Инна Токарев Села, генеральный директор и основатель illumex – Интервью

Инна Токарев Села, генеральный директор и основатель Illumex, революционизирует то, как предприятия готовят свои структурированные данные для генеративного ИИ. Illumex позволяет организациям развертывать агентов аналитики генеративного ИИ, переводя разрозненные, загадочные данные в осмысленный, контекстно-богатый бизнес-язык с встроенным управлением.

Платформа автоматически анализирует метаданные, чтобы найти и пометить структурированные данные без их перемещения или изменения, добавляя семантическое значение и выравнивая определения, чтобы обеспечить ясность и прозрачность. Создавая бизнес-термины, предлагая метрики и выявляя потенциальные конфликты, Illumex обеспечивает управление данными на высшем уровне.

С помощью Illumex агенты аналитики могут интерпретировать запросы пользователей с точностью, предоставляя точные, контекстно-осведомленные и свободные от галлюцинаций ответы. Под руководством Инны Illumex устанавливает новый эталон для готовности ИИ, помогая бизнесу раскрыть полный потенциал своих данных.

Что вдохновило вас основать illumex, и как ваш опыт в Sisense и SAP сформировал ваше видение компании?

Видение illumex возникло во время моих студенческих лет, когда я представлял информацию, доступную через ассоциации, подобные умному карту, а не традиционные базы данных – что позволяло получить прямой доступ к актуальным данным без обширной человеческой консультации.

Мое время в SAP научило меня основам построения программного обеспечения для предприятий и масштабирования операций. Работа над разработкой продукта с платформой SAP HANA cloud и бизнес-инициативами, такими как партнерская программа для стартапов, дала мне глубокие знания о потребностях клиентов. Это показало значущий разрыв между тем, как компании подходят к практике работы с данными, и тем, что фактически нужно конечным пользователям.

В Sisense построение практики ИИ с нуля продемонстрировало огромную ценность, которую ИИ может принести клиентам. Видя этот эффект, в сочетании с ростом технологий SaaS и GenAI, убедило меня, что время для запуска illumex в 2021 году было подходящим.

illumex фокусируется на Генеративной Семантической Ткани. Можете ли вы объяснить основную концепцию и то, что мотивировало вас решить эту конкретную задачу в ИИ и анализе данных?

illumex стала пионером в области Генеративной Семантической Ткани – платформы, которая автоматизирует создание контекста и рассуждений, читаемых как человеком, так и машиной. Эта платформа унифицирует опыт как моделей генеративного ИИ, основанных на LLM, так и бизнес-приложений для технических и нетехнических пользователей вокруг общего контекста.

Эта ткань обеспечивает две основные выгоды: она упрощает управление данными за счет автоматизации до 80% задач инженерии данных и позволяет нетехническим пользователям получать доступ к аналитике с встроенным управлением, объяснимостью и точностью. Обе эти выгоды решают проблему многомиллиардного рынка принятия решений в企业.

Представьте себе это как цифровую площадку, где машины, люди и приложения взаимодействуют спонтанно без предварительного программирования. Это соответствует нашему видению будущего без приложений, где вместо того, чтобы использовать множество инструментов, таких как таблицы, аналитика, финансовые системы и управление клиентами, вы просто выражаете свою задачу, и она выполняется безупречно. Генеративная Семантическая Ткань является основой для этого будущего.

Какие были некоторые из ключевых проблем, с которыми вы столкнулись в начале illumex, и как вы их преодолели?

В 2021 году, несмотря на то, что модели генеративного ИИ и графические нейронные сети существовали уже давно, было трудно объяснить инвесторам, почему нам нужен автоматический контекст и рассуждения. Даже определение этого было трудной задачей.

Я бы сказала, что самой большой проблемой было вызвать энтузиазм по поводу этой будущей технологии и будущего рынка. И мне повезло встретить прогрессивных инвесторов, которые поверили в меня.

Как illumex наделяет организации возможностью стать готовыми к ИИ, и почему этот переход критичен в сегодняшнем бизнес-ландшафте?

Бизнес-мир делится на два лагеря: компании, которые признают и капитализируются на ИИ как на трансформирующей силе, подобной Интернету, и те, которые упускают или задерживают понимание этой возможности.

illumex встречает организации на любом этапе их пути к ИИ. Мы готовим их данные для реализации генеративного ИИ, дополняем и управляем организационной логикой и контекстом, и ermögаем развертывание агентов аналитики и оркестровки.

Наша полнофункциональная платформа для реализации генеративного ИИ для структурированных данных повышает ландшафт любой компании, чтобы эффективно использовать эти передовые технологии.

illumex подчеркивает “свободные от галлюцинаций” ответы генеративного ИИ. Как illumex обеспечивает детерминированные и надежные выходные данные?

illumex строится на предсуществующих бизнес-онтологиях – графах знаний, которые захватывают отраслевую терминологию, рабочие процессы и процедуры в секторах, таких как фармацевтика, розничная торговля и производство, а также бизнес-функции, такие как финансы, HR и цепочка поставок.

При настройке для клиентов мы автоматически переобучаем эти онтологии на их метаданных. В течение нескольких дней компании могут искать свои данные, проверять результаты и выявлять проблемы, такие как дубликаты или конфликты.

Агентский чатбот аналитики обеспечивает полную прозрачность – показывая, как вопросы интерпретируются и сопоставляются с клиентской онтологией, а затем с данными. Эта прозрачность, в сочетании с автоматической проверкой данных, гарантирует детерминированные, свободные от галлюцинаций ответы. Кроме того, команды управления могут предварительно проверять потенциальные ответы, поскольку контекст включает все возможные вопросы и их вариации заранее.

Как illumex отличается от традиционных подходов, таких как Retrieval-Augmented Generation (RAG)?

Хотя RAG пытается настроить готовые модели ИИ, подпитывая их организационными данными и логикой, он сталкивается с несколькими ограничениями. Это черный ящик – вы не можете определить, предоставили ли вы достаточно примеров для правильной настройки или как обновления модели влияют на точность. Он также полагается на ученых-данных, которые могут не иметь бизнес-контекста, что делает трудным полное захват организационной логики.

Кроме того, RAG потребляет около 80% инфраструктуры и токенов ИИ просто для тонкой настройки, а не для фактического использования, что вызывает проблемы с ROI. Он также не имеет встроенного управления – нет способа для команд соответствия проверить адекватность обучения или обеспечить правильный контроль доступа.

Генеративная Семантическая Ткань (GSF) от illumex решает эти проблемы за счет автоматического построения контекста без потребления внешних токенов ИИ. Она устраняет необходимость в специализированных ученых-данных и обеспечивает полную прозрачность в сопоставлении и рассуждениях через веб-, Slack- или Teams-интерфейсы. GSF включает встроенное управление и объяснимость, четкие индикаторы организационного охвата и качества данных, а также автоматическую оценку качества для возможностей ответа на вопросы.

Многие предприятия борются с принятием решений на основе данных, несмотря на значительные инвестиции в инфраструктуру данных. Почему, по вашему мнению, существует этот разрыв, и как illumex решает его?

Разрыв между инвестициями в данные и эффективным принятием решений продолжает расширяться, поскольку объемы данных взрывоопасно растут, как внутри, так и вне организации. Теперь предприятия сталкиваются не только со своими собственными растущими данными, но и с разнообразными внешними источниками – от API погоды до облачных платформ отрасли, делящихся данными здравоохранения между европейскими учреждениями, плюс синтетические данные для различных случаев использования.

Проблема заключается в том, что организации все еще полагаются на людей для критических задач с данными, таких как моделирование, оценка качества и создание панелей управления. Однако масштаб и сложность современных сред данных делают это все более невозможным для человеческих команд эффективно классифицировать данные, оценивать их качество и обеспечить их пригодность для аналитики и автоматизации, основанных на ИИ.

illumex мостит этот разрыв, автоматизируя эти традиционно ручные процессы, что позволяет организациям эффективно управлять, проверять и использовать свой расширяющийся ландшафт данных для осмысленных бизнес-решений.

Какие отрасли были самыми быстрыми в принятии платформы illumex, и какие уникальные проблемы или возможности вы наблюдали в этих секторах?

Мы наблюдаем самое быстрое принятие в отраслях, которые находятся на пересечении интенсивности данных и сильной регуляции, где компании нуждаются в прочной автоматизации мониторинга качества данных, отслеживания использования и обнаружения конфликтов. Финансовые услуги, фармацевтика и розничная торговля/электронная коммерция лидируют, поскольку эти секторы стремятся быстро переизобрести себя, используя свои существующие активы данных, одновременно ориентируясь в сложных нормативных требованиях.

С учетом быстрого развития генеративного ИИ, какой совет вы дали бы предприятиям, стремящимся интегрировать ИИ эффективно и ответственно?

Начните с разработки четкого стратегического плана, который определяет конкретные случаи использования и бизнес-императивы, стимулирующие принятие ИИ. Очень важно избегать создания новых силосов технологий ИИ, которые работают в изоляции от существующих систем.

Вместо этого построите унифицированную платформу, которая интегрирует управление данными, аналитику и возможности генеративного ИИ. Держание инициатив ИИ отдельно от установленных практик управления не только создает значительные риски, но и приводит к увеличению затрат. Ключом является создание общей инфраструктуры, которая поддерживает все эти функции, сохраняя при этом надлежащий надзор.

С ускорением принятия ИИ, какие тенденции, по вашему мнению, будут формировать ландшафт ИИ для предприятий в течение следующих 3-5 лет?

Две основные тенденции появляются в ландшафте ИИ. Во-первых, агентская аналитика набирает обороты, позволяя проводить более сложный анализ данных и получать информацию. Во-вторых, мы наблюдаем сдвиг в сторону агентской оркестровки, которая позволяет создавать рабочие процессы на основе сотрудничества между несколькими моделями ИИ с разными функциями.

Эта оркестровка переводит нас за пределы отдельных приложений к более комплексным решениям. Например, в здравоохранении вместо изолированных приложений для конкретных задач подумайте об автоматизации всего рабочего процесса врача – объединяя сканирование изображений, обработку рецептов и рекомендации лекарств в одну бесперебойную систему.

Эти достижения полагаются на прочную генеративную семантическую ткань, чтобы обеспечить точный доступ к данным, общий контекст и координацию между агентами ИИ. Эта основа будет иметь решающее значение для того, чтобы агентская аналитика и оркестрованные решения ИИ достигли своего полного потенциала.

Спасибо за отличное интервью, читатели, которые хотят узнать больше, должны посетить Illumex.