罗布·比尔登，Sema4.ai 的 CEO 和联合创始人 – 采访系列

罗布·比尔登是 Sema4.ai 的联合创始人和 CEO。他曾是 Hortonworks 的联合创始人和 CEO，Hortonworks 是一家公开交易的开源公司，于 2019 年与 Cloudera 合并。他还曾于 2019 年担任 Docker 的 CEO，并仍然是董事会成员。罗布于 2019 年底返回 Cloudera，担任 CEO，并领导了公司的重组和出售给私募股权公司 KKR 和 CDR，交易金额为 53 亿美元。此前，他曾担任 SpringSource 的总裁和 COO，SpringSource 是一家领先的开源开发工具提供商，直到 2009 年被 VMWare 收购。在加入 SpringSource 之前，罗布曾在 Benchmark Capital 担任企业家驻地。在此之前，他曾担任 JBoss 的总裁和 COO，JBoss 是一家领先的开源中间件公司，直到 2006 年被 Red Hat 收购。

Sema4.ai 是一家企业软件公司，专注于构建能够在业务工作流中推理和行动的 AI 代理。其平台允许组织设计、部署和管理智能代理，自动执行复杂任务，跨系统（如 ERP 和 CRM）执行，实现安全、可解释和可扩展的自动化。Sema4.ai 致力于弥合通用 AI 工具和生产就绪数字劳动力之间的差距，帮助大型公司从 AI 实验转向真正的运营影响。

您曾经建立和扩展了多家定义类别的公司，从 JBoss 和 SpringSource 到 Hortonworks 和 Docker。是什么启发您创立 Sema4.ai，它又如何建立在您之前的创业经验之上？

Sema4.ai 成立的目的是帮助企业摆脱 AI 试验阶段，进入生产阶段。在我的整个职业生涯中，我专注于将强大的新技术转化为可靠、可扩展的平台。我的一个关键经验是，成功来自于提供结果，而不是无休止的实验。

为了让企业有效地采用 AI，它们需要的不仅仅是最先进的 LLM；它们需要可靠的系统，包括可靠的编排、治理框架和可解释性。Sema4.ai 致力于将这种学科应用于 AI 代理，优先考虑准确性和确定性，以便组织能够自信地将 AI 应用于其最关键的数据密集型操作。

为了实现这一目标，我们开发了 SAFE 框架，确保每个代理都是安全、负责、快速和可扩展的。SAFE 定义了代理的构建、部署和治理方式，给客户带来信心，使他们相信 AI 驱动的决策是透明、可审计和符合其政策和法规的。

我们还应用了我之前公司的相同运营学科，建立了一个可预测的价值创造模型，适用于客户、合作伙伴和内部团队。这种方法意味着专注于可重复的使用场景，提供可衡量的商业影响，并使企业能够信任、采用和扩展 AI 代理自动化。

最终，灵感来自于见证历史的重演，变革性技术停滞在扩展的边缘，并认识到通过 Sema4.ai，我们有机会帮助企业负责任地弥合这一差距。

您的职业生涯一直围绕着将开源、大数据和现在的 AI 代理等前沿技术转化为企业标准。您在这些创新周期中看到哪些相似之处和不同之处？

每个周期都从创新、实验和碎片化开始，然后成熟为企业级标准。相似之处在于需要强大的架构、数据控制和成熟的开发者生态系统，以简化采用。AI 企业代理的不同之处在于其能够将数据从洞察转化为行动。它们不仅能够理解复杂的上下文，还能准确、安全地采取行动。这就是为什么我们的重点是将高级推理模型与确定性的数学数据处理相结合，使企业能够信任自动化的结果，无论规模如何。

Sema4.ai 的平台强调事件驱动、可调的 AI 代理，能够在几分钟内处理数百页或多源数据。这种架构与传统的 AI 系统或副驾驶如何不同，它解决了哪些特定的企业痛点？

传统的副驾驶虽然有用，但有限；它们通常是单次、UI 绑定的，无法轻松扩展到企业工作流中。它们还容易出现数学不准确的 LLMs 的问题，没有程序化支持，经常会返回错误答案。Sema4 的 AI 代理不仅仅是协助；它们实际上执行企业需要的关键工作。我们以业务用户为中心的方法构建了我们的企业 AI 平台，统一了业务、IT 和开发人员。业务用户可以使用易于使用的界面和 AI 副驾驶，使用纯英语和开箱即用的企业系统连接器构建 AI 代理。IT 可以运行和管理代理，使用纯英语，无需复杂的代码。这使我们能够为客户提供能够理解业务上下文、推理和与人类团队协作的代理，就像人类工人一样。这是执行高价值工作的前所未有的准确性和效率的根本转变。

为了进一步发展，我们最近推出了下一代企业 AI 平台，扩展了我们的功能，提供了企业所需的高级可靠性、准确性和确定性结果。新的增强功能包括 DataFrames，提供数学精确、企业级的数据处理，消除了在系统之间手动协调数据的需要；文档智能，能够将文档转化为结构化、代理就绪的 DataFrames，准确率几乎达到 100%，支持 100 多种语言和文件类型；增强的工作代理，能够完全自治、24/7 执行多步骤工作流，结合数据精度和文档理解；以及升级的代理工作室，使用 AI 指导的运行手册和直观的界面，加速代理创建，赋予业务用户和开发人员权力。这些创新使企业能够自动执行复杂的多源工作流，这些工作流曾经需要几天，现在只需几分钟，具有无与伦比的精度。结果是周期时间更快，手动交接更少，结果一致且可审计。

您曾谈到拯救企业免于“AI 试验炼狱”。陷入无休止试验的最大因素是什么，而 Sema4.ai 又如何帮助企业实现可扩展的生产？

大多数 AI 代理试验失败是因为现有的解决方案缺乏企业所需的基本功能：商业关键工作的准确性、处理复杂文档的能力以及执行复杂多步骤工作流的能力。

基于 LLM 的传统代理容易出现幻觉和计算错误，使其不适合企业流程，如财务对账或合规报告。同时，DIY 系统需要大量开发资源来构建和维护代理，造成瓶颈，阻止业务用户自动化自己的流程。

其他代理平台难以准确理解复杂文档——无法从发票、合同或报告中准确提取数据，并且在尝试需要跨不同数据源和应用程序进行推理的多步骤工作流时会失败。

Sema4.ai 通过提供从试验到生产的企业级代理来解决这些核心限制。

我们的最新平台发布直接解决了准确性危机，采用了一种创新架构，将高级推理模型（GPT-5、o3、o4-mini 和 Claude Sonnet 4）与数学精确的 SQL 数据处理相结合。这种突破性方法使代理能够通过 LLMs 理解上下文和意义，同时使用 100% 的数学准确性执行所有计算——消除了困扰企业 AI 的幻觉和错误。

此外，我们的文档智能和自然语言运行手册使业务用户能够在没有开发人员依赖的情况下创建复杂的代理，我们的多步骤文档处理可以处理最复杂的企业文档，具有类似人类的准确性。

这种综合方法将 AI 代理从实验工具转变为可靠的商业系统，企业可以信任这些系统来处理其最关键的流程。

公司最近与科赫工业公司的合作伙伴关系标志着一个重要的验证时刻。这种合作对于 Sema4.ai 的增长和更广泛的企业 AI 采用来说意味着什么？

我们与科赫工业公司的合作证明了 AI 代理可以在现实世界条件下提供企业级结果。科赫公司正在使用 Sema4.ai 的企业 AI 代理来自动化手动核对流程，这些流程曾经耗时且容易出错。我们的代理可以逐行解析数百页的发票，并直接与现有的财务系统集成，帮助科赫公司节省数小时甚至数天的手动工作。这种合作扩展到其他关键工作流，例如文档理解、采购分析和维护调度，展示了代理自动化如何处理现实世界企业运营的规模和复杂性。

这是一个证明点，表明我们的代理可以提供可衡量的 ROI，减少手动工作量多达 80%，提高准确性，并使企业能够将人才重新部署到更高价值的计划中。

凭借您在领导十亿美元退出方面的经验，您认为在扩展前沿技术到可持续的企业价值时，哪些原则或剧本元素最为关键？

关键原则是一致性、清晰性和控制。从客户结果开始，而不是仅仅为了创新而创新。从一开始就设计安全性、可观察性和治理。与客户已经在那里工作的地方集成，并使其易于衡量 ROI。

在 Sema4.ai，这意味着建立一个安全、准确、快速和可扩展的平台，设计为灵活、受治理和企业级。它使客户能够从一个用例开始，并随着价值的增长自然扩展。

随着 AI 代理变得更加自主，治理、数据控制和透明度的担忧日益增长。Sema4.ai 如何处理代理治理，特别是在数据访问、决策和审计方面？

治理是我们平台的核心。每个代理都在定义的政策下运行，这些政策规定了它可以访问哪些数据、可以采取哪些行动以及如何记录这些行动。我们提供完全的可观察性和可审计性，因此企业可以看到并追踪决策是如何做出的。Sema4.ai 支持零拷贝数据模式，确保数据永远不会离开其源，同时保持代理生命周期的所有阶段透明。

安全性和治理也是我们 SAFE 框架的关键支柱。企业版包含强大的行业标准安全实践，包括 ISO 27001 信息安全管理、SOC 2 安全合规、HIPAA 医疗数据保护和 GDPR 数据隐私。这些认证加强了企业需要的信任、责任感和控制，以便负责任地扩展 AI。

我们还将确定性验证纳入我们的数据处理中；每个输出都可以验证为原始源，这对于合规驱动的行业（如金融和医疗保健）至关重要。

您强调了让企业控制“分析深度”，以平衡质量、成本和性能的重要性。为什么这种灵活性对于企业 AI 的可靠性和 ROI 至关重要？

分析深度使客户能够根据每个任务调整推理水平：当准确性至关重要时进行深入、精确的分析，当工作例行时进行更快、更轻量的分析。这种可调性使企业能够控制成本和性能，确保 AI 按照业务优先级提供一致的结果。在实践中，这意味着客户可以动态地在高精度数据推理（通过 SQL 基础的 DataFrames）和轻量级上下文分析之间进行选择，具体取决于用例。这种灵活性确保了在准确性、效率和成本之间的正确平衡，最大限度地提高了企业工作负载的 ROI。

您能带我们了解一些现实世界的例子，比如文档智能或分析数据框架，AI 代理已经为企业团队带来了可衡量的成果吗？

在文档智能中，我们的代理可以处理和总结大型文档集，验证信息，并应用基于政策的推理，具有审计跟踪以确保合规性。在分析数据框架中，代理聚合多源数据，应用业务规则，并生成决策就绪输出，仅需几分钟，而不是几天。

我们的新平台提升了这两种能力。文档智能 2.0 将文档转化为结构化、代理就绪的数据，准确率几乎达到 100%，而数据框架则使用数学精确的 SQL 计算处理数百万行数据。这些进步消除了手动协调数据的错误，并加速了企业内的决策。

Sema4.ai 的平台已经被包括工程服务领军企业 Emerson 和工业巨头 Koch 在内的合作伙伴使用，这些组织正在利用 Sema4.ai 代理来自动执行关键运营，例如发票处理、付款对账、员工入职和法规遵从性。我们的代理现在在某些工作流中独立执行超过 80% 的知识工作，改变了企业运营在规模上的执行方式。

随着我们接近一个世界，在那里 AI 代理可能重新定义企业应用程序，您如何看待传统企业应用程序和代理驱动的架构之间的关系在未来几年内的演变？

企业应用程序将越来越多地作为记录系统，并被代理驱动的架构所取代，后者将成为执行层，连接数据、工作流和决策，跨越业务系统。在我们看来，企业应用程序将成为记录系统，而 AI 代理将成为执行层，连接数据、工作流和决策，跨越业务系统。我们正在迈向一个新的模型，即代理编排跨平台工作流，实时集成业务系统中的数据和流程。随着时间的推移，这种代理驱动的方法将使企业架构从静态、应用程序为中心的环境转变为动态、结果驱动的生态系统，在那里 AI 持续学习、适应和在受治理的边界内采取行动。这使得企业代理成为 AI 时代的杀手级应用程序。

感谢您这次精彩的采访，希望读者可以通过访问 Sema4.ai 来了解更多信息。