访谈
苏罗吉特·查特吉（Surojit Chatterjee），Ema 的创始人和 CEO – 采访系列
苏罗吉特·查特吉（Surojit Chatterjee） 是 Ema 的创始人和 CEO。他之前曾作为 Coinbase 的首席产品官，带领公司成功完成了 2021 年的 IPO，并在谷歌担任移动广告和谷歌购物的副总裁和产品负责人，成功将这些业务发展成为数十亿美元的业务。苏罗吉特拥有 40 项美国专利，并拥有麻省理工学院的 MBA 学位、纽约州立大学布法罗分校的计算机科学硕士学位和印度理工学院哈尔格普尔分校的工学学士学位。
Ema 是一个通用的 AI 员工，可以无缝地集成到组织现有的 IT 基础设施中。它旨在提高生产力，简化流程，并赋予团队更多权力。
您能否详细介绍 Ema 的愿景和您创建通用 AI 员工的灵感来源？
Ema 的目标是明确和大胆的：“通过构建通用 AI 员工来改变企业。”这一愿景源于我们相信 AI 可以增强人类的能力，而不是完全取代工人。我们的通用 AI 员工旨在自动执行重复性和单调的任务，从而让人类员工能够专注于更具战略性和价值的工作。我们通过 Ema 的创新型代理 AI 系统实现这一目标，该系统可以执行一系列复杂的任务，使用一组 AI 代理（称为 Ema 的个性），提高效率和生产力。
您和您的联合创始人都有着令人印象深刻的背景，曾在领先的科技公司工作。您的过去经验如何影响 Ema 的发展和战略？
在过去的二十年里，我曾在谷歌、Coinbase、Oracle 和 Flipkart 等标志性的公司工作。在每个地方，我都想知道“为什么我们雇佣最聪明的人，却给他们安排如此单调的工作？”这就是为什么我们正在构建 Ema。
在联合创立 Ema 之前，我曾是 Coinbase 和 Flipkart 的首席产品官，以及谷歌移动广告的全球产品负责人。这些经历加深了我在工程、机器学习和广告技术方面的技术知识。这些角色使我能够识别出我们工作方式的低效之处，以及如何解决复杂的商业问题。
Ema 的联合创始人和工程负责人 Souvik Sen 曾是 Okta 的工程副总裁，负责数据、机器学习和设备。他之前曾在谷歌担任数据和机器学习的工程负责人，曾开发过世界上最大的机器学习系统之一——谷歌的信任图谱。他的专业知识，特别是在安全性和隐私方面，使得 Ema 的代理 AI 系统具有高度的准确性和企业级的安全性和隐私保护。
我的联合创始人 Souvik 和我认为，如果你有一位米其林星级厨师在内部，可以为你做任何你想要的菜。你可能今天想吃法式菜，明天想吃意大利菜，后天想吃印度菜。但无论你的心情或你想要的菜肴如何，那位厨师都可以重现你梦想中的菜肴。这就是 Ema 可以做的事情。它可以承担企业中任何角色的任务，只需简单地进行一次对话。
Ema 使用了 100 多个大型语言模型和自己的较小模型。您如何确保这些不同来源的无缝集成和最佳性能？
大型语言模型虽然强大，但在企业环境中由于缺乏专门的知识和上下文特定的训练而存在不足。这些模型是基于一般数据构建的，无法处理驱动业务运营的细致和专有信息。这种限制可能导致输出不准确，数据安全风险，并且无法提供企业决策所需的领域特定见解。像 Ema 这样的代理 AI 系统通过提供更定制化和动态的方法来解决这些问题。与静态的大型语言模型不同，我们的代理 AI 系统可以：
- 适应企业特定的数据和工作流程
- 根据准确性、成本和性能要求利用多个大型语言模型
- 在公司基础设施内保持数据隐私和安全
- 提供可解释和可验证的输出，用于商业问责
- 从实时企业数据中持续更新和学习
- 自主执行复杂的多步骤任务
我们通过使用 Ema 的专有 2T+ 参数混合专家模型（EmaFusionTM）来确保这些不同来源的无缝集成。EmaFusionTM 结合了 100 多个公共大型语言模型和许多领域特定的自定义模型，以最大限度地提高准确性和最低成本，执行广泛的企业任务，最大化投资回报率。此外，通过这种新颖的方法，Ema 是未来的证明；我们不断添加新模型，以防止对单一技术栈的依赖，从而消除了对企业客户的风险。
您能否解释生成工作流引擎的工作原理及其与传统工作流自动化工具相比的优势？
我们已经开发了数十个模板个性（或特定角色的 AI 员工）。这些个性可以由业务用户在几分钟内配置和部署，无需编码知识。从本质上讲，Ema 的个性是专有 AI 代理的集合，它们协同工作以执行复杂的工作流程。
我们的专利待批的生成工作流引擎（Generative Workflow Engine）是一个小型变换器模型，生成工作流程和编排代码，选择合适的代理和设计模式。Ema 利用众所周知的代理设计模式，例如反思、规划、工具使用、多代理协作、语言代理树搜索（LATS）、结构化输出和多代理协作，并引入了许多创新模式。凭借 200 多个预建连接器，Ema 可以无缝地与内部数据源集成，并可以跨工具采取行动，以有效地执行各种企业角色。
Ema 在从客户服务到法律到保险等各个领域中都有应用。您认为哪些行业对 Ema 的增长潜力最高，为什么？
我们认为各个行业和功能都有潜力，因为大多数企业在流程中只有不到 30% 的自动化，并使用超过 200 个软件应用程序，从而导致数据和操作孤岛。麦肯锡公司估计，生成式 AI 可以每年为生产力带来 2.6 万亿美元至 4.4 万亿美元的增长（来源）。
这些问题在受监管的行业中更加严重，例如医疗保健、金融服务和保险，因为过去十年的大多数技术自动化并没有发生，因为技术还不够先进，无法处理这些流程。这就是我们看到最大的转型机会，并且我们正在从这些行业的客户那里看到大量的需求，以利用生成式 AI 和技术来改变他们的运营。
Ema 如何解决数据保护和安全问题，特别是在集成多个模型和处理敏感企业数据时？
对于任何使用代理 AI 的公司来说，一个紧迫的问题是 AI 代理可能会失控或泄露私人数据。Ema 的核心是信任，符合领先的国际标准，例如 SOC 2、ISO 27001、HIPAA、GDPR、NIST AI RMF、NIST CSF 和 NIST 800-171。为了确保企业数据保持私密、安全和合规，Ema 已经实施了以下安全措施：
- 自动删除和安全匿名化敏感数据、审计日志
- 实时监控
- 静态和传输中的所有数据加密
- 所有输出结果的可解释性
为了更进一步，Ema 还检查文档生成用例中的任何版权侵权行为，从而降低客户的知识产权责任。Ema 也永远不会在一个客户的数据上训练模型来为其他客户带来好处。
Ema 还提供灵活的部署选项，包括多个云系统的本地部署功能，允许企业将其数据保持在自己的可信环境中。
对于一家新公司来说，开始使用 Ema 有多容易，典型的入门流程是什么样的？
Ema 非常直观，因此让团队开始使用该平台相当容易。业务用户可以使用预建模板在几分钟内设置 Ema 的个性（或 AI 员工）。他们可以使用对话式指令微调个性行为，使用预建连接器与应用程序和数据源集成，并可选地插入任何私有自定义模型，训练于他们自己的数据。一旦设置完成，企业的专家可以在几个小时的反馈内训练他们的 Ema 个性。Ema 已被 Envoy Global、TrueLayer、Moneyview 等企业雇用，担任多个角色，并且在每个角色中，Ema 都已经达到或超过了人类的表现。
Ema 已经吸引了知名投资者的重大投资。您认为是什么因素使得投资者对 Ema 有如此强烈的信心？
我们认为投资者可以看到 Ema 的平台如何使企业能够有效地使用代理 AI，简化运营以实现重大成本降低，并解锁新的收入来源。另外，Ema 的管理团队在 AI 方面具有专业知识，并拥有所需的技术知识和技能。我们还拥有强大的企业级交付、可靠性和合规性记录。最后，Ema 的产品与市场上的其他产品有所不同，它正在开创最新的技术进步，成为任何希望将下一代 AI 添加到其运营中的企业的首选。
您如何看待未来十年中 AI 在工作场所中的角色演变，以及 Ema 将在这一转变中发挥什么作用？
Ema 的使命是改变企业，并帮助每位员工通过简单激活和准确的代理来更快地工作。我们的通用 AI 员工有可能帮助企业在客户支持、员工支持、销售赋能、合规、收入运营等领域执行任务。我们希望通过让团队专注于最具战略性和价值的项目，而不是单调的行政任务来改变工作场所。作为代理 AI 的先驱，Ema 正在领导人类和 AI 员工之间的新时代合作，创新蓬勃发展，生产力大幅提高。
感谢这次精彩的采访，希望了解更多的读者可以访问 Ema。
