Darren Kimura, AI Squared’in CEO ve Başkanı – Röportaj Serisi

Darren Kimura deneyimli bir girişimci, mucit ve yatırımcıdır ve şu anda AI Squared’in Başkanı ve CEO’su olarak görev yapmaktadır. Teknoloji ve temiz enerji sektörlerinde 25 yılı aşkın liderlik deneyimi olan Kimura, Energy Industries Corporation, Sopogy ve LiveAction gibi şirketlerin yanı sıra Enerdigm Ventures adlı risk sermayesi şirketini kurmuştur. MicroCSP güneş teknolojisinin mucidi olan Kimura, kenar işlem, AI ve SaaS tabanlı çözümlere odaklanan şirketlerin ölçeklenmesinde önemli bir rol oynamıştır.

AI Squared bir düşük-kod platformudur ve şirketlerin AI içgörülerini zaten kullandıkları araçlara entegre etmelerine yardımcı olur – Örneğin Salesforce (CRM ), Slack, Google Sheets ve ServiceNow. AI dağıtımını basitleştirerek ve gerçek zamanlı karar vermeyi sağlayan platform, mühendislik, satış ve operasyon ekiplerinin ölçülebilir iş değerini kilitlemelerini sağlar. Finans, tedarik zinciri ve hükümet gibi sektörlerdeki müşterilere hizmet veren AI Squared, AI benimsemesini hızlandırarak onu sorunsuz, bağlamsal ve eyleme dönüştürülebilir hale getirir.

Sektörler boyunca birden fazla şirketi yönettiniz—AI Squared’e katılmaya ve sonunda lider olmasına ne sizi teşvik etti?

Her zaman gerçek dünya sorunlarını çözmeye, derin teknoloji anlayışına ve kusursuz yürütme gerektiren sorunlara çekildim. Enerji verimliliği ve yenilenebilir enerji alanında kariyerime başladım ve büyük ölçekli makine verilerini yakalayarak insanların bunu anlamasını ve üzerine harekete geçmesini sağladım. Zamanla bu, verilerin işin yapıldığı yere daha yakın bir şekilde işlenmesiyle evrilerek, kenar işlem, güvenli sistemler veya empresa iş akışları içinde gelişti.

AI Squared ile ilk karşılaştığımda, gerçekten gerçek ve acil bir sorunu çözmeye çalıştıklarını hemen gördüm: AI’ı laboratuvardan günlük kullanıma nasıl taşıyabiliriz? Çoğu şirket hala modeller oluşturmaya odaklanıyor. AI Squared ise dağıtıma odaklanıyordu.

Bana daha da çok ikna eden şey, onların temeliydi. Şirket, NSA içinde başladı ve son altı yılda Savunma Bakanlığı, İstihbarat Topluluğu, Uzay Topluluğu ve Fortune 500 listesindeki bazı büyük şirketlerle gerçek projeler ve anlamlı sonuçlar elde ederek güven kazandı. Bana iki şey söyledi: Birincisi, güvenlik, uyum ve etkiye ciddi anlamda odaklanıyorlardı. İkincisi, güvenebileceğim bir takımdı.

ZEDEDA’yı ölçeklendirme ve risk sermayesi alanında çalışma deneyiminiz, AI Squared’de AI dağıtımına yaklaşımınızı nasıl şekillendirdi?

ZEDEDA’da açık kaynak topluluğu içinde kenar işlem olarak çalıştık. Bu, müşterilerimizin dijital dönüşümle karşılaştığı gerçek dünya kısıtlarını derinlemesine anlamamı sağladı. Orada dünya sınıfı bir mühendis ekibimiz vardı – Cisco, Sun Microsystems, Juniper, Arista’dan geldiler – ve ayrıca teknik mükemmelliği güçlü bir empresa pazara sürme hareketiyle eşleştirmenin ne kadar önemli olduğunu öğretti.

Risk sermayesi tarafında farklı bir tür görüş kazandım. Derin teknoloji şirketlerinin nasıl ölçeklendiğini gördüm – önce daha yavaş, ancak güçlü bir temel üzerine inşa ettikçe daha hızlı. Bana sistemler hakkında düşünmeyi öğretti: piyasa zamanlaması, ürün hazırlığı, müşteri olgunluğu ve sermaye stratejisi hepsi uyumlu olmalıdır. AI Squared’de AI dağıtımı için bunu getirdim. Model göndermek değil, şirketlerin güvenebileceği, ölçebileceği ve ölçeklendirebileceği sonuçlar sunmak önemlidir.

AI Squared, insanların zaten kullandığı sistemlere AI’ı entegre etmeyi vurguluyor. AI’ın “son mil”ini çözmenin pratikte nasıl göründüğünü açıklayabilir misiniz?

AI projelerinin %87’si üretimde asla ulaşmıyor, çünkü entegrasyon yavaş, karmaşık ve son kullanıcılarla bağlantılı değil. AI Squared, ulusal güvenlik düzeyinde bir veri entegrasyon pipeline’ı oluşturarak bunu çözer – bu, AI/ML modellerini Databricks veya Snowflake gibi veri kaynaklarıyla ve şirketlerin zaten kullandığı sistemlerle (CRM, ERP, özel uygulamalar) bağlar.

Platformunuz, veri bilimcisi ekipleri ile iş kullanıcıları arasındaki boşluğu nasıl köprüler?

AI Squared, model geliştirme ile üretim arasındaki el değişimini basitleştirir. Veri bilimcisi ekipleri, modelleri platformumuz aracılığıyla güvenle dağıtabilirken, iş kullanıcıları Salesforce, Teams, Slack veya diğer sistem kayıtlarında içgörüler alır.

NSA, ABD Donanması ve diğer federal kurumlarla çalışıyorsunuz. Uyum, şeffaflık ve etik kullanım gibi öncelikler, AI Squared’in ürün yol haritasını nasıl şekillendiriyor?

Etik, uyum ve şeffaflık, yol haritamızın başında geliyor. Federal kurumlarla çalışırken, izlenebilirlik, denetlenebilirlik ve açıklanabilirlik önceliğimiz olmalıdır. Sıfır güven ilkeleri, güvenli dağıtım ortamları ve net yönetim modelleri ile inşa ediyoruz.

Federal kurumlar için karar verme sürecini iyileştirmede ayrımcı AI’ın rolü nedir?

Ayrımcı AI kesin, yorumlanabilir ve verimlidir. Yüksek riskli ortamlarda net cevaplar gereken yerlerde idealdir – evet veya hayır, tehdit veya tehdit yok. Federal kurumlar için bu, daha hızlı triaj, risk algılama ve önceliklendirme sağlar. Generatif modelleri, yapılandırılmış, doğrulanmış çıktılar sunarak kritik karar vermeyi destekler.

Ulusal güvenlik açısından, AI benimsemesi için en büyük risk ve fırsat nerede?

En büyük risk, şeffaflık, denetim veya güvenlik önlemleri olmadan AI sistemlerinin yönetilmeyen özerkliğidir. Fırsat, durum bilincini ve karar hızını hızlandırmaktır. AI, insanların kaçırabileceği kalıpları gerçek zamanlı olarak sorgulayarak büyük miktarda veriyi süzebilir. Ancak bu değeri gerçekleştirmek için AI’ın güvenilir, izlenebilir ve insan müdahalesi içeren sistemlerle entegre edilmesi gerekir.

Şirketler GenAI’yi dağıtırken en yaygın hatalar nelerdir?

En büyük hata, gereklilik yerine yenilik üzerinde odaklanmaktır. Çok fazla şirket, net bir kullanım durumu, yönetim planı veya başarı ölçütü olmadan GenAI dağıtır. Bu, pilot yorgunluğu, ölçeklenemeyen prototipler ve güven sorunlarına yol açar. GenAI güçlüdür, ancak herhangi bir teknoloji gibi, problem, kullanıcı ve iş akışıyla hizalanmalıdır.

AI Squared’in bir şirketin “parlak nesne sendromu”ndan kaçınmasına ve ölçülebilir etkiye ulaşmasına nasıl yardımcı olduğunu örnekleyebilirsiniz?

Bir şirket, müşteri hizmetleri biletlerini sınıflandırmak için özel bir LLM oluşturmak istiyordu. Onlara, platformumuz aracılığıyla dağıtılan basit bir sınıflandırıcı ile CRM’de %90 doğruluk elde edebileceklerini gösterdik – yeni arayüzler, özel eğitim gerekmedi. Bu, doğru problemi doğru araçla çözmek gücündedir.

Şirketler için AI’de bir sonraki 3-5 yıl içinde en heyecan verici gelişmeler nelerdir?

Üçü öne çıkıyor:

1. Belirli görevlere odaklanan真正 çok modlu LLM’ler
2. Eylem alan AI sistemleri, yalnızca içerik oluşturmak yerine
3. Düzenlenen endüstrilerde AI benimsemesini mümkün kılan standartlaştırılmış yönetim

Bu eğilimler, AI’ı daha kullanılabilir, güvenilir ve günlük operasyonların bir parçası haline getiriyor.

AI Squared, hızla gelişen LLM’ler ve model ekosistemleri ile aynı hızda ilerlemek için platformunu nasıl geliştiriyor?

Model-bağımsız olarak tasarlandık. Açık kaynaklı bir model, ticari bir LLM veya özel bir ayrımcı model olsun, platformumuz şirketlerin bunları mevcut iş akışları içinde güvenli bir şekilde dağıtmalarına ve yönetmelerine olanak tanır. Orkestrasyon, sürüm kontrolü ve yönetim üzerinde odaklanıyoruz, böylece model yığını kullanıcı deneyimi bozulmadan gelişebilir.

AI Squared’in liderliğinizdeki bir sonraki bölümdeki başarısı nasıl görünüyor?

Başarı, şirketlerin ve hükümet kurumlarının AI’ı işlemsel hale getirmek için varsayılan yolu haline gelmek demektir. Bu, değer zamanını aylardan günlerine indirgemeği ve AI dağıtımını yeni bir özelliğin başlatılması kadar sorunsuz ve güvenli hale getirmeyi içerir. Liderliğim altında, ölçek, güven ve gerçek dünya sonuçlarına odaklanıyoruz – sadece inovasyon için değil, en çok ihtiyaç duyulan yerlerde etki için.

Harika röportaj için teşekkür ederiz, daha fazla bilgi edinmek isteyen okuyucular AI Squared‘i ziyaret edebilir.