อินนา โทคาเรฟ เซลา ซีอีโอและผู้ก่อตั้ง Illumex – ซีรีส์สัมภาษณ์

อินนา โทคาเรฟ เซลา ซีอีโอและผู้ก่อตั้ง Illumex กำลังเปลี่ยนแปลงวิธีการที่องค์กรเตรียมข้อมูลที่มีโครงสร้างสำหรับ AI ที่สร้างขึ้น Illumex ช่วยให้องค์กรสามารถใช้เอเย่นต์ analytics ที่มี genAI โดยการแปลข้อมูลที่กระจัดกระจายและไม่ชัดเจนให้เป็นภาษาธุรกิจที่มีความหมายและเข้าใจง่าย โดยมีการกำกับดูแลที่มีประสิทธิภาพ

แพลตฟอร์มนี้วิเคราะห์ข้อมูลอัตโนมัติเพื่อค้นหาและติดป้ายกำกับข้อมูลที่มีโครงสร้างโดยไม่ต้องย้ายหรือแก้ไข ทำให้ได้ความหมายเชิงсемантиค์และความชัดเจนในการกำหนดคำศัพท์ Illumex ยังช่วยให้การกำกับดูแลข้อมูลมีมาตรฐานสูงสุดโดยการสร้างคำศัพท์ธุรกิจ การแนะนำเมตริก และการระบุความขัดแย้ง

ด้วย Illumex เอเย่นต์ analytics สามารถตีความคำถามของผู้ใช้ด้วยความแม่นยำ โดยให้คำตอบที่ถูกต้องและไม่มีการหลอกลวง ในการนำของอินนา Illumex กำลังตั้งมาตรฐานใหม่สำหรับการเตรียมความพร้อมของ AI โดยช่วยให้ธุรกิจปลดปล่อยศักยภาพเต็มที่ของข้อมูล

อะไรเป็นแรงบันดาลใจให้คุณก่อตั้ง Illumex และประสบการณ์ของคุณที่ Sisense และ SAP มีผลกระทบต่อวิสัยทัศน์ของคุณสำหรับบริษัทอย่างไร?

วิสัยทัศน์ของ Illumex เกิดขึ้นระหว่างการศึกษาของฉัน โดยฉันจินตนาการถึงข้อมูลที่สามารถเข้าถึงได้โดยตรงผ่านความสัมพันธ์แบบไม่มีโครงสร้าง แทนที่จะเป็นฐานข้อมูลแบบดั้งเดิม

ประสบการณ์ของฉันที่ SAP สอนฉันเกี่ยวกับการสร้างซอฟต์แวร์สำหรับองค์กรและการขยายการดำเนินงาน การทำงานในด้านพัฒนาสินค้าและโครงการธุรกิจต่างๆ เช่น แพลตฟอร์ม HANA Cloud ของ SAP และกรอบความร่วมมือสำหรับธุรกิจเริ่มต้น ทำให้ฉันเข้าใจถึงความต้องการของลูกค้าองค์กรอย่างลึกซึ้ง และพบว่ามีช่องว่างระหว่างวิธีการจัดการข้อมูลของบริษัทและความต้องการของลูกค้า

ที่ Sisense การสร้างฝ่าย AI ตั้งแต่เริ่มต้นแสดงให้เห็นถึงคุณค่าที่ AI สามารถนำมาสู่ลูกค้าได้ การเห็นผลกระทบนี้ร่วมกับการเติบโตของเทคโนโลยี SaaS และ GenAI ทำให้ฉันเชื่อมั่นว่าเวลาที่จะก่อตั้ง Illumex ในปี 2021 นั้นเหมาะสม

Illumex มุ่งเน้นไปที่ Generative Semantic Fabric สามารถอธิบายแนวคิดหลักและอะไรเป็นแรงบันดาลใจให้คุณแก้ไขความท้าทายเฉพาะนี้ใน AI และการวิเคราะห์ข้อมูล?

illumex เป็นผู้บุกเบิกด้าน Generative Semantic Fabric ซึ่งเป็นแพลตฟอร์มที่สร้างความเข้าใจร่วมกันระหว่างมนุษย์และเครื่องจักรโดยอัตโนมัติ โดยรวมประสบการณ์ของ AI ที่สร้างขึ้นและแอปพลิเคชันทางธุรกิจสำหรับผู้ใช้ที่ไม่ใช่เทคนิคและเทคนิคโดยใช้ความเข้าใจร่วมกัน

ผืนผ้าเดียวนี้ให้ประโยชน์หลักสองประการ: มันทำให้การบริหารจัดการข้อมูลเป็นอัตโนมัติได้ถึง 80% ของงานวิศวกรรมข้อมูล และทำให้ผู้ใช้ที่ไม่ใช่เทคนิคสามารถเข้าถึงการวิเคราะห์ข้อมูลที่มีการกำกับดูแลและความแม่นยำโดยไม่ต้องมีการฝึกอบรมพิเศษ

ลองนึกภาพเป็นสนามเด็กเล่นดิจิทัลที่เครื่องจักร มนุษย์ และแอปพลิเคชันสามารถโต้ตอบกันโดยไม่ต้องมีการเขียนโปรแกรมล่วงหน้า สิ่งนี้สอดคล้องกับวิสัยทัศน์ของเราสำหรับอนาคตที่ไม่มีการใช้แอปพลิเคชัน โดยที่แทนที่จะจัดการกับเครื่องมือหลายอย่าง เช่น ชีต การวิเคราะห์ ระบบการเงิน และระบบจัดการลูกค้า คุณเพียงแค่แสดงงานของคุณและเสร็จสิ้นโดยไม่มีข้อผิดพลาด

คุณเผชิญกับความท้าทายหลักๆ อะไรในระยะแรกของ Illumex และคุณแก้ไขพวกมันอย่างไร?

ในปี 2021 แม้ว่าโมเดล AI ที่สร้างขึ้นแบบเซมันติกจะมีอยู่ตั้งแต่ปี 2017 และกราฟนิวรอลเน็ตมีอยู่มานานกว่านั้น แต่ก็ยังเป็นงานที่ยากที่จะอธิบายให้นักลงทุนเข้าใจว่าทำไมเราต้องการบริบทและเหตุผลอัตโนมัติ

ฉันจะบอกว่าความท้าทายที่ยิ่งใหญ่ที่สุดคือการสร้างความตื่นเต้นเกี่ยวกับเทคโนโลยีและตลาดในอนาคต และฉันโชคดีที่ได้พบกับนักลงทุนที่มีวิสัยทัศน์กว้างไกลที่เชื่อมั่นในฉัน

Illumex ช่วยให้องค์กรต่างๆ เตรียมความพร้อมสำหรับ AI ได้อย่างไร และการเปลี่ยนแปลงนี้มีความสำคัญอย่างไรในภูมิทัศน์ธุรกิจในปัจจุบัน?

โลกธุรกิจกำลังแบ่งออกเป็นสองฝ่าย: บริษัทที่รับรู้และใช้ประโยชน์จาก AI เป็นพลังการเปลี่ยนแปลงที่คล้ายกับอินเทอร์เน็ต และบริษัทที่พลาดหรือชะลอการเข้าใจโอกาสนี้

illumex พบองค์กรที่ไหนก็ตามในเส้นทาง AI ของพวกเขา เราเตรียมข้อมูลของพวกเขาให้พร้อมสำหรับการใช้งาน AI ที่สร้างขึ้น เพิ่มและกำกับดูแลตรรกะและบริบทขององค์กร และช่วยให้สามารถใช้เอเย่นต์ analytics และการประสานงาน

แพลตฟอร์มการนำไปใช้ของเราสำหรับข้อมูลที่มีโครงสร้างช่วยให้บริษัทใดๆ ก็สามารถใช้เทคโนโลยีเหล่านี้ได้อย่างมีประสิทธิภาพ

Illumex เน้นไปที่การให้คำตอบที่ “ไม่มีการหลอกลวง” ของ AI ที่สร้างขึ้น Illumex รับประกันผลลัพธ์ที่แน่นอนและเชื่อถือได้อย่างไร?

illumex สร้างขึ้นจากออนโทโลจีธุรกิจที่มีอยู่แล้ว – กราฟความรู้ที่จับคำศัพท์เฉพาะอุตสาหกรรม วิธีการทำงานและกระบวนการในภาคส่วนต่างๆ เช่น ยา ร้านค้าปลีก และการผลิต รวมถึงฟังก์ชันทางธุรกิจ เช่น การเงิน HR และห่วงโซ่อุปทาน

เมื่อเข้าร่วมลูกค้าใหม่ๆ เราจะฝึกออนโทโลจีเหล่านี้บนข้อมูลอัตโนมัติของลูกค้าภายในไม่กี่วัน บริษัทสามารถค้นหาข้อมูลของตนเอง ตรวจสอบผลลัพธ์ และระบุปัญหา เช่น การซ้ำหรือความขัดแย้ง

แชทบอท analytics ที่มี agentic ให้ความโปร่งใสทั้งหมด โดยแสดงวิธีการตีความคำถามและแมปไปยังออนโทโลจีของลูกค้า และจากนั้นไปยังข้อมูล นอกจากนี้ยังมีการตรวจสอบข้อมูลอัตโนมัติเพื่อให้ได้คำตอบที่แน่นอนและไม่มีการหลอกลวง

Illumex แตกต่างจากแนวทางแบบดั้งเดิม เช่น Retrieval-Augmented Generation (RAG) อย่างไร?

RAG พยายามปรับแต่งโมเดล AI ที่มีอยู่แล้วโดยการให้ข้อมูลและตรรกะขององค์กร แต่ก็มีข้อจำกัดหลายประการ มันเป็นกล่องดำ – คุณไม่สามารถกำหนดได้ว่าคุณให้ตัวอย่างเพียงพอสำหรับการปรับแต่งที่เหมาะสมหรือไม่ และการอัปเดตโมเดลส่งผลต่อความแม่นยำอย่างไร

นอกจากนี้ RAG ยังต้องการนักวิทยาศาสตร์ข้อมูลที่อาจไม่มีบริบททางธุรกิจ ทำให้ยากที่จะจับตรรกะขององค์กรได้อย่างเต็มที่ และขาดการกำกับดูแลที่มีประสิทธิภาพ

illumex’s Generative Semantic Fabric (GSF) ตอบสนองความท้าทายเหล่านี้ด้วยการสร้างบริบทอัตโนมัติ โดยไม่ต้องใช้โทเค็น AI จากภายนอก และไม่ต้องมีนักวิทยาศาสตร์ข้อมูลพิเศษ GSF ให้ความโปร่งใสในการแมปและเหตุผลผ่านอินเทอร์เฟซเว็บ Slack หรือ Teams

หลายองค์กรต้องดิ้นรนในการตัดสินใจโดยใช้ข้อมูล แม้ว่าจะลงทุนอย่างมากในโครงสร้างพื้นฐานข้อมูล คุณคิดว่าช่องว่างนี้เกิดขึ้นได้อย่างไร และ Illumex จัดการกับมันอย่างไร?

ช่องว่างระหว่างการลงทุนในข้อมูลและการตัดสินใจที่มีประสิทธิภาพยังคงกว้างขึ้นเมื่อปริมาณข้อมูลเพิ่มขึ้น ทั้งภายในและภายนอก องค์กรต้องเผชิญไม่เพียงแต่ข้อมูลที่เพิ่มขึ้นของตนเอง แต่ยังรวมถึงแหล่งข้อมูลภายนอก เช่น API สภาพอากาศ แพลตฟอร์มคลาวด์สำหรับข้อมูลสุขภาพ และข้อมูลสังเคราะห์

ความท้าทายคือองค์กรยังคงพึ่งพาคนในการทำงานข้อมูลที่สำคัญ เช่น การสร้างแบบจำลอง การประเมินคุณภาพ และการสร้างแดชบอร์ด แต่ขนาดและความซับซ้อนของสภาพแวดล้อมข้อมูลสมัยใหม่ทำให้ไม่สามารถจัดการข้อมูลและเตรียมข้อมูลสำหรับการวิเคราะห์ AI ได้อย่างมีประสิทธิภาพ

illumex ช่วยลดช่องว่างนี้โดยการทำให้กระบวนการเหล่านี้เป็นอัตโนมัติ ช่วยให้องค์กรสามารถจัดการ ตรวจสอบ และใช้ข้อมูลได้อย่างมีประสิทธิภาพ

อุตสาหกรรมใดที่มีการนำ Illumex ไปใช้เร็วที่สุด และคุณสังเกตเห็นความท้าทายหรือโอกาสที่ไม่เหมือนใครในภาคส่วนเหล่านี้?

เราพบว่าอุตสาหกรรมที่มีการใช้ Illumex เร็วที่สุดคืออุตสาหกรรมที่มีข้อมูลที่เข้มข้นและได้รับการควบคุมอย่างเข้มงวด เช่น บริการทางการเงิน ยา และการค้าปลีก/อีคอมเมิร์ซ ซึ่งต้องการการตรวจสอบคุณภาพข้อมูล การติดตามการใช้งาน และการตรวจจับความขัดแย้ง

เมื่อ AI ที่สร้างขึ้นกำลังพัฒนาอย่างรวดเร็ว คุณมีคำแนะนำอะไรสำหรับองค์กรที่ต้องการรวม AI อย่างมีประสิทธิภาพและรับผิดชอบ?

เริ่มต้นด้วยการวางแผนเชิงกลยุทธ์ที่ชัดเจนซึ่งระบุกรณีการใช้งานและความจำเป็นทางธุรกิจที่ขับเคลื่อนการนำ AI ไปใช้

หลีกเลี่ยงการสร้างซิลโอด้าน AI ที่ทำงานแยกจากระบบที่มีอยู่ แทนที่จะสร้างแพลตฟอร์มที่รวมการบริหารจัดการข้อมูล การวิเคราะห์ และความสามารถของ AI ที่สร้างขึ้น

เมื่อการนำ AI ไปใช้กำลังเพิ่มขึ้น คุณเห็นแนวโน้มใดที่จะกำหนดภูมิทัศน์ AI ขององค์กรใน 3-5 ปีข้างหน้า?

มีแนวโน้มสองประการที่กำลังเกิดขึ้นในภูมิทัศน์ AI คือ การวิเคราะห์แบบ agentic ที่เพิ่มขึ้น และการประสานงานแบบ agentic ซึ่งช่วยให้สามารถสร้างการทำงานร่วมกันระหว่างโมเดล AI ที่มีฟังก์ชันต่างๆ

การปรับปรุงเหล่านี้ขึ้นอยู่กับ Generative Semantic Fabric ที่มีประสิทธิภาพเพื่อให้แน่ใจถึงการเข้าถึงข้อมูลที่ถูกต้อง บริบทที่ใช้ร่วมกัน และการประสานงานระหว่างเอเย่นต์ AI

ขอขอบคุณสำหรับการสัมภาษณ์ที่ยอดเยี่ยม ผู้อ่านสามารถเยี่ยมชม Illumex เพื่อเรียนรู้เพิ่มเติม