Inna Tokarev Sela, VD och grundare av illumex – Intervjuer

Inna Tokarev Sela, VD och grundare av Illumex, förändrar hur företag förbereder sin strukturerade data för generativ AI. Illumex möjliggör för organisationer att distribuera genAI-analytiska agenter genom att översätta spridd, kryptisk data till meningsfull, sammanhangsrik affärsspråk med inbyggd styrning.

Plattformen analyserar automatiskt metadata för att lokalisera och märka strukturerad data utan att flytta eller ändra den, lägga till semantisk mening och anpassa definitioner för att säkerställa tydlighet och transparens. Genom att skapa affärstermer, föreslå mått och identifiera potentiella konflikter säkerställer Illumex datastyrning på högsta nivå.

Med Illumex kan analytiska agenter tolka användarfrågor med precision, leverera exakta, sammanhangsmedvetna och hallucinationsfria svar. Under Inna’s ledning sätter Illumex en ny standard för AI-beredskap, vilket hjälper företag att låsa upp den fulla potentialen av sin data.

Vad inspirerade dig att grundade illumex, och hur har dina erfarenheter från Sisense och SAP format din vision för företaget?

Visionen för illumex uppstod under mina studier, där jag föreställde mig att information skulle vara tillgänglig genom associationsliknande kartor snarare än traditionella databaser – möjliggörande direkt tillgång till relevant data utan omfattande mänsklig konsultation.

Min tid på SAP lärde mig grunderna i att bygga företagsprogramvara och skala upp verksamheten. Att arbeta med produktutveckling med SAP HANA-molnplattform och affärsinitiativ som startup-samarbetsramen gav mig djupa insikter i företagskundernas behov. Det avslöjade en betydande klyfta mellan hur företag närmar sig datapraxis och vad slutanvändare faktiskt behöver.

På Sisense, byggandet av AI-praxis från scratch visade det enorma värdet som AI kunde bringa till kunder. Att se denna påverkan, i kombination med den snabba utvecklingen av SaaS och GenAI-teknologier, övertygade mig om att tiden var rätt att lansera illumex 2021.

illumex fokuserar på Generativ Semantisk Tyg. Kan du förklara den centrala konceptet och vad som motiverade dig att tackla denna specifika utmaning inom AI och dataanalys?

illumex var först med att utveckla Generativ Semantisk Tyg – en plattform som automatiserar skapandet av mänskligt och maskinläsbart organisatoriskt sammanhang och resonemang. Denna plattform förenar upplevelsen av både LLM-baserad generativ AI och affärsapplikationer för tekniska och icke-tekniska användare runt ett delat sammanhang.

Denna tyg ger två stora fördelar: den strömlinjeformar datahantering genom automatisering av upp till 80% av dataingenjöruppgifter och möjliggör för icke-tekniska användare att komma åt analyser med inbyggd styrning, förklarbarhet och exakthet. Båda dessa fördelar adresserar en multibilliondollar marknad för företagsbeslut.

Tänk på det som en digital lekplats där maskiner, människor och applikationer interagerar spontant utan förprogrammering. Detta överensstämmer med vår vision om en applikationsfri framtid, där istället för att hantera flera verktyg som kalkylblad, analyser, finansiella system och kundhantering, uttrycker du bara din uppgift och den slutförs smidigt. Generativ Semantisk Tyg är grunden för denna framtid.

Vilka var några av de viktigaste utmaningarna du stod inför under illumex tidiga dagar, och hur övervann du dem?

År 2021, trots att generativ AI-semantiska modeller har funnits sedan 2017, och grafiska neurala nätverk har funnits ännu längre, var det en tuff uppgift att förklara för VD varför vi behöver automatiserat sammanhang och resonemang. Att definiera det redan då var en tuff uppgift.

Jag skulle säga att den största utmaningen var att verkligen väcka denna entusiasm för denna framtida teknik och framtida marknad. Och jag var mycket lycklig att möta framåttänkande investerare som trodde på mig.

Hur ger illumex organisationer möjlighet att bli AI-beredda, och varför är denna övergång kritisk i dagens affärslandskap?

Affärsvärlden delar sig i två läger: företag som erkänner och kapitaliserar på AI som en transformerande kraft liknande internet, och de som missar eller fördröjer förståelsen av denna möjlighet.

illumex möter organisationer var de än befinner sig i sin AI-resa. Vi förbereder deras data för generativ AI-implementering, förstärker och styr organisatorisk logik och sammanhang, och möjliggör distributionen av agentbaserad analys och orkestrering.

Vår fullständiga GenAI-implementeringsplattform för strukturerad data höjer varje företags landskap för att effektivt utnyttja dessa avancerade teknologier.

illumex betonar “hallucinationsfria” generativa AI-svar. Hur säkerställer illumex deterministiska och tillförlitliga utdata?

illumex bygger på befintliga affärsontologier – kunskapsgrafer som fångar branschspecifik terminologi, arbetsflöden och processer över sektorer som läkemedel, detaljhandel och tillverkning, samt affärsfunktioner som finans, HR och leverantörskedja.

När vi ombordar kunder, återtränar vi automatiskt dessa ontologier på deras metadata. Inom dagar kan företag söka sin data, validera resultaten och identifiera problem som dubletter eller konflikter.

Den agenterbaserade analytiska chattboten ger fullständig transparens – visar hur frågor tolkas och mappas till kundens ontologi och sedan till data. Denna transparens, i kombination med automatisk datavalidering, säkerställer deterministiska, hallucinationsfria svar. Dessutom kan styrningsteam förvalidera potentiella svar eftersom sammanhanget inbäddar alla möjliga frågor och deras permutationer i förväg.

Hur skiljer sig illumex från traditionella tillvägagångssätt som Retrieval-Augmented Generation (RAG)?

Medan RAG försöker anpassa standard-AI-modeller genom att mata dem med organisatorisk data och logik, möter det flera begränsningar. Det är en svart låda – du kan inte bestämma om du har tillhandahållit tillräckligt med exempel för korrekt anpassning eller hur modelluppdateringar påverkar exaktheten. Det kräver också dataexperter som kan sakna affärssammanhang, vilket gör det svårt att fullständigt fånga organisatorisk logik.

Dessutom konsumerar RAG runt 80% av AI-infrastruktur och token bara för finjustering snarare än faktisk användning, vilket väcker ROI-bekymmer. Det saknar också inbyggd styrning – det finns inget sätt för regelefterlevnadsteam att validera utbildnings tillräcklighet eller säkerställa korrekt åtkomstkontroll.

illumex’s Generativa Semantiska Tyg (GSF) adresserar dessa utmaningar genom att automatisera sammanhangsbyggnad utan att konsumera externa AI-token. Det eliminerar behovet av specialiserade dataexperter och ger fullständig transparens i mappning och resonemang genom webb-, Slack- eller Teams-gränssnitt. GSF innehåller inbyggd styrning och förklarbarhet, tydliga indikatorer för organisatorisk täckning och datakvalitet, samt automatisk kvalitetsbedömning för frågesvarsförmåga.

Många företag kämpar med att fatta datastyrd beslut trots att de investerar kraftigt i datainfrastruktur. Varför tror du att denna klyfta finns, och hur adresserar illumex den?

Klyftan mellan datainvestering och effektivt beslutsfattande fortsätter att växa när datavolymer exploderar, både internt och externt. Organisationer står nu inför inte bara sin egen växande data, utan också en mängd externa källor – från väder-API:er till branschmolnplattformar som delar hälsoinformation över europeiska institutioner, plus syntetisk data för olika användningsfall.

Utmaningen är att organisationer fortfarande förlitar sig på människor för kritiska datatyper som modellering, kvalitetsbedömning och dashboard-skapande. Men skalan och komplexiteten i moderna datamiljöer gör det alltmer omöjligt för mänskliga team att effektivt klassificera data, bedöma dess kvalitet och säkerställa att den är lämplig för AI-drivna analyser och automatisering.

illumex brottar denna klyfta genom att automatisera dessa traditionellt manuella processer, vilket möjliggör för organisationer att effektivt hantera, validera och utnyttja sin växande datalandskap för meningsfulla affärsbeslut.

Vilka branscher har varit de snabbaste att anta illumex plattform, och vilka unika utmaningar eller möjligheter har du observerat i dessa sektorer?

Vi ser den snabbaste antagandet i branscher som befinner sig i skärningspunkten mellan dataintensitet och tung reglering, där företag behöver robust automatisering av datakvalitetsövervakning, användningsspårning och konfliktupptäckt. Finansiella tjänster, läkemedel och detaljhandel/e-handel är i täten, eftersom dessa sektorer syftar till att snabbt omvandla sig själva med hjälp av sina befintliga dataresurser samtidigt som de navigerar i komplexa regleringskrav.

Med generativ AI som utvecklas snabbt, vad råd skulle du ge till företag som vill integrera AI effektivt och ansvarsfullt?

Börja med att utveckla en tydlig strategisk plan som identifierar specifika användningsfall och de affärsmässiga drivkrafter som driver AI-antagandet. Det är avgörande att undvika att skapa nya silos av AI-teknologi som opererar i isolering från befintliga system.

Bygg istället en enhetlig plattform som integrerar datahantering, analys och generativ AI-funktioner. Att hålla AI-initiativ frånkopplade från etablerade styrningspraxis skapar inte bara betydande risker, utan leder också till ökade kostnader. Nyckeln är att skapa en gemensam infrastruktur som stöder alla dessa funktioner samtidigt som den upprätthåller ordentlig tillsyn.

Med AI-antagandet som accelererar, vilka trender ser du som formar den företagsmässiga AI-landskapet under de kommande 3-5 åren?

Två stora trender är på väg att uppstå i AI-landskapet. För det första, agenterbaserad analys är på väg att vinna mark, vilket möjliggör mer sofistikerad dataanalys och insikter. För det andra ser vi en förskjutning mot agenterbaserad orkestrering, som möjliggör arbetsflöden baserade på samarbete mellan flera AI-modeller med olika funktioner.

Denna orkestrering flyttar oss bortom enskilda tillämpningar mot mer omfattande lösningar. Till exempel inom hälso- och sjukvården, istället för isolerade tillämpningar för specifika uppgifter, tänk på automatisering av hela läkarpraktikflöden – kombinera bildscanning, receptbearbetning och läkemedelsrekommendationer i ett enda smidigt system.

Dessa framsteg bygger på en robust generativ semantisk tyg för att säkerställa korrekt dataåtkomst, delat sammanhang och samordning mellan AI-agenter. Denna grund kommer att vara avgörande för att möjliggöra både agenterbaserad analys och orkestrerad AI-lösning för att nå sin fulla potential.

Tack för den underbara intervjun, läsare som vill lära sig mer kan besöka Illumex.