Chris Mahl, President och VD på Pryon – Intervjuserie

Chris Mahl är President och VD på Pryon. Med mer än två decenniers erfarenhet av 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 till implementering av generativ AI i företag. Pryons bästa ingestion- och återställningssmotorer kan kombineras med generativa LLM för att implementera återställningsbaserad 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 typer av innehåll, inklusive ljud, bilder, text och video, som lagras i en mängd olika källor. Pryons produkter är intuitiva att använda, 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 dataintegritet 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 och precisa beslut baserat på deras befintliga kunskapsbas.

Pryons 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 löser det grundläggande problemet med frånkopplade data i företag. Med ostrukturerade data som växer med över 50% per år, omvandlar vår inkapslingsmotor spridda uppgifter till strukturerad, användbar kunskap. Processen är utformad för säkerhet och integritet, vilket skyddar känsliga företagsdata samtidigt som den gör dem omedelbart användbara.

Ert Retrieval Engine lovar omedelbara, precisa och verifierbara svar. Hur säkerställer Pryon noggrannhet och minimerar hallucinationer när man extraherar information?

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, på begäran 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, noggrann och resurseffektiv kunskapsåterställning i uppdragskritiska miljöer som regering, energi och hälsovård.

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

Ett kraftfullt exempel är vårt samarbete med USA:s flygvapendepartements Digital Transformation Office (DAF DTO). Detta team stöder förvärvs- och underhållspersonal som ofta behöver hitta kritisk information som är begravd i hundratusentals webbsidor och dokument. Tillsammans lanserade vi DTO Wingman, en AI-driven assistent som levererar precisa, realtidsbaserade svar på komplexa frågor – komplett med källattribut.

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

Genom att ge flyg- och rymdpersonal omedelbar tillgång till pålitliga svar hjälper DTO Wingman team att arbeta mer effektivt och ge tillförlitlig, snabb vägledning till seniorpersonal 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 forskningsdatabaser?

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

Förbättrad forskningskvalitet:

• Minskat mänskligt fel: Systematisk återställning av uppdaterad data säkerställer att färre artiklar eller bevis förbises.
• Stöds av bevis: Varje svar är baserat på den ursprungliga litteraturen, vilket främjar datadrivna slutsatser, källhänvisningar till den specifika meningen det kom från.

Skydd för känsligt innehåll:

• Konfidentialitet: Upprätthåller strikta åtkomstkontroller och datakryptering, vilket är avgörande för proprietära eller patientrelaterade datamängder.
• Efterlevnad: Med data som regleras av lagar 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”-interaktioner.

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 oflexibel upplevelse som knappt 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 hela produktkataloger eller webbsidor stoppas in i LLM:s kontextfönster, vilket minskar noggrannheten i utdata, potentiellt katastrofalt.

Konsten och vetenskapen om RAG handlar om att maximera signal (sanning) och minimera brus (irrelevant kontext som ofta förvirrar LLM). Pryons återställningsprecision – som kan källa ett specifikt svar på meningsnivå över alla dokument – innebär att kundtjänst och försäljning inte längre behöver kompromissa med noggrannhet för flexibilitet.

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

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

• 91% av cheferna 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 presterande återställningssystem etc.

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

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

Specifik differentiering varierar från spelare till spelare, men på en hög nivå fokuserar de stora teknikspelarna på att vara “gränssnittet” till AI på jobbet. Pryon fokuserar på en mer grundläggande nivå av stacken – kunskapslagret. Pryon löser de djupa problemen med datakonvertering och återställning, medan de stora teknikspelarna fokuserar på att tillhandahålla breda AI-lösningar som kan tjäna vissa enkla RAG-användningsfall men ofta går sönder när det gäller 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?

Som AI-regler utvecklas globalt, förblir Pryon engagerat i efterlevnad och etisk AI-distribution. Vår tillvägagångssätt överensstämmer med ramverk som EU:s AI-lag, USA:s AI-riktlinjer och Försvarsdepartementets ansvarsfulla AI (RAI)-principer, vilket 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, ger Pryon organisationer möjlighet att utnyttja AI på ett ansvarsfullt sätt samtidigt som de uppfyller de högsta regulatoriska och etiska standarderna.

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