Inna Tokarev Sela ، مدیرعامل و بنیانگذار illumex، در حال تغییر نحوه تهیه شرکتهای ساختاری خود برای AI تولیدی است. Illumex سازمانها را قادر می سازد تا با ترجمه داده های پراکنده و رمزنگاری شده به زبان تجاری معنادار و غنی از متن با حاکمیت داخلی ، عوامل تجزیه و تحلیل Genai را مستقر کنند.
این پلتفرم به طور خودکار ابرداده را برای یافتن و برچسب زدن داده های ساختار یافته بدون حرکت یا تغییر آن ، تجزیه و تحلیل می کند ، اضافه کردن معنی معنایی و تراز کردن تعاریف برای اطمینان از وضوح و شفافیت. Illumex با ایجاد شرایط تجاری ، پیشنهاد معیارها و شناسایی درگیری های احتمالی ، مدیریت داده ها را در بالاترین استانداردها تضمین می کند.
با استفاده از Illumex ، عوامل تحلیلی می توانند نمایش داده های کاربر را با دقت تفسیر کنند ، پاسخ های دقیق ، آگاه و بدون توهم را ارائه دهند. تحت رهبری اینا ، Illumex معیار جدیدی را برای آمادگی هوش مصنوعی تعیین می کند و به مشاغل کمک می کند تا پتانسیل کامل داده های خود را باز کنند.
چه چیزی شما را به پیدا کردن Illumex الهام بخشید ، و چگونه تجربیات شما در Sisense و SAP دید شما را برای شرکت شکل می دهد؟
چشم انداز Illumex در طول مطالعات من پدیدار شد ، جایی که من تصور می کردم که اطلاعات به جای بانکهای اطلاعاتی سنتی ، از طریق انجمن های مانند MindMap قابل دسترسی باشد-امکان دسترسی مستقیم به داده های مربوطه بدون مشاوره گسترده انسانی را فراهم می کند.
زمان من در SAP اصول ساخت نرم افزار سازمانی و عملیات مقیاس گذاری را به من آموخت. کار در توسعه محصول با پلت فرم ابر SAP HANA و ابتکارات تجاری مانند چارچوب مشارکت راه اندازی ، بینش عمیقی در مورد نیازهای مشتری شرکت به من داد. این شکاف چشمگیر بین نحوه نزدیک شدن شرکت ها به شیوه های داده و آنچه در واقع کاربران نهایی به آن احتیاج دارند ، نشان داد.
در Sisense ، ساختن تمرین هوش مصنوعی از ابتدا نشان داد که ارزش عظیمی از هوش مصنوعی می تواند برای مشتریان به ارمغان بیاورد. با دیدن این تأثیر ، همراه با ظهور SaaS و Genai Technologies ، من را متقاعد کرد که زمان مناسب برای راه اندازی Illumex در سال 2021 بود.
Illumex روی پارچه معنایی تولیدی تمرکز دارد. آیا می توانید مفهوم اصلی را توضیح دهید و چه چیزی شما را برای مقابله با این چالش خاص در هوش مصنوعی و تجزیه و تحلیل داده ها ایجاد کرده است؟
Illumex پیشگام پارچه معنایی تولید شده-سکویی که ایجاد زمینه سازمانی و استدلال قابل خواندن انسانی و ماشین را خودکار می کند. این پلتفرم تجربه هر دو برنامه کاربردی AI مبتنی بر LLM و برنامه های تجاری را برای کاربران فنی و غیر فنی در زمینه زمینه مشترک متحد می کند.
این پارچه مجرد دو مزیت اصلی را به همراه دارد: این مدیریت داده ها را از طریق اتوماسیون حداکثر 80 ٪ از کارهای مهندسی داده ها ساده می کند و کاربران غیر فنی را قادر می سازد تا با مدیریت داخلی ، توضیح و دقت ، به تجزیه و تحلیل دسترسی پیدا کنند. هر دوی این مزایا به یک بازار چند میلیارد دلاری برای تصمیم گیری سازمانی می پردازند.
آن را به عنوان یک زمین بازی دیجیتال فکر کنید که در آن ماشین ها ، انسان ها و برنامه ها به طور خودجوش و بدون برنامه نویسی در تعامل هستند. این با چشم انداز ما در مورد آینده ای بدون برنامه هماهنگ است ، جایی که به جای اینکه چندین ابزار مانند برگه ، تجزیه و تحلیل ، سیستم های مالی و مدیریت مشتری را دستکاری کنیم ، شما به سادگی وظیفه خود را بیان می کنید ، و این یکپارچه است. پارچه معنایی تولیدی پایه و اساس این آینده است.
برخی از چالش های کلیدی که در روزهای ابتدایی Illumex با آن روبرو بودید ، چه بود و چگونه بر آنها غلبه کردید؟
در سال 2021 ، با وجود این واقعیت که مدل های معنایی تولید کننده هوش مصنوعی از سال 2017 وجود داشته اند ، و شبکه های عصبی نمودار حتی طولانی تر نیز وجود داشته اند ، این یک کار دشوار برای توضیح در مورد VC ها بود که چرا ما به زمینه و استدلال خودکار نیاز داریم. حتی تعریف آن در آن زمان کار سختی بود.
من می گویم بزرگترین چالش این بود که واقعاً این هیجان را در مورد این فناوری آینده و بازار آینده بهار کنیم. و من بسیار خوش شانس بودم که با سرمایه گذاران آینده نگر که به من اعتقاد داشتند ملاقات کردم.
چگونه Illumex سازمانهای را قادر می سازد تا AI آماده شوند و چرا این انتقال در چشم انداز تجاری امروز بسیار مهم است؟
دنیای تجارت در دو اردوگاه تقسیم می شود: شرکت هایی که از هوش مصنوعی به عنوان یک نیروی تحول آمیز شبیه به اینترنت و افرادی که درک این فرصت را از دست می دهند یا به تأخیر می اندازند ، می شناسند و سرمایه گذاری می کنند.
Illumex در هر کجا که در سفر هوش مصنوعی خود هستند ، با سازمان هایی ملاقات می کند. ما داده های آنها را برای اجرای AI تولیدی ، تقویت و حاکم بر منطق و زمینه سازمانی آماده می کنیم و امکان استقرار تجزیه و تحلیل و ارکستراسیون عامل را فراهم می کنیم.
پلت فرم اجرای کامل Genai ما برای داده های ساخت یافته ، چشم انداز هر شرکت را بالا می برد تا به طور مؤثر از این فناوری های پیشرفته استفاده کند.
Illumex بر پاسخ های تولیدی “عاری از توهم” تأکید می کند. چگونه Illumex از خروجی های قطعی و قابل اعتماد اطمینان می دهد؟
Illumex بر روی هستی شناسی های تجاری از قبل موجود-نمودارهای دانش ضبط اصطلاحات خاص صنعت ، گردش کار و فرآیندهای موجود در بخش هایی مانند Pharma ، Retail و تولید و همچنین عملکردهای تجاری مانند امور مالی ، HR و زنجیره تأمین را ایجاد می کند.
هنگام سوار شدن به مشتریان ، ما به طور خودکار این هستی شناسی ها را در ابرداده آنها باز می کنیم. طی چند روز ، شرکت ها می توانند داده های خود را جستجو کنند ، نتایج را تأیید کنند و موضوعاتی مانند نسخه های تکراری یا درگیری را شناسایی کنند.
chatbot Analytics Analytics شفافیت کاملی را ارائه می دهد – نشان می دهد که چگونه سؤالات تفسیر و نقشه برداری شده به هستی شناسی مشتری و سپس به داده ها. این شفافیت ، همراه با اعتبار سنجی خودکار داده ها ، پاسخ های قطعی و عاری از توهم را تضمین می کند. علاوه بر این ، تیم های حاکمیتی می توانند پاسخ های احتمالی را از قبل ارزیابی کنند زیرا این زمینه تمام سؤالات ممکن و مجوزهای آنها را از قبل تعبیه می کند.
چگونه Illumex خود را از رویکردهای سنتی مانند نسل بازیابی و آگوژ (RAG) متمایز می کند؟
در حالی که RAG سعی می کند با تغذیه داده ها و منطق سازمانی ، مدل های AI خارج از قفسه را سفارشی کند ، اما با محدودیت های مختلفی روبرو است. این یک جعبه سیاه است – شما نمی توانید تعیین کنید که آیا نمونه های کافی برای سفارشی سازی مناسب ارائه داده اید یا اینکه چگونه به روزرسانی های مدل بر دقت تأثیر می گذارند. همچنین به دانشمندان داده ای که ممکن است فاقد زمینه تجارت باشند ، متکی است و باعث می شود منطق سازمانی را به طور کامل ضبط کنید.
علاوه بر این ، RAG حدود 80 ٪ از زیرساخت های هوش مصنوعی و نشانه ها را فقط برای تنظیم دقیق و نه استفاده واقعی مصرف می کند ، و نگرانی های ROI را ایجاد می کند. این کشور همچنین فاقد حاکمیت داخلی است-هیچ راهی برای تیم های انطباق برای تأیید کفایت آموزش یا اطمینان از کنترل دسترسی مناسب وجود ندارد.
پارچه معنایی تولیدی Illumex (GSF) این چالش ها را از طریق ساخت خودکار زمینه بدون مصرف نشانه های هوش مصنوعی خارجی به این چالش ها می پردازد. این نیاز به دانشمندان داده های تخصصی را از بین می برد و شفافیت کاملی در نقشه برداری و استدلال از طریق رابط های وب ، Slack یا تیم ها فراهم می کند. GSF شامل حاکمیت داخلی و توضیح ، شاخص های روشن پوشش سازمانی و کیفیت داده ها و ارزیابی کیفیت خودکار برای قابلیت های پاسخ به سؤال است.
بسیاری از مشاغل علیرغم سرمایه گذاری زیاد در زیرساخت های داده ، با تصمیم گیری های مبتنی بر داده ها تلاش می کنند. چرا فکر می کنید این شکاف وجود دارد ، و چگونه Illumex به آن می پردازد؟
شکاف بین سرمایه گذاری داده ها و تصمیم گیری مؤثر با منفجر شدن حجم داده ها ، چه از نظر داخلی و چه در خارج ، همچنان گسترده می شود. اکنون سازمان ها نه تنها با داده های رو به رشد خود بلکه با مجموعه ای از منابع خارجی نیز روبرو هستند – از API های آب و هوایی گرفته تا سیستم عامل های ابری صنعت که داده های مراقبت های بهداشتی را در سراسر موسسات اروپایی به اشتراک می گذارند ، به علاوه داده های مصنوعی برای موارد مختلف استفاده.
چالش این است که سازمانها هنوز هم برای انجام کارهای مهم داده مانند مدل سازی ، ارزیابی کیفیت و ایجاد داشبورد به انسان تکیه می کنند. با این حال ، مقیاس و پیچیدگی محیط های داده مدرن باعث می شود که تیم های انسانی به طور فزاینده طبقه بندی داده ها ، ارزیابی کیفیت آن و اطمینان از مناسب برای تجزیه و تحلیل و اتوماسیون AI محور ، غیرممکن شوند.
Illumex با اتوماسیون این فرآیندهای دستی به طور سنتی ، این شکاف را به سازمانها می دهد تا به طور مؤثر مدیریت ، اعتبارسنجی و استفاده از چشم انداز داده های در حال گسترش خود را برای تصمیمات تجاری معنی دار مدیریت کنند.
چه صنایعی سریعتر برای اتخاذ سکوی Illumex بوده است و چه چالش ها یا فرصت های منحصر به فردی را در این بخش ها مشاهده کرده اید؟
ما شاهد سریعترین تصویب در صنایعی هستیم که در تقاطع شدت داده ها و تنظیم سنگین قرار دارند ، جایی که شرکت ها به اتوماسیون قوی نظارت بر کیفیت داده ها ، ردیابی استفاده و تشخیص درگیری نیاز دارند. خدمات مالی ، داروسازی و تجارت خرده فروشی/الکترونیکی این هزینه را بر عهده دارند ، زیرا این بخش ها با هدف حرکت در الزامات نظارتی پیچیده ، هدف خود را برای استفاده مجدد سریع خود با استفاده از دارایی های داده های موجود خود قرار می دهند.
با پیشرفت سریع هوش مصنوعی ، به شرکتهایی که به دنبال ادغام هوش مصنوعی به طور مؤثر و با مسئولیت پذیری هستند ، چه توصیه ای می کنید؟
با تهیه یک برنامه استراتژیک واضح شروع کنید که موارد استفاده خاص و ضرورت های شغلی را که در حال تصویب AI است ، مشخص می کند. جلوگیری از ایجاد سیلوهای جدید فناوری هوش مصنوعی که در انزوا از سیستم های موجود فعالیت می کنند ، بسیار مهم است.
در عوض ، یک بستر یکپارچه بسازید که مدیریت داده ها ، تجزیه و تحلیل ها و قابلیت های تولید هوش مصنوعی را ادغام کند. جدا نگه داشتن ابتکارات هوش مصنوعی از شیوه های حاکمیتی مستقر نه تنها خطرات قابل توجهی را ایجاد می کند بلکه منجر به افزایش هزینه ها می شود. نکته اصلی ایجاد یک زیرساخت مشترک است که ضمن حفظ نظارت مناسب ، از همه این کارکردها پشتیبانی می کند.
با تسریع در پذیرش هوش مصنوعی ، چه روندهایی را می بینید که چشم انداز شرکت AI را طی 3-5 سال آینده شکل می دهد؟
دو روند اصلی در چشم انداز AI در حال ظهور است. اول ، تجزیه و تحلیل عامل در حال افزایش است و امکان تجزیه و تحلیل داده های پیچیده تر و بینش را فراهم می کند. دوم ، ما شاهد تغییر به سمت ارکستراسیون عامل هستیم که گردش کار را بر اساس همکاری بین چندین مدل هوش مصنوعی با عملکردهای متنوع امکان پذیر می کند.
این ارکستراسیون ما را فراتر از برنامه های تک منظوره به سمت راه حل های جامع تر سوق می دهد. به عنوان مثال ، در مراقبت های بهداشتی ، به جای برنامه های جداگانه برای کارهای خاص ، در مورد اتوماسیون کل گردش کار مطب پزشکان فکر کنید – ترکیب اسکن تصویر ، پردازش نسخه و توصیه های دارویی در یک سیستم یکپارچه.
این پیشرفت ها برای اطمینان از دسترسی دقیق به داده ها ، زمینه مشترک و هماهنگی بین عوامل هوش مصنوعی ، به یک پارچه معنایی مولد قوی متکی است. این بنیاد برای فعال کردن هر دو تجزیه و تحلیل عامل و راه حل های هوش مصنوعی ارکستر شده برای دستیابی به پتانسیل کامل آنها بسیار مهم خواهد بود.
با تشکر از شما برای مصاحبه عالی ، خوانندگانی که مایل به کسب اطلاعات بیشتر هستند باید بازدید کنند illumexبشر
