Едвін Лісовський, співзасновник і головний директор з питань зростання Addepto – Серія інтерв’ю

Едвін Лісовський, співзасновник і головний директор з питань зростання Addepto, керує стратегічним зростанням компанії, бізнес-розробкою та маркетингом. Він має великий досвід у сфері архітектури даних, стратегії, керованої штучним інтелектом, та консалтингу з аналітики, поєднуючи технічну експертизу з сильним акцентом на впровадженні штучного інтелекту та трансформації бізнесу для глобальних клієнтів.

Addepto – це варшавська консалтингова компанія, яка спеціалізується на штучному інтелекті, машинному навчанні, інженерії даних та бізнес-аналітиці для корпоративних клієнтів. Компанія допомагає організаціям перетворити сирі дані на дієвані знання через комплексну стратегію штучного інтелекту, розробку концепції та впровадження моделей у виробництво. Працюючи в різних галузях, таких як фінанси, логістика, виробництво та страхування, Addepto підкреслює індивідуальні рішення та довгострокові партнерства, щоб допомогти клієнтам ефективно використовувати штучний інтелект для досягнення бізнес-результатів.

Що спонукало вас заснувати Addepto у 2018 році, і яку прогалину на ринку ви намагались заповнити?

У 2018 році ми постійно бачили дві крайності: великі постачальники пропонували “один розмір для всіх” штучний інтелект, а з іншого боку, внутрішні команди застряли після кількох концепцій, оскільки їм бракувало інженерії даних і MLOps. Ми створили Addepto, щоб бути командою, яка з’єднує стратегію → інженерія даних → моделі → виробництво, особливо для галузей з великими обсягами даних. Такий повноцінний підхід залишається нашою ДНК.

Яка з галузей діяльності Addepto – комп’ютерне зір, NLP, машинне навчання або інженерія даних – мала найшвидше впровадження у великих корпораціях, і чому?

За останні 18-24 місяці NLP/GenAI розвивалася найшвидше у корпораціях (пошук, асистенти, обробка документів), оскільки вона безпосередньо впливає на ефективність знань та може починатися з фундаментальних моделей. Опитування галузей показують значний крок вперед у використанні штучного інтелекту у 2024 році, з випадками використання GenAI, які масштабуються по функціях.

Багато компаній мають труднощі з переходом від концепції штучного інтелекту до систем виробництва. Як Addepto допомагає їм подолати цю прогалину?

Ми розглядаємо виробництво як дисципліну, а не фазу: робочі семінари з відкриття, контракти даних, референс-архітектури, CI/CD для моделей, спостереження та “день-2” операції (зміна, вартість, обмеження). Конкретно, ми стандартизуємо MLOps та переробляємо концепції у мікросервісні точки, які пасують до стеку клієнта (Databricks/Spark, Kubernetes, існуюча БІ). Так ми постійно доставляємо більше, ніж просто демонстрації.

Генеративний штучний інтелект тепер центральний у ваших пропозиціях. Як ви вирішуєте, коли застосовувати фундаментальні моделі, а коли розробляти індивідуальні моделі?

Наш дерево рішень є практичним:

• Починайте з фундаментальних моделей, коли домінують час до цінності, широкі завдання мови та варіативність.
• Переходьте до налаштування або адаптерів, коли критична точність термінології чи тону.
• Розробляйте індивідуальні моделі, коли важлива затримка/вартість/контроль IP, дані є власними/структурованими, або застосовуються обмеження краю.
  Це відображає, куди рухаються підприємства: менше “експериментів”, більше архітектур, придатних для використання.

У 2024 році ви запустили ContextClue як окрему платформу управління знаннями. Яка болюча точка переконала вас, що час для окремого продукту настав?

Клієнти з інженерії постійно запитували одне й те саме: “Наші CAD, PLM, ERP та документи не спілкуються, можете зробити так, щоб вони думали разом?” Ми вирішували це повторно у проектах, тому ми зробили з цього продукт. 2024 рік був правильним моментом, оскільки GenAI зробив пошук та авторство корисними для інженерів (не тільки для команд даних). Ми оголосили про це та почали впроваджувати його в цей час.

ContextClue інтегрується з CAD, ERP, PLM та технічними документами. Який із цих джерел даних найважче уніфікувати, і як ви це вирішуєте?

CAD є найскладнішим: двійкові/власні формати, версіонування, збірки та просторовий контекст. Ми нормалізуємо CAD поряд з метаданими PLM/ERP, а потім відображаємо все у граф знань, щоб деталі, системи, специфікації та процедури відповідали одній сутності. Це є основою інгест-пайплайну ContextClue.

Платформа підтримує семантичний пошук та генерацію документів. Як ви забезпечуєте точність і довіру до цих виходів для інженерних команд?

Три шари:

• Заземлений пошук (schema-освідомлений RAG над графом знань) з цитатами до джерельних артефактів.
• Політика + тестування (оцінювальні набори у CI, червоні команди-промпти, регресійні тести).
• Людина у циклі для критичних виходів (ＳＯＰ, документи з дотриманням вимог). Ми навіть відкрили джерела частини нашої оцінювальної та графо-екстракторної інструментальної бази, щоб зробити це аудитуємим.

Що робить ContextClue відмінним від інших інструментів управління знаннями у важкій промисловості та інженерних екосистемах?

Це інженерно-родне: воно не просто “шукає файли”, а розуміє збірки, залежності та вплив змін, зв’язуючи CAD/PLM/ERP та історію обслуговування у дієвому графі. Конкурентні інструменти управління знаннями часто зупиняються на індексуванні; ContextClue уніфікує структуру + семантику та видає як людина-читані документи, так і машинно-читані моделі (для цифрових двійників, планування).

Як ви бачите розвиток ContextClue з ростом багатомодального штучного інтелекту, особливо у поєднанні тексту, схем та 3D-моделей?

Два напрямки вже рухаються:

• Вид над CAD та схемами: витягування топології, викликів та посилань на БОМ, щоб закріпити відповіді у кресленнях.
• Вирівнювання 3D: зв’язування вузлів знань з 3D-координатами/оглядами Omniverse, щоб запити щодо обслуговування чи планування розрізнялися до правильної точки у моделі. Очікуйте багатші агенти, які переміщаються частинами, версіями та процедурами через модальності.

Оглядаючи майбутнє, як ви бачите розвиток Addepto та ContextClue один одного, і де ви бачите їхній спільний вплив на галузь за наступне десятиліття?

Addepto продовжить рухатись на передовий край, виробляючи багатомодальні/агентні системи відповідально, тоді як ContextClue перетворить цю науково-дослідну роботу у повторювану цінність для інженерних команд. Разом ми намагаємося скоротити “відходи знань” (час, втрачений на пошук/перестворення) у масштабі, вимірюючи результати, як час циклу інженерії, показники переделок та час підготовки до аудиту по підприємствах та програмах. Ринок рухається від “багатьох пілотних проектів” до “менше, але більш цінних впроваджень”, і ми плануємо бути партнером та платформою, яка постійно доставляє ці перемоги.

Дякуємо за велике інтерв’ю, читачам, які бажають дізнатися більше, рекомендуємо відвідати Addepto.