Soham Mazumdar, medgrundare och VD för WisdomAI – Intervjuserie

Soham Mazumdar är medgrundare och VD för WisdomAI, ett företag som ligger i framkant när det gäller AI-drivna lösningar. Innan han grundade WisdomAI 2023 var han medgrundare och chefsarkitekt på Rubrik, där han spelade en nyckelroll i att skala upp företaget under en period av 9 år. Soham hade tidigare haft ledande roller inom teknik på Facebook (META ) och Google (GOOGL ), där han bidrog till kärnsökningsinfrastruktur och belönades med Google Founders Award. Han var också med och grundade Tagtile, en mobil lojalitetsplattform som förvärvades av Facebook. Med två decenniers erfarenhet av programvaruarkitektur och AI-innovation är Soham en erfaren entreprenör och teknolog som är baserad i San Francisco Bay Area.

WisdomAI är en AI-nativ affärsintelligensplattform som hjälper företag att få tillgång till realtidsinsikter med hög precision genom att integrera strukturerad och ostrukturerad data med hjälp av sin patenterade “Knowledge Fabric”. Plattformen driver specialiserade AI-agenter som kuraterar datakontext, svarar på affärsfrågor på naturligt språk och proaktivt identifierar trender eller risker – utan att generera hallucinerat innehåll. Till skillnad från traditionella BI-verktyg använder WisdomAI generativ AI strikt för frågegenerering, vilket säkerställer hög noggrannhet och tillförlitlighet. Den integrerar med befintliga dataekosystem och stöder företagsklassad säkerhet, med tidig adoption av stora företag som Cisco och ConocoPhillips (COP ).

Du var med och grundade Rubrik och hjälpte till att skala upp det till ett stort företagssuccé. Vad inspirerade dig att lämna 2023 och bygga WisdomAI – och var det någon specifik stund som klargjorde denna nya riktning?

Problemets ineffektivitet inom företagsdata stirrade mig rakt i ansiktet. Under min tid på Rubrik såg jag hur Fortune 500-företag drunknade i data men svalt efter insikter. Trots all infrastruktur vi byggde hade mindre än 20% av företagsanvändarna faktiskt rätt tillgång och kunskap för att använda data effektivt i sitt dagliga arbete. Det var ett massivt, systematiskt problem som ingen verkligen löste.

Jag är också en byggare av naturen – du kan se det i min bana från Google till Tagtile till Rubrik och nu WisdomAI. Jag får energi av att ta på mig grundläggande utmaningar och bygga lösningar från grunden. Efter att ha hjälpt till att skala upp Rubrik till företagssuccé kände jag den entreprenöriella dragningskraften igen att ta itu med något lika ambitiöst.

Sist men inte minst var AI-möjligheten omöjlig att ignorera. Vid 2023 blev det klart att AI kunde slutligen överbrygga klyftan mellan data tillgänglighet och dataanvändbarhet. Tiden kändes perfekt för att bygga något som kunde demokratisera datainsikter för varje företagsanvändare, inte bara de tekniska få.

Ögonblicket av klarhet kom när jag insåg att vi kunde kombinera allt jag lärt mig om företagsdatainfrastruktur på Rubrik med den transformerande potentialen av AI för att lösa detta grundläggande ineffektivitetsproblem.

WisdomAI introducerar en “Knowledge Fabric” och en uppsättning AI-agenter. Kan du bryta ner hur detta system fungerar tillsammans för att gå utöver traditionella BI-instrumentpaneler?

Vi har byggt en agentic datainsiktsplattform som fungerar med data där den är – strukturerad, ostrukturerad och till och med “smutsig” data. Istället för att be analytics-team att köra rapporter kan affärschefer direkt ställa frågor och borra ner i detaljer. Vår plattform kan tränas på valfri data warehouse-system genom att analysera frågeloggar.

Vi är kompatibla med stora molndata-tjänster som Snowflake, Microsoft Fabric, Google’s BigQuery, Amazon’s Redshift, Databricks och Postgres och även dokumentformat som Excel, PDF, PowerPoint etc.

Till skillnad från konventionella verktyg som är utformade främst för analytiker, ger vår konversationsgränssnitt affärsanvändare möjlighet att få svar direkt, medan vår multi-agentarkitektur möjliggör komplexa frågor över olika datasystem.

Du har betonat att WisdomAI undviker hallucinationer genom att separera GenAI från svarsgenerering. Kan du förklara hur ditt system använder GenAI annorlunda – och varför det är viktigt för företagsförtroende?

Vårt AI-klara kontextmodell tränas på organisationens data för att skapa en universell kontextförståelse som svarar på frågor med hög semantisk noggrannhet samtidigt som den upprätthåller dataintegritet och styrning. Dessutom använder vi generativ AI för att formulera välavgränsade frågor som möjliggör dataextraktion från olika system, snarare än att mata in rådata i LLM. Detta är avgörande för att hantera hallucination och säkerhetsproblem med LLM.

Du myntade termen “Agentic Data Insights Platform”. Hur skiljer sig agentic intelligens från traditionella analysverktyg eller ens standard LLM-baserade assistenter?

Traditionella BI-stackar bromsar beslutsfattandet eftersom varje fråga måste kämpa sig igenom frånkopplade datasilor och en reläteam av specialister. När en VD för försäljning behöver veta hur man stänger kvartalet, passerar svaret vanligtvis genom ett halvdussin händer – analytiker som hanterar CRM-extraheringsfiler, dataingenjörer som syr ihop filer och instrumentpanelbyggare som uppdaterar rapporter – vilket förvandlar en enkel fråga till ett flerdagarsprojekt.

Vår plattform bryter ner dessa silor och sätter hela data djupet en tangenttryckning bort, så att VD för försäljning kan borra från rubrikmått till radnivådetalj på några sekunder.

Inga väntetider i analystkön, inga fördefinierade instrumentpaneler som inte kan hålla jämna steg med nya frågor – bara sanna självbetjäningsinsikter levererade i den takt affärerna rör sig.

Hur säkerställer du att WisdomAI anpassar sig till den unika data-vokabulären och strukturen för varje företag? Vilken roll spelar mänsklig inmatning för att finslipa Knowledge Fabric?

Att arbeta med data där och hur den är – det är i princip den heliga graalen för företagsbusiness intelligence. Traditionella system är inte utformade för att hantera ostrukturerad data eller “smutsig” data med stavfel och fel. När information finns över olika källor – databaser, dokument, telemetridata – kämpar organisationer för att integrera denna information sammanhängande.

Utan förmåga att hantera dessa olika datatyper förblir värdefull kontext isolerad i separata system. Vår plattform kan tränas på valfri data warehouse-system genom att analysera frågeloggar, vilket möjliggör anpassning till varje organisations unika data-vokabulär och struktur.

Du har beskrivit WisdomAIs utvecklingsprocess som “vibe coding” – att bygga produkterfarenheter direkt i kod först, sedan iterera genom verkliga användningsfall. Vilka fördelar har denna tillvägagångssätt gett dig jämfört med traditionell produktutformning?

“Vibe coding” är en betydande förändring i hur programvara byggs, där utvecklare utnyttjar kraften i AI-verktyg för att generera kod genom att beskriva önskad funktionalitet på naturligt språk. Det är som en intelligent assistent som gör vad du vill att programvaran ska göra, och den skriver koden åt dig. Detta minskar dramatiskt den manuella ansträngningen och tiden som traditionellt krävs för kodning.

För år sedan har skapandet av digitala produkter i stor utsträckning följt ett välbekant manus: noggrant planera produkten och UX-design, sedan utföra utvecklingen och iterera baserat på feedback. Logiken var tydlig eftersom investeringar i design uppströms minskar dyra omarbeten under den mer kostsamma och tidskrävande utvecklingsfasen. Men vad händer när kostnaden och tiden för att utföra utvecklingen drastiskt minskar? Denna förmåga vänder den traditionella utvecklingssekvensen upp och ner. Plötsligt kan utvecklare börja bygga fungerande programvara baserat på en övergripande förståelse för kraven, även innan detaljerad produkt- och UX-design är färdigställd.

Med AI-kodgenereringens hastighet kan den insats som krävs för att skapa uttömmande fördesign bli relativt mer tidskrävande än att få en grundläggande, fungerande version av programvaran igång. Det nya paradigmet i världen av “vibe coding” blir: utför (kod med AI), sedan anpassa (design och finslipa).

Denna tillvägagångssätt möjliggör otroligt tidig användarvalidering av kärnkoncept. Tänk dig att få feedback på den faktiska funktionaliteten i en funktion innan du investerar tungt i detaljerad visuell design. Detta kan leda till mer användarcentrerad design, eftersom designprocessen direkt informeras av hur användare interagerar med en greppbar produkt.

Hos WisdomAI omfamnar vi aktivt AI-kodgenerering. Vi har funnit att genom att omfamna snabb initial utveckling kan vi snabbt testa kärnfunktionaliteter och samla in ovärderlig användarfeedback tidigt i processen, live på produkten. Detta tillåter vårt designteam att sedan fokusera på att finslipa användarupplevelsen och visuell design baserat på verkligt användningsfall, vilket leder till mer effektiva och användarkära produkter, snabbare.

Från försäljning och marknadsföring till tillverkning och kundframgång, WisdomAI riktar sig till en bred spektrum av affärsanvändningsfall. Vilka vertikaler har sett den snabbaste antagandet – och vilka användningsfall har överraskat dig i sin påverkan?

Vi har sett transformerande resultat med flera kunder. För F500-olje- och gasföretaget ConocoPhillips använder borringsingenjörer och operatörer nu vår plattform för att ställa komplexa brunnfrågor direkt på naturligt språk. Innan WisdomAI behövde dessa ingenjörer teknisk hjälp för även de mest grundläggande operativa frågorna om brunnstatus eller jobbprestanda. Nu kan de omedelbart komma åt denna information samtidigt som de jämför mot bästa praxis i sina borrningshandböcker – allt genom samma konversationsgränssnitt. De utvärderade flera AI-leverantörer under en sexmånadersprocess, och vår lösning levererade en 50% förbättring av noggrannheten jämfört med den närmaste konkurrenten.

Hos det hyper-tillväxt-cyber-säkerhetsföretaget Descope används WisdomAI som en virtuell dataanalytiker för försäljning och finans. Vi minskade rapportskapandetiden från 2-3 dagar till bara 2-3 timmar – en 90% minskning. Detta förvandlade deras veckovisa försäljningsmöten från datainsamlingsövningar till strategisessioner fokuserade på agerbara insikter. Som deras VD för försäljning noterar, “Wisdom AI bringar data till mina fingrar. Det verkligen demokratiserar data, ger mig kraften att gå och svara på frågor och fortsätta med min dag, snarare än att definiera min fråga, vänta på att någon bygger svaret och sedan få det på 5 dagar.” Förmågan att fatta data-drivna beslut med utanför denna hastighet har varit särskilt avgörande för ett snabbt växande företag i den konkurrensutsatta identitetshanteringmarknaden.

Många företag idag är överbelastade med instrumentpaneler, rapporter och siloade verktyg. Vilka är de vanligaste missuppfattningarna företag har om business intelligence idag?

Organisationer sitter på rikliga mängder information, men kämpar för att utnyttja denna data för snabb beslutsfattning. Utmaningen är inte bara att ha data, utan att arbeta med den i dess naturliga tillstånd – som ofta inkluderar “smutsig” data som inte är renad från stavfel eller fel. Företag investerar tungt i infrastruktur, men möter flaskhalsar med rigida instrumentpaneler, dålig datahygien och siloade information. De flesta företag behöver specialiserade team för att köra rapporter, vilket skapar betydande förseningar när affärsledare behöver svar snabbt. Gränssnittet där människor konsumerar data förblir föråldrat trots framsteg inom molndata-motorer och data-vetenskap.

Do you view WisdomAI as augmenting or eventually replacing existing BI tools like Tableau or Looker? How do you fit into the broader enterprise data stack?

Vi är kompatibla med stora molndata-tjänster som Snowflake, Microsoft Fabric, Google’s BigQuery, Amazon’s Redshift, Databricks och Postgres och även dokumentformat som Excel, PDF, PowerPoint etc. Vår tillvägagångssätt transformerar gränssnittet där människor konsumerar data, som har förblivit föråldrat trots framsteg inom molndata-motorer och data-vetenskap.

Looking ahead, where do you see WisdomAI in five years—and how do you see the concept of “agentic intelligence” evolving across the enterprise landscape?

Framtiden för analys är på väg att flytta från specialistdrivna rapporter till självbetjäningsintelligens som är tillgänglig för alla. BI-verktyg har funnits i över 20 år, men antagandet har inte ens nått 20% av företagsanställda. Samtidigt antog 60% av arbetsplatsanvändare ChatGPT på bara tolv månader, många använde det för dataanalys. Denna dramatiska skillnad visar potentialen för konversationsgränssnitt för att öka antagandet.

Vi ser en grundläggande förändring där alla anställda kan direkt förhöra data utan tekniska färdigheter. Framtiden kommer att kombinera den beräkningskraften i AI med naturlig mänsklig interaktion, vilket möjliggör insikter som hittar användare proaktivt snarare än att kräva att de letar igenom instrumentpaneler.

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