Chris Mahl, Pryon’da Başkan ve CEO – Röportaj Serisi

Chris Mahl Pryon’un Başkanı ve Genel Müdürüdür. Dünya çapındaki en iyi bilinen şirket yazılım şirketlerinde iki thập yılın üzerinde deneyime sahip olan Chris, teknoloji şirketleri için pazara girme ve operasyonel stratejilerin ölçeklendirilmesinde uzmanlaşmıştır.

Pryon şirketleri, kuruluşlarda üretken AI’yi uygulamaya güvenilir, güvenli ve kanıtlanmış bir yol sağlar. Pryon’un en iyi sınıftaki algoritma ve geri getirme motorları, üretken LLM’lerle birlikte kullanılarak geri getirme güçlendirilmiş üretim uygulanabilir ve şirket çapında güvenli, doğru ve doğrulanabilir cevaplar sağlanabilir.

Pryon, Geri Getirme Güçlendirilmiş Üretim (RAG) üzerine odaklanıyor. Diğer AI güçlendirilmiş arama ve bilgi yönetim sistemlerinden farklı olarak geri getirme yaklaşiminiz nasıl farklıdır?

Pryon’un geri getirme yaklaşimi, çeşitli kaynaklardan gerçek zamanlı olarak içerik erişimi sağlaması ve dış bağımlılıklar olmadan veri gizliliği koruması nedeniyle öne çıkıyor. Anlamsal arama ile granüler veri atıfını birleştirdik ve %90’ın üzerinde geri getirme doğruluğu elde ettik. Çoğu sistemden farklı olarak, büyük organizasyonlar için etkili bir şekilde ölçeklenebilir, böylece ekipler mevcut bilgi tabanlarına dayanarak hızlı ve kesin kararlar alabilir.

Pryon Alım Motoru, çoklu modlu içerikleri yapılandırması için tasarlanmıştır. Alım süreciniz nedir ve nasıl geri getirme doğruluğunu artırır?

Pryon’un alımı, ses, resim, metin ve video gibi çeşitli kaynaklardan çoklu modlu içeriklerden cevaplar çıkarabilir. Bu, şirketlerdeki temel problemi olan bağlı olmayan verilerin çözümünü sağlar. Yapılandırılmamış verilerin yılda %50’den fazla büyümesi ile, algoritma motorumuz dağınık bilgileri yapılandırılmış ve eyleme geçirilebilir bilgiye dönüştürür. Süreç, güvenlik ve gizlilik için tasarlanmıştır ve şirketlerin hassas verilerini korurken aynı zamanda hemen kullanılabilir hale getirir.

Geri Getirme Motorunuz anında, doğru ve doğrulanabilir cevaplar vaat ediyor. Pryon, bilgi çıkarırken doğruluğu nasıl sağlar ve hayal powerini minimize eder?

Pryon, birkaç mekanizma aracılığıyla doğruluğu sağlar ve hayal powerini minimize eder. Teknolojimiz, anlamsal arama ile granüler veri atıfını birleştirir, bu da cevapların belirli kaynaklara geri izlenebilmesini sağlar. Bu atıf, doğrulama için kritiktir. Sistem, potansiyel olarak eski veya eksik bilgi tabanlarına güvenmek yerine orijinal kaynaklardan gerçek zamanlı olarak içerik erişimi sağlar. Bu doğrudan kaynak materyallerine bağlantı, yüksek geri getirme doğruluğumuz (%90’ın üzerinde) ile birlikte, birçok üretken AI sisteminde görülen hayal powerini önemli ölçüde azaltır.

Pryon, hükümet ve savunma ajansları ile çalışıyor. Ayrıntılar genellikle sınıflandırılmış olsa da, AI’nizin karar verme veya operasyonel verimliliği önemli ölçüde iyileştirdiği bir kullanım örneğini tartışabilir misiniz?

Pryon, operasyonları akıştırmak ve daha hızlı, daha bilgili kararlar almayı sağlamak için savunma ve istihbarat ajansları, Hava Kuvvetleri Araştırma Laboratuvarı (AFRL) ve Baş Dijital ve Yapay Zeka Ofisi (CDAO) dahil olmak üzere çeşitli ajanslarla birlikte çalışıyor.

Bir örnek, Hava Kuvvetleri Dijital Dönüşüm Ofisi (DAF DTO) ile işbirliğimizdir. Bu ekip, thường olarak yüz binlerce web sayfası ve belgede gömülü kritik bilgileri bulmak zorunda kalan satın alma ve bakım personeline destek sağlar. Birlikte, DTO Wingman adlı bir AI güçlendirilmiş asistan geliştirdik, bu asistan karmaşık sorulara gerçek zamanlı, doğru cevaplar sağlar ve kaynak atıfını sağlar.

Hava Kuvvetleri ve Uzay Kuvvetleri personeline güvenilir cevaplara anında erişim sağlayarak, DTO Wingman ekiplerin daha verimli çalışmasına ve üst düzey personele ve karar vericilere güvenilir, zamanında rehberlik sağlamalarına yardımcı oluyor.

Yaşam bilimleri alanındaki çalışmalarınız, AI destekli araştırmadan bahsetmektedir. Pryon’un sistemi, araştırmacıların PubMed veya özel araştırma depoları gibi geniş veri kümelerini nasıl gezinmesine yardımcı olur?

Pryon’un sistemi, birkaç ana özellik ile araştırmacıların geniş veri kümelerini gezinmesine yardımcı olur.

Gelişmiş araştırma kalitesi:

• İnsan Hatasının Azaltılması: Güncel verilerin sistematik geri getirilmesi, kaçırılan makalelerin veya gözden kaçan kanıtların sayısını azaltır.
• Kanıtla Desteklenen: Her cevap, orijinal literatüre dayandırılır, böylece verilere dayalı sonuçlar elde edilir ve cümlelere geri izlenebilir.

Çok hassas içeriklerin korunması:

• Gizlilik: Kapsamlı erişim kontrolleri ve veri şifreleme, özel veya hasta ile ilgili veri kümeleri için gereklidir.
• Uygunluk: HIPAA veya GDPR gibi düzenlemelerle yönetilen veriler için, araştırmacılar hassas bilginin korunduğuna güvenebilir.

Müşteri hizmetleri ve satış için, Pryon’un AI’si, geleneksel sohbet botu ve CRM çözümlerine kıyasla verimliliği artırma ve destek yükünü azaltma açısından nasıl karşılaştırılır?

Müşteri hizmetleri/satış etkileşimleri genellikle doğruluk ve esneklik arasında bir denge kurmak zorundadır. Yanlış bir cevap vermenin kabul edilemez olduğu ve yasal sonuçları olabileceği için, birçok sohbet botu sağlayıcısı ve geleneksel konuşma AI çözümleri, esnekliği sınırlamak için “yalnızca SSS” tarzı etkileşimlere başvurur.

Bu, satıcı için bir zorluktur, çünkü belirli sorulara verilen cevapları manuel olarak kodlamak gerekir ve müşteriye bir sohbet botu arayüzü sunar, ancak esnek bir deneyim yerine neredeyse bir SSS okumak gibidir. Diğer sağlayıcılar, daha esnek bir üretken deneyim sunmaya çalışır, ancak precisa geri getirme olmaksızın, bu, ürün kataloglarını veya web sayfalarını LLM’nin bağlam penceresine doldurmayı içerir, çıktı doğruluğunu azaltır ve potansiyel olarak felaketle sonuçlanabilir.

RAG’nin sanatı ve bilimi, sinyali (gerçekliği) en üst düzeye çıkarmak ve gürültüyü (alakasız bağlamı) en aza indirmektir. Pryon’un geri getirme preciseli, belirlenmiş bir cümle düzeyinde cevabı tüm belgelerinizde bulabilen, müşteri hizmetleri ve satışın artık doğruluk için esneklikten ödün vermesine gerek kalmamasını sağlar.

Günümüzde kuruluşlarda AI benimsemesinin en büyük zorlukları nelerdir, özellikle RAG tabanlı sistemler için?

Kuruluşlarda AI benimsemesinin en büyük zorluklarından biri, ‘AI hazır veri’ eksikliğidir.

• Harvard Business Review anketine göre, executives’in %91’i güvenilir bir veri temelinin başarılı AI dağıtımı için gerekli olduğunu belirtmiştir.
• McKinsey, GenAI girişimlerinin %70’inin veri ile ilgili zorluklarla karşılaştığını ve yalnızca %1’inin önemli verilerinin bugünki modellerde yansıtıldığını buldu.
• Wall Street Journal, AI ajanı benimsemesinin en önemli endişesi olarak güvenilirliği belirtti – bu, veri kalitesi ve erişilebilirliği ile yakından ilgili bir konudur.
• Gartner, GenAI hazır veri eksikliğini, başarısız dağıtımların en önemli nedeni olarak tanımladı.

AI hazır veri, yalnızca belge dosyalarınızı vektörleştirmekten daha fazlasını içerir – bu, kaynaklarınızı birleştirmek, karmaşık formatlar gibi çoklu modlu girişlerle çalışmak, verilerinizi temizlemek, geliştirmek, LLM’lerin çalışabileceği bir formata getirmek, optimal doğruluğu korumak ve maliyetleri azaltmak için doğru granülite düzeyinde parçalamak, akıllıca dizinlemek ve bunları yüksek performanslı bir geri getirme sistemine bağlamak gibi konuları içerir.

Bu, büyük zorluklar oluşturan ve özel yetenekler ve araçlar gerektiren konulardır. Pryon’un büyük kuruluşlar içindeki RAG yapımcıları için yaptığı bir anket, veri hazırlığının en pahalı, zaman alıcı ve teknik olarak zorlu kısım olduğunu ve bunu bilgi geri getirme izlediğini gösterdi.

Pryon’un RAG Suite’ini Microsoft, Google veya OpenAI tarafından sunulan kuruluşlara özgü çözümlerden nasıl ayırt edersiniz?

Farklılaşma, oyuncuya göre değişir, ancak genel olarak büyük teknoloji şirketleri, işyerinde AI’nin arayüzü olmaya odaklanıyor. Pryon, daha temel bir düzeyde, bilgi katmanında odaklanıyor. Pryon, veri hazırlama ve geri getirme gibi derin sorunları çözüyor, oysa büyük teknoloji şirketleri, bazı basit RAG kullanım örneklerini karşılayabilen ancak gerçek yaşamın karmaşıklıklarına karşı genellikle bozulan geniş AI çözümleri sunmaya odaklanıyor. Pryon, bu sistemlerle birlikte çalışabilir, Copilot, Gemini veya GPT tarafından oluşturulan içerik, Pryon Bilgi Katmanına entegre edilebilir ve ardından akış aşağı uygulamalar ve ajanlar tarafından kullanılabilir.

AI düzenlemeleri geliştikçe, AB AI Yasası ve ABD AI rehberleri gibi, Pryon nasıl uyum sağlar ve etik AI kullanımına yaklaşır?

AI düzenlemeleri küresel olarak geliştikçe, Pryon, uyuma ve etik AI dağıtımına bağlı kalıyor. Yaklaşımımız, AB AI Yasası, ABD AI rehberleri ve Savunma Bakanlığı’nın Sorumlu AI (RAI) ilkeleri gibi çerçevelerle uyumlu, AI çözümlerimizin güvenilir, şeffaf ve yönetilebilir olmasını sağlıyor. RAI SHIELD çerçevesine uymak, AI yaşam döngüsü boyunca kapsamlı değerlendirme, izlenebilirlik ve sürekli izleme entegre ediyoruz, böylece güvenlik, adillik ve performansı önceliklendiriyoruz. Bu en iyi uygulamaları dağıtım metodolojimize entegre ederek, Pryon, kuruluşların AI’yi sorumlu bir şekilde kullanmalarını ve en yüksek düzenleyici ve etik standartları karşılamalarını sağlıyor.

Harika röportaj için teşekkür ederiz, daha fazla bilgi edinmek isteyen okuyucular Pryon adresini ziyaret edebilir.