Gruve Inc. 的 CEO 和联合创始人 Tarun Raisoni – 采访系列

Tarun Raisoni 是 Gruve Inc. 的 CEO 和联合创始人，Gruve Inc. 是一家专门从事 AI、机器学习和数据服务和软件开发的公司。

此前，他于 2012 年联合创立并领导了 Rahi Systems，直到被 Wesco 收购，他后来在那里担任数据中心解决方案的高级副总裁。在他的领导下，Rahi Systems 的年收入增长到 5 亿美元，没有外部资金的支持。Raisoni 多次被 Comparably 认为是前 100 名 CEO 之一。

拥有超过二十年数据中心行业经验的他，引入了基础设施、网络和安全领域的新兴技术。他还是一位活跃的种子投资者，支持早期创业公司提供资金、战略指导和全球网络的机会。

Gruve 是一个企业 AI 服务平台，帮助企业从 AI 实验到大规模部署。其五步框架涵盖策略、数据准备、模型开发、安全和治理。通过使用 AI 代理自动执行任务，如 CRM 迁移和安全监控，Gruve 简化了运营并直接集成到客户系统中，提供可扩展、工程驱动的解决方案，具有软件级的效率。

在领导了多个成功的创业项目（包括 Rahi Systems）之后，你是什么动机让你创立 Gruve.ai？你在企业 AI 领域看到哪些具体的挑战，让你相信这是时候再次创业了？

在 Rahi Systems 和其他创业项目之后，我退一步在斯坦福大学学习 AI、可持续性和企业系统。我的发现是，企业在 AI 战略上投入了大量资金，但执行却力不从心。每个人都想“做 AI”，但很少有人能真正将其投入生产。工具还不成熟，集成成本高昂，大多数努力都停滞在试验阶段。很明显，公司不需要更多的路线图或战略计划；他们需要一个可以与内部团队合作、提供真正成果的合作伙伴。Gruve 就是为了解决这个缺失的环节而诞生的：企业 AI 的“如何”。

大多数企业 AI 项目都难以达到生产阶段。这些广泛失败的主要原因是什么，Gruve 如何帮助组织克服这些挑战？

这归结为三个核心的阻碍因素：数据卫生不佳、基础设施不连贯以及缺乏可靠的执行。企业通常没有适合 AI 的数据，不知道如何安全地扩展，也没有合作伙伴来帮助他们完成。Gruve 的五步框架解决了所有这些问题，从数据准备到治理，我们的嵌入式模型确保我们与客户并肩合作，而不是简单地交付一个规格书然后离开。我们只有在真正产生影响时才会获得报酬，这种对齐改变了一切。

许多企业发现自己陷入了“试验炼狱”。Gruve 如何颠覆这种局面，帮助公司从实验转向执行？

我们从第一天就设计了 ROI。每个项目都从明确定义的用例和预先构建的 AI 代理开始，这些代理可以立即提供价值，无论是自动处理发票、员工入职还是增强网络安全。从那里，我们根据实际效果迭代扩展。由于我们将工程师直接嵌入到企业团队中，我们不仅仅是提供建议，我们正在构建、部署和运营化 AI，在真正的企业环境中。这就是我们如何在几周内，而不是几个季度内，将公司从想法转变为成果的原因。

Gruve 采取了直接与企业团队合作的方法。为什么您认为这种执行优先的模型比传统的咨询或软件交付更有效？

我们发现，与企业团队并肩合作可以带来最好的结果。通过直接嵌入，我们的工程师可以处理企业系统的现实世界复杂性，无论是管理基础设施、优化模型还是将 AI 集成到现有的工作流中。这种方法可以确保质量、安全性和可扩展性，因为我们会在整个项目生命周期中陪伴客户，而不仅仅是在规划阶段。这种模型建立在责任感之上，这使我们能够有效地从策略转向执行。

Gruve 五步交付框架的关键要素是什么，每个阶段——从数据准备到治理——为什么对于成功的 AI 实施至关重要？

我们的五步框架包括：

1. AI 战略与研讨会：使利益相关者保持一致，确定机会，并为实施制定路线图。
2. 数据准备：评估和准备企业数据源，以支持有效的 AI 使用。
3. AI 架构与集成：设计可扩展的基础设施，并将其与现有系统和供应商生态系统集成。
4. AI 模型开发与优化：构建和优化模型，以最大限度地提高对业务优先事项的影响。
5. 安全、合规与治理：确保部署符合企业标准，满足 HIPAA、GDPR、SOX 和 FISMA 的要求，从第一天开始。

每个阶段都解决了一个常见的失败点。没有数据，模型就会盲目。没有基础设施，它们就无法扩展。没有治理，你就无法信任或审计它们。成功意味着将 AI视为一个全栈系统，而不是一个独立的实验。

从计算和网络到 AI 模型部署，Gruve 提供了全栈基础设施服务。您如何在这种多样化的技术环境中确保可扩展性、性能和安全性？

我们在设计 Gruve 时就考虑到了可扩展性。我们的团队拥有数十年的复杂全球基础设施管理经验，我们将这种严谨性带到了每个 AI 部署中。从优化 Cisco Nexus 和 ACI 的计算能力，到在 Kubernetes 上实现容器化 AI 环境，再到确保零信任架构，我们的方法既模块化又安全。每个部署都经过性能测试、安全加固，并且可以在混合环境中扩展。

Gruve 的 AI 基础设施如何与传统系统和现代平台（如 Cisco、Snowflake 和 Databricks）集成，以创建无缝的企业体验？

Gruve 的设计考虑到了现代企业的复杂性。多数公司无法承担更换和重建核心系统的成本，因此我们专注于集成，而不是强制改变。我们的工程团队专门从事将传统基础设施与现代平台（如 Cisco、Snowflake 和 Databricks）连接起来的工作。我们开发了预构建的连接器和自动化框架，允许 AI 代理在现有的 CRM、ERP 和数据管道中运行。这种方法有助于团队在不破坏现有系统的情况下更快地行动。

AI 代理、副驾驶和 LLM 功能在 Gruve 的产品中扮演什么角色，它们如何应用于现实世界的企业工作流程？

AI 代理是 Gruve 产品的核心部分。我们已经构建了 35 多个特定于领域的代理，可以直接插入到企业系统中，处理诸如保险核实、密码重置、合同解析和员工入职等任务。这些并不是通用的聊天机器人。它们经过调整、集成和治理，以适应真正的用例。我们还支持微调、RAG 管道和持续监控，以确保代理在时间推移中保持相关性和安全性。

您曾将 Gruve 称为企业 AI 的“如何”层。您能详细说明这一点，以及随着 AI 在各个行业的采用成熟，您如何看待自己的角色演变？

每个人都在谈论 AI 的“什么”，但很少有人解决“如何”问题。Gruve 就是这个缺失的层：一个亲力亲为的合作伙伴，使 AI 在真正的商业环境中发挥作用。随着 AI 采用的成熟，我们将成为企业的默认执行层：与团队合作，管理基础设施，部署代理，确保治理。这并不令人兴奋，但它至关重要，这也是我们茁壮成长的地方。

作为运营者和投资者，您在为其他初创公司提供资金和指导方面的经验如何影响您在 Gruve 的领导？

我很高兴能够帮助其他企业家发挥他们的潜力，并开发新的、创新的产品和应用程序，多年来，这也让我对自己的公司和从中吸取的教训有了新的认识。指导是一种特权，我努力为初创公司（无论大小）提供宝贵的建议和视角，告诉他们如何建立自己的业务价值以及如何应对复杂的增长挑战。

展望未来，您对 Gruve 的长期愿景是什么？您是否将其视为企业 AI 的基础层，就像 AWS 成为云基础设施的基础层一样？

AI 是一个巨大的市场，我们今天提供的服务将继续随着公司面临的代理连接、多模态和 AI 治理的日益复杂而演变。就像 AWS 为需要通过云服务增长的客户提供了灵活性一样，Gruve 相信，我们的灵活的结果驱动服务方法将帮助企业增长他们的 AI 能力，并显著改善他们为自己的客户提供的服务。感谢这次精彩的采访，希望读者能够通过访问 Gruve 来了解更多信息。