Dr. Zohar Bronfman, Pecan AI’nin Kurucu Ortağı ve CEO’su – Röportaj Serisi

Dr. Zohar Bronfman Pecan AI’nin Kurucu Ortağı ve CEO’sudur. Hesaplamalı psikoloji ve veri bilimi konularında derin uzmanlığa sahip olan Zohar, içgüdüsel girişimci ruhunu Pecan’ı kurmak için yüksek lisans eğitimini tamamlar tamamlamaz kullanmıştır. Zohar, Tel Aviv Üniversitesi’nden bilişsel nörobilimde hesaplamalı ve bilim ve teknoloji tarihi ve felsefesi alanlarında iki ayrı doktora derecesine sahiptir. Ayrıca İsrail Açık Üniversitesi’nden ekonomi alanında lisans derecesine sahiptir.

2018 yılında kurulan Pecan AI, öncü Predictive GenAI’sini kullanarak AI benimsemesine yönelik engelleri kaldıran, öngörülü modellemeyi tüm veri ve iş takımlarına erişilebilir kılan bir öngörülü analiz platformudur. Üretken AI tarafından yönlendirilen şirketler, uzman personele ihtiyaç duymadan çeşitli iş alanlarındaki precisa öngörüler elde edebilir. Predictive GenAI, hızlı model tanımı ve eğitimi sağlarken, otomatikleştirilmiş süreçler AI uygulamasını hızlandırır. Pecan’ın öngörülü ve üretken AI’nin birleşimiyle, AI’nin iş etkisini gerçekleştirmek şimdi çok daha hızlı ve kolaydır.

Pecan AI’yi kurma yolculuğu nasıl oldu ve bu yolculukta bazı önemli kilometre taşları nelerdir?

Pecan AI’yi kurmak oldukça bir rollercoaster idi. Her şey, benim kurucu ortaklarım ve benim bir uluslararası veri bilimi yarışmasına katılmamızla başladı. Biz bir veri hazırlama otomasyonu oluşturduk ki bu daha sonra Pecan’ın prototipi haline geldi, ancak süreyi kaçırdık ve kaybettiğimiz yarışmada yer alamadık. Bunun yerine ilerlemeye karar verdik ve prototipimizi etkili bir şeye dönüştürmeye çalıştık. 2018’de doktoralarımızı tamamladıktan sadece iki ay sonra, Tel Aviv Üniversitesi’nde küçük bir oda kiraladık ve çalışmaya başladık. Sınırlı iş deneyimiyle, fikirimizi risk sermayedarlarına sunduk. Şansımıza, S Capital’den Haim Sadger ve Aya Peterburg potansiyeli gördü ve bize 4 milyon dolar yatırım yaparak bize ihtiyacımız olan itici gücü verdiler.

Bir önemli kilometre taşı, 66 milyon dolarlık bir Serie C turunda Insight Partners’ın liderliğinde GV (eski adıyla Google Ventures) ve diğerlerinin desteğiyle fon sağlamamız oldu. Bu fon sayesinde küresel olarak genişleyebildik ve geliştirme çabalarımızı hızlandırabildik.

Hesaplamalı bilişsel nörobilimi alanındaki geçmişiniz, AI çözümlerinin geliştirilmesine yaklaşımınızı nasıl etkiler?

Hesaplamalı bilişsel nörobilimi ve bilim ve teknoloji tarihi ve felsefesi alanındaki doktora derecemi, AI çözümlerinin geliştirilmesine yaklaşımımı büyük ölçüde etkiler. Bu alanlar, hem teknik hem de felsefi açıdan teknolojiyi anlamamı sağlar. Bu çift perspektif, günümüzün hızla değişen teknoloji manzarasında son derece değerlidır. AI ürünlerinin yalnızca teknik olarak gelişmiş olmasını değil, aynı zamanda etik ve kullanıcı dostu olmasını da sağlar.

Predictive GenAI kavramını açıklar mısınız ve üretken AI ile öngörülü makine öğreniminin nasıl entegre edildiğini açıklayabilir misiniz?

Elbette. Predictive GenAI, üretken AI ile öngörülü makine öğrenimini birleştirmekle ilgilidir. Üretken AI, kullanıcıların doğal dil aracılığıyla veri ile etkileşime girmesini sağlar, böylece sorular sormak ve AI’yi yönlendirmek kolaylaşır. Ancak, öngörülü yetenekleri sınırlıdır. İşte burada öngörülü makine öğrenimi devreye girer, çünkü veri işleyerek gelecekteki olayları öngörür. Bu iki teknolojiyi birleştiren Predictive GenAI, veri biliminde derin expérience sahip olmayanların bile öngörülü modeller oluşturmasını ve bunları ChatGPT gibi kullanmasını sağlar.

Predictive GenAI, işletmeler için öngörülü modeller oluşturma ve dağıtma sürecini nasıl basitleştirir?

Predictive GenAI, Predictive Chat ve Predictive Notebook gibi özelliklerle süreci basitleştirir. Predictive Chat, kullanıcıları modelleme sürecinde doğal dil aracılığıyla yönlendirir. Kullanıcıların iş endişelerine dayalı öngörülü sorular oluşturur ve örnek veri ve hazır SQL sorgularıyla dolu bir Predictive Notebook oluşturur. Bu, kullanıcıların derin teknik bilgiye sahip olmadan precisa öngörüler elde etmelerini sağlar.

CAA Club Group’un yol kenarı yardım hizmetlerini Pecan AI ile nasıl optimize ettiğini anlatan vaka çalışmasını açıklar mısınız?

Kesinlikle. CAA Club Group, önceden yol kenarı yardım hizmetlerini manuel olarak bir hafta süren bir süreçte öngörüyordu, bu da zaman alıcı ve sınırlıydı. Pecan AI’yi uyguladıktan sonra, veri bilimcisi ekibi kısa vadeli talep öngörülerini iki haftada bir üretebilen 30’dan fazla model geliştirdi. Bu öngörüler, saatlik çağrı hacimlerini ve hizmet türlerini öngörür, böylece personel planlaması ve hızlı yanıtlar sağlanabilir, özellikle de zorlu kış koşullarında. Pecan’ın platformu, bu modellerin sürekli olarak geliştirilmesini de sağlar, hizmet verimliliğini artırır.

Credit Pros, Pecan AI’yi müşteri terk etme öngörüsü için nasıl yararlandı ve bu, onlar için hangi özel zorlukları çözdü?

Credit Pros, müşteri terk etme öngörüsü konusunda önemli zorluklarla karşı karşıyaydı, bu da karmaşık ve zaman alıcı bir süreçti. Pecan AI’yi uyguladıktan sonra, model geliştirme süresi üç aydan birkaç haftaya indirildi, proaktif retansiyon stratejileri ermögildi. Bu basitleştirilmiş süreç, TCP’nin müşteri terkini doğru bir şekilde öngörmesini ve etkili stratejiler geliştirmesini sağladı, sonunda gelirini artırdı.

Predictive Chat ve Predictive Notebook araçları, kullanıcı deneyimini nasıl geliştirir ve öngörülü analitiği teknik olmayan kullanıcılara nasıl erişilebilir kılar?

Predictive Chat, GenAI’yi kullanarak kullanıcıların iş sorularına ve verilerine dayalı özel notdefterler oluşturur. Kullanıcılar, doğal dil aracılığıyla sohbet edebilir, sorulara cevap verebilir ve talimatları takip edebilir, bu da model oluşturma sürecini basitleştirir. Predictive Notebook, gerekli tüm kodu içerir, böylece kullanıcılar sorguları görüntüleyebilir, özel tablolar oluşturabilir ve eğitim veri kümesinin mantığını anlayabilir. Bu yaklaşım, veri hazırlama ve model oluşturmayı basitleştirerek öngörülü analitiği teknik olmayan kullanıcılara erişilebilir kılar.

Farklı endüstrileri ve iş fonksiyonlarını Predictive GenAI’nin nasıl dönüştüreceğini görüyorsunuz?

Predictive GenAI, işletmelerin precisa ve verimli bir şekilde veri temelli kararlar almasına olanak tanır. Üretim ve lojistikte, talep öngörüsü ve tedarik zinciri akışının optimize edilmesini sağlar. Müşteri odaklı endüstrilerde, müşteri memnuniyetini ve bağlılığını artırarak hedeflenmiş pazarlama ve kişiselleştirilmiş öneriler sunar. Predictive GenAI, ayrıca pazar trendlerini öngörerek, ürün geliştirmeyi yönlendirerek ve zamanında pazara sürmeyi hızlandırarak inovasyonu teşvik eder. Uygulamaları, hastalık öngörüsü ve kişiselleştirilmiş tedavi planları için sağlık sektörüne ve kaynak kullanımını optimize ederek çevresel etkiyi azaltmak için sürdürülebilirlik çabalarına kadar uzanır.

Pecan AI, öngörülü modellerinin doğruluğunu ve güvenilirliğini nasıl sağlar?

Doğruluk ve güvenilirliği, katı testler ve sürekli doğrulama yoluyla sağlarız. Pecan AI, model performansını değerlendirmek için ayrı eğitim ve test veri kümelerini kullanır, benzer şekilde bir okul testini değerlendirmeye benzer. Anahtar metriklere gibi doğruluk, kesinlik ve geri çağırma, model geliştirme ve üretim sırasında doğrulama için kullanılır. Ayrıca, öngörülerin arkasındaki faktörleri anlamalarına yardımcı olarak AI tarafından yönlendirilen içgörülerde güveni teşvik eden açıklanabilir öngörüler yoluyla şeffaflık sağlar.

Predictive GenAI’nin gelecek birkaç yıl içinde nasıl evrileceğini görüyorsunuz?

İleriye bakıldığında, AI’nin geleceği yalnızca olayları öngörerek değil, aynı zamanda bu öngörülere dayalı eylemleri önererek de şekillenecek. Predictive GenAI, karar verme süreçlerini otomatikleştirmeyi ve iş operasyonlarını optimize etmeyi hedefliyor. Ancak, bununla ilişkili riskleri anlamak ve AI’nin sorumlu kullanımını sağlamak çok önemlidir. Teknoloji geliştikçe, operasyonel verimliliği artırmada, inovasyonu teşvik etmede ve stratejik karar almada çeşitli endüstrilerde kritik bir rol oynayacak.

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