Edwin Lisowski, Đồng sáng lập và Giám đốc Phát triển của Addepto – Loạt phỏng vấn

Edwin Lisowski, Đồng sáng lập và Giám đốc Phát triển của Addepto, giám sát sự phát triển chiến lược, phát triển kinh doanh và tiếp thị của công ty. Ông mang đến kinh nghiệm sâu rộng trong kiến trúc dữ liệu, chiến lược thúc đẩy bởi AI và tư vấn phân tích, kết hợp chuyên môn kỹ thuật với sự tập trung mạnh mẽ vào việc mở rộng việc áp dụng AI và các sáng kiến chuyển đổi kinh doanh cho các khách hàng toàn cầu.

Addepto là một công ty tư vấn có trụ sở tại Warsaw, chuyên về trí tuệ nhân tạo, học máy, kỹ thuật dữ liệu và giải pháp thông minh kinh doanh cho các khách hàng doanh nghiệp. Công ty giúp các tổ chức chuyển đổi dữ liệu thô thành thông tin hành động thông qua chiến lược AI toàn diện, phát triển概念 và triển khai mô hình sản xuất sẵn. Làm việc trên các lĩnh vực như tài chính, hậu cần, sản xuất và bảo hiểm, Addepto nhấn mạnh vào các giải pháp tùy chỉnh và quan hệ đối tác lâu dài để giúp khách hàng tận dụng AI cho tác động kinh doanh có thể đo lường.

Điều gì đã truyền cảm hứng cho bạn khi đồng sáng lập Addepto vào năm 2018, và bạn đang cố gắng lấp đầy khoảng trống nào trên thị trường?

Vào năm 2018, chúng tôi liên tục thấy hai cực端: các nhà cung cấp lớn bán “một kích cỡ phù hợp với tất cả” AI và ở phía bên kia, các đội nội bộ bị kẹt sau một vài dự án thí điểm vì họ thiếu kỹ thuật dữ liệu và MLOps. Chúng tôi xây dựng Addepto để trở thành đội ngũ kết nối chiến lược → đường ống dữ liệu → mô hình → sản xuất, đặc biệt là cho các ngành công nghiệp nặng về dữ liệu. Cách tiếp cận toàn diện này vẫn là DNA của chúng tôi.

Trong số các lĩnh vực dịch vụ của Addepto – tầm nhìn máy tính, NLP, học máy, hoặc kỹ thuật dữ liệu – lĩnh vực nào đã chứng kiến sự áp dụng nhanh nhất trong các doanh nghiệp, và tại sao?

Trong 18-24 tháng qua, NLP/GenAI đã di chuyển nhanh nhất trong các doanh nghiệp (tìm kiếm, trợ lý, xử lý tài liệu) vì nó ánh xạ trực tiếp đến ROI công việc tri thức và có thể bắt đầu từ các mô hình nền tảng. Các cuộc khảo sát ngành cho thấy một bước tiến lớn trong việc sử dụng AI vào năm 2024, với các trường hợp sử dụng GenAI dẫn đầu đang mở rộng trên các chức năng.

Nhiều công ty gặp khó khăn khi chuyển từ dự án thí điểm AI sang hệ thống sản xuất. Addepto giúp họ bắc cầu khoảng cách đó như thế nào?

Chúng tôi coi sản xuất là một kỷ luật, không phải là một giai đoạn: các buổi thảo luận khám phá, hợp đồng dữ liệu, kiến trúc tham chiếu, CI/CD cho mô hình, khả năng quan sát và “ngày 2” hoạt động (trôi, chi phí, hàng rào). Cụ thể, chúng tôi tiêu chuẩn hóa MLOps và tái cấu trúc các dự án thí điểm thành điểm cuối microservice phù hợp với ngăn xếp của khách hàng (Databricks/Spark, Kubernetes, BI hiện có). Đó là cách chúng tôi liên tục vận chuyển vượt ra ngoài các bản demo.

Trí tuệ nhân tạo tạo ra hiện đang là trung tâm của các dịch vụ của bạn. Bạn quyết định khi nào áp dụng các mô hình nền tảng so với việc phát triển mô hình tùy chỉnh như thế nào?

Cây quyết định của chúng tôi là thực dụng:

• Bắt đầu với các mô hình nền tảng khi giá trị thời gian, nhiệm vụ ngôn ngữ rộng và sự biến đổi thống trị.
• Chuyển sang tinh chỉnh hoặc bộ điều chỉnh khi thuật ngữ lĩnh vực hoặc độ chính xác của giọng điệu là quan trọng.
• Xây dựng mô hình tùy chỉnh khi độ trễ/chi phí/kiểm soát IP quan trọng, dữ liệu là độc quyền/cấu trúc hoặc các ràng buộc cạnh xảy ra.
  Điều này phản ánh nơi các doanh nghiệp đang đi: ít “thử nghiệm” hơn, nhiều kiến trúc phù hợp hơn.

Vào năm 2024, bạn đã ra mắt ContextClue như một nền tảng quản lý kiến thức chuyên dụng. Điểm đau nào đã thuyết phục bạn rằng thời điểm đã chín muồi cho một sản phẩm riêng biệt?

Khách hàng kỹ thuật của chúng tôi liên tục hỏi cùng một điều: “Các hệ thống CAD, PLM, ERP và tài liệu của chúng tôi không nói chuyện với nhau, bạn có thể làm cho chúng suy nghĩ cùng nhau không?” Chúng tôi đã giải quyết vấn đề này nhiều lần trong các dự án, vì vậy chúng tôi đã sản phẩm hóa mẫu. Năm 2024 là thời điểm đúng vì GenAI đã làm cho việc thu hồi và tạo tác vụ có thể sử dụng được cho các kỹ sư (không chỉ là các đội dữ liệu). Chúng tôi đã công bố và bắt đầu triển khai nó trong khuôn khổ thời gian đó.

ContextClue tích hợp với CAD, ERP, PLM và tài liệu kỹ thuật. Trong số các nguồn dữ liệu này, nguồn nào khó nhất để thống nhất, và bạn giải quyết nó như thế nào?

CAD là thách thức nhất: các định dạng nhị phân/riêng tư, phiên bản, lắp ráp và ngữ cảnh không gian. Chúng tôi chuẩn hóa CAD cùng với siêu dữ liệu PLM/ERP, sau đó ánh xạ mọi thứ vào một đồ thị kiến thức để các bộ phận, hệ thống, thông số kỹ thuật và thủ tục được giải quyết thành cùng một thực thể. Đó là xương sống của đường ống nạp của ContextClue.

Nền tảng hỗ trợ tìm kiếm ngữ nghĩa và tạo tài liệu. Bạn đảm bảo độ chính xác và tin cậy trong các đầu ra này cho các đội kỹ sư như thế nào?

Ba lớp:

• Thu hồi có căn cứ (RAG có kiến thức về lược đồ trên đồ thị kiến thức) với trích dẫn đến các artifact nguồn.
• Chính sách + kiểm tra (các bộ kiểm tra trong CI, các lệnh kích thích đội đỏ, kiểm tra hồi quy).
• Con người trong vòng lặp cho các đầu ra quan trọng (SOP, tài liệu tuân thủ). Chúng tôi thậm chí mở nguồn một số phần của chuỗi công cụ đánh giá và trích xuất đồ thị để làm cho điều này có thể kiểm toán.

Điều gì làm cho ContextClue khác biệt so với các công cụ quản lý kiến thức khác trong các hệ sinh thái kỹ thuật và công nghiệp nặng?

Nó là bản địa kỹ thuật: nó không chỉ “tìm kiếm tệp”, mà còn hiểu các lắp ráp, phụ thuộc và tác động thay đổi, liên kết CAD/PLM/ERP và lịch sử bảo trì thành một đồ thị hành động. Các công cụ KM cạnh tranh thường dừng lại ở việc lập chỉ mục; ContextClue thống nhất cấu trúc + ngữ nghĩa và xuất ra cả tài liệu đọc được bởi con người và mô hình đọc được bởi máy (cho các bản sao kỹ thuật số, lập kế hoạch).

Bạn nhìn thấy ContextClue phát triển như thế nào với sự trỗi dậy của trí tuệ nhân tạo đa phương thức, đặc biệt là trong việc kết hợp văn bản, sơ đồ và mô hình 3D?

Hai hướng đã được thực hiện:

• Khả năng nhìn vượt CAD & sơ đồ: trích xuất topo, gọi ra và liên kết BOM để căn cứ câu trả lời trong bản vẽ.
• Căn chỉnh 3D: liên kết các nút kiến thức với tọa độ 3D/Omniverse để các truy vấn bảo trì hoặc lập kế hoạch giải quyết đến đúng vị trí trong mô hình. Mong đợi các tác nhân giàu hơn điều hướng các bộ phận, phiên bản và thủ tục trên các phương thức.

Nhìn về tương lai, bạn nhìn thấy Addepto và ContextClue định hình sự phát triển của nhau như thế nào, và bạn hình dung tác động kết hợp của chúng đối với ngành công nghiệp trong thập kỷ tới?

Addepto sẽ tiếp tục thúc đẩy ranh giới, sản xuất các hệ thống đa phương thức/trợ lý một cách có trách nhiệm, trong khi ContextClue biến đổi R&D thành giá trị có thể lặp lại cho các đội kỹ thuật. Cùng nhau, chúng tôi nhằm mục đích cắt giảm “lãng phí kiến thức” (thời gian bị mất khi tìm kiếm/tái tạo) ở quy mô, đo lường kết quả như chu kỳ thời gian kỹ thuật, tỷ lệ làm lại, và thời gian chuẩn bị kiểm toán trên các nhà máy và chương trình. Thị trường đang chuyển từ “nhiều dự án thí điểm” sang “ít hơn, các triển khai có giá trị cao hơn”, và chúng tôi dự định sẽ là đối tác và nền tảng cung cấp những chiến thắng đó một cách nhất quán.

Cảm ơn vì cuộc phỏng vấn tuyệt vời, độc giả muốn tìm hiểu thêm có thể truy cập Addepto.