คริส มาห์ล ประธานและซีอีโอของ Pryon – ซีรีส์สัมภาษณ์

คริส มาห์ล เป็นประธานและประธานเจ้าหน้าที่บริหารของ Pryon ด้วยประสบการณ์มากกว่าสองทศวรรษในบริษัทซอฟต์แวร์สำหรับองค์กรที่มีชื่อเสียงที่สุดในโลก คริสเชี่ยวชาญในการขยายกลยุทธ์การตลาดและการดำเนินงานสำหรับบริษัทเทคโนโลยีทุกขนาด

Pryon มอบเส้นทางที่เชื่อถือได้ ปลอดภัย และพิสูจน์แล้วในการนำ AI ที่สร้างสรรค์ไปใช้ในองค์กร เครื่องยนต์ในการดึงข้อมูลและค้นหาของ Pryon ที่ดีที่สุดในระดับเดียวกันสามารถจับคู่กับ LLM ที่สร้างสรรค์ในการนำไปใช้ในการสร้างการค้นหาที่เพิ่มประสิทธิภาพและให้คำตอบที่ถูกต้อง ทันที และสามารถตรวจสอบได้ในระดับองค์กร

โดยใช้เทคโนโลยีการค้นหาที่เป็นเลิศในอุตสาหกรรม เครื่องยนต์ Pryon RAG Suite สามารถดึงคำตอบออกจากเนื้อหาทุกประเภท รวมถึงเสียง รูปภาพ ข้อความ และวิดีโอ ที่จัดเก็บในแหล่งต่างๆ ได้อย่างปลอดภัยและเชื่อถือได้ ผลิตภัณฑ์ของ Pryon ใช้งานง่าย สามารถเข้าถึงได้ผ่าน API จากระบบใดๆ และสามารถติดตั้งได้ภายในไม่กี่สัปดาห์บนคลาวด์หรือในองค์กร

Pryon มุ่งเน้นไปที่การสร้างการค้นหาที่เพิ่มประสิทธิภาพ (RAG) คุณสามารถอธิบายได้อย่างไรว่าการเข้าถึงข้อมูลของ Pryon แตกต่างจากการค้นหาที่ใช้ AI และระบบจัดการความรู้อื่นๆ

การเข้าถึงข้อมูลของ Pryon มีความโดดเด่นเนื่องจากเครื่องยนต์การค้นหาของเราสามารถเข้าถึงเนื้อหาที่หลากหลายได้แบบเรียลไทม์ โดยไม่ต้องอาศัยส่วนประกอบภายนอก และรักษาความเป็นส่วนตัวของข้อมูล โดยการผสมผสานการค้นหาที่มีความหมายเข้ากับการให้ข้อมูลที่มีรายละเอียด ทำให้เราสามารถบรรลุความแม่นยำในการค้นหามากกว่า 90% ซึ่งระบบของเราสามารถขยายขนาดได้อย่างมีประสิทธิภาพสำหรับองค์กรขนาดใหญ่ ทำให้ทีมสามารถตัดสินใจได้อย่างรวดเร็วและแม่นยำโดยอาศัยฐานความรู้ที่มีอยู่

เครื่องยนต์การดึงข้อมูลของ Pryon ได้รับการออกแบบมาเพื่อจัดโครงสร้างเนื้อหาที่มีหลายรูปแบบอย่างมาก สิ่งใดที่ทำให้กระบวนการดึงข้อมูลของ Pryon มีความพิเศษ และมันเพิ่มความแม่นยำในการค้นหาอย่างไร

เครื่องยนต์การดึงข้อมูลของ Pryon สามารถจัดการเนื้อหาที่มีหลายรูปแบบได้ โดยการดึงคำตอบจากเสียง รูปภาพ ข้อความ และวิดีโอจากแหล่งต่างๆ ซึ่งช่วยแก้ปัญหาข้อมูลที่ไม่เชื่อมต่อกันในองค์กร โดยมีข้อมูลที่ไม่มีโครงสร้างเพิ่มขึ้นมากกว่า 50% ต่อปี เครื่องยนต์การดึงข้อมูลของเราทำให้ข้อมูลที่กระจัดกระจายกลายเป็นความรู้ที่มีโครงสร้างและสามารถใช้งานได้ทันที โดยกระบวนการนี้ได้รับการออกแบบมาเพื่อความปลอดภัยและความเป็นส่วนตัว โดยปกป้องข้อมูลที่ไวต่อองค์กรและทำให้ข้อมูลนั้นพร้อมใช้งานทันที

เครื่องยนต์การค้นหาของ Pryon สัญญาว่าจะให้คำตอบที่ถูกต้องและสามารถตรวจสอบได้ ทันที Pryon รับประกันความแม่นยำและลดการคาดเดาเมื่อดึงข้อมูลออกมาได้อย่างไร

Pryon รับประกันความแม่นยำและลดการคาดเดาโดยผ่านกลไกหลายอย่าง เทคโนโลยีของเรารวมการค้นหาที่มีความหมายเข้ากับการให้ข้อมูลที่มีรายละเอียด ซึ่งหมายความว่าคำตอบสามารถสืบย้อนกลับไปที่แหล่งที่มาได้ การให้ข้อมูลนี้มีความสำคัญอย่างยิ่งต่อการตรวจสอบ ระบบของเราสามารถเข้าถึงเนื้อหาที่มาจากแหล่งที่มาเดิมได้แบบเรียลไทม์ แทนที่จะพึ่งพาฐานความรู้ที่อาจไม่สมบูรณ์หรือไม่ถูกต้อง การเชื่อมต่อโดยตรงไปยังวัสดุแหล่งที่มา พร้อมกับความแม่นยำในการค้นหาที่สูง (มากกว่า 90%) ลดความเสี่ยงของการคาดเดาที่พบในระบบ AI ที่สร้างสรรค์หลายระบบ

Pryon จัดการกับการอัปเดตข้อมูลแบบเรียลไทม์ โดยเฉพาะในสภาพแวดล้อมที่มีการเปลี่ยนแปลงอย่างรวดเร็ว เช่น รัฐบาล พลังงาน และสุขภาพ อย่างไร

Pryon รับประกันการเข้าถึงข้อมูลที่อัปเดตที่สุดโดยการซิงค์ข้อมูลแบบยืดหยุ่นและตามความต้องการ ผู้ใช้สามารถกระตุ้นการซิงค์ข้อมูลตามความต้องการผ่านพอร์ทัลผู้ดูแลระบบหรืออัตโนมัติการอัปเดตโดยใช้ Sync-API ตามกำหนดเวลา – ไม่ว่าจะเป็นรายสัปดาห์ รายวัน หรือแม้กระทั่งรายชั่วโมง ขึ้นอยู่กับความต้องการในการดำเนินงาน กระบวนการตรวจสอบความแตกต่างของเราช่วยให้การซิงค์ข้อมูลมีประสิทธิภาพโดยการอัปเดตเฉพาะข้อมูลที่เปลี่ยนแปลง ทำให้การดึงข้อมูลมีความแม่นยำและรวดเร็วในสถานการณ์ที่มีความสำคัญต่อภารกิจ เช่น รัฐบาล พลังงาน และสุขภาพ

Pryon ทำงานร่วมกับหน่วยงานรัฐบาลและกลาโหม แม้ว่ารายละเอียดหลายอย่างจะถูกจำกัด แต่คุณสามารถพูดถึงกรณีการใช้งานที่ AI ของคุณช่วยปรับปรุงกระบวนการตัดสินใจหรือประสิทธิภาพการดำเนินงานได้อย่างไร

Pryon ทำงานร่วมกับหน่วยงานกลาโหมและหน่วยงานข่าวกรองหลายแห่ง รวมถึงห้องปฏิบัติการวิจัยของกองทัพอากาศ (AFRL) และสำนักงานดิจิทัลและปัญญาประดิษฐ์ (CDAO) เพื่อช่วยให้การดำเนินงานมีประสิทธิภาพและช่วยให้การตัดสินใจรวดเร็วและแม่นยำ

ตัวอย่างที่มีพลังอย่างหนึ่งคือการทำงานร่วมกับสำนักงานการเปลี่ยนแปลงดิจิทัลของกองทัพอากาศสหรัฐฯ (DAF DTO) ทีมนี้สนับสนุนบุคลากรในการซื้อและดูแลที่ต้องค้นหาข้อมูลสำคัญที่ฝังอยู่ในหลายร้อยพันหน้าเว็บและเอกสาร ร่วมกันเราเปิดตัว DTO Wingman ซึ่งเป็นเพื่อนร่วมงาน AI ที่ให้คำตอบที่ถูกต้องและทันทีแก่คำถามที่ซับซ้อน พร้อมด้วยการอ้างอิงแหล่งที่มา

แทนที่จะค้นหาข้อมูลนโยบายหรือข้อบังคับด้วยตนเอง ผู้ใช้สามารถถามคำถามได้โดยตรง เช่น “ฉันอนุญาตให้ซื้ออะไรด้วยบัตรเดินทางของฉัน?” หรือ “มาตรฐานอาคารดิจิทัลคืออะไร และมันเกี่ยวข้องกับการซื้อขายอย่างไร?” AI จะส่งคำตอบที่แม่นยำและช่วยสร้างรายงานและวัสดุสำหรับการนำเสนอได้อย่างรวดเร็ว

โดยการให้บุคลากรของกองทัพอากาศและกองทัพอวกาศเข้าถึงคำตอบที่เชื่อถือได้ทันที DTO Wingman ช่วยให้ทีมงานสามารถทำงานได้อย่างมีประสิทธิภาพและให้คำแนะนำที่เชื่อถือได้และทันทีแก่ผู้บริหารและผู้ตัดสินใจ

งานของคุณในด้านวิทยาศาสตร์ชีวภาพกล่าวถึงการวิจัยที่ได้รับการช่วยเหลือจาก AI Pryon ช่วยให้นักวิจัยนำทางฐานข้อมูลขนาดใหญ่ๆ เช่น PubMed หรือคลังข้อมูลวิจัยส่วนตัวได้อย่างไร

ระบบของ Pryon ช่วยให้นักวิจัยนำทางฐานข้อมูลขนาดใหญ่ๆ เช่น PubMed หรือคลังข้อมูลวิจัยส่วนตัวได้โดยการมีความสามารถหลักๆ ดังต่อไปนี้

คุณภาพการวิจัยที่ได้รับการปรับปรุง:

• การลดข้อผิดพลาดของมนุษย์: การดึงข้อมูลที่อัปเดตอย่างเป็นระบบทำให้ไม่พลาดบทความหรือหลักฐานที่สำคัญ
• การสนับสนุนโดยหลักฐาน: คำตอบทุกคำตอบมีพื้นฐานมาจากวรรณกรรมดั้งเดิม ซึ่งนำไปสู่ข้อสรุปที่ขับเคลื่อนด้วยข้อมูล และมีการอ้างอิงแหล่งที่มา

การคุ้มครองข้อมูลที่มีความละเอียดอ่อน:

• การรักษาความลับ: รักษาการควบคุมการเข้าถึงและการเข้ารหัสข้อมูลอย่างเข้มงวด ซึ่งเป็นสิ่งจำเป็นสำหรับชุดข้อมูลที่เป็นกรรมสิทธิ์หรือเกี่ยวข้องกับผู้ป่วย
• การปฏิบัติตามกฎระเบียบ: ด้วยข้อมูลที่อยู่ภายใต้กฎระเบียบ เช่น HIPAA หรือ GDPR นักวิจัยสามารถไว้วางใจได้ว่าข้อมูลที่มีความละเอียดอ่อนได้รับการคุ้มครอง

สำหรับการบริการลูกค้าและการขาย การเปรียบเทียบ AI ของ Pryon กับโซลูชันชैटบอทและ CRM แบบดั้งเดิมในแง่ของการเพิ่มประสิทธิภาพและลดภาระการสนับสนุนอย่างไร

การโต้ตอบด้านการบริการลูกค้าและการขายมักต้องสร้างสมดุลระหว่างความแม่นยำและความยืดหยุ่นของโซลูชันชैटบอทและ AI การให้คำตอบที่ไม่ถูกต้องแก่ลูกค้านั้นไม่สามารถยอมรับได้และอาจมีผลกระทบทางกฎหมาย ดังนั้นผู้ให้บริการชैटบอทและโซลูชัน AI การสนทนาส่วนใหญ่จึงเลือกที่จะจำกัดความยืดหยุ่นของโซลูชันด้วยการโต้ตอบแบบ “FAQ เท่านั้น”

สิ่งนี้เป็นปัญหาสำหรับผู้ขาย เนื่องจากต้องเขียนคำตอบเฉพาะสำหรับคำถามทั่วไปด้วยตนเอง และให้ประสบการณ์ที่ไม่ดีแก่ลูกค้า ซึ่งมีอินเทอร์เฟซของชैटบอท แต่มีประสบการณ์ที่ไม่ยืดหยุ่นและแตกต่างจากการอ่าน FAQ เล็กน้อย ผู้ให้บริการอื่นๆ อาจพยายามใช้ประสบการณ์สร้างสรรค์ที่ยืดหยุ่นมากกว่า แต่เนื่องจากไม่มีการดึงข้อมูลที่แม่นยำ จึงต้องใส่แค็ตตาล็อกผลิตภัณฑ์หรือหน้าเว็บทั้งหมดลงในหน้าต่างบริบทของ LLM ซึ่งลดความแม่นยำของเอาต์พุตและอาจมีผลกระทบอย่างรุนแรง

ศิลปะและวิทยาศาสตร์ของ RAG คือการเพิ่มสัญญาณ (ความจริง) และลดสัญญาณรบกวน (บริบทที่ไม่เกี่ยวข้องที่บ่อยครั้งทำให้ LLM สับสน) ความแม่นยำของการดึงข้อมูลของ Pryon – สามารถอ้างอิงถึงคำตอบระดับประโยคได้ทั่วทั้งเอกสาร – หมายความว่าบริการลูกค้าและการขายไม่ต้องประนีประนอมระหว่างความแม่นยำและความยืดหยุ่น

คุณเห็นว่าความท้าทายที่ยิ่งใหญ่ที่สุดในการนำ AI ไปใช้ในองค์กรมีอะไรบ้าง โดยเฉพาะอย่างยิ่งระบบที่ใช้ RAG

ในขณะที่เราได้พบเห็นในการโต้ตอบของเรากับตลาด นอกจากนี้ยังได้รับการยอมรับอย่างกว้างขวางว่า ‘ข้อมูลที่พร้อมสำหรับ AI’ (หรือการขาดไป) คือจุดล้มเหลวที่ใหญ่ที่สุดสำหรับการใช้งาน AI

• 91% ของผู้บริหารในสำรวจของ Harvard Business Review ระบุว่าพื้นฐานข้อมูลที่เชื่อถือได้เป็นสิ่งจำเป็นสำหรับการใช้งาน AI ที่ประสบความสำเร็จ
• McKinsey พบว่า 70% ของโครงการ GenAI ต้องเผชิญกับความท้าทายที่เกี่ยวข้องกับข้อมูล โดยมีเพียง 1% ของข้อมูลสำคัญขององค์กรที่สะท้อนให้เห็นในโมเดลปัจจุบัน
• Wall Street Journal อ้างถึงความน่าเชื่อถือเป็นข้อกังวลอันดับ 1 สำหรับการนำ AI ไปใช้ – ซึ่งเป็นปัญหาที่เกี่ยวข้องกับคุณภาพและความเข้าถึงของข้อมูล
• Gartner ระบุการขาดข้อมูลที่พร้อมสำหรับ GenAI เป็นสาเหตุอันดับ 1 สำหรับการใช้งานที่ล้มเหลว

ข้อมูลที่พร้อมสำหรับ AI ไปไกลกว่าการแปลงเอกสารเป็นเวกเตอร์ – มันเกี่ยวกับการรวมแหล่งข้อมูลที่กระจัดกระจาย การทำงานกับรูปแบบที่ซับซ้อน เช่น อินพุตแบบหลายรูปแบบ การทำความสะอาดข้อมูล การปรับปรุงข้อมูล การนำไปสู่รูปแบบที่ LLM สามารถทำงานได้ การแบ่งออกเป็นชิ้นที่เหมาะสมเพื่อรักษาความแม่นยำสูงสุดและลดต้นทุน การสร้างดัชนีแบบอัจฉริยะ และการเชื่อมต่อกับระบบการดึงข้อมูลที่มีประสิทธิภาพ

สิ่งเหล่านี้เป็นความท้าทายที่สำคัญซึ่งต้องการความสามารถและเครื่องมือที่เฉพาะเจาะจง ในการสำรวจผู้สร้าง RAG ที่พัฒนาโซลูชันภายในองค์กรขนาดใหญ่ที่ Pryon จัดทำ การเตรียมข้อมูลถูกจัดอันดับเป็นส่วนสำคัญที่มีค่าใช้จ่ายสูงสุด ต้องใช้เวลาและความท้าทายทางเทคนิคมากที่สุด โดยตามมาด้วยการดึงข้อมูล

คุณแยกความแตกต่างของชุด RAG ของ Pryon จากโซลูชันสำหรับองค์กรที่นำเสนอโดย Microsoft, Google หรือ OpenAI ได้อย่างไร

การแยกความแตกต่างโดยเฉพาะจะแตกต่างกันไปในแต่ละผู้เล่น แต่ในระดับสูง ผู้เล่นเทคโนโลยีรายใหญ่ๆ มุ่งเน้นไปที่การเป็นอินเทอร์เฟซสำหรับ AI ที่ทำงาน Pryon มุ่งเน้นไปที่ระดับพื้นฐานของสแต็ค – ชั้นความรู้ Pryon แก้ปัญหาที่ลึกซึ้งเกี่ยวกับการเตรียมข้อมูลและการดึงข้อมูล ในขณะที่ผู้เล่นเทคโนโลยีรายใหญ่ๆ มุ่งเน้นไปที่การนำเสนอโซลูชัน AI ที่กว้างขวางซึ่งสามารถรองรับกรณีการใช้งาน RAG ที่ง่ายๆ ได้ แต่บ่อยครั้งล้มเหลวเมื่อเผชิญกับความซับซ้อนของกรณีการใช้งานในโลกแห่งความเป็นจริง Pryon ยังสามารถเสริมระบบเหล่านี้ได้ โดยเนื้อหาที่สร้างโดย Copilot, Gemini หรือ GPT สามารถเชื่อมต่อกับชั้นความรู้ของ Pryon เพื่อจัดระเบียบและเตรียมให้พร้อมสำหรับการใช้งานโดยแอปพลิเคชันและเอเจนต์แบบดั้งเดิม

เมื่อกฎระเบียบ AI กำลังพัฒนา เช่น กฎหมาย AI ของสหภาพยุโรปและแนวทางการใช้ AI ในสหรัฐอเมริกา Pryon เข้าใกล้การปฏิบัติตามข้อกำหนดและการใช้ AI อย่างมีจริยธรรมอย่างไร

เมื่อกฎระเบียบ AI กำลังพัฒนาทั่วโลก Pryon ยังคงให้ความสำคัญกับการปฏิบัติตามข้อกำหนดและใช้ AI อย่างมีจริยธรรม วิธีการของเราเป็นไปตามกรอบการทำงาน เช่น กฎหมาย AI ของสหภาพยุโรป แนวทางการใช้ AI ในสหรัฐอเมริกา และหลักการ AI ที่มีความรับผิดชอบ (RAI) ของกระทรวงกลาโหม โดยรับประกันว่าโซลูชัน AI ของเรานั้นเชื่อถือได้ โปร่งใส และสามารถควบคุมได้ โดยการผสมผสานการประเมินอย่างเข้มงวด การติดตาม และการตรวจสอบอย่างต่อเนื่องทั่วทั้งวงจรชีวิตของ AI – โดยให้ความสำคัญกับความปลอดภัย ความยุติธรรม และประสิทธิภาพ Pryon ช่วยให้องค์กรสามารถใช้ AI ได้อย่างมีความรับผิดชอบ ในขณะเดียวกันก็ปฏิบัติตามมาตรฐานที่สูงสุดในด้านกฎระเบียบและจริยธรรม

ขอขอบคุณสำหรับการสัมภาษณ์ที่ยอดเยี่ยม ผู้อ่านซึ่งต้องการเรียนรู้เพิ่มเติมสามารถเยี่ยมชม Pryon ได้