Chris Mahl, President och VD på Pryon – Intervju-serie

Chris Mahl är President och VD på Pryon. Med mer än två decenniers erfarenhet på några av världens mest kända företagsprogramvaruföretag, specialiserar sig Chris på att skala go-to-market och operativa strategier för teknikföretag i alla tillväxtstadier.

Pryon erbjuder en tillförlitlig, säker och beprövad väg för att implementera generativ AI i företag. Pryons bästa inkapslings- och återställningssystem kan kombineras med generativa LLM för att implementera återställningsförstärkt generering och säkert tillhandahålla precisa, omedelbara och verifierbara svar i företagsstorlek.

‍

Med hjälp av branschledande återställningsteknik kan Pryon RAG Suite säkert extrahera svar från alla former av innehåll, inklusive ljud, bilder, text och video, som lagras i en mängd olika källor. Pryons produkter är lättanvända, tillgängliga via API från alla system och kan distribueras på några veckor i molnet eller på plats.

Pryon fokuserar på Retrieval-Augmented Generation (RAG). Kan du förklara hur er tillvägagångssätt för återställning skiljer sig från andra AI-drivna sök- och kunskaps hanteringssystem?

Pryons tillvägagångssätt för återställning skiljer sig eftersom vår Återställningsmotor kan komma åt innehåll i realtid från olika källor som PDF:er, bilder, webbsidor och videor medan den upprätthåller datasekretess utan externa beroenden. Vi har kombinerat semantisk sökning med granulär dataattributering för att uppnå över 90% återställningsnoggrannhet. Till skillnad från många system skalar vårt system effektivt för stora organisationer, vilket gör att team kan fatta snabba, precisa beslut baserat på sin befintliga kunskapsbas.

Pryon Ingestion Engine är utformad för att strukturera stora mängder multimodalt innehåll. Vad gör er inkapslingsprocess unik, och hur förbättrar den återställningsnoggrannheten?

Pryons inkapsling kan hantera multimodalt innehåll – extrahera svar från ljud, bilder, text och video från olika källor. Detta åtgärdar det grundläggande problemet med frånkopplad data i företag. Med ostrukturerad data som växer med över 50% per år, omvandlar vår inkapslingsmotor spridd information till strukturerad, användbar kunskap. Processen är utformad för säkerhet och sekretess, vilket skyddar känslig företagsdata samtidigt som den gör den omedelbart användbar.

Ert Återställningssystem lovar omedelbara, precisa och verifierbara svar. Hur säkerställer Pryon noggrannhet och minimerar hallucinationer när information extraheras?

Pryon säkerställer noggrannhet och minimerar hallucinationer genom flera mekanismer. Vår teknik kombinerar semantisk sökning med granulär dataattributering, vilket innebär att svar kan spåras tillbaka till sina specifika källor. Denna attributering är avgörande för verifiering. Systemet kommer åt innehåll i realtid från ursprungliga källor snarare än att förlita sig på potentiellt föråldrade eller ofullständiga kunskapsbaser. Denna direkta anslutning till källmaterial, i kombination med vår höga återställningsnoggrannhet (över 90%), minskar avsevärt risken för hallucinationer som plågar många generativa AI-system.

Hur hanterar Pryon realtidsuppdateringar av information, särskilt i dynamiska miljöer som regering, energi och hälsovård?

Pryon säkerställer realtidsåtkomst till den senaste informationen genom flexibel, on-demand-innehållssynkronisering. Användare kan utlösa innehållssynkroniseringar när som helst via vår Admin-portalen eller automatisera uppdateringar med vår Sync-API på en schemalagd basis – antingen veckovis, dagligen eller till och med timvis, beroende på operativa behov. Vår delta-kontrollprocess optimerar effektivitet genom att endast uppdatera ändrat innehåll, vilket säkerställer snabb, precis och resurseffektiv kunskapsåterställning i kritiska miljöer som regering, energi och hälsovård.

Pryon samarbetar med regerings- och försvarsbyråer. Medan detaljer ofta är klassificerade, kan du diskutera ett användningsfall där er AI avsevärt förbättrade beslutsfattning eller operativ effektivitet?

Pryon samarbetar med en rad försvars- och underrättelsebyråer, inklusive Air Force Research Laboratory (AFRL) och Chief Digital and Artificial Intelligence Office (CDAO), för att hjälpa till att strömlinjeforma operationer och möjliggöra snabbare, mer informerad beslutsfattning.

Ett kraftfullt exempel är vårt samarbete med den amerikanska flygvapnets Digital Transformation Office (DAF DTO). Detta team stöder anskaffnings- och underhållspersonal som ofta behöver hitta kritisk information som är begraven över hundratusentals webbsidor och dokument. Tillsammans lanserade vi DTO Wingman, en AI-driven assistent som levererar precisa, realtids-svar på komplexa frågor – komplett med källattribut.

Istället för att manuellt söka efter policydokument eller regleringar kan användare enkelt ställa frågor som “Vad är jag auktoriserad att köpa med mitt resekort?” eller “Vad är Digital Building Code och hur relaterar det till anskaffningar?” AI returnerar precisa svar och hjälper till och med att generera rapporter och presentationsmaterial snabbt.

Genom att ge flygvapen- och rymdstyrkepersonal omedelbar tillgång till tillförlitliga svar hjälper DTO Wingman team att arbeta mer effektivt och ge pålitlig, snabb vägledning till senior personal och beslutsfattare.

Ert arbete inom life sciences nämner AI-assisterad forskning. Hur hjälper Pryons system forskare att navigera i stora datamängder som PubMed eller privata forskningsarkiv?

Pryons system hjälper forskare att navigera i stora datamängder som PubMed eller privata forskningsarkiv genom flera nyckelfunktioner.

Förbättrad forskningskvalitet:

• Minskad mänsklig fel: Systematisk återställning av uppdaterad data säkerställer färre missade artiklar eller förbisedda bevis.
• Stödd av bevis: Varje svar är grundat i den ursprungliga litteraturen, vilket främjar datadrivna slutsatser, källhänvisningar till den specifika meningen det kom från.

Skydd över känsligt innehåll:

• Konfidentialitet: Upprätthåller strikta åtkomstkontroller och datakryptering, vilket är avgörande för proprietära eller patientrelaterade datamängder.
• Efterlevnad: Med data som styrs av regler som HIPAA eller GDPR kan forskare lita på att känslig information skyddas.

För kundtjänst och försäljning, hur jämför Pryons AI med traditionella chatbot- och CRM-lösningar när det gäller att öka effektivitet och minska supportbelastning?

Kundtjänst-/försäljningsinteraktioner måste vanligtvis balansera noggrannhet och flexibilitet i sina chatbot-/CRM-lösningar. Eftersom att ge ett felaktigt svar till en kund är oacceptabelt och kan ha rättsliga konsekvenser, väljer många chatbot-leverantörer och traditionella konversations-AI-lösningar att begränsa flexibiliteten i lösningen med hårda deterministiska “FAQ-endast”-stilinteraktioner.

Detta är ett problem för leverantören, som kräver manuell kodning av specifika svar på vanliga frågor, och ger en dålig upplevelse för kunden, som har gränssnittet för en chatbot – men en helt inflexibel upplevelse som knappast skiljer sig från att läsa en FAQ. Andra leverantörer försöker använda en mer flexibel generativ upplevelse med färre begränsningar för LLM, men på grund av brist på exakt återställning innebär detta att stoppa hela produktkataloger eller webbsidor i LLM:s kontextfönster, vilket minskar noggrannheten i utdata, potentiellt katastrofalt.

Konsten och vetenskapen om RAG handlar om att maximera signalen (sanningen) och minimera bruset (irrelevant kontext som ofta förvirrar LLM). Pryons återställningsprecision – som kan källa ett specifikt meningsnivåsvar över alla dokument – innebär att kundtjänst och försäljning inte längre behöver kompromissa med noggrannhet för flexibilitet.

Vad ser du som de största utmaningarna i företags AI-antagande idag, särskilt med RAG-baserade system?

Medan det utan tvekan är något vi finner i våra egna interaktioner med marknaden, är det också alltmer erkänt att “AI-klar data” (eller bristen därpå) är den enskilt största felkällan för AI-distributioner.

• 91% av chefer i en Harvard Business Review-undersökning sa att en tillförlitlig datagrund är avgörande för en lyckad AI-distribution.
• McKinsey fann att 70% av GenAI-initiativen möter utmaningar relaterade till data, med endast 1% av ett företags viktiga data som återspeglas i dagens modeller.
• The Wall Street Journal citerade tillförlitlighet som den främsta oron för AI-agentantagande – en fråga som är nära kopplad till datakvalitet och tillgänglighet.
• Gartner identifierade bristen på GenAI-klar data som den främsta orsaken till misslyckade distributioner.

AI-klar data går utöver att bara vektorisera era Word-dokument – det handlar om att förena era siloade källor, arbeta med komplexa format som multimodala indata, rensa er data, förbättra er data, få den i ett format som LLM kan arbeta med, dela upp den i rätt granularitetsnivå för att upprätthålla optimal noggrannhet och hålla kostnaderna nere, indexera den intelligent, ansluta den till ett högpresterande återställningssystem etc.

Dessa är stora utmaningar som kräver dedikerade kompetenser och verktyg – i en undersökning av RAG-byggare som utvecklar lösningar inom stora företag som Pryon genomförde, rankades dataprofilering som den mest tidskrävande och tekniskt utmanande delen av bygget, nära följt av informationsåterställning.

Hur differentierar du Pryons RAG Suite från företagslösningar som erbjuds av Microsoft, Google eller OpenAI?

Specifik differentiering varierar från spelare till spelare, men på en hög nivå fokuserar de stora tech-spelarna på att vara “gränssnittet” till AI på arbetsplatsen. Pryon fokuserar på en mer grundläggande nivå av stacken – kunskapslagret. Pryon löser de djupa problemen med dataförberedelser och återställning, medan de stora tech-spelarna fokuserar på att tillhandahålla breda AI-lösningar som kan tjäna några enkla RAG-användningsfall men ofta går sönder när de möter de verkliga livets komplexiteter i företags- och regeringsanvändningsfall. Pryon kan också komplettera dessa system, med innehållet som genereras av Copilot, Gemini eller GPT som ansluts till Pryons kunskapslager för att organiseras och göras redo för användning av nedströmsapplikationer och agenter.

Medan AI-regler utvecklas, som EU:s AI-lag och USA:s AI-riktlinjer, hur närmar sig Pryon efterlevnad och etisk AI-användning?

Medan AI-regler utvecklas globalt, förblir Pryon engagerad i efterlevnad och etisk AI-distribution. Vår tillvägagångssätt är i linje med ramverk som EU:s AI-lag, USA:s AI-riktlinjer och Försvarsdepartementets ansvarsfulla AI (RAI)-principer, som säkerställer att våra AI-lösningar är pålitliga, transparenta och styrbara. Genom att följa RAI SHIELD-ramverket integrerar vi rigorös utvärdering, spårbarhet och kontinuerlig övervakning över hela AI-livscykeln – prioriterar säkerhet, rättvisa och prestanda. Genom att införliva dessa bästa metoder i vår distributionsmetodik, möjliggör Pryon för organisationer att på ett ansvarsfullt sätt utnyttja AI samtidigt som de uppfyller de högsta regulatoriska och etiska standarderna.

Tack för den utmärkta intervjun, läsare som vill lära sig mer bör besöka Pryon.