme și depozite de date ale întreprinderii.
• Securitate și guvernanță: Atunci când se utilizează date sensibile ale întreprinderii, este critic să se aibă controale robuste de securitate și guvernanță în loc. Accesul la date și utilizarea lor trebuie să fie securizate și conforme cu politicile organizaționale existente. De asemenea, trebuie să se guverneze datele utilizate de LLM-uri pentru a preveni scurgerile de date.
• Scalabilitate: LLM-urile GenAI pot fi intensive din punct de vedere al datelor și al calculului, astfel încât infrastructura de date subiacentă trebuie să poată scala pentru a satisface cerințele acestor modele.

Nexla abordează aceste cerințe pentru a face datele gata pentru GenAI în câteva moduri cheie:

• Acces dinamic la date: Platforma de integrare a datelor Nexla oferă o singură modalitate de a se conecta la sute de surse și utilizează diverse stiluri de integrare și viteze de date, împreună cu orchestrarea, pentru a oferi LLM-urilor GenAI cele mai recente date de care au nevoie, atunci când au nevoie, în loc de a se baza pe seturi de date statice.
• Pregătirea datelor: Nexla are capacitatea de a extrage, transforma și pregăti datele în formate optimizate pentru fiecare caz de utilizare GenAI, inclusiv îmbucarea datelor și suport pentru multiple modele de codificare.
• Colaborare și servicii self: Cu Nexla, consumatorii de date nu numai că accesează datele și construiesc Nexsets și fluxuri, dar pot colabora și partaja munca lor prin intermediul unei piețe care asigură că datele sunt în formatul corect și îmbunătățește productivitatea prin reutilizare.
• Generare automată: Integrarea și GenAI sunt ambele dificile. Nexla generează automat multe dintre pașii necesari pe baza alegerilor făcute de consumatorii de date – utilizând IA și alte tehnici – astfel încât utilizatorii să poată face munca pe cont propriu.
• Guvernanță și securitate: Nexla incorporează controale robuste de securitate și guvernanță pe tot parcursul, inclusiv colaborarea, pentru a asigura că datele sensibile ale întreprinderii sunt accesate și utilizate într-un mod securizat și conform.
• Scalabilitate: Platforma Nexla este proiectată pentru a scala pentru a face față cerințelor sarcinilor de lucru GenAI, oferind puterea de calcul și scala elastică necesară.

Integrarea convergentă, colaborarea și generarea automată, precum și guvernanța datelor, trebuie să fie construite împreună pentru a face posibilă democratizarea datelor.

Cum contribuie tipurile și sursele de date diverse la succesul modelelor GenAI și ce rol joacă Nexla în simplificarea procesului de integrare?

Modelele GenAI au nevoie de acces la toate tipurile de informații pentru a oferi cele mai bune insight-uri și a genera ieșiri relevante. Dacă nu furnizați aceste informații, nu ar trebui să vă așteptați la rezultate bune. Acest lucru este valabil și pentru oameni.

Modelele GenAI au nevoie de a fi antrenate pe o gamă largă de date, de la baze de date structurate la documente nestructurate, pentru a construi o înțelegere cuprinzătoare a lumii. Surse de date diferite, cum ar fi articole de știri, rapoarte financiare și interacțiuni cu clienții, oferă informații contextuale valoroase pe care aceste modele le pot valorifica. Expunerea la date diverse permite, de asemenea, modelelor GenAI să devină mai flexibile și adaptabile, permițându-le să gestioneze o gamă mai largă de întrebări și sarcini.

Nexla abstractizează varietatea tuturor acestor date cu Nexsets și face posibilă accesarea oricărei surse, apoi extragerea, transformarea, orchestrarea și încărcarea datelor, astfel încât consumatorii de date să poată se concentreze doar pe date și să le facă gata pentru GenAI.

Care sunt tendințele care modelează ecosistemul de date în 2025 și dincolo, în special cu apariția GenAI?

Companiile s-au concentrat în mare măsură pe utilizarea GenAI pentru a construi asistenți sau copiloți care să ajute oamenii să găsească răspunsuri și să ia decizii mai bune. IA agenților, agenți care automatizează sarcini fără implicarea oamenilor, este cu siguranță o tendință în creștere pe măsură ce ne îndreptăm către 2025. Agenții, la fel ca și copiloții, au nevoie de integrare pentru a asigura că datele curg fără întrerupere – nu doar într-o singură direcție, ci și pentru a permite IA să acționeze pe baza acestor date.

O altă tendință majoră pentru 2025 este creșterea complexității sistemelor de IA. Aceste sisteme devin tot mai sofisticate prin combinarea componentelor din surse diferite pentru a crea soluții coerente. Acest lucru este similar cu modul în care oamenii se bazează pe diverse unelte pe parcursul zilei pentru a-și îndeplini sarcinile. Sistemele de IA empowerate vor urma această abordare, orchestrând multiple unelte și componente. Această orchestrare prezintă o provocare semnificativă, dar și o zonă cheie de dezvoltare.

În ceea ce privește tendințele, vedem o împingere către IA generativă care să avanseze dincolo de simpla potrivire a modelelor pentru a ajunge la o adevărată raționare. Există mult progres tehnologic în acest spațiu. Deși aceste progrese nu se pot traduce pe deplin în valoare comercială în 2025, ele reprezintă direcția în care ne îndreptăm.

O altă tendință cheie este aplicarea tehnologiilor accelerate pentru inferența IA, în special cu companii precum Nvidia. În mod tradițional, GPU-urile au fost utilizate în mare măsură pentru antrenarea modelelor de IA, dar inferența la runtime – punctul în care modelul este activ utilizat – devine la fel de important. Ne putem aștepta la îmbunătățiri ale inferenței, făcând-o mai eficientă și mai impactantă.

În plus, există o realizare că datele de antrenament disponibile au fost în mare măsură maximizate. Acest lucru înseamnă că îmbunătățirile ulterioare ale modelelor nu vor veni din adăugarea de date în timpul antrenamentului, ci din modul în care modelele funcționează în timpul inferenței. La runtime, valorificarea noilor informații pentru a îmbunătăți rezultatele modelului devine o focusare critică.

În timp ce unele tehnologii încep să-și atingă limitele, abordări noi vor continua să apară, subliniind importanța agilității pentru organizații care adoptă IA. Ceea ce funcționează bine astăzi poate deveni învechit în câteva luni sau un an, astfel încât este crucial să fie pregătiți pentru a adăuga sau înlocui surse de date și orice componente ale fluxurilor de IA. A rămâne adaptabil și deschis la schimbare este esențial pentru a ține pasul cu peisajul în evoluție rapidă.

Care sunt strategiile pe care organizațiile le pot adopta pentru a elimina silozurile de date și pentru a îmbunătăți fluxul de date în întreaga organizație?

În primul rând, oamenii trebuie să accepte că silozurile de date vor exista întotdeauna. Acest lucru a fost întotdeauna adevărat. Multe organizații încearcă să centralizeze toate datele într-un singur loc, crezând că acest lucru va crea un mediu ideal și va debloca valoare semnificativă, dar acest lucru se dovedește a fi aproape imposibil. Acest lucru devine adesea o întreprindere lungă și costisitoare, care durează mulți ani, în special pentru întreprinderile mari.

Prin urmare, realitatea este că silozurile de date sunt aici pentru a rămâne. Odată ce acceptăm acest lucru, întrebarea devine: Cum putem lucra mai eficient cu silozurile de date?

O analogie utilă este să ne gândim la marile companii. Nicio corporație majoră nu funcționează dintr-un singur birou în care toată lumea lucrează împreună la nivel global. În schimb, ele se împart în sedii și multiple birouri. Scopul nu este de a rezista acestei diviziuni naturale, ci de a asigura că aceste birouri pot colabora eficient. De aceea, investim în instrumente de productivitate precum Zoom sau Slack – pentru a conecta oamenii și a permite fluxuri de lucru fără întrerupere între locații.

La fel, silozurile de date sunt sisteme fragmentate care vor exista întotdeauna între echipe, divizii sau alte limite. Cheia nu este de a le elimina, ci de a face ca ele să funcționeze împreună fără probleme. Știind acest lucru, ne putem concentra pe tehnologii care facilitează aceste conexiuni.

De exemplu, tehnologii precum Nexsets oferă un strat de interfață comun sau o interfață abstractă care funcționează peste surse de date diverse. Prin a acționa ca o poartă către silozurile de date, ele simplifică procesul de interoperare cu date răspândite în diverse silozuri. Acest lucru creează eficiențe și minimizează impactul negativ al silozurilor.

În esență, strategia ar trebui să se axeze pe îmbunătățirea colaborării între silozuri, în loc de a încerca să le lupte. Multe întreprinderi fac greșeala de a încerca să consolideze totul într-un lac de date imens. Dar, pentru a fi onest, aceasta este o luptă aproape imposibil de câștigat.

Cum abordează platformele de date moderne provocările precum viteza și scalabilitatea, și ce sets Nexla aparte în abordarea acestor probleme?

În felul în care îl văd, multe instrumente din stiva modernă de date au fost inițial proiectate cu accent pe ușurința în utilizare și viteza de dezvoltare, ceea ce a venit din faptul că aceste instrumente au devenit mai accesibile – permițând analiștilor de marketing să-și mute datele de la o platformă de marketing direct la un instrument de vizualizare, de exemplu. Evoluția acestor instrumente a implicat adesea dezvoltarea de soluții punctuale, sau instrumente proiectate pentru a rezolva probleme specifice și bine definite.

Când vorbim despre scalabilitate, oamenii se gândesc adesea la scalarea în termeni de volume mari de date. Dar adevărata provocare a scalabilității vine din două factori principali: numărul tot mai mare de oameni care au nevoie să lucreze cu date și diversitatea tot mai mare a sistemelor și tipurilor de date pe care organizațiile trebuie să le gestioneze.

Instrumentele moderne, fiind foarte specializate, tind să rezolve doar o mică parte a acestor provocări. Ca urmare, organizațiile se trezesc utilizând multiple instrumente, fiecare adresând o singură problemă, ceea ce creează în cele din urmă propriile provocări, cum ar fi suprasarcina instrumentelor și ineficiența.

Nexla abordează această problemă prin a găsi un echilibru atent între ușurința în utilizare și flexibilitate. Pe de o parte, oferim simplitate prin funcții precum șabloane și interfețe cu utilizatorul prietenoase. Pe de altă parte, oferim flexibilitate și capacități prietenoase pentru dezvoltatori care permit echipelor să îmbunătățească continuu platforma. Dezvoltatorii pot adăuga noi capacități sistemului, dar aceste îmbunătățiri rămân accesibile sub formă de butoane și clicuri simple pentru utilizatorii non-tehnici.

Ceea ce sets Nexla cu adevărat aparte este capacitatea sa de a combina ușurința în utilizare cu scalabilitatea și amploarea necesare de organizații. Platforma noastră conectează aceste două lumi în mod fără seamăn, permițând echipelor să lucreze eficient fără a compromite puterea sau flexibilitatea.

Una dintre principalele puncte forte ale Nexla constă în arhitectura sa abstractă. De exemplu, în timp ce utilizatorii pot proiecta vizual un flux de date, modul în care fluxul rulează este foarte adaptabil. În funcție de cerințele utilizatorului – cum ar fi sursa, destinația sau dacă datele necesită a fi în timp real – platforma cartografiază automat fluxul către una dintre cele șase motoare diferite. Acest lucru asigură performanța optimă fără a necesita ca utilizatorii să gestioneze aceste complexități manual.

Platforma este, de asemenea, decuplată, ceea ce înseamnă că sistemele sursă și destinație sunt decuplate. Acest lucru permite utilizatorilor să adauge cu ușurință mai multe destinații la surse existente, să adauge mai multe surse la destinații existente și să permită integrări bidirecționale între sisteme.

Mai important, Nexla abstractizează proiectarea fluxurilor de date, astfel încât utilizatorii să poată gestiona date batch, date de flux și date în timp real fără a schimba fluxurile lor de lucru sau proiectele. Platforma se adaptează automat la aceste nevoi, făcându-l mai ușor pentru utilizatori să lucreze cu date în orice format sau viteză. Acest lucru este mai mult despre designul atent decât despre specificațiile limbajului de programare, asigurând o experiență fără întrerupere.

Toate acestea ilustrează faptul că am construit Nexla cu consumatorul final de date în minte. Multe instrumente tradiționale au fost proiectate pentru cei care produc date sau gestionează sisteme, dar ne concentrăm pe nevoile consumatorilor de date care doresc interfețe consistente și directe pentru a accesa date, indiferent de sursă. Prioritizarea experienței consumatorului ne-a permis să proiectăm o platformă care simplifică accesul la date, menținând în același timp flexibilitatea necesară pentru a susține diverse cazuri de utilizare.

Puteți împărtăși exemple de modul în care caracteristicile fără cod și cu cod redus au transformat ingineria datelor pentru clienții dvs.?

Caracteristicile fără cod și cu cod redus au transformat procesul de inginerie a datelor într-o experiență cu adevărat colaborativă pentru utilizatori. De exemplu, în trecut, echipa de operațiuni contabile a DoorDash , care gestionează date pentru comercianți, a trebuit să furnizeze cerințe echipei de ingineri. Inginerii ar fi construit apoi soluții, ceea ce ducea la un proces iterativ de du-te-vino care consuma mult timp.

Acum, cu instrumente fără cod și cu cod redus, această dinamică s-a schimbat. Echipa de operațiuni zilnice poate utiliza o interfață cu cod redus pentru a-și gestiona sarcinile direct. Între timp, echipa de ingineri poate adăuga rapid noi funcții și capacități prin aceeași platformă cu cod redus, permițând actualizări imediate. Echipa de operațiuni poate apoi utiliza cu ușurință aceste funcții fără întârzieri.

Acest schimb a transformat procesul într-o colaborare, în loc de a fi un blocaj creativ, rezultând economii semnificative de timp. Clienții noștri au raportat că sarcinile care au durat anterior două sau trei luni pot fi acum finalizate în mai puțin de două săptămâni – o îmbunătățire de 5 până la 10 ori a vitezei.

Cum evoluează rolul ingineriei datelor, în special cu adoptarea în creștere a IA?

Ingineria datelor evoluează rapid, condusă de automatizare și progrese precum GenAI. Multe aspecte ale domeniului, cum ar fi generarea de cod și crearea de conectoare, devin mai rapide și mai eficiente. De exemplu, cu GenAI, viteza cu care pot fi generate, testate și implementate conectoare a fost îmbunătățită semnificativ. Cu toate acestea, acest progres introduce și noi provocări, inclusiv complexitate crescută, preocupări legate de securitate și nevoia de guvernanță robustă.

O preocupare presantă este posibila utilizare abuzivă a datelor întreprinderii. Companiile se tem că datele lor exclusive pot fi utilizate involuntar pentru a antrena modele de IA și pot pierde astfel avantajul competitiv sau pot suferi o scurgere de date în timp ce datele sunt divulgate altora. Creșterea complexității sistemelor și volumul imens de date necesită ca echipele de inginerie a datelor să adopte o perspectivă mai largă, concentrându-se pe problemele sistemice, cum ar fi securitatea, guvernanța și asigurarea integrității datelor. Aceste provocări nu pot fi rezolvate pur și simplu prin IA.

În timp ce IA generativă poate automatiza sarcini de nivel inferior, rolul ingineriei datelor se mută către orchestrarea ecosistemului mai larg. Inginerii de date acționează acum mai mult ca dirijori, gestionând numeroase componente și procese interconectate, cum ar fi stabilirea de garduri pentru a preveni erorile sau accesul neautorizat, asigurarea conformității cu standardele de guvernanță și monitorizarea modului în care ieșirile generate de IA sunt utilizate în deciziile de business.

Erori și greșeli în aceste sisteme pot fi costisitoare. De exemplu, sistemele de IA pot extrage informații despre politici învechite, ceea ce duce la răspunsuri incorecte, cum ar fi promisiunea unui ramburs de bani unui client atunci când acest lucru nu este permis. Asemenea probleme necesită supraveghere riguroasă și procese bine definite pentru a detecta și aborda aceste erori înainte de a afecta afacerea.

O altă responsabilitate cheie pentru echipele de inginerie a datelor este adaptarea la schimbarea demografiei utilizatorilor. Uneltele de IA nu mai sunt limitate la analiști sau utilizatori tehnici care pot pune sub semnul întrebării valabilitatea rapoartelor și a datelor. Aceste unelte sunt acum utilizate de persoane de la marginile organizației, cum ar fi agenții de suport clienți, care nu au expertiza pentru a pune sub semnul întrebării ieșirile incorecte. Această democratizare mai largă a tehnologiei crește responsabilitatea echipelor de inginerie a datelor pentru a asigura acuratețea și fiabilitatea datelor.

Ce funcții noi sau progrese poate aștepta Nexla pe măsură ce ingineria datelor continuă să evolueze?

Ne concentrăm pe mai multe progrese pentru a aborda provocări emergente și oportunități pe măsură ce ingineria datelor continuă să evolueze. Una dintre acestea este soluții bazate pe IA pentru a aborda varietatea datelor. Una dintre principalele provocări în ingineria datelor este gestionarea varietății datelor din surse diverse, astfel încât suntem în curs de a utiliza IA pentru a simplifica acest proces. De exemplu, atunci când primiți date de la sute de comercianți diferiți, sistemul poate cartografia automat datele într-o structură standard. Astăzi, acest proces necesită adesea o contribuție umană semnificativă, dar capacitățile bazate pe IA ale Nexla își propun să minimizeze efortul manual și să îmbunătățească eficiența.

De asemenea, suntem în curs de a avansa tehnologia noastră de conectoare pentru a susține următoarea generație de fluxuri de lucru cu date, inclusiv capacitatea de a genera cu ușurință noi agenți. Acești agenți permit conexiuni fără efort la noi sisteme și permit utilizatorilor să efectueze acțiuni specifice în cadrul acestor sisteme. Acest lucru este în special destinat nevoilor în creștere ale utilizatorilor de GenAI și face mai ușoară integrarea și interacțiunea cu o varietate de platforme.

În al treilea rând, continuăm să inovăm în ceea ce privește monitorizarea și asigurarea calității îmbunătățite. Pe măsură ce mai mulți utilizatori accesează date în diverse sisteme, importanța monitorizării și asigurării calității datelor a crescut semnificativ. Scopul nostru este de a oferi instrumente robuste pentru monitorizarea sistemului și asigurarea calității, astfel încât datele să rămână fiabile și utilizabile chiar și pe măsură ce utilizarea se extinde.

În cele din urmă, Nexla ia măsuri pentru a deschide unele dintre capacitățile noastre de bază. Ideea este că, prin împărtășirea tehnologiei noastre cu comunitatea mai largă, putem împuternici mai multe persoane să profite de instrumente și soluții avansate de inginerie a datelor, ceea ce reflectă în cele din urmă angajamentul nostru de a promova inovarea și colaborarea în domeniu.

Mulțumim pentru răspunsurile excelente, cititorilor care doresc să afle mai multe, le recomandăm să viziteze Nexla.