Omri Kohl, Pyramid Analytics’in CEO’su ve Kurucu Ortağı – Röportaj Serisi

Omri Kohl, Pyramid Analytics’in CEO’su ve kurucu ortağıdır. Pyramid Decision Intelligence Platform, herkesin daha hızlı ve daha akıllı kararlar almasına olanak tanıyan veri tabanlı içgörüler sunar. Şirketin stratejisi ve operasyonlarını hızlı büyüyen bir veri ve analiz pazarında yönetmektedir. Kohl, analitik ve AI teknolojileri hakkında derin bir anlayışa, değerli yönetim deneyimine ve geleneksel düşünceyi sorgulama yeteneğine sahiptir. Kohl, hızlı büyüyen şirketler geliştiren ve yöneten deneyimli bir girişimcidir. Bar-Ilan Üniversitesi’nde ekonomi, finans ve iş yönetimi okudu ve New York Üniversitesi, Leonard N. Stern İşletme Okulu’ndan uluslararası iş yönetimi alanında MBA derecesi sahiptir.

GenBI nedir ve iş zekası ile nasıl entegre edilir, karar alma süreçlerini nasıl geliştirir?

GenBI, analitik, iş zekası ve karar alma süreçlerine GenAI, LLM’ler ve genel AI’nin gücünü getirmek için gereken çerçeve ve mekanizmadır.

Şu anda, GenAI’yi alone kullanarak veri setlerine erişim sağlamak pratik değildir. Anlamlı sonuçlar elde etmek için GenAI aracına yeterli veri yüklemek bir haftadan fazla sürebilir. Bu, iş verilerinin çok dinamik ve hassas olduğu için çalışmaz. GenBI ile herkes, doğal dilde bir soru sorarak ve sonuçları bir BI panosunda görerek değerli içgörüler elde edebilir. Anlamlı ve yararlı bir cevap almak için sadece 30 saniye gerekir.

GenBI’nin karmaşık iş zekası görevlerini doğal dil aracılığıyla anlamak ve gerçekleştirmek için hangi teknolojik yenilikler vardır?

Sırımızı vermemek için, temel olarak üç bileşen vardır. İlk olarak, GenBI, LLM’leri doğru analitik adımları üretmek için gereken tüm unsurlarla sağlar. Bu, kullanıcıların doğal dilde ve belirsiz terimlerle sorgular oluşturmasına olanak tanır.

Sonraki olarak, Pyramid Analytics GenBI çözümü, bu adımları şirketinizin verilerine, durumunuzun özgüllüklerine bakılmaksızın uygular. Temel veri setlerinden ve basit sorgulardan karmaşık veri tabanlarına ve kullanım örneklerine kadar her şeyi kapsar.

Üçüncüsü, Pyramid, bu sorguları altta yatan verilere uygulayabilir ve sonuçları anında manipüle edebilir. Bir LLM alone, bir veritabanında derin analizler üretemez. Kullanıcı talebini yorumlamak, içgörüler üretmek ve sonuçları BI platformuna iletmek için bir robot unsuruna ihtiyaç vardır.

GenBI, özellikle teknik olmayan kullanıcılar için veri analizi nasıl demokratikleştirir?

Basitçe, GenBI herkesin gerekli içgörülere erişmesine olanak tanır, uzmanlık düzeyinden bağımsız olarak. Geleneksel BI araçları, kullanıcıların doğru sonuçları elde etmek için en iyi veri işleme tekniğini bilmelerini gerektirir. Ancak çoğu insan grafik, tablo veya grafik düşünmez. Sadece sorularına cevaplar isterler.

GenBI, herkesin uzmanlık düzeyinden bağımsız olarak cevaplar sunar. Kullanıcıların profesyonel terimlere ihtiyaç duyması, veri tabanında sorgu yazması veya kodlaması gerekmez. Doğal bir sohbetle veri keşfedebilirler.

Bunu, bir kağıt harita kullanarak rotanızı planlamanın ve bir navigasyon uygulaması kullanarak rotanızı planlamanın arasındaki fark olarak düşünüyoruz. Bir kağıt harita ile, en iyi yolları, olası trafik sıkışıklıklarını ve farklı rota seçeneklerini düşünmeniz gerekir. Bugün, insanlar sadece destinasyonlarını uygulamaya girer ve yola çıkarlar – algoritmalar o kadar güvenilir ki, önerilen rotayı sorgulamazlar. GenBI’nin de şirket verilerine benzer bir otomatik sihir getirdiğini düşünüyoruz.

Erken benimseyenlerden, kullanım kolaylığı ve öğrenme eğrisi hakkında geri bildirimler nelerdir?

Çok olumlu geri bildirimler aldık. En iyi şekilde özetleyebileceğimiz, “Vay!” Kullanıcılar ve testçiler, Pyramid’in kullanım kolaylığını, güçlü özelliklerini ve anlamlı içgörülerini takdir ediyor.

Pyramid Analytics’in neredeyse sıfır öğrenme eğrisi vardır, bu nedenle insanlar onu hemen benimsemekten çekinmez. Test ettiğimiz çözümün yaklaşık üçte ikisi, kullanımı kolay ve etkili olduğu için bugün kullanıyor.

GenBI, onu uygulayan organizasyonların karar alma süreçlerini nasıl dönüştürmüştür? Belirli vaka çalışmaları veya örnekler var mı?

GenBI’yi geliştirmemiz uzun zaman aldı, ancak sadece birkaç hafta önce piyasaya sürdük, bu nedenle henüz paylaşılabilecek tamamlanmış vaka çalışmaları veya adlandırılabilecek müşteri örnekleri yok. Ancak, binlerce kullanıcısı olan organizasyonların gerçekten veri odaklı hale geldiğini söyleyebilirim, çünkü herkes içgörülere erişebilir. Kullanıcılar artık tüm verilerinin gerçek değerini kilitleyebilir.

GenBI, sigorta, bankacılık, finans, perakende, imalat ve diğer dikeylerde dönüşümsel bir etkiye sahiptir. Örneğin, finans danışmanları, bir müşterinin portföyünü optimize etmek için anında öneriler alabilir.

GenBI geliştirirken karşılaştığınız en büyük zorluklar nelerdi ve bunları nasıl aştınız?

Pyramid Analytics, yeni çözümü piyasaya sürmeden önce yıllarca analitik için AI’yi kullanıyordu, bu nedenle çoğu zorluk uzun zaman önce giderildi.

Yeni bir unsur, LLM’lerle birlikte çalışan gelişmiş sorgu oluşturma teknolojisidir. Bu, veri gizliliğini korurken doğru sonuçlar üretir. Verileri sorgudan ayırmakla bunu başardık.

Karşılaştığımız bir başka büyük zorluk, hızdı. Google çağındayız ve insanlar şimdi cevaplar bekliyor, bir saat veya yarım saat değil. İşlemeleri hızlandırdık ve tüm iş akışlarını sürtünmeyi azaltmak için optimize ettik.

Son olarak, hayal gücü önlemek zorundaydık. Chatbot’lar hayal gücüye eğilimlidir ve bu, sonuçları çarpıtır ve güvenilirliği zayıflatır. Bunlardan kaçınmaya çalıştık ve aynı zamanda dinamik sonuçlar elde ettik.

Veri güvenliği ve gizliliği ile ilgili konuları nasıl ele alıyorsunuz?

Bu, harika bir soru, çünkü veri gizliliği ve güvenliği, başarılı GenAI analitiğinin en büyük engelidir. Herkes, yüksek hassasiyetli kurumsal verilerin üçüncü taraf AI motorlarına maruz kalma fikrine karşı haklı olarak endişe duyuyor, ancak aynı zamanda bu motorların sunduğu dil yorumlama yetenekleri ve veri içgörülerini istiyor.

Bu nedenle, LLM’lerle çalışırken asla gerçek verileri paylaşıyoruz. Pyramid, şirketinizin bilgisi ile LLM arasında bir aracı olarak hareket eder. Talebinizi iletmenize ve sonra LLM’ye “bileşenler” olarak adlandırdığımız şeylerin tanımlarını iletmelerine izin veririz.

LLM, kullanıcı sorusunu bir veri analizi sorgusuna dönüştürmek için bir “tarif” döndürür. Sonra Pyramid, bu tarifi güvenli olarak kendi self-hosted kurulumunuzda bağlı olan verilerinize uygular, böylece hiçbir veri LLM’ye ulaşmaz. Sonuçları kolayca anlaşılabilir bir görsel形式de size sunmak için birleştirebiliriz. Aslında, güvenlik ve gizliliğinizi tehlikeye atabilecek hiçbir şey maruz kalma riski olmadan şirketinizin güvenlik duvarının güvenliği içinde kalır.

Mevcut veri altyapısına GenBI’yi entegre etmek isteyen organizasyonlar için uygulama süreci nasıl görünüyor? Öncelikle hangi önkoşullar veya hazırlıklar gerekiyor?

Pyramid Analytics’in uygulanması çok kolay ve hızlıdır. Kullanıcıların çok az önkoşula ve hazırlığa ihtiyacı vardır ve her şeyi çalışır duruma getirmek sadece bir saat sürer. Verilerinizi yeni bir çerçeveye taşımanız veya veri stratejilerinizi değiştirmeniz gerekmez, çünkü Pyramid doğrudan verilerinize bağlı olarak sorgular.

Verilerinizi açıklamanız veya sütunları tanımlamanız gerekmez. Bir CSV veri setini yüklemek veya SQL veritabanınıza bağlamak kadar basittir. Aynı şey herhangi bir ilişkisel veritabanı için de geçerlidir. Verilerinizi bağlamak sadece birkaç dakika sürer ve sonra ilk sorunuzu saniyeler içinde sorabilirsiniz.

Eğer isterseniz, yapısını değiştirebilirsiniz, gibi birleştirmeyi değiştirebilir veya sütunları yeniden tanımlayabilirsiniz. Bu biraz zaman ve çaba gerektirir, ancak dakikalar değil, aylarca süren bir geliştirme projesi değildir. Müşterilerimiz genellikle Pyramid’in klasik bir veri ambarı veya veri gölü üzerinde beş dakika içinde çalışır durumda olduğunu şaşkınlıkla karşılar.

Ayrıca, güçlü sonuçlar elde etmek için çok spesifik, doğru veya zeki sorular sormanız gerekmez. Yazım hataları yapabilir ve yanlış ifade kullanabilirsiniz, Pyramid bunları çözecek ve anlamlı ve değerli bir cevap üretecektir. Sadece sorduğunuz verilere dair bazı bilgilere ihtiyacınız vardır.

Pyramid Analytics için önümüzdeki beş yılın stratejik vizyonunuz nedir? Çözümlerinizin değişen piyasa taleplerini karşılamak için nasıl evrileceğini görüyorsunuz?

Sonraki büyük sınır, ölçeklenebilir, çok spesifik sorguları desteklemektir. Kullanıcılar, kişiselleştirilmiş varlıklar hakkında çok spesifik sorular sormak istemektedir ve LLM’ler, veritabanının özgüllüklerine ilişkin ayrıntılı bir anlayışa sahip olmadığından, bu durumlarda akıllıca cevaplar üretemez.

LLM’leri, veritabanının özgüllükleri hakkında sormak için kullanmanın ve aynı zamanda tüm devasa veri gölünüzü LLM’ye bağlamamanın zorluğunu karşılamaktayız. LLM’yi, her iki saniyede yeniden hidrate edilen veriler hakkında nasıl iyileştirebiliriz? Sabit noktalar gibi ülkeler, konumlara ve tarihler için bunu yönetebiliriz, ancak isim gibi idiosinkratik şeyler için değil, ancak bugün çok yakınız.

Kullanıcıların, kendi matematiksel yorumlarını verilere uygulayabilmesi, kendi formüllerini kullanabilmesi de zorludur. Formülün uygulanmasının zor olmasının nedeni, kullanıcının ne istediğini anlamak ve doğru sözdizimini elde etmektir. Bu zorlukları çözmeye çalışıyoruz ve bunları başardığımızda, bir sonraki eureka noktasını geçmiş olacağız.

Harika bir röportaj için teşekkür ederiz, daha fazla bilgi edinmek isteyen okuyucular Pyramid Analytics’i ziyaret edebilir.