Nventr 的创始人和 CEO Jito Chadha – 采访系列

Jito Chadha，Nventr 的创始人和 CEO，是一位经验丰富的技术高管和投资者，他的职业生涯跨越了人工智能、数据科学、风险投资和业务发展等领域。自 2019 年创立 Nventr 以来，他领导了公司的企业人工智能技术开发，同时也担任预测分析公司 Rule14 的 CEO。Chadha 自 2007 年以来一直是 HandsOn Global Management 的一员，并于 2013 年成为合伙人，为多笔交易的寻源、结构化和价值创造做出了贡献，同时领导了风险投资、数据科学和自然资源等领域的投资。

Nventr 是一家位于洛杉矶的企业人工智能公司，开发用于构建、部署和管理智能应用程序和自动化工作流的技术。其平台集成了人工智能代理、机器学习模型、神经网络、数据管理、智能文档处理、可视化和开发工具。产品包括 Agent IO，一种用于协调业务功能中自治代理的操作系统，以及 nQube，一种支持无代码、低代码和全代码开发的工作流构建器，并支持跨云、内部和边缘环境的部署。

在领导 Nventr 和 Rule14 之前，您在多家公司中寻找投资机会，创造价值并参与数据科学项目。这种经验如何影响您决定构建一个针对工作流的企业人工智能平台，而不是独立工具？

在多家公司中工作使我看到了不同业务中相同的模式。每个组织都有信息在多个人、系统和审批流程中传递，才能完成一个过程。

这种经验使 Nventr 集中于工作流，而不是独立工具。提高一个任务的效率如果不能让结果在整个组织中高效传递，就没有太大价值。我们专注于结构化整个过程并大规模运行它。

Nventr 结合了代理动作、机器学习模型和神经网络，构成了可扩展的企业工作流。您在传统的自动化平台中观察到了哪些限制，导致您开发了这种更广泛的架构？ 

多年来，公司通过云和本地托管的 SaaS 应用程序运营，这些应用程序可能很笨拙、僵硬和昂贵。工作流系统、模型、代理和公司数据通常被视为独立的层，这使得更广泛的自动化更加困难。

我们开发了一种架构，使这些组件可以一起运行，并且可以独立扩展以适应需求变化。该过程不需要被迫进入一个固定应用程序或一种计算环境。

许多组织开始他们的人工智能战略，通过选择一个模型或启动一个聊天机器人。在您的经验中，公司在部署人工智能之前，需要进行哪些基础工作，涉及数据、权限、流程和系统集成，才能实现有意义的结果？ 

公司首先需要定义流程，确定代理需要什么信息，以及这些信息存储在哪里。这可能涉及数据库、文件存储、PDF、文章、电子邮件系统或其他公司数据源，这些数据源需要以可用的形式提供给代理。

公司然后需要定义代理接收到这些信息后会发生什么。对话可能会产生响应、摘要、后续队列或其他代理工作流。需要根据角色建立已批准的工具、数据权限和用户权限，以便每个动作在定义的流程中发生。

nQube 旨在帮助数据科学家和业务分析师构建、测试、部署和监控人工智能驱动的工作流。您如何使这些功能对非专业人士可用，同时保留生产环境所需的技术控制？

人们通过自己的角色和产品如何使他们的工作更容易或更高效来思考人工智能和软件产品。接口应该允许他们描述自己的需求、提出问题并通过正常语言和语音调整代理或工作流。

工作流、计算过程和扩展仍然在这种交互下面发生。组织仍然控制分配给每个角色的工具、数据源和访问权限，因此业务分析师可以使用该系统，而无需直接管理基础设施。

Nventr 的代理操作系统使用协调代理来指导专用代理执行顺序和迭代工作流。该平台如何确定哪个代理应该处理每个任务、在代理之间保留上下文以及处理不可靠的结果？ 

工作流决定了请求如何通过定义的步骤、分支和专用代理进行。来自一个阶段的信息可以被总结并传递给下一个代理，以便下一个代理了解发生了什么、请求了什么以及应该发生什么后续动作。

处理不可靠的结果取决于流程和行动的后果。工作流控制必须反映系统可以继续和需要审查的结果。

企业越来越希望能够使用不同的大型语言模型、专用机器学习系统和第三方代理。组织应该如何设计其人工智能基础设施，以避免依赖于单一模型提供商或技术栈？ 

基础设施应该支持多种模型，并允许它们在同一个工作流中并行运行。一个提供商可能处理语音到语音的组件，而另一个模型执行推理或处理。

工具包应该根据客户的成本、性能、安全性、延迟和对第三方服务提供商的开放性进行选择。一些企业可以接受组合提供商，而其他企业希望代理位于自己的云或专用基础设施上。架构必须支持这两种方法。

一旦人工智能代理可以访问公司数据并在业务系统中采取行动，安全性就变得比保护对话界面更复杂。哪些控制应该管理代理的权限、自主性和启动后果的能力？

访问应该由角色、项目和工作流控制。代理应该只能使用为该上下文批准的信息、工具和操作，并且任何超出该范围的请求都应发送进行授权。

自主性的程度应该反映数据的敏感性和行动的后果。对于涉及金钱、隐私信息或其他重大结果的交易，公司应该能够看到代理正在做什么，并且在完成之前需要批准。

Nventr 提出了包括文档处理、客户服务、报告、医疗保健通信和欺诈检测在内的各个领域的应用。哪些技术或运营特征使工作流适合代理自动化，哪些流程应该主要由人类领导？ 

我们平衡流程中的人数或成本与其复杂性和自动化的可行性。一个流程可能很昂贵或劳动密集，但如果它太复杂或不可靠以至于无法有效自动化，那么它可能不是开始的最佳地方。

一般方法是选择最容易实现和最有影响力的目标。这种公式是分形的，因为它可以应用于一个人的角色、几个部门或整个组织。涉及不确定性或后果判断的流程应该继续包括人。

您曾讨论过员工最终将拥有人工智能对应物来处理工作中重复的元素的想法。这种变化将如何影响组织结构，领导者应该如何确保这些系统加强人类的判断力，而不是逐渐从重要决策中移除人类的判断力？ 

这个想法是让每个员工都有一个可以随着时间学习工作部分的代理对应物。这样，在整个组织中就形成了集中式的智能和优化，而不是仅限于一两个员工的好处。

代理可以承担重复的工作，如收集信息、移动数据或构建常规演示文稿。这给人们留下了更多时间用于重要的讨论和决策，同时组织仍然控制着敏感信息和后果行动的权威。

随着人工智能代理从助手演变为复杂组织的操作层，哪些能力必须改进，以便公司能够安全地自动化跨整个部门或业务单元的工作流？ 

代理需要更低的延迟和更强的与公司数据库、文件和更大系统的集成。信息需要在角色和部门之间移动，而不需要人工转移或创建新的瓶颈。

交互层也需要改进。语音代理应该感觉像正常的对话，一个人可以打断并改变方向，业务最终需要直接的方式让授权的代理与他们的系统交互。浏览器自动化可以弥补这一差距，但该行业将朝着更高效的结构发展，因为计算和基础设施都有成本。

感谢您这次精彩的采访，希望了解更多的读者可以访问 Nventr。