Интервью
Эрик Шварц, Главный офицер по искусственному интеллекту (CAIO) Tricon Infotech – Интервью
Эрик Шварц является Главным офицером по искусственному интеллекту (CAIO) Tricon Infotech. ведущей консалтинговой и软件ной компании. Tricon Infotech доставляет эффективные, автоматизированные решения и полные цифровые трансформации через индивидуальные продукты и корпоративные реализации
Эрик Шварц – опытный технологический руководитель и предприниматель с более чем двумя десятилетиями опыта в технологическом секторе, специализирующийся на пересечении ИИ, поиска информации и открытия знаний. На протяжении своей карьеры Эрик был в авангарде интеграции построения крупномасштабных платформ и интеграции ИИ в технологии поиска, значительно улучшая взаимодействие пользователя и доступность информации. Его предыдущие ключевые роли в Comcast, Elsevier и Microsoft, где он возглавлял пионерские инициативы ИИ, поиска и LLM.
Профессиональное путешествие Эрика отмечено его преданностью инновациям и его верой в силу сотрудничества. Он последовательно стимулировал команды к быстрой доставке прорывных решений, твердо установив себя как доверенного лидера в технологическом сообществе. Его работа, в частности, над проектом Scopus AI в Elsevier, подчеркивает его приверженность переопределению границ того, как мы взаимодействуем с информацией и создаем доверительные отношения с пользователями.
В своей роли Главного офицера по искусственному интеллекту (CAIO) Эрик использует свой обширный опыт для разработки и реализации комплексных стратегий ИИ для клиентов Tricon. Его тщательный процесс не только демистифицирует ИИ, но также гарантирует, что эти предприятия оснащены для успеха и процветания в конкурентной среде технологии ИИ. Эрик страстно увлечен содействием росту и инновациям, делится своими идеями, чтобы вдохновить и расширить возможности организаций, чтобы эффективно использовать трансформирующую силу ИИ.
Можете ли вы поделиться некоторыми яркими моментами вашего карьерного пути, которые привели вас к вашей текущей роли Главного офицера по искусственному интеллекту в Tricon Infotech?
Я был погружен в область поиска информации на протяжении всей своей карьеры. Мое путешествие началось в начале 90-х как Веб-мастер на заре Интернета. Во время этого формативного периода я сосредоточился на построении цифровых библиотек для государственных агентств, университетов и медиа-компаний, что заложило основу для моей экспертизы в цифровых информационных системах.
В 2000-х годах я перешел к работе с поставщиками поисковых систем, где я усовершенствовал свои навыки в технологиях поиска. Этот этап моей карьеры был отмечен значительным ростом и обучением через различные приобретения, в конечном итоге приведя меня к присоединению к Microsoft в 2008 году. В Microsoft я сыграл решающую роль в разработке и совершенствовании платформ открытия знаний, стимулируя инновации и улучшая доступность информации для пользователей.
После моего пребывания в Microsoft я возглавлял инициативы в крупных корпорациях, таких как Comcast и Elsevier, где я был ответственным за управление крупномасштабными платформами открытия знаний. Эти переживания были инструментальными в формировании моего подхода к ИИ и поиску информации, что в конечном итоге привело к моей текущей роли Главного офицера по искусственному интеллекту в Tricon Infotech. Здесь я использую свой обширный опыт, чтобы стимулировать стратегии и решения ИИ, которые расширяют возможности наших клиентов, чтобы использовать полный потенциал своих данных.
Как ваши переживания в компаниях, таких как Comcast, Elsevier и Microsoft, повлияли на ваш подход к интеграции ИИ и технологий поиска?
На протяжении всей своей карьеры я был глубоко сосредоточен на методах обработки естественного языка (NLP) и машинного обучения. Первоначально эти технологии были основаны на простых правилах. Однако, поскольку наборы данных выросли, а вычислительная мощность стала более прочной, мы начали значительно улучшать пользовательский опыт, автоматически собирая данные и подпитывая их обратно в алгоритмы, чтобы улучшить их производительность.
В Microsoft, после приобретения FAST, я служил менеджером продукта в команде SharePoint. В этой роли я был вовлечен в интеграцию передовых технологий поиска в системы управления корпоративным контентом, улучшая возможности поиска информации и сотрудничества для бизнеса.
В Comcast я построил платформу открытия знаний, которая обеспечивала весь видео-бизнес, позволяя пользователям искать и открывать контент на устройствах set-top box, мобильных и веб-устройствах. Этот поисковый движок масштабировался для обработки более 1 миллиарда запросов в день, значительно улучшая пользовательский опыт, предоставляя быстрые и точные рекомендации контента и результаты поиска.
Одним из наиболее трансформирующих переживаний было в Elsevier, где мы запустили опыт Generative AI для Scopus, одного из их наиболее доверенных продуктов. Эта инициатива использовала Большую языковую модель (LLM), чтобы помочь пользователям задавать лучшие вопросы и получать более точные ответы из глубоко технического контента в базе данных академических коммуникаций. Этот подход LLM обеспечил полную точность и достоверность более 90 миллионов статей, содержащихся в базе данных, демонстрируя силу ИИ для улучшения академических исследований и распространения знаний.
Что больше всего вдохновляет вас в текущих достижениях в Generative AI и его потенциальных применениях?
Одной из самых больших исторических проблем в поиске информации было поддержание контекста. Для людей это естественный процесс, но для машин поиск информации традиционно был очень транзакционным опытом: задайте вопрос, получите ответ. Более глубокое погружение в тему требовало задавания все более конкретных вопросов. Generative AI революционизирует этот подход, позволяя более разговорный и контекстно-зависимый взаимодействие, подобный естественному разговору с кем-то, кого вы только что встретили.
Кроме того, Generative AI включает дополнительные методы, которые улучшают более глубокое понимание, которые исторически были сложными для традиционных поисковых систем. Например, Большие языковые модели (LLM) могут без усилий обрабатывать такие аспекты, как тон, анализ настроений, семантическое понимание и разъяснение. Эти возможности позволяют LLM понимать нюансы человеческого языка и контекста без усилий, предоставляя более точные и осмысленные ответы сразу.
Как подход Tricon Infotech к GenAI отличается от других компаний в отрасли?
В области Generative AI есть две основные области внимания. Первая, которая получает значительное внимание от некоторых из крупнейших технологических поставщиков, – это обучение и тонкая настройка моделей ИИ. Вторая область, где практики Generative AI действительно отличаются, – это вывод – использование Generative AI для создания ценных продуктов и услуг.
В Tricon Infotech мы фокусируемся на последнем. Наш подход отличается, поскольку мы подчеркиваем практическое применение и быструю развертываемость. Мы разработали комплексную программу, которая помогает бизнес-лидерам быстро определить наиболее эффективные случаи использования Generative AI. Наша процедура включает решение быстрой разработки прототипа, позволяющее клиентам работать со своими данными в песочнице ИИ. Этот подход гарантирует, что они могут видеть осязаемые результаты и взаимодействовать с ИИ-инсайтами на ранней стадии цикла разработки.
Кроме того, у нас есть радикальный фокус на времени до значения. Наша цель – помочь клиентам построить и развернуть потребительские приложения в течение 90 дней. Этот ускоренный график не только стимулирует быструю инновацию, но также гарантирует, что бизнес может быстро воспользоваться преимуществами Generative AI, создавая новые потоки доходов и улучшая удовлетворенность клиентов.
Можете ли вы обсудить некоторые из ключевых проблем в реализации Большых языковых моделей (LLM) и Generative AI в корпоративных решениях?
Реализация Большых языковых моделей (LLM) и Generative AI в корпоративных решениях представляет несколько возникающих проблем. Первая и наиболее важная проблема – доверие. Предприятиям необходимо быть уверенными, что системы ИИ не скомпрометируют их интеллектуальную собственность или конфиденциальную корпоративную информацию. Обеспечение безопасности данных и получение надлежащих заверений в том, что ИИ не злоупотребит данными, имеет решающее значение для получения доверия.
Вторая проблема – проблема галлюцинаций. Generative AI может иногда производить уверенные ответы, которые фактически неточны. Это может подорвать надежность систем ИИ. Техники, такие как тонкая настройка моделей и использование Retrieval Augmented Generation (RAG), могут помочь смягчить возникновение галлюцинаций, гарантируя, что ответы ИИ основаны на точных данных.
Третья значительная проблема – стоимость. Лицензирование и масштабирование LLM может быть довольно дорогим. Даже корпоративные предложения от крупных поставщиков, таких как Microsoft, Amazon и Google, сопровождаются высокими вступительными сборами и минимумами. Поэтому важно, чтобы предприятия внимательно отслеживали и управляли возвратом на инвестиции (ROI), чтобы гарантировать, что развертывание решений ИИ экономически жизнеспособно.
Можете ли вы объяснить структурированный подход Tricon Infotech для разработки индивидуальных решений GenAI для корпоративных клиентов?
Tricon Infotech – это компания по разработке продуктов, которая выделяется предложением управляемых услуг через посвященные, полнофункциональные команды продукта, а не традиционную дополнение персонала. Наш подход включает развертывание целых команд продукта, которые могут управлять каждым аспектом жизненного цикла разработки продукта, включая исследование пользователей, проектирование пользовательского опыта (UX), разработку front-end и back-end, автоматизацию тестирования, развертывание, масштабирование и непрерывную эксплуатацию.
Эта комплексная модель управляемых услуг гарантирует, что наши клиенты могут сосредоточиться напрямую на захвате ценности из своих данных без сложностей и накладных расходов на управление отдельными ресурсами. Наш ключевой драйвер – время до значения, то есть мы отдаем приоритет быстрой доставке осязаемых преимуществ. Наша амбиция – построить долгосрочные генеративные отношения с нашими клиентами, постоянно добавляя ценность и итерируя через процесс разработки функций.
Наш структурированный подход предназначен для того, чтобы быть гибким и отзывчивым, позволяя нам быстро адаптироваться к новым проблемам и возможностям в ландшафте ИИ. Используя полные возможности наших междисциплинарных команд, мы доставляем высокоиндивидуализированные решения Generative AI, которые адаптированы к конкретным потребностям каждого предприятия. Этот подход не только отличает нас от традиционных фирм по дополнению персонала, но также гарантирует, что мы предоставляем целостные, комплексные решения, которые оказывают значительное влияние на бизнес.
Какие примеры реальных проблем, которые решения GenAI от Tricon успешно решили?
- E-Лернинг – конвертация традиционных медиа и устаревших образовательных материалов в интерактивный мультимодальный контент. Это позволяет нашим клиентам переработать существующий контент, чтобы адаптироваться к новым способам обучения и достичь учеников на различных платформах, где они уже есть. Кроме того, контент может быть переработан в гиперперсонализированные программы обучения, которые могут адаптироваться автоматически к потребностям и стилям обучения ученика (аудио, визуально и т. д.)
- Частный ИИ – помощь клиентам в построении доверенных решений ИИ, которые остаются частными и соблюдают правила доступа клиентов, сохраняя при этом затраты и помогая масштабировать решение по всему предприятию, помогая перегруженным профессионалам и общим службам масштабироваться лучше для организации, а также родно понимая различные правила и ограничения политики, распределенные географически. Эти частные ИИ не только будут служить предприятию, но также будут генерировать новые потоки доходов для наших клиентов.
- Автоматизация процессов – существует еще огромное количество организаций, которые полагаются на ручные процессы и интеграцию данных в кресле-руле. ИИ помогает соединить различные системы вместе, создавая интеллектуальные слои, которые не только могут проверить данные, но и понять уникальный сигнал, созданный уникальным набором данных или инструментарием, и помочь эффективно маршрутизировать рабочие процессы, выявляя при этом проблемы цепочки поставок
Какую роль играет непрерывное обучение и рост в поддержании лидерства в быстро эволюционирующей области ИИ?
Одной из самых значительных проблем в области ИИ является повышение квалификации пула талантов. Есть новое поколение работников, которые интуитивно понимают инструменты ИИ и технологии. Однако есть также старшее поколение, которое необходимо понять, что эти инструменты могут и не могут делать. Непрерывное обучение имеет решающее значение для моста этого разрыва.
Инструменты ИИ имеют потенциал значительно улучшить производительность, позволяя бизнесу достигать гораздо большего с значительно меньшими ресурсами, сокращая при этом сроки и затраты. Чтобы эти выгоды были реализованы, сотрудники должны быть открыты для обучения новым способам работы и интеграции этих инструментов в свои рабочие процессы.
Кроме того, решающая проблема страха безопасности работы. Сотрудники должны понять, что те, кто принимает непрерывное обучение и рост, будут лучше оснащены для включения новых инструментов ИИ в свои повседневные рутинные действия, что в конечном итоге приведет к большей безопасности работы. Реальность заключается в том, что успех в будущем, управляемом ИИ, придет к тем, кто активно стремится понять и использовать эти развивающиеся технологии.
Как вы представляете себе будущее ИИ, трансформирующее технологию поиска и взаимодействие пользователя в течение следующего десятилетия?
Мы уже наблюдаем значительный сдвиг от традиционных поисковых систем к инструментам Generative AI для первоначальных запросов. Этот сдвиг обусловлен способностью Generative AI предоставлять прямые ответы и решения, устраняя необходимость пересечения нескольких веб-сайтов или ресурсов самостоятельно. В ближайшем будущем станет обычным, что ИИ будут посещать встречи, выполнять действия и обрабатывать рутинные задачи, что приведет к существенному сокращению ролей определенных функций в предприятиях.
Одной из ключевых проблем, которые остаются, является определение того, как монетизировать Generative AI, поскольку традиционная модель рекламы может столкнуться с значительными препятствиями в этом новом ландшафте. Мое предсказание заключается в том, что данные станут все более ценными, действуя как валюта, когда мы будем ориентироваться в этом смелом новом мире. Этот сдвиг потребует инновационных бизнес-моделей, которые используют уникальные возможности ИИ, гарантируя, что пользователи и предприятия могут извлечь осязаемую ценность из своих взаимодействий.
В целом, будущее ИИ в технологии поиска и взаимодействии пользователя обещает быть трансформирующим, делая поиск информации более интуитивным и эффективным, а также меняя способ, которым мы подходим к цифровым взаимодействиям и функциям предприятия.
Какой практический совет вы дадите бизнесу, стремящемуся использовать ИИ для стимулирования успеха и инноваций?
Не бойтесь технологии. Начните с того, чтобы сделать инструменты ИИ доступными для ваших сотрудников, чтобы гарантировать, что ваши данные и интеллектуальная собственность остаются безопасными. Многие сотрудники уже используют инструменты ИИ, но без надлежащего управления существует риск неправильного использования. Поэтому важно повысить квалификацию вашего персонала, чтобы они понимали риски, связанные с этим, и знали, как использовать эти инструменты безопасно и эффективно.
Кроме того, важно внимательно следить за показателями успеха. Инструменты ИИ могут быть дорогими, но затраты, как ожидается, уменьшатся со временем. Однако важно сохранять четкий фокус на возврате на инвестиции (ROI), чтобы управлять затратами и понимать влияние на ваш бизнес. Делая это, вы можете использовать ИИ для стимулирования инноваций и успеха, гарантируя, что выгоды перевешивают расходы.
Спасибо за отличное интервью, читателям, которые хотят узнать больше, следует посетить Tricon Infotech.
