Інна Токарєв Села, генеральний директор і засновник illumex – Серія інтерв’ю

Інна Токарєв Села, генеральний директор і засновник Illumex, змінює спосіб, у який підприємства готують свої структуровані дані для генерації штучного інтелекту. Illumex дозволяє організаціям розгортати агентів аналітики генерації штучного інтелекту, перекладаючи розрізнені, криптичні дані у значущу, контекстно-багату мову бізнесу з вбудованим управлінням.

Платформа автоматично аналізує метадані для пошуку та маркування структурованих даних без їх переміщення або зміни, додаючи семантичне значення та вирівнювання визначення для забезпечення ясності та прозорості. Створюючи бізнес-терміни, пропонуючи метрики та визначаючи потенційні конфлікти, Illumex забезпечує управління даними на вищому рівні.

З допомогою Illumex агенти аналітики можуть інтерпретувати запити користувачів з точністю, надавати точні, контекстно-обізнані та вільні від галюцинацій відповіді. Під керівництвом Інни Illumex встановлює новий стандарт готовності до штучного інтелекту, допомагаючи підприємствам розблокувати весь потенціал своїх даних.

Що надихнуло вас заснувати illumex, і як ваш досвід у Sisense та SAP сформував ваше бачення компанії?

Бачення illumex з’явилося під час моїх студій, коли я уявляв інформацію, доступну через асоціації типу ментальної карти, а не традиційних баз даних – це дозволяє безпосередній доступ до відповідних даних без тривалих людських консультацій.

Мій час у SAP навчив мене основам побудови програмного забезпечення для підприємств та масштабування операцій. Робота над розробкою продукту з платформою SAP HANA cloud та бізнес-ініціативами, такими як партнерська програма для стартапів, дала мені глибокі знання про потреби клієнтів підприємств. Це показало значущу прогалину між тим, як компанії підходять до практики даних, і тим, чого насправді потребують кінцеві користувачі.

У Sisense побудова практики штучного інтелекту з нуля продемонструвала величезну цінність, яку штучний інтелект міг принести клієнтам. Дивлячись на цей вплив, у поєднанні з ростом технологій SaaS та генерації штучного інтелекту, переконало мене, що час був правильний для запуску illumex у 2021 році.

illumex зосереджується на генерації семантичної тканини. Чи можете ви пояснити основну концепцію та те, що мотивувало вас подолати цю конкретну проблему в галузі штучного інтелекту та аналітики даних?

illumex стала піонером у галузі генерації семантичної тканини – платформи, яка автоматизує створення людьми та машинозчитуваної організаційної контексту та розуміння. Ця платформа уніфікує досвід як моделей генерації штучного інтелекту, так і бізнес-застосунків для технічних та нетехнічних користувачів навколо спільного контексту.

Ця тканина забезпечує дві основні вигоди: вона спрощує управління даними завдяки автоматизації до 80% завдань інженерії даних та дозволяє нетехнічним користувачам отримувати доступ до аналітики з вбудованим управлінням, пояснюваністю та точністю. Обидві ці вигоди відповідають ринкові вимогам підприємства щодо прийняття рішень.

Подіуми цього типу можна вважати цифровим майданчиком, де машини, люди та додатки взаємодіють спонтанно без попереднього програмування. Це відповідає нашому баченню майбутнього без застосунків, де замість того, щоб використовувати окремі інструменти типу таблиць, аналітики, фінансових систем та управління клієнтами, ви просто виражаєте свою задачу, і вона виконується безперешкодно. Генерація семантичної тканини є основою для цього майбутнього.

Які були деякі з ключових проблем, з якими ви зіткнулися на початку існування illumex, і як ви їх подолали?

У 2021 році, незважаючи на те, що моделі генерації штучного інтелекту існували з 2017 року, а графічні нейронні мережі існували ще довше, було складно пояснити інвесторам, чому нам потрібно автоматичне контекстуальне розуміння. Навіть визначення цього завдання було складним.

Я б сказала, що найбільша проблема полягала в тому, щоб викликати справжній ентузіазм щодо цієї майбутньої технології та майбутнього ринку. І я була дуже щаслива зустріти інвесторів, які вірили в мене.

Як illumex надає організаціям можливість стати готовими до штучного інтелекту, і чому цей перехід критичний у сучасному бізнес-ландшафті?

Бізнес-світ розділяється на два табори: компанії, які визнають і капіталізують штучний інтелект як трансформаційну силу, подібну до Інтернету, та ті, які пропускають або запізнюються з розумінням цієї можливості.

illumex зустрічає організації на будь-якому етапі їхнього шляху штучного інтелекту. Ми готуємо їхні дані для реалізації генерації штучного інтелекту, посилюємо та управляємо організаційною логікою та контекстом, та дозволяємо розгортання агентів аналітики та оркестрації.

Наша платформа генерації штучного інтелекту для структурованих даних піднімає будь-який ландшафт компанії до ефективного використання цих передових технологій.

illumex підкреслює “вільні від галюцинацій” відповіді генерації штучного інтелекту. Як illumex забезпечує детермінізм та надійність виводів?

illumex будується на основі існуючих бізнес-онтологій – графів знань, які захоплюють галузеві терміни, робочі процеси та процеси в галузях, таких як фармацевтика, роздрібна торгівля та виробництво, а також бізнес-функції, такі як фінанси, кадри та ланцюжки постачання.

Під час налаштування клієнтів ми автоматично повторно тренуємо ці онтології на їхніх метаданих. За кілька днів компанії можуть шукати свої дані, валідувати результати та визначати проблеми, такі як дублікати чи конфлікти.

Агентська аналітика чат-бот забезпечує повну прозорість – показуючи, як питання інтерпретуються та відображаються на клієнтській онтології, а потім на дані. Ця прозорість, у поєднанні з автоматичною валідациєю даних, забезпечує детермінізм та вільність від галюцинацій відповідей. Крім того, команди управління можуть попередньо валідувати потенційні відповіді, оскільки контекст включає всі можливі питання та їхні пермутації заздалегідь.

Як illumex відрізняється від традиційних підходів, таких як генерація, посилена на пошукових запитах (RAG)?

Хоча RAG намагається налаштувати готові моделі штучного інтелекту, годуючи їх організаційними даними та логікою, вона стикається з кількома обмеженнями. Це чорна скринька – ви не можете визначити, чи ви надали достатньо прикладів для правильної настройки, чи як оновлення моделі впливають на точність. Це також залежить від фахівців з даних, які можуть не мати бізнес-контексту, що робить повне захоплення організаційної логіки складним.

Крім того, RAG споживає близько 80% інфраструктури штучного інтелекту та токенів просто для налаштування, а не для фактичного використання, що викликає занепокоєння щодо ROI. Це також не має вбудованого управління – немає способу для команд відповідності валідувати достатність навчання чи забезпечувати правильний контроль доступу.

Генерація семантичної тканини (GSF) illumex відповідає на ці виклики завдяки автоматичному будівництву контексту без споживання зовнішніх токенів штучного інтелекту. Це усуває необхідність у спеціалізованих фахівцях з даних та забезпечує повну прозорість у відображенні та розумінні через веб-, Slack- або Teams-інтерфейси. GSF включає вбудоване управління та пояснюваність, чіткі індикатори організації та якості даних, а також автоматичну оцінку якості для можливостей відповідей на питання.

Багато підприємств борються з прийняттям рішень на основі даних, незважаючи на значні інвестиції в інфраструктуру даних. Чому, на вашу думку, існує ця прогалина, і як illumex її подолає?

Прогалина між інвестиціями в дані та ефективним прийняттям рішень продовжує розширюватися, оскільки об’єм даних вибухає як всередині, так і зовні. Організації тепер стикаються не тільки зі своїми власними зростаючими даними, але й з масивом зовнішніх джерел – від API погоди до галузевих хмарних платформ, які ділять дані охорони здоров’я між європейськими установами, плюс синтетичні дані для різних випадків використання.

Виклик полягає в тому, що організації все ще покладаються на людей для критичних завдань з даних, таких як моделювання, оцінка якості та створення панелей керування. Однак масштаб і складність сучасних середовищ даних роблять це все більш неможливим для людських команд ефективно класифікувати дані, оцінювати їхню якість та забезпечувати їхню придатність для аналітики та автоматизації, керованої штучним інтелектом.

illumex звужує цю прогалину, автоматизуючи ці традиційно ручні процеси, що дозволяє організаціям ефективно керувати, валідувати та використовувати свій розширюваний ландшафт даних для значущих бізнес-рішень.

Які галузі були найбільш швидкими у прийнятті платформи illumex, і які унікальні виклики чи можливості ви спостерігали в цих секторах?

Ми бачимо найшвидше прийняття в галузях, які знаходяться на перетині інтенсивності даних та суворого регулювання, де компанії потребують потужної автоматизації моніторингу якості даних, відстежування використання та виявлення конфліктів. Фінансові послуги, фармацевтика та роздрібна торгівля/електронна комерція очолюють цей перехід, оскільки ці сектори намагаються швидко переосмислити себе, використовуючи свої існуючі активи даних, одночасно орієнтуючись у складних нормативних вимогах.

З генерацією штучного інтелекту, що розвивається швидко, яка порада ви дали б підприємствам, які намагаються інтегрувати штучний інтелект ефективно та відповідально?

Почніть з розробки чіткого стратегічного плану, який визначає конкретні випадки використання та бізнес-імперативи, які рухають прийняттям штучного інтелекту. Це важливо уникнути створення нових сіл штучного інтелекту, які працюють у ізоляції від існуючих систем.

Натомість побудуйте уніфіковану платформу, яка інтегрує управління даними, аналітику та можливості генерації штучного інтелекту. Утримання ініціатив штучного інтелекту, відокремлених від встановлених практик управління, не тільки створює значні ризики, але й веде до збільшених витрат. Ключем є створення спільної інфраструктури, яка підтримує всі ці функції, зберігаючи при цьому належний нагляд.

З прийняттям штучного інтелекту, що прискорюється, які тенденції, на вашу думку, будуть формувати корпоративний ландшафт штучного інтелекту протягом наступних 3-5 років?

Дві основні тенденції з’являються в ландшафті штучного інтелекту. По-перше, агентська аналітика набирає імпульсу, дозволяючи проводити більш складний аналіз даних та надавати більш глибокі знання. По-друге, ми бачимо перехід до агентської оркестрації, яка дозволяє створювати робочі процеси на основі співпраці між кількома моделями штучного інтелекту з різними функціями.

Ця оркестрація рухає нас далі від окремих застосунків до більш комплексних рішень. Наприклад, у сфері охорони здоров’я замість ізольованих застосунків для конкретних завдань можна уявити автоматизацію всього робочого процесу лікаря – поєднання сканування зображень, обробки рецептів та рекомендацій щодо ліків в одну безперервну систему.

Ці досягнення залежать від потужної генерації семантичної тканини для забезпечення точного доступу до даних, спільного контексту та координації між агентами штучного інтелекту. Ця основа буде критично важливою для того, щоб агентська аналітика та оркестровані рішення штучного інтелекту досягли свого повного потенціалу.

Дякуємо за чудовий інтерв’ю. Читачам, які бажають дізнатися більше, рекомендуємо відвідати Illumex.