Даррен Кімура, генеральний директор і президент AI Squared – Інтерв’ю серія

Даррен Кімура – досвідчений підприємець, винахідник та інвестор, який зараз обіймає посаду президента та генерального директора AI Squared. З більш ніж 25-річним досвідом керівництва у сфері технологій та чистої енергетики, він очолював компанії такі як Energy Industries Corporation, Sopogy та LiveAction, а також був співзасновником венчурної фірми Enerdigm Ventures. Кімура відомий винаходом технології MicroCSP сонячної енергетики, він відіграв ключову роль у масштабуванні компаній, орієнтованих на邊овий обчислення, штучний інтелект та рішення на основі SaaS.

AI Squared – це низькокодова платформа, розроблена для допомоги підприємствам інтегрувати інсайти штучного інтелекту безпосередньо у інструменти, які вони вже використовують, наприклад Salesforce (CRM ), Slack, Google Sheets та ServiceNow. Зрощуючи розгортання штучного інтелекту та дозволяючи приймати рішення в режимі реального часу, платформа дозволяє командам з інженерії, продажів та операцій розблокувати вимірювану бізнес-цінність. Орієнтуючись на клієнтів у сфері фінансів, ланцюжків постачання та державного сектора, AI Squared прискорює прийняття рішень щодо штучного інтелекту в підприємствах, роблячи його безшовним, контекстно-залежним та дієвим.

Ви очолювали кілька компаній у різних галузях – що спонукало вас приєднатися та в кінцевому підсумку очолити AI Squared?

Я завжди був приваблений до вирішення складних, реальних проблем, які вимагають глибокого розуміння технологій та бездоганної реалізації. Я почав свою кар’єру в галузі енергоефективності та відновлюваних джерел енергії, захоплюючи дані машини у великому масштабі та допомагаючи людям зрозуміти та діяти відповідно до них. З часом це переросло у переміщення обробки даних ближче до місця роботи, у безпечні системи чи всередині корпоративних робочих процесів.

Коли я вперше зустрівся з AI Squared, я одразу побачив, що вони займаються дуже реальною та дуже терміновою проблемою: як перемістити штучний інтелект з лабораторії у повсякденне використання. Більшість компаній все ще зосереджені на створенні моделей. AI Squared зосередився на розгортанні.

Що ще більше переконало мене, це їхній фундамент. Компанія розпочалася всередині АНБ і провела останні шість років, заробляючи довіру по всьому Міністерству оборони, розвідувальному співтовариству, космічному співтовариству та деяким із найбільших підприємств зі списку Fortune 500 через реальні проекти та значимі результати, які продовжують зростати рік від року. Це сказав мені дві речі: по-перше, вони були серйозні щодо безпеки, відповідності та впливу. І по-друге, вони були командою, якій я міг довіряти.

Як ваш досвід масштабування ZEDEDA та роботи у сфері венчурного капіталу сформував ваш підхід до розгортання штучного інтелекту на рівні підприємств?

У ZEDEDA ми працювали на далекому краю як операційна система всередині відкритого співтовариства. Це змусило мене глибоко зрозуміти реальні обмеження, з якими стикаються наші клієнти під час цифрової трансформації. Там у нас була світового класу інженерна команда з Cisco, Sun Microsystems, Juniper, Arista, але також навчила мене, наскільки важливо поєднувати цю технічну досконалість з сильним корпоративним ринком.

З боку венчурного капіталу я здобув інший тип розуміння. Я побачив, як компанії глибоких технологій масштабуються, спочатку повільніше, але швидше, коли ви будуєте на сильному фундаменті. Це навчило мене думати у системах: ринковий час, готовність продукту, зрілість клієнта та стратегія капіталу повинні всі збігатися. Це той погляд, який я приніс у розгортання штучного інтелекту в AI Squared. Це не про створення моделей, це про доставку результатів, яким підприємства можуть довіряти, вимірювати та масштабувати.

AI Squared підкреслює інтеграцію штучного інтелекту у системи, які люди вже використовують. Як виглядає вирішення “останньої милі” штучного інтелекту на практиці?

87% проектів штучного інтелекту ніколи не досягають виробництва, оскільки інтеграція повільна, складна та відірвана від кінцевих користувачів. AI Squared вирішує цю проблему, створюючи національну безпеку класу трубопроводу інтеграції даних, який з’єднує моделі штучного інтелекту/машинного навчання з джерелами даних, такими як Databricks або Snowflake, та системами, які ці компанії вже використовують, наприклад CRM, ERP та спеціальні програми.

Як ваша платформа допомагає мостити розрив між командами даних та бізнес-користувачами?

AI Squared спрощує передачу від розробки моделі до виробництва. Команди даних можуть розгортати моделі безпечно через нашу платформу, тоді як бізнес-користувачі отримують інсайти всередині інструментів, які вони вже використовують, наприклад Salesforce, Teams, Slack або будь-які інші системи облікових записів.

Ви працюєте з АНБ, ВМС США та іншими федеральними агентствами. Як пріоритети, такі як відповідність, прозорість та етичне використання, формують дорожню карту продукту AI Squared?

Етика, відповідність та прозорість – це найвищі пріоритети на нашій дорожній карті. Ми знаємо, що працюючи з федеральними агентствами, ми повинні ставити на перше місце слідчість, аудитованість та пояснюваність. Ми будуємо на принципах нульового довіри, підтримки безпечних середовищ розгортання та чітких моделей управління.

Яка роль, на вашу думку, відіграє дискримінативний штучний інтелект у покращенні прийняття рішень для федеральних агентств?

Дискримінативний штучний інтелект точний, інтерпретований та ефективний. Він ідеальний для високих ставок середовищ, де вам потрібні чіткі відповіді, так чи ні, загроза чи ні. У федеральних агентствах це дозволяє швидше тріаж, виявлення ризиків та пріоритезації. Він доповнює генеративні моделі, пропонуючи структуровані, валідовані виходи, які підтримують критичне прийняття рішень.

Коли мова йде про національну безпеку, де ви бачите найбільший ризик – і можливість – для прийняття рішень щодо штучного інтелекту?

Найбільший ризик – це некерована автономія, розгортання систем штучного інтелекту без прозорості, нагляду чи аварійних вимкнень. Можливість полягає в прискоренні ситуаційної осведомленості та швидкості прийняття рішень. Штучний інтелект може просіювати через великі дані в режимі реального часу, щоб висвітити закономірності, яких люди можуть не помітити. Але щоб реалізувати цю цінність, він повинен бути довіреним, слідчим та інтегрованим з людьми у системах.

Які найпоширеніші помилки, які компанії роблять під час розгортання Генеративного штучного інтелекту?

Найбільша помилка – це зосередження на новизні над необхідністю. Занадто багато компаній розгортають Генеративний штучний інтелект без чіткого випадку використання, плану управління чи метрики успіху. Це призводить до втоми пілотних проектів, незміщуваних прототипів та проблем з довірою. Генеративний штучний інтелект потужний, але як і будь-яка технологія, він потребує бути пов’язаним з проблемою, користувачем та робочим процесом.

Чи можете ви поділитися прикладом, де AI Squared допоміг підприємству уникнути “синдрому блискучого об’єкта” та замість цього доставити вимірюваний вплив?

Одне підприємство прийшло до нас, бажаючи створити спеціальний LLM для класифікації тикетів служби підтримки клієнтів. Ми показали їм, як простий, вбудований класифікатор, розгорнутий через нашу платформу, міг доставити 90% точності у їхньому CRM менш ніж за дві тижні. Жодних нових інтерфейсів, жодного спеціального навчання. Це сила вирішення правильної проблеми з правильним інструментом.

Які надходящі тенденції вас найбільш захоплюють у сфері підприємства штучного інтелекту за наступні 3-5 років?

Три виділяються:

1. LLM, які є真正ньо багатомодальними та орієнтованими на конкретні завдання
2. Системи штучного інтелекту, які приймають дії, а не тільки генерують контент
3. Стандартизована система управління, яка дозволяє прийняття рішень щодо штучного інтелекту у галузях, що підлягають регулюванню

Ці тенденції рухають штучний інтелект у бік того, щоб він став більш корисним, довіреним та вбудованим у повсякденні операції.

Як AI Squared еволюціонує свою платформу, щоб збігатися з швидкими досягненнями LLM та екосистем моделей?

Ми є модель-агностичними за конструкцією. Хоча це відкритий вихідний код моделі, комерційний LLM чи власний дискримінативний модель, наша платформа дозволяє організаціям безпечно розгортати та керувати ним у межах їхніх існуючих робочих процесів. Ми зосереджені на оркестрації, керуванні версіями та управлінні, щоб стек моделей міг еволюціонувати без порушення досвіду користувача.

Що таке успіх для AI Squared у наступному розділі під вашим керівництвом?

Успіх означає стати стандартним способом, яким підприємства та урядові агентства оперціоналізують штучний інтелект. Це означає зменшення часу до отримання цінності з місяців до днів, і роблячи розгортання штучного інтелекту таким же безшовним та безпечним, як запуск нового функціоналу. Під моїм керівництвом ми зосереджені на масштабі, довірі та реальних результатах, не тільки на інноваціях заради самих інновацій, а на впливі там, де це найважливіше.

Дякую за велике інтерв’ю, читачам, які бажають дізнатися більше, слід відвідати AI Squared.