Molham Aref, CEO & Founder của RelationalAI

Molham là Giám đốc điều hành của RelationalAI. Ông có hơn 30 năm kinh nghiệm trong việc lãnh đạo các tổ chức phát triển và triển khai các giải pháp học máy và trí tuệ nhân tạo có giá trị cao trên các ngành công nghiệp khác nhau. Trước khi gia nhập RelationalAI, ông từng là CEO của LogicBlox và Predictix (nay là Infor), CEO của Optimi (nay là Ericsson (ERIC )), và đồng sáng lập của Brickstream (nay là FLIR). Molham cũng từng giữ các vị trí lãnh đạo cấp cao tại HNC Software (nay là FICO) và Retek (nay là Oracle (ORCL )).

RelationalAI kết hợp nhiều thập kỷ kinh nghiệm trong ngành, công nghệ và phát triển sản phẩm để thúc đẩy hệ thống quản lý dữ liệu đồ thị kiến thức đám mây thực sự đầu tiên và duy nhất để cung cấp năng lượng cho thế hệ tiếp theo của các ứng dụng dữ liệu thông minh.

Là người sáng lập và CEO của RelationalAI, tầm nhìn ban đầu mà đã thúc đẩy bạn tạo ra công ty là gì, và tầm nhìn đó đã thay đổi như thế nào trong bảy năm qua?

Tầm nhìn ban đầu tập trung vào việc hiểu tác động của kiến thức và ngữ nghĩa đối với việc triển khai AI thành công. Trước khi chúng ta đến nơi chúng ta đang có ngày nay với AI, nhiều người tập trung vào học máy (ML), liên quan đến việc phân tích lượng lớn dữ liệu để tạo ra các mô hình cô đọng mô tả hành vi, chẳng hạn như phát hiện gian lận hoặc mẫu mua sắm của người tiêu dùng. Theo thời gian, nó trở nên rõ ràng rằng để triển khai AI hiệu quả, cần phải đại diện cho kiến thức theo cách mà cả AI và con người có thể tiếp cận và đơn giản hóa các hệ thống phức tạp.

Tầm nhìn này đã thay đổi với sự đổi mới của học sâu và gần đây hơn, các mô hình ngôn ngữ và AI tạo sinh. Những tiến bộ này không thay đổi những gì công ty chúng tôi đang làm, nhưng đã tăng cường sự liên quan và tầm quan trọng của phương pháp của họ, đặc biệt là trong việc làm cho AI trở nên dễ tiếp cận và thực tế hơn cho sử dụng doanh nghiệp.

Một báo cáo gần đây của PwC ước tính rằng AI có thể đóng góp tới 15,7 nghìn tỷ đô la vào nền kinh tế toàn cầu vào năm 2030. Trong kinh nghiệm của bạn, những yếu tố chính nào sẽ thúc đẩy tác động kinh tế đáng kể này, và doanh nghiệp nên chuẩn bị như thế nào để tận dụng những cơ hội này?

Tác động của AI đã đáng kể và sẽ không ngừng tăng trưởng. Một trong những yếu tố chính thúc đẩy tác động kinh tế này là tự động hóa lao động trí tuệ.

Các nhiệm vụ như đọc, tóm tắt và phân tích tài liệu – những nhiệm vụ thường được thực hiện bởi các chuyên gia có lương cao – hiện có thể được tự động hóa, làm cho những dịch vụ này trở nên dễ tiếp cận và chi phí thấp hơn.

Để tận dụng những cơ hội này, doanh nghiệp cần đầu tư vào các nền tảng có thể hỗ trợ các yêu cầu dữ liệu và tính toán của việc chạy các khối lượng công việc AI. Điều quan trọng là họ có thể mở rộng quy mô lên và xuống một cách hiệu quả về chi phí trên một nền tảng nhất định, đồng thời đầu tư vào năng lực AI của nhân viên để họ có thể hiểu cách sử dụng những mô hình này một cách hiệu quả và hiệu suất.

Khi AI tiếp tục tích hợp vào các ngành công nghiệp khác nhau, bạn thấy những thách thức lớn nhất mà các doanh nghiệp phải đối mặt trong việc áp dụng AI hiệu quả là gì? Vai trò của dữ liệu trong việc vượt qua những thách thức này là gì?

Một trong những thách thức lớn nhất tôi thấy là đảm bảo rằng kiến thức cụ thể của ngành có thể được AI tiếp cận. Những gì chúng ta đang thấy ngày nay là nhiều doanh nghiệp có kiến thức phân tán trên các cơ sở dữ liệu, tài liệu, bảng tính và mã. Kiến thức này thường không rõ ràng đối với các mô hình AI và không cho phép các tổ chức tối đa hóa giá trị mà họ có thể nhận được.

Một thách thức đáng kể mà ngành cần vượt qua là quản lý và thống nhất kiến thức này, đôi khi được gọi là ngữ nghĩa, để làm cho nó có thể tiếp cận được với các hệ thống AI. Bằng cách làm như vậy, AI có thể trở nên hiệu quả hơn trong các ngành cụ thể và trong doanh nghiệp vì họ có thể tận dụng cơ sở kiến thức độc đáo của mình.

Bạn đã đề cập rằng tương lai của việc áp dụng AI tạo sinh sẽ đòi hỏi sự kết hợp của các kỹ thuật như Retrieval-Augmented Generation (RAG) và kiến trúc đại lý. Bạn có thể giải thích tại sao những phương pháp kết hợp này là cần thiết và những lợi ích mà chúng mang lại?

Sẽ cần các kỹ thuật khác nhau như GraphRAG và kiến trúc đại lý để tạo ra các hệ thống AI có khả năng không chỉ chính xác hơn mà còn có thể xử lý các nhiệm vụ phức tạp về thu thập và xử lý thông tin.

Nhiều người cuối cùng đã nhận ra rằng chúng ta sẽ cần nhiều hơn một kỹ thuật khi chúng ta tiếp tục phát triển với AI, nhưng thay vào đó, tận dụng sự kết hợp của các mô hình và công cụ. Một trong những kỹ thuật đó là kiến trúc đại lý, nơi bạn có các đại lý với các khả năng khác nhau giúp giải quyết một vấn đề phức tạp. Kỹ thuật này chia nó thành các phần mà bạn có thể giao cho các đại lý khác nhau để đạt được kết quả mong muốn.

Cũng có kỹ thuật tạo sinh tăng cường thu thập (RAG) giúp chúng ta trích xuất thông tin khi sử dụng các mô hình ngôn ngữ. Khi chúng ta bắt đầu làm việc với RAG, chúng ta đã có thể trả lời các câu hỏi mà câu trả lời có thể được tìm thấy trong một phần của tài liệu. Tuy nhiên, chúng ta nhanh chóng phát hiện ra rằng các mô hình ngôn ngữ gặp khó khăn khi trả lời các câu hỏi khó hơn, đặc biệt là khi thông tin được phân tán trên các vị trí khác nhau trong tài liệu dài và trên nhiều tài liệu. Vì vậy, đây là nơi GraphRAG phát huy tác dụng. Bằng cách tận dụng các mô hình ngôn ngữ để tạo ra các biểu diễn đồ thị kiến thức của thông tin, nó có thể truy cập thông tin chúng ta cần để đạt được kết quả mong muốn và giảm thiểu khả năng lỗi hoặc ảo giác.

Thống nhất dữ liệu là một chủ đề quan trọng trong việc thúc đẩy giá trị AI trong các tổ chức. Bạn có thể giải thích tại sao dữ liệu thống nhất lại quan trọng đối với AI và làm thế nào nó có thể biến đổi các quy trình ra quyết định?

Dữ liệu thống nhất đảm bảo rằng tất cả kiến thức mà một doanh nghiệp có – cho dù nó nằm trong tài liệu, bảng tính, mã hoặc cơ sở dữ liệu – đều có thể tiếp cận được với các hệ thống AI. Sự thống nhất này có nghĩa là AI có thể tận dụng kiến thức cụ thể độc đáo của một ngành, tiểu ngành hoặc thậm chí một doanh nghiệp, làm cho AI trở nên liên quan và chính xác hơn trong đầu ra của nó.

Không có sự thống nhất của dữ liệu, các hệ thống AI chỉ có thể hoạt động trên các mảnh kiến thức bị phân mảnh, dẫn đến các thông tin không đầy đủ hoặc không chính xác. Bằng cách thống nhất dữ liệu, chúng ta đảm bảo rằng AI có một bức tranh đầy đủ và nhất quán, điều này then chốt để biến đổi các quy trình ra quyết định và thúc đẩy giá trị thực sự trong các tổ chức.

Làm thế nào phương pháp tiếp cận dữ liệu của RelationalAI, đặc biệt là với hệ thống đồ thị kiến thức quan hệ của họ, giúp các doanh nghiệp đạt được kết quả ra quyết định tốt hơn?

Kiến trúc dữ liệu của RelationalAI, đặc biệt là hệ thống đồ thị kiến thức quan hệ của chúng tôi, tích hợp trực tiếp kiến thức với dữ liệu, làm cho nó trở nên khai báo và quan hệ. Phương pháp này trái ngược với các kiến trúc truyền thống nơi kiến thức được nhúng trong mã, làm cho việc tiếp cận và hiểu biết trở nên phức tạp đối với người dùng không phải kỹ thuật.

Trong môi trường kinh doanh cạnh tranh ngày nay, việc ra quyết định nhanh chóng và thông minh là điều cần thiết. Tuy nhiên, nhiều tổ chức gặp khó khăn vì dữ liệu của họ thiếu ngữ cảnh cần thiết. Hệ thống đồ thị kiến thức quan hệ của chúng tôi thống nhất dữ liệu và kiến thức, cung cấp một cái nhìn tổng thể cho phép con người và AI đưa ra quyết định chính xác hơn.

Chẳng hạn, hãy xem xét một công ty dịch vụ tài chính quản lý danh mục đầu tư. Công ty cần phân tích xu hướng thị trường, hồ sơ rủi ro của khách hàng, thay đổi quy định và chỉ số kinh tế. Hệ thống đồ thị kiến thức của chúng tôi có thể tổng hợp nhanh chóng các yếu tố phức tạp, liên quan này, cho phép công ty đưa ra quyết định đầu tư kịp thời và thông minh để tối đa hóa lợi nhuận trong khi quản lý rủi ro.

Phương pháp này cũng giảm thiểu sự phức tạp, tăng cường tính di động và giảm thiểu sự phụ thuộc vào các nhà cung cấp công nghệ cụ thể, cung cấp sự linh hoạt chiến lược lâu dài trong việc ra quyết định.

Vai trò của Giám đốc Dữ liệu (CDO) đang ngày càng quan trọng. Bạn thấy vai trò của CDO sẽ thay đổi như thế nào với sự trỗi dậy của AI, và những kỹ năng quan trọng nào sẽ cần thiết cho họ trong tương lai?

Vai trò của CDO đang thay đổi nhanh chóng, đặc biệt là với sự trỗi dậy của AI. Truyền thống, các trách nhiệm hiện nay thuộc về CDO đã được quản lý bởi CIO hoặc CTO, tập trung chủ yếu vào hoạt động công nghệ hoặc công nghệ được sản xuất bởi công ty. Tuy nhiên, khi dữ liệu trở thành một trong những tài sản quý giá nhất của các doanh nghiệp hiện đại, vai trò của CDO đã trở nên khác biệt và quan trọng.

CDO chịu trách nhiệm đảm bảo quyền riêng tư, khả năng tiếp cận và kiếm tiền từ dữ liệu trên toàn tổ chức. Khi AI tiếp tục tích hợp vào hoạt động kinh doanh, CDO sẽ đóng vai trò quan trọng trong việc quản lý dữ liệu nuôi các mô hình AI, đảm bảo rằng dữ liệu này sạch, có thể tiếp cận và được sử dụng một cách đạo đức.

Các kỹ năng quan trọng cho CDO trong tương lai sẽ bao gồm sự hiểu biết sâu sắc về quản trị dữ liệu, công nghệ AI và chiến lược kinh doanh. Họ sẽ cần làm việc chặt chẽ với các bộ phận khác, trao quyền cho các đội có thể không có quyền truy cập trực tiếp vào dữ liệu, chẳng hạn như tài chính, tiếp thị và nhân sự, để tận dụng các thông tin dựa trên dữ liệu. Khả năng dân chủ hóa dữ liệu trên toàn tổ chức sẽ là then chốt để thúc đẩy đổi mới và duy trì lợi thế cạnh tranh.

RelationalAI đóng vai trò gì trong việc hỗ trợ CDO và các đội của họ trong việc quản lý sự phức tạp ngày càng tăng của dữ liệu và tích hợp AI trong các tổ chức?

RelationalAI đóng vai trò cơ bản trong việc hỗ trợ CDO bằng cách cung cấp các công cụ và khuôn khổ cần thiết để quản lý sự phức tạp của dữ liệu và tích hợp AI một cách hiệu quả. Với sự trỗi dậy của AI, CDO đang được giao nhiệm vụ đảm bảo rằng dữ liệu không chỉ có thể tiếp cận và bảo mật mà còn được tận dụng tối đa trên toàn tổ chức.

Chúng tôi hỗ trợ CDO bằng cách cung cấp một phương pháp tiếp cận dựa trên dữ liệu, đưa kiến thức trực tiếp đến dữ liệu, làm cho nó có thể tiếp cận và hiểu được đối với các bên liên quan không phải kỹ thuật. Điều này đặc biệt quan trọng khi CDO làm việc để đưa dữ liệu vào tay những người trong tổ chức có thể không có quyền truy cập truyền thống, chẳng hạn như tiếp thị, tài chính và thậm chí các đội hành chính. Bằng cách thống nhất dữ liệu và đơn giản hóa việc quản lý, RelationalAI cho phép CDO trao quyền cho các đội của họ, thúc đẩy đổi mới và đảm bảo rằng các tổ chức của họ có thể tận dụng tối đa các cơ hội được trình bày bởi AI.

RelationalAI nhấn mạnh một nền tảng dữ liệu cho việc xây dựng các ứng dụng thông minh. Bạn có thể cung cấp các ví dụ về cách phương pháp này đã dẫn đến hiệu quả và tiết kiệm đáng kể cho khách hàng của bạn?

Phương pháp tiếp cận dựa trên dữ liệu của chúng tôi trái ngược với mô hình dựa trên ứng dụng truyền thống, nơi logic kinh doanh thường được nhúng trong mã, làm cho việc quản lý và mở rộng trở nên phức tạp. Bằng cách tập trung kiến thức vào chính dữ liệu và làm cho nó trở nên khai báo và quan hệ, chúng tôi đã giúp khách hàng giảm đáng kể sự phức tạp của các hệ thống của họ, dẫn đến hiệu quả, ít lỗi hơn và cuối cùng là tiết kiệm chi phí đáng kể.

Chẳng hạn, Blue Yonder đã tận dụng công nghệ của chúng tôi như một bộ xử lý đồ thị kiến thức bên trong Snowflake, cung cấp khả năng hiểu và lý luận ngữ nghĩa cần thiết để dự đoán sự gián đoạn và chủ động thúc đẩy các hành động giảm thiểu. Phương pháp này cho phép họ giảm mã di sản hơn 80% trong khi cung cấp một giải pháp có thể mở rộng và có thể mở rộng.

Tương tự, EY Financial Services đã trải qua một cải tiến đáng kể bằng cách giảm mã di sản 90% và giảm thời gian xử lý từ hơn một tháng xuống chỉ vài giờ. Những kết quả này cho thấy cách tiếp cận của chúng tôi cho phép các doanh nghiệp trở nên linh hoạt và phản ứng nhanh hơn với các điều kiện thị trường thay đổi, đồng thời tránh được những hạn chế của việc bị khóa vào các công nghệ hoặc nhà cung cấp cụ thể.

Dựa trên kinh nghiệm của bạn trong việc lãnh đạo các công ty được thúc đẩy bởi AI, bạn tin rằng những yếu tố quan trọng nhất để triển khai AI thành công trên quy mô lớn trong một tổ chức là gì?

Từ kinh nghiệm của tôi, những yếu tố quan trọng nhất để triển khai AI thành công trên quy mô lớn là đảm bảo rằng bạn có một nền tảng kiến thức và dữ liệu mạnh mẽ và rằng nhân viên của bạn, đặc biệt là những người có kinh nghiệm, dành thời gian để học hỏi và trở nên thoải mái với các công cụ AI.

Điều quan trọng là không rơi vào bẫy của những phản ứng cảm xúc cực đoan – hoặc sự cường điệu quá mức hoặc hoài nghi sâu sắc – xung quanh các công nghệ AI mới. Thay vào đó, tôi khuyên bạn nên có một cách tiếp cận ổn định và nhất quán để áp dụng và tích hợp AI, tập trung vào các cải tiến dần dần chứ không phải giải pháp bạc.

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