Jito Chadha, Người sáng lập và Giám đốc điều hành của Nventr – Loạt phỏng vấn

Jito Chadha, Người sáng lập và Giám đốc điều hành của Nventr, là một giám đốc điều hành công nghệ giàu kinh nghiệm và nhà đầu tư, sự nghiệp của ông bao gồm trí tuệ nhân tạo, khoa học dữ liệu, vốn đầu tư mạo hiểm và phát triển kinh doanh. Kể từ khi thành lập Nventr vào năm 2019, ông đã lãnh đạo sự phát triển của công ty về các công nghệ trí tuệ nhân tạo doanh nghiệp, đồng thời cũng giữ chức vụ Giám đốc điều hành của công ty phân tích dự đoán Rule14. Chadha đã là một phần của HandsOn Global Management từ năm 2007 và trở thành đối tác vào năm 2013, đóng góp vào việc tìm kiếm, cấu trúc và tạo ra giá trị của nhiều giao dịch trong khi lãnh đạo các khoản đầu tư trên vốn đầu tư mạo hiểm, khoa học dữ liệu và tài nguyên thiên nhiên.

Nventr là một công ty trí tuệ nhân tạo doanh nghiệp có trụ sở tại Los Angeles, phát triển công nghệ để xây dựng, triển khai và quản lý các ứng dụng thông minh và các quy trình tự động. Nền tảng của công ty này kết hợp các tác nhân trí tuệ nhân tạo, mô hình học máy, mạng nơ-ron, quản lý dữ liệu, xử lý tài liệu thông minh, trực quan hóa và công cụ phát triển. Các sản phẩm bao gồm Agent IO, một hệ điều hành để điều phối các tác nhân tự động trên các chức năng kinh doanh, và nQube, một công cụ xây dựng quy trình hỗ trợ phát triển không mã, mã thấp và mã đầy đủ, cùng với việc triển khai trên đám mây, tại chỗ và môi trường biên.

Trước khi lãnh đạo Nventr và Rule14, bạn đã dành nhiều năm để tìm kiếm các khoản đầu tư, tạo ra giá trị trên các công ty trong danh mục đầu tư và làm việc với các sáng kiến khoa học dữ liệu trong các tổ chức phức tạp. Làm thế nào kinh nghiệm đó đã định hình quyết định của bạn trong việc xây dựng một nền tảng trí tuệ nhân tạo doanh nghiệp tập trung vào các quy trình làm việc chứ không phải các công cụ độc lập?

Làm việc trên các công ty trong danh mục đầu tư đã暴露 ra cùng một mẫu trong các doanh nghiệp khác nhau. Mỗi tổ chức đều có thông tin di chuyển qua nhiều người, hệ thống và phê duyệt trước khi một quy trình có thể được hoàn thành.

Kinh nghiệm đó đã định hình Nventr xung quanh các quy trình làm việc chứ không phải các công cụ độc lập. Cải thiện một nhiệm vụ có giá trị hạn chế nếu kết quả không thể di chuyển hiệu quả qua phần còn lại của tổ chức. Chúng tôi tập trung vào việc cấu trúc toàn bộ quy trình và chạy nó trên quy mô lớn.

Nventr kết hợp các hành động của tác nhân, mô hình học máy và mạng nơ-ron trong các quy trình làm việc doanh nghiệp có thể mở rộng. Những hạn chế nào bạn quan sát thấy trong các nền tảng tự động hóa thông thường đã dẫn bạn đến việc phát triển kiến trúc rộng lớn hơn này? 

Trong nhiều năm, các công ty đã hoạt động thông qua các bộ sưu tập ứng dụng SaaS trên đám mây và tại chỗ, có thể khó sử dụng, cứng nhắc và tốn kém. Hệ thống quy trình, mô hình, tác nhân và dữ liệu của công ty thường được coi là các lớp riêng biệt, điều này làm cho tự động hóa rộng lớn hơn trở nên khó khăn.

Chúng tôi đã phát triển một kiến trúc nơi các thành phần này có thể hoạt động cùng nhau và mở rộng độc lập khi nhu cầu thay đổi. Quy trình không cần phải được ép vào một ứng dụng cố định hoặc một loại môi trường tính toán.

Nhiều tổ chức bắt đầu chiến lược trí tuệ nhân tạo của họ bằng cách chọn một mô hình hoặc ra mắt một rô-bốt trò chuyện. Trong kinh nghiệm của bạn, những công việc nền tảng liên quan đến dữ liệu, quyền, quy trình và tích hợp hệ thống cần phải xảy ra trước khi triển khai trí tuệ nhân tạo có thể mang lại kết quả có ý nghĩa? 

Một công ty đầu tiên phải định nghĩa quy trình, xác định thông tin mà tác nhân cần và xác định nơi thông tin đó sống. Điều đó có thể liên quan đến cơ sở dữ liệu, kho lưu trữ tệp, tệp PDF, bài viết, hệ thống email hoặc các nguồn dữ liệu công ty khác phải được cung cấp cho tác nhân dưới dạng có thể sử dụng.

Công ty sau đó phải định nghĩa những gì xảy ra sau khi tác nhân nhận được thông tin đó. Một cuộc trò chuyện có thể tạo ra một phản hồi, một bản tóm tắt, một hàng đợi theo dõi hoặc một quy trình công việc khác. Các công cụ được phê duyệt, quyền dữ liệu và quyền người dùng phải được thiết lập theo vai trò để mỗi hành động xảy ra trong một quy trình được định nghĩa.

nQube được thiết kế để giúp cả các nhà khoa học dữ liệu và nhà phân tích kinh doanh xây dựng, thử nghiệm, triển khai và theo dõi các quy trình làm việc được hỗ trợ bởi trí tuệ nhân tạo. Bạn làm thế nào để các khả năng này trở nên dễ tiếp cận với những người không chuyên về kỹ thuật trong khi vẫn giữ các kiểm soát kỹ thuật cần thiết cho các môi trường sản xuất?

Người ta nghĩ về trí tuệ nhân tạo và sản phẩm phần mềm thông qua phạm vi vai trò của họ và cách sản phẩm có thể làm cho công việc của họ dễ dàng hơn hoặc cho phép họ trở nên năng suất hơn. Giao diện nên cho phép họ mô tả những gì họ cần, đặt câu hỏi và điều chỉnh một tác nhân hoặc quy trình thông qua ngôn ngữ và giọng nói thông thường.

Các quy trình, quy trình tính toán và khả năng mở rộng vẫn còn dưới giao diện đó. Tổ chức vẫn kiểm soát các công cụ, nguồn dữ liệu và quyền truy cập được chỉ định cho mỗi vai trò, vì vậy một nhà phân tích kinh doanh có thể sử dụng hệ thống mà không cần phải quản lý cơ sở hạ tầng trực tiếp.

Hệ điều hành tác nhân của Nventr sử dụng một tác nhân điều phối để chỉ đạo các tác nhân chuyên dụng thông qua các quy trình làm việc tuần tự và lặp lại. Làm thế nào nền tảng xác định tác nhân nào nên xử lý từng nhiệm vụ, bảo tồn ngữ cảnh giữa các tác nhân và xử lý một kết quả không đáng tin cậy? 

Quy trình xác định cách một yêu cầu di chuyển qua các bước được định nghĩa, nhánh và các tác nhân chuyên dụng. Thông tin từ một giai đoạn có thể được tóm tắt và chuyển tiếp để tác nhân tiếp theo hiểu những gì đã xảy ra, những gì được yêu cầu và những gì nên xảy ra tiếp theo.

Xử lý một kết quả không đáng tin cậy phụ thuộc vào quy trình và hậu quả của hành động. Các kiểm soát quy trình phải phản ánh nơi hệ thống có thể tiếp tục và nơi kết quả yêu cầu xem xét.

Các doanh nghiệp ngày càng muốn có sự linh hoạt để sử dụng các mô hình ngôn ngữ lớn khác nhau, hệ thống học máy chuyên dụng và các tác nhân của bên thứ ba. Tổ chức nên thiết kế cơ sở hạ tầng trí tuệ nhân tạo của họ như thế nào để tránh trở nên phụ thuộc vào một nhà cung cấp mô hình hoặc ngăn xếp công nghệ? 

Cơ sở hạ tầng nên hỗ trợ nhiều mô hình và cho phép chúng hoạt động song song trong cùng một quy trình. Một nhà cung cấp có thể xử lý thành phần nói-chuyển-thành-nói, trong khi một mô hình khác thực hiện lý lẽ hoặc xử lý phía sau.

Công cụ nên được chọn theo chi phí, hiệu suất, bảo mật, độ trễ và tính mở với các nhà cung cấp dịch vụ của bên thứ ba của khách hàng. Một số doanh nghiệp thoải mái khi kết hợp các nhà cung cấp, trong khi những doanh nghiệp khác muốn tác nhân trên đám mây của riêng họ hoặc cơ sở hạ tầng chuyên dụng. Kiến trúc phải hỗ trợ cả hai phương pháp.

Khi một tác nhân trí tuệ nhân tạo có thể truy cập dữ liệu công ty và thực hiện hành động trên các hệ thống kinh doanh, bảo mật trở nên phức tạp hơn việc bảo vệ một giao diện trò chuyện. Những kiểm soát nào nên quản lý các quyền, tự chủ và khả năng khởi xướng các hành động có hậu quả của tác nhân?

Quyền truy cập nên được kiểm soát bởi vai trò, dự án và quy trình. Một tác nhân chỉ nên có thể sử dụng thông tin, công cụ và hành động được phê duyệt cho ngữ cảnh đó, với các yêu cầu ngoài phạm vi đó được gửi để ủy quyền.

Sự tự chủ nên phản ánh sự nhạy cảm của dữ liệu và hậu quả của hành động. Đối với các giao dịch liên quan đến tiền, thông tin riêng tư hoặc kết quả quan trọng khác, công ty nên có thể xem những gì tác nhân đang làm và yêu cầu phê duyệt trước khi hoàn thành.

Nventr trình bày các ứng dụng trên các lĩnh vực bao gồm xử lý tài liệu, dịch vụ khách hàng, báo cáo, giao tiếp chăm sóc sức khỏe và phát hiện gian lận. Những đặc điểm kỹ thuật hoặc hoạt động nào làm cho một quy trình phù hợp với tự động hóa tác nhân, và những quy trình nào nên vẫn chủ yếu do con người lãnh đạo? 

Chúng tôi cân bằng số lượng người hoặc chi phí liên quan đến một quy trình với sự phức tạp và tính khả thi của tự động hóa. Một quy trình có thể tốn kém hoặc tốn nhiều lao động nhưng vẫn là nơi sai lầm để bắt đầu nếu nó quá phức tạp hoặc không đáng tin cậy để tự động hóa hiệu quả.

Phương pháp chung là đi cho quả thấp nhất với tác động lớn nhất. Công thức đó là phân hình vì nó có thể được áp dụng cho vai trò của một người, một số bộ phận hoặc toàn bộ tổ chức. Các quy trình liên quan đến sự không chắc chắn hoặc phán quyết có hậu quả nên tiếp tục bao gồm con người.

Bạn đã thảo luận về ý tưởng rằng nhân viên cuối cùng sẽ có các tác nhân trí tuệ nhân tạo xử lý các yếu tố lặp đi lặp lại của công việc của họ. Làm thế nào điều này có thể thay đổi cấu trúc tổ chức, và những gì các nhà lãnh đạo nên làm để đảm bảo rằng những hệ thống này tăng cường phán quyết của con người chứ không dần loại bỏ nó khỏi các quyết định quan trọng? 

Ý tưởng là cung cấp cho mỗi người trong bảng lương một tác nhân tương ứng có thể học các phần của công việc theo thời gian. Trên một tỷ lệ lớn hơn của tổ chức, điều đó tạo ra trí tuệ tập trung và tối ưu hóa trên sơ đồ tổ chức chứ không giới hạn lợi ích ở một hoặc hai nhân viên.

Tác nhân có thể thực hiện công việc lặp đi lặp lại như thu thập thông tin, di chuyển dữ liệu hoặc xây dựng các bản trình bày thường xuyên. Điều đó cho phép mọi người có thêm thời gian cho các cuộc thảo luận và quyết định quan trọng, trong khi tổ chức vẫn giữ quyền kiểm soát thông tin nhạy cảm và các hành động có hậu quả.

Khi các tác nhân trí tuệ nhân tạo phát triển từ các trợ lý thành một lớp điều hành cho các tổ chức phức tạp, những khả năng nào cần phải cải thiện trước khi các công ty có thể tự động hóa an toàn các quy trình làm việc bao gồm toàn bộ các bộ phận hoặc đơn vị kinh doanh? 

Các tác nhân cần có độ trễ thấp hơn và tích hợp mạnh mẽ hơn với các cơ sở dữ liệu, tệp và hệ thống lớn của công ty. Thông tin phải di chuyển qua các vai trò và bộ phận mà không cần người dân phải chuyển nó thủ công hoặc tạo ra các nút thắt mới.

Lớp tương tác cũng phải được cải thiện. Các tác nhân giọng nói nên cảm giác như một cuộc trò chuyện thông thường nơi một người có thể ngắt và thay đổi hướng, và các doanh nghiệp sẽ cuối cùng sẽ cần các cách thức trực tiếp để các tác nhân được ủy quyền tương tác với các hệ thống của họ. Tự động hóa trình duyệt có thể bắc cầu khoảng cách, nhưng ngành sẽ chuyển sang một cấu trúc hiệu quả hơn vì tính toán và cơ sở hạ tầng có chi phí.

Cảm ơn vì cuộc phỏng vấn tuyệt vời, độc giả muốn tìm hiểu thêm nên truy cập Nventr.