Nventr Kurucusu ve CEO’su Jito Chadha – Röportaj Serisi

Jito Chadha, Nventr’in kurucusu ve CEO’su, yapay zeka, veri bilimi, girişim sermayesi ve iş geliştirme alanlarında deneyimli bir teknoloji yöneticisi ve yatırımcıdır. 2019 yılında Nventr’i kurduktan sonra, şirketin girişimdeki yapay zeka teknolojilerinin geliştirilmesini yönetirken, aynı zamanda predictive analytics şirketinin CEO’su olarak da görev yapmaktadır. Chadha, 2007 yılından beri HandsOn Global Management’in bir parçası olup, 2013 yılında ortak olmuştur ve çeşitli işlemlerin sourcing, structuring ve değer yaratma süreçlerine katkıda bulunmuştur ve girişim sermayesi, veri bilimi ve doğal kaynaklar alanlarında yatırımları yönetmiştir.

Nventr, Los Angeles merkezli bir girişimdir ve akıllı uygulamalar ve otomatik iş akışları oluşturmak, dağıtmak ve yönetmek için teknoloji geliştirir. Platformu, AI ajanları, makine öğrenimi modelleri, sinir ağları, veri yönetimi, akıllı belge işleme, görselleştirme ve geliştirme araçlarını bir araya getirir. Ürünler arasında, işlevler arası özerk ajanları düzenleyen bir işletim sistemi olan Agent IO ve no-code, low-code ve full-code geliştirme desteği sunan bir iş akışı oluşturucu olan nQube bulunmaktadır.

Nventr ve Rule14’i yönetmeden önce, yatırım kaynaklarını, portföy şirketlerinde değer yaratmayı ve karmaşık organizasyonlar içindeki veri bilimi girişimlerinde çalışmayı deneyimlediniz. Bu deneyim, iş akışlarına odaklanan bir girişimdeki yapay zeka platformu oluşturma kararınızı nasıl etkiledi?

Farklı işletmelerde çalışma, her birinde aynı kalıbı ortaya çıkardı. Her organizasyonda, bir sürecin tamamlanabilmesi için bilgi, birkaç kişi, sistem ve onaylardan geçiyordu.

Bu deneyim, Nventr’i iş akışlarına odaklanmaya yöneltti. Bir görevi iyileştirmenin sınırlı bir değeri vardır, eğer sonuç organizasyonun geri kalanına verimli bir şekilde iletilmezse. Tüm süreci yapılandırmaya ve ölçeklenebilir bir şekilde çalıştırmaya odaklandık.

Nventr, agentic eylemleri, makine öğrenimi modellerini ve sinir ağlarını, ölçeklenebilir girişimdeki iş akışlarında birleştirir. Bu daha geniş mimariyi geliştirmenize yol açan geleneksel otomasyon platformlarında hangi sınırlamaları gözlemlediniz? 

Yıllarca, şirketler, bulut tabanlı ve yerel olarak barındırılan SaaS uygulamaları koleksiyonları üzerinden çalıştılar, bunlar hantal, esnek olmayan ve pahalı olabilirdi. İş akışı sistemi, modeller, ajanlar ve şirket verileri genellikle ayrı katmanlar olarak ele alındı, bu da daha geniş otomasyonu daha zor hale getirdi.

Bu bileşenlerin birlikte çalışabileceği ve talebe bağlı olarak bağımsız olarak ölçeklenebileceği bir mimari geliştirdik. Süreç, tek bir uygulamaya veya belirli bir bilgisayar ortamına zorlanmak zorunda değildir.

Çok sayıda organizasyon, AI stratejilerini bir model seçerek veya bir sohbet botu başlatarak başlar. Bir AI dağıtımı anlamlı sonuçlar sağlayabilmesi için, veri, izinler, süreçler ve sistem entegrasyonu konularında hangi temel çalışmaların yapılması gerektiğini deneyimlediniz? 

Bir şirket önce, süreci tanımlamalı, ajanın hangi bilgiye ihtiyacı olduğunu belirlemeli ve bu bilginin nerede yaşadığını belirlemelidir. Bu, veritabanları, dosya depoları, PDF’ler, makaleler, e-posta sistemleri veya ajanın kullanılabilir bir formatta erişebileceği diğer şirket veri kaynaklarını içerebilir.

Şirket daha sonra, ajanın bu bilgiyi aldıktan sonra ne olacağını tanımlamalıdır. Bir sohbet, bir yanıt, bir özet, bir takip kuyruğu veya başka bir ajans iş akışı üretebilir. Onaylı araçlar, veri izinleri ve kullanıcı izinleri, her eylem tanımlı bir süreç içinde gerçekleşsin diye her rol için belirlenmelidir.

nQube, hem veri bilimcilerinin hem de iş analistlerinin AI destekli iş akışlarını oluşturmasına, test etmesine, dağıtmasına ve izlemesine yardımcı olmak üzere tasarlanmıştır. Bu yetenekleri uzman olmayanlar için erişilebilir kılarken, üretim ortamları için gerekli teknik kontrolleri nasıl sağlarsınız?

İnsanlar, AI ve yazılım ürünleri hakkında kendi rollerinin kapsamında ve ürünün işlerini nasıl kolaylaştırabileceği veya daha üretken olmasına nasıl izin verebileceği konusunda düşünürler. Arayüz, onlara neye ihtiyaçları olduğunu söylemelerine, sorular sormalarına ve bir ajanı veya iş akışını normal dil ve sesle ayarlamalarına izin vermelidir.

İş akışları, hesaplama süreçleri ve ölçek, bu etkileşimin altında kalır. Organizasyon,仍 Araçları, veri kaynaklarını ve her role atanmış erişimi kontrol etmeye devam eder, böylece bir iş analisti, altyapıyı doğrudan yönetmeden sistemi kullanabilir.

Nventr’in ajan işletim sistemi, işlevsel ajanları, sıralı ve yinelemeli iş akışlarında yönlendiren bir koordinasyon ajanı kullanır. Platform, her görevi hangi ajanın işleyeceğini, ajanlar arasında bağlamı nasıl koruyacağını ve güvensiz bir sonucu nasıl işleyeceğini belirler? 

İş akışı, bir isteğin tanımlı adımlar, dallar ve uzmanlaşmış ajanlar aracılığıyla nasıl ilerlediğini belirler. Bir aşamanın bilgilerini özetleyerek ve ileriye aktarılarak, bir sonraki ajanın ne olduğunu, ne istendiğini ve hangi takip işleminin gerektiğini anlayabilir.

Güvensiz bir sonucu işleme, sürece ve eylemin sonuçlarına bağlıdır. İş akışı kontrolleri, sistemin nerede devam edebileceğini ve nerede sonuçların gözden geçirilmesi gerektiğini yansıtmalıdır.

Şirketler, farklı büyük dil modellerini, uzmanlaşmış makine öğrenimi sistemlerini ve üçüncü taraf ajanlarını kullanma esnekliğini artırmak istiyorlar. Şirketlerin AI altyapısını, bir model sağlayıcısına veya teknoloji yığınına bağımlı olmadan tasarlamaları için neler yapmaları gerekir? 

Altyapı, birden fazla modeli desteklemeli ve bu modellerin aynı iş akışı içinde paralel olarak çalışmasına izin vermelidir. Bir sağlayıcı, konuşma-konuşma bileşenini işlerken, başka bir model neden olma veya işleme geride kalabilir.

Araç seti, müşterinin maliyeti, performansı, güvenliği, gecikmesi ve üçüncü taraf hizmet sağlayıcılarına açıklığa göre seçilmelidir. Bazı şirketler, sağlayıcıları birleştirmeye açıkken, diğerleri ajanlarını kendi bulutlarında veya adanmış altyapıda tutmak ister. Mimari, her iki yaklaşıma da destek olmalıdır.

Bir AI ajanı, şirket verilerine erişebilir ve iş sistemleri üzerinden eylemler gerçekleştirebildiğinde, güvenlik, yalnızca bir sohbet arayüzünü korumaktan daha karmaşık hale gelir. Bir ajanın izinleri, özerkliği ve sonuçları olan eylemleri başlatma yeteneği için hangi kontroller geçerli olmalıdır?

Erişim, rol, proje ve iş akışı tarafından kontrol edilmelidir. Bir ajan, yalnızca onaylanan bağlam için izin verilen bilgileri, araçları ve eylemleri kullanabilmelidir, bu kapsam dışındaki talepler yetkilendirme için gönderilmelidir.

Eylemin duyarlılığına ve sonuçlarına bağlı olarak özerklik derecesi yansıtmalıdır. Para, özel bilgi veya başka önemli bir sonuç içeren işlemler için, şirketin ajanın ne yaptığını görebilmesi ve tamamlanmadan önce onaylanması gerekir.

Nventr, belge işleme, müşteri hizmeti, raporlama, sağlık iletişimi ve dolandırıcılık tespiti gibi alanlarda uygulamalar sunar. Bir iş akışının agentic otomasyona uygun olmasını sağlayan teknik veya operasyonel özellikler nelerdir ve hangi süreçler öncelikle insan liderliğindeki süreçler olarak kalmalıdır? 

Bir sürecin insan sayısı veya maliyeti ile karmaşıklığı ve otomasyona uygunluğu arasında bir denge kurmaya çalışıyoruz. Bir süreç pahalı veya emek yoğun olabilir, ancak otomasyon için yanlış bir başlangıç noktası olabilir jika çok karmaşık veya güvensiz ise.

Genel yaklaşım, en düşük asılı meyvelerle en büyük etkiye sahip olanı hedeflemektir. Bu formül, bir kişinin rolü, birkaç departman veya tüm organizasyon için uygulanabilir. Belirsizlik veya sonuçları olan yargı içeren süreçler, insanları içermeye devam etmelidir.

Çalışanların AI karşılıklarına sahip olacağı fikrini tartıştınız, bu karşılıklar, işlerinin tekrarlayan unsurlarını işleyecektir. Bu, organizasyonel yapıları nasıl değiştirebilir ve liderlerin bu sistemlerin insan yargısını güçlendirmesini sağlamak için ne yapmaları gerekir? 

Fikir, her bir personele, işlerinin bir kısmını zamanla öğrenebilecek bir ajan karşılığı vermektir. Daha büyük bir organizasyon çapında, bu, organizasyon şeması üzerinde merkezi zeka ve optimizasyon oluşturur, ancak yalnızca bir veya iki çalışana özgü değildir.

Ajan, tekrarlayan işleri, bilgi toplama, veri taşıma veya rutin sunumlar oluşturma gibi işleri üstlenebilir. Bu, insanlara önemli tartışmalar ve kararlara daha fazla zaman ayırmalarına olanak tanır, ancak organizasyon, hassas bilgi ve sonuçları olan eylemler üzerinde otoriteyi korur.

AI ajanları, asistanlardan, karmaşık organizasyonlar için bir işletim katmanına doğru evrimleşirken, şirketlerin tüm bölümleri veya iş birimleri kapsayan iş akışlarını güvenli bir şekilde otomatikleştirebilmeleri için hangi yeteneklerin en çok geliştirilmesi gerekir? 

Ajanların, şirket veritabanları, dosyaları ve daha büyük sistemlerle daha düşük gecikme süresi ve daha güçlü entegrasyonlara ihtiyacı vardır. Bilgi, insan müdahalesi olmadan veya yeni tıkanıklıklar oluşturmadan roller ve departmanlar arasında taşınabilmelidir.

Etkileşim katmanı da geliştirilmelidir. Ses ajanları, bir kişinin normal bir sohbet gibi kesintiye uğratıp yönünü değiştirebileceği bir his vermelidir ve şirketler, yetkili ajanların sistemleriyle doğrudan etkileşime girebilmeleri için yöntemlere ihtiyaç duyacaktır. Tarayıcı otomasyonu, boşluğu köprüleyebilir, ancak endüstri, hesaplamaların ve altyapının bir maliyeti olduğu için daha verimli bir yapıya doğru ilerleyecektir.

Harika röportaj için teşekkür ederiz, daha fazla bilgi öğrenmek isteyen okuyucular Nventr‘i ziyaret edebilirler.