苏哈姆·马祖姆达尔，WisdomAI联合创始人兼首席执行官 – 采访系列

苏哈姆·马祖姆达尔 是WisdomAI的联合创始人兼首席执行官，WisdomAI是一家处于AI驱动解决方案前沿的公司。在2023年联合创立WisdomAI之前，他曾是Rubrik的联合创始人兼首席架构师，在那里他在公司9年的发展过程中发挥了关键作用。苏哈姆此前曾在Facebook和Google担任工程领导职务，为核心搜索基础设施做出了贡献，并获得了Google创始人奖。他还联合创立了Tagtile，一家被Facebook收购的移动忠诚度平台。拥有二十年软件架构和AI创新经验的苏哈姆是一位经验丰富的企业家和技术专家，现居住在旧金山湾区。

WisdomAI 是一个AI原生商业智能平台，通过其专有的“知识织物”将结构化和非结构化数据整合在一起，帮助企业访问实时、准确的洞察。该平台支持专用AI代理，能够以自然语言回答商业问题，并主动发现趋势或风险，而不会产生虚假内容。与传统的BI工具不同，WisdomAI严格使用生成式AI进行查询生成，确保高精度和可靠性。它与现有的数据生态系统集成，并支持企业级安全，已被像Cisco和ConocoPhillips这样的主要公司采用。

您联合创立了Rubrik，并帮助其发展成为一家主要的企业公司。是什么启发您在2023年离开并建立WisdomAI？是否有一个特定的时刻使您明确了这一新方向？

企业数据低效问题正直视着我。在Rubrik期间，我亲眼目睹了财富500强公司如何被数据淹没，但又渴望洞察。即使我们建立了所有的基础设施，也只有不到20%的企业用户真正拥有正确的访问权限和使用数据的专业知识。这个系统性问题没有人真正解决。

我天生就是一个建设者——您可以从我的职业路径中看到，从Google到Tagtile再到Rubrik和现在的WisdomAI。我被解决基本挑战和从头开始构建解决方案的过程所激励。在帮助Rubrik发展成为企业成功之后，我又一次感到创业的冲动，想要解决同样雄心勃勃的挑战。

最后但同样重要的是，AI的机会是无法忽视的。到2023年，已经很明显AI可以弥合数据可用性和数据可用性的差距。时机似乎非常适合建立一个能够为每个企业用户民主化数据洞察的东西，而不仅仅是为技术人员服务。

当我意识到我们可以将我在Rubrik学到的关于企业数据基础设施的知识与AI的变革潜力结合起来，解决这个基本的低效问题时，顿时豁然开朗。

WisdomAI引入了“知识织物”和一套AI代理。您能否解释一下这个系统如何协同工作，以超越传统的BI仪表盘？

我们建立了一个代理式数据洞察平台，可以在数据所在的地方工作——结构化、非结构化，甚至“脏”数据。业务经理可以直接提出问题并深入了解细节，而不需要分析团队运行报告。我们的平台可以通过分析查询日志来训练任何数据仓库系统。

我们与主要的云数据服务（如Snowflake、Microsoft Fabric、Google的BigQuery、Amazon的Redshift、Databricks和Postgres）以及文档格式（如Excel、PDF、PowerPoint等）兼容。

与传统工具主要为分析师设计不同，我们的对话式接口使业务用户能够直接获得答案，而我们的多代理体系结构可以跨多个数据系统执行复杂查询。

您强调WisdomAI通过将生成式AI与答案生成分离来避免虚假内容。您能否解释您的系统如何不同地使用生成式AI，以及为什么这对于企业信任至关重要？

我们的AI就绪上下文模型在组织的数据上进行训练，以创建一个通用的上下文理解，能够以高语义准确性回答问题，同时保持数据隐私和治理。另外，我们使用生成式AI来制定合理范围的查询，以便从不同的系统中提取数据，而不是将原始数据输入到LLM中。这对于解决LLM的虚假内容和安全问题至关重要。

您创造了“代理式数据洞察平台”这个术语。代理式智能与传统的分析工具或标准LLM基于的助手有什么不同？

传统的BI堆栈会减慢决策速度，因为每个问题都必须通过断开的数据仓库和专家团队来解决。当首席收入官需要知道如何结束本季度时，答案通常会经过六个手——分析师处理CRM提取、数据工程师拼接文件、仪表盘构建者刷新报告——将一个简单的问题变成一个多天的项目。

我们的平台打破了这些数据仓库，并使数据的全部深度只有一键之遥，所以CRO可以在几秒钟内从标题指标深入到行级别的细节。

不需要在分析师队列中等待，不需要预定义的仪表盘无法跟上新问题——只需真正的自助式洞察，以商业运作的速度提供。

您如何确保WisdomAI适应每个企业的独特数据词汇和结构？人类输入在完善知识织物方面扮演什么角色？

在数据所在的地方和方式上工作——这基本上是企业商业智能的圣杯。传统系统不适合处理非结构化数据或带有拼写错误的“脏”数据。当信息存在于多个来源（如数据库、文档、遥测数据）时，组织难以将这些信息整合在一起。

没有处理这些不同数据类型的能力，宝贵的上下文将在单独的系统中孤立。我们的平台可以通过分析查询日志来训练任何数据仓库系统，从而适应每个组织的独特数据词汇和结构。

您将WisdomAI的开发过程描述为“氛围编码”——直接在代码中构建产品体验，然后通过现实世界的使用迭代。这种方法与传统的产品设计相比有什么优势？

“氛围编码”是软件开发方式的重大转变，开发人员利用AI工具的力量通过自然语言描述期望的功能来生成代码。就像一个智能助手，它做你想要软件做的事情，并为你编写代码。这大大减少了传统上需要的手动编码工作和时间。

多年来，数字产品的创建基本上遵循了一个熟悉的脚本：精心规划产品和UX设计，然后执行开发，并根据反馈进行迭代。逻辑很明确，因为在开发之前投资设计可以在开发阶段最小化昂贵的返工。但是，当开发的成本和时间大大减少时会发生什么？这种能力将传统的开发顺序颠倒过来。开发人员现在可以根据对需求的高层次理解开始构建功能性的软件，即使在详细的产品和UX设计完成之前。

通过AI代码生成的速度，创建详尽的前期设计的工作量在某些情况下可能比创建基本功能软件的工作量更大。新的范式在“氛围编码”的世界中变成了：执行（使用AI编码），然后适应（设计和完善）。

这种方法使我们能够非常早期地验证核心概念。想象一下，在大量投资详细的视觉设计之前，就能获得关于功能的反馈。这种方法可以带来更以用户为中心的设计，因为设计过程直接受到用户与有形产品交互方式的影响。

在WisdomAI，我们积极拥抱AI代码生成。我们发现，通过快速的初步开发，我们可以快速测试核心功能并获得宝贵的用户反馈，从而使我们的设计团队能够专注于根据现实世界的使用情况完善用户体验和视觉设计，进而带来更有效、更受用户喜爱的产品，速度也更快。

从销售和营销到制造和客户成功，WisdomAI针对广泛的商业用例。哪些垂直行业采用速度最快，哪些用例让您感到惊讶？

我们已经看到多个客户取得了变革性的成果。对于一家F500石油和天然气公司ConocoPhillips，钻井工程师和操作员现在使用我们的平台直接以自然语言查询复杂的井数据。在WisdomAI之前，这些工程师需要技术帮助来回答基本的操作问题或工作表现。现在他们可以瞬间访问这些信息，同时将其与钻井手册中的最佳实践进行比较——所有这些都通过相同的对话式接口。他们在六个月的过程中评估了多个AI供应商，我们的解决方案比最接近的竞争对手提高了50%的准确性。

在一家超增长的网络安全公司Descope，WisdomAI被用作销售和财务的虚拟数据分析师。我们将报告创建时间从2-3天减少到仅2-3小时——减少了90%。这将他们的每周销售会议从数据收集练习转变为专注于可行洞察的战略会议。正如他们的首席收入官所说，“Wisdom AI将数据带到我的指尖。它真正民主化了数据，让我能够回答问题并继续我的一天，而不是定义我的问题，等待有人构建答案，然后在5天后收到它。”在竞争激烈的身份管理市场中，对于一家快速增长的公司来说，能够以前所未有的速度做出数据驱动的决策至关重要。

一个实用的例子：首席收入官问道，“我如何结束本季度？”我们的平台立即提供了一份待处理交易清单，以及每笔交易被延迟的信息——例如，客户正在等待回答的问题。所有这些都可以通过五个按键完成，而不是五个专家和几天的延迟。

今天，许多公司都被仪表盘、报告和孤立的工具淹没。企业对商业智能的最常见误解是什么？

组织拥有大量信息，但难以利用这些数据进行快速决策。挑战不仅仅是拥有数据，而是以其自然状态处理数据——这通常包括未清理的“脏”数据，里面可能有拼写错误或其他错误。公司在基础设施上投入大量资金，但由于僵化的仪表盘、数据卫生不佳和孤立的信息而面临瓶颈。大多数企业需要专门的团队来运行报告，这会在业务领导者需要快速答案时造成显著的延迟。人们消费数据的界面尽管云数据引擎和数据科学有了进步，但仍然过时。

您是否将WisdomAI视为增强或最终取代现有的BI工具，如Tableau或Looker？您如何融入更广泛的企业数据堆栈？

我们与主要的云数据服务（如Snowflake、Microsoft Fabric、Google的BigQuery、Amazon的Redshift、Databricks和Postgres）以及文档格式（如Excel、PDF、PowerPoint等）兼容。我们的方法改变了人们消费数据的界面，这个界面尽管云数据引擎和数据科学有了进步，但仍然过时。

展望未来，五年后您看到WisdomAI会怎样？您如何看待“代理式智能”在整个企业格局中的演变？

分析的未来正在从专家驱动的报告转向每个人都可以访问的自助式智能。二十多年来，BI工具一直存在，但采用率还没有达到公司员工的20%。与此同时，仅仅十二个月内，60%的工作场所用户采用了ChatGPT，很多人将其用于数据分析。这一显著的差异表明对话式接口有巨大的潜力来增加采用率。

我们正在看到一个根本性的转变，即所有员工都可以直接、无需技术技能地询问数据。未来将结合AI的计算能力和自然的人机交互，使洞察能够主动找到用户，而不是要求用户在仪表盘中搜索。

感谢这次精彩的采访，希望了解更多的读者可以访问WisdomAI。