Inna Tokarev Sela, CEO và Người sáng lập của illumex – Loạt phỏng vấn

Inna Tokarev Sela, CEO và Người sáng lập của Illumex, đang thay đổi cách các doanh nghiệp chuẩn bị dữ liệu cấu trúc cho trí tuệ nhân tạo sinh (genAI). Illumex cho phép các tổ chức triển khai các tác nhân phân tích genAI bằng cách dịch dữ liệu phân tán, mã hóa thành ngôn ngữ kinh doanh có ý nghĩa, giàu ngữ cảnh với quản trị tích hợp.

Nền tảng này tự động phân tích siêu dữ liệu để tìm và gắn nhãn dữ liệu cấu trúc mà không cần di chuyển hoặc thay đổi nó, thêm ý nghĩa ngữ nghĩa và căn chỉnh định nghĩa để đảm bảo sự rõ ràng và minh bạch. Bằng cách tạo ra các thuật ngữ kinh doanh, đề xuất các chỉ số và xác định các xung đột tiềm ẩn, Illumex đảm bảo quản trị dữ liệu ở mức tiêu chuẩn cao nhất.

Với Illumex, các tác nhân phân tích có thể giải thích các truy vấn của người dùng với độ chính xác, cung cấp các phản hồi chính xác, nhận thức ngữ cảnh và không bị ảo giác. Dưới sự lãnh đạo của Inna, Illumex đang thiết lập một tiêu chuẩn mới cho sự sẵn sàng của AI, giúp các doanh nghiệp tận dụng tối đa tiềm năng của dữ liệu.

Điều gì đã truyền cảm hứng cho bạn để thành lập illumex, và kinh nghiệm của bạn tại Sisense và SAP đã định hình tầm nhìn của bạn cho công ty như thế nào?

Tầm nhìn cho illumex xuất hiện trong thời gian học tập của tôi, khi tôi tưởng tượng thông tin có thể được truy cập thông qua các mối quan hệ giống như bản đồ tư duy thay vì cơ sở dữ liệu truyền thống – cho phép truy cập trực tiếp vào dữ liệu liên quan mà không cần tham khảo rộng rãi.

Thời gian của tôi tại SAP đã dạy tôi những kiến thức cơ bản về việc xây dựng phần mềm doanh nghiệp và mở rộng hoạt động. Làm việc trên các dự án phát triển sản phẩm với nền tảng đám mây SAP HANA và các sáng kiến kinh doanh như khuôn khổ đối tác khởi nghiệp đã mang lại cho tôi những hiểu biết sâu sắc về nhu cầu của khách hàng doanh nghiệp. Nó đã tiết lộ một khoảng cách đáng kể giữa cách các công ty tiếp cận các hoạt động dữ liệu và những gì người dùng cuối thực sự cần.

Tại Sisense, việc xây dựng thực tiễn AI từ đầu đã chứng minh giá trị to lớn mà AI có thể mang lại cho khách hàng. Nhìn thấy tác động này, kết hợp với sự gia tăng của công nghệ SaaS và GenAI, đã thuyết phục tôi rằng thời điểm để ra mắt illumex vào năm 2021 là phù hợp.

illumex tập trung vào Vải ngữ nghĩa sinh (Generative Semantic Fabric). Bạn có thể giải thích khái niệm cốt lõi và điều gì đã thúc đẩy bạn giải quyết thách thức cụ thể này trong AI và phân tích dữ liệu?

illumex đã tiên phong trong Vải ngữ nghĩa sinh – một nền tảng tự động hóa việc tạo ra ngữ cảnh tổ chức và suy luận có thể đọc được bởi con người và máy móc. Nền tảng này thống nhất trải nghiệm của cả AI sinh (LLM) và ứng dụng kinh doanh cho người dùng kỹ thuật và không kỹ thuật xung quanh ngữ cảnh chung.

Nền tảng này mang lại hai lợi ích chính: nó tối ưu hóa quản lý dữ liệu thông qua tự động hóa tới 80% công việc kỹ thuật dữ liệu và cho phép người dùng không kỹ thuật truy cập vào phân tích với quản trị, giải thích và độ chính xác tích hợp. Cả hai lợi ích này đều giải quyết thị trường doanh nghiệp trị giá hàng tỷ đô la cho việc ra quyết định.

Hãy nghĩ về nó như một sân chơi kỹ thuật số nơi máy móc, con người và ứng dụng tương tác tự nhiên mà không cần lập trình trước. Điều này phù hợp với tầm nhìn của chúng tôi về một tương lai không có ứng dụng, nơi thay vì phải xử lý nhiều công cụ như bảng tính, phân tích, hệ thống tài chính và quản lý khách hàng, bạn chỉ cần thể hiện nhiệm vụ của mình và nó sẽ được hoàn thành một cách mượt mà. Vải ngữ nghĩa sinh là nền tảng cho tương lai này.

Trong những ngày đầu của illumex, bạn đã gặp phải những thách thức chính nào và bạn đã vượt qua chúng như thế nào?

Vào năm 2021, mặc dù thực tế là các mô hình ngữ nghĩa sinh của AI đã tồn tại từ năm 2017, và mạng nơ-ron đồ thị đã tồn tại lâu hơn, nhưng việc giải thích cho các nhà đầu tư tại sao chúng tôi cần ngữ cảnh và suy luận tự động lại là một nhiệm vụ khó khăn.

Tôi sẽ nói rằng thách thức lớn nhất là tạo ra sự phấn khích về công nghệ và thị trường tương lai này. Và tôi rất may mắn khi gặp được các nhà đầu tư có tầm nhìn xa.

illumex trao quyền cho các tổ chức trở thành sẵn sàng cho AI như thế nào, và tại sao sự chuyển đổi này lại quan trọng trong phong cảnh kinh doanh hiện nay?

Thế giới kinh doanh đang chia thành hai phe: các công ty nhận ra và tận dụng AI như một lực lượng chuyển đổi tương tự như Internet và những công ty bỏ lỡ hoặc chậm hiểu cơ hội này.

illumex gặp gỡ các tổ chức ở bất kỳ đâu trên hành trình AI của họ. Chúng tôi chuẩn bị dữ liệu của họ cho việc triển khai AI sinh, tăng cường và quản trị logic và ngữ cảnh tổ chức, và cho phép triển khai các tác nhân phân tích và điều phối.

Nền tảng thực hiện GenAI toàn diện của chúng tôi cho dữ liệu cấu trúc nâng cao bất kỳ phong cảnh nào của công ty để tận dụng những công nghệ tiên tiến này.

illumex nhấn mạnh vào việc cung cấp phản hồi “không ảo giác” của AI sinh. Làm thế nào illumex đảm bảo đầu ra xác định và đáng tin cậy?

illumex xây dựng trên các ontology kinh doanh hiện có – các đồ thị kiến thức thu thập thuật ngữ ngành, quy trình và quy trình cụ thể trên các lĩnh vực như dược phẩm, bán lẻ và sản xuất, cũng như các chức năng kinh doanh như tài chính, nhân sự và chuỗi cung ứng.

Khi tích hợp khách hàng, chúng tôi tự động đào tạo lại các ontology này trên siêu dữ liệu của họ. Trong vòng vài ngày, các công ty có thể tìm kiếm dữ liệu của mình, xác thực kết quả và xác định các vấn đề như bản sao hoặc xung đột.

Tác nhân phân tích cung cấp tính minh bạch hoàn toàn – hiển thị cách các câu hỏi được giải thích và ánh xạ đến ontology của khách hàng và sau đó đến dữ liệu. Tính minh bạch này, kết hợp với việc xác thực dữ liệu tự động, đảm bảo phản hồi xác định và không bị ảo giác. Ngoài ra, các nhóm quản trị có thể xác thực trước các phản hồi tiềm năng vì ngữ cảnh nhúng tất cả các câu hỏi và biến thể của chúng trước.

Làm thế nào illumex khác biệt so với các phương pháp truyền thống như Tăng cường Tìm kiếm (RAG)?

Mặc dù RAG cố gắng tùy chỉnh các mô hình AI sẵn có bằng cách cho chúng dữ liệu và logic tổ chức, nhưng nó phải đối mặt với một số hạn chế. Đó là một hộp đen – bạn không thể xác định xem bạn đã cung cấp đủ ví dụ cho việc tùy chỉnh phù hợp hay cách cập nhật mô hình ảnh hưởng đến độ chính xác. Nó cũng phụ thuộc vào các nhà khoa học dữ liệu có thể thiếu ngữ cảnh kinh doanh, khiến việc thu thập đầy đủ logic tổ chức trở nên khó khăn.

Thêm vào đó, RAG tiêu thụ khoảng 80% cơ sở hạ tầng AI và token chỉ để tinh chỉnh chứ không phải sử dụng thực tế, làm dấy lên những lo ngại về ROI. Nó cũng thiếu quản trị tích hợp – không có cách nào cho các nhóm tuân thủ để xác thực sự đầy đủ của việc đào tạo hoặc đảm bảo kiểm soát truy cập phù hợp.

Nền tảng Vải ngữ nghĩa sinh (GSF) của illumex giải quyết những thách thức này thông qua việc xây dựng ngữ cảnh tự động mà không tiêu thụ token AI bên ngoài. Nó loại bỏ nhu cầu về các nhà khoa học dữ liệu chuyên ngành và cung cấp tính minh bạch hoàn toàn trong việc ánh xạ và suy luận thông qua các giao diện web, Slack hoặc Teams. GSF bao gồm quản trị tích hợp và giải thích, chỉ số rõ ràng về phạm vi và chất lượng dữ liệu tổ chức, cũng như đánh giá chất lượng tự động cho khả năng trả lời câu hỏi.

Nhiều doanh nghiệp gặp khó khăn trong việc đưa ra quyết định dựa trên dữ liệu mặc dù đầu tư mạnh vào cơ sở hạ tầng dữ liệu. Bạn nghĩ khoảng cách này tồn tại vì lý do gì và illumex giải quyết nó như thế nào?

Khoảng cách giữa đầu tư dữ liệu và việc đưa ra quyết định hiệu quả tiếp tục mở rộng khi khối lượng dữ liệu nổ tung, cả nội bộ và bên ngoài. Các tổ chức hiện phải đối mặt không chỉ với dữ liệu ngày càng tăng của riêng họ mà còn với một loạt các nguồn bên ngoài – từ API thời tiết đến các nền tảng đám mây ngành chia sẻ dữ liệu chăm sóc sức khỏe trên các thể chế châu Âu, cộng với dữ liệu tổng hợp cho các trường hợp sử dụng khác nhau.

Thách thức là các tổ chức vẫn phụ thuộc vào con người cho các nhiệm vụ dữ liệu quan trọng như mô hình hóa, đánh giá chất lượng và tạo bảng điều khiển. Tuy nhiên, quy mô và độ phức tạp của các môi trường dữ liệu hiện đại khiến cho các đội ngũ con người ngày càng không thể phân loại dữ liệu, đánh giá chất lượng và đảm bảo rằng nó phù hợp cho phân tích và tự động hóa AI.

illumex bắc cầu khoảng cách này bằng cách tự động hóa những quy trình truyền thống này, cho phép các tổ chức quản lý, xác thực và sử dụng hiệu quả phong cảnh dữ liệu mở rộng của họ để đưa ra quyết định kinh doanh có ý nghĩa.

Các ngành nào đã nhanh chóng áp dụng nền tảng của illumex nhất, và bạn đã quan sát thấy những thách thức hoặc cơ hội độc đáo nào trong các lĩnh vực này?

Chúng tôi đang chứng kiến sự áp dụng nhanh nhất trong các ngành nằm ở giao điểm của độ mạnh dữ liệu và quy định nghiêm ngặt, nơi các công ty cần tự động hóa mạnh mẽ việc giám sát chất lượng dữ liệu, theo dõi sử dụng và phát hiện xung đột. Dịch vụ tài chính, dược phẩm và bán lẻ/thương mại điện tử đang dẫn đầu, vì các lĩnh vực này nhằm nhanh chóng tái tạo lại bản thân bằng cách sử dụng tài sản dữ liệu hiện có trong khi điều hướng các yêu cầu quy định phức tạp.

Với sự tiến hóa nhanh chóng của AI sinh, bạn sẽ đưa ra lời khuyên gì cho các doanh nghiệp muốn tích hợp AI một cách hiệu quả và có trách nhiệm?

Bắt đầu bằng cách phát triển một kế hoạch chiến lược rõ ràng xác định các trường hợp sử dụng cụ thể và các yêu cầu kinh doanh thúc đẩy việc áp dụng AI. Điều quan trọng là tránh tạo ra các silo công nghệ AI mới hoạt động độc lập với các hệ thống hiện có.

Thay vào đó, xây dựng một nền tảng thống nhất tích hợp khả năng quản lý dữ liệu, phân tích và AI sinh. Giữ các sáng kiến AI cách ly với các thực tiễn quản trị đã thiết lập không chỉ tạo ra rủi ro đáng kể mà còn dẫn đến chi phí tăng cao. Khóa là tạo ra một cơ sở hạ tầng chung hỗ trợ tất cả các chức năng này đồng thời duy trì sự giám sát phù hợp.

Trong 3-5 năm tới, bạn thấy những xu hướng nào sẽ định hình phong cảnh AI doanh nghiệp?

Hai xu hướng chính đang xuất hiện trong phong cảnh AI. Đầu tiên, phân tích tác nhân đang thu được động lực, cho phép phân tích dữ liệu và thông tin tinh vi hơn. Thứ hai, chúng tôi đang chứng kiến sự chuyển dịch hướng tới điều phối tác nhân, cho phép các quy trình dựa trên sự hợp tác giữa nhiều mô hình AI với các chức năng đa dạng.

Điều phối này đưa chúng ta vượt ra ngoài các ứng dụng đơn mục đích hướng tới các giải pháp toàn diện hơn. Ví dụ, trong chăm sóc sức khỏe, thay vì các ứng dụng cách ly cho các nhiệm vụ cụ thể, hãy nghĩ về tự động hóa toàn bộ quy trình làm việc của văn phòng bác sĩ – kết hợp quét hình ảnh, xử lý đơn thuốc và đề xuất thuốc trong một hệ thống liền mạch.

Các tiến bộ này dựa trên một nền tảng vải ngữ nghĩa sinh mạnh mẽ để đảm bảo truy cập dữ liệu chính xác, ngữ cảnh chung và điều phối giữa các tác nhân AI. Nền tảng này sẽ rất quan trọng để cho phép cả phân tích tác nhân và giải pháp AI điều phối đạt được toàn bộ tiềm năng của chúng.

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