Крис Маль
Крис Маль является президентом и генеральным директором компании Pryon. С более чем двумя десятилетиями опыта работы в некоторых из самых известных компаний в сфере корпоративного программного обеспечения, Крис специализируется на масштабировании стратегий выхода на рынок и операционных стратегий для технологических компаний на всех этапах роста.
Pryon предлагает надежный, безопасный и проверенный путь внедрения генеративного ИИ в предприятия. Лучшие в своем классе механизмы обработки и извлечения данных Pryon могут быть объединены с генеративными языковыми моделями (LLM), чтобы реализовать извлечение с дополненной генерацией и безопасно предоставлять точные, мгновенные и проверяемые ответы на уровне предприятия.
Pryon сосредоточен на извлечении с дополненной генерацией (RAG). Можете ли вы объяснить, чем ваш подход к извлечению отличается от других систем поиска и управления знаниями на основе ИИ?
Подход Pryon к извлечению выделяется благодаря тому, что наш механизм извлечения способен в реальном времени получать контент из разнообразных источников, таких как PDF-файлы, изображения, веб-страницы и видео, сохраняя при этом конфиденциальность данных без внешних зависимостей. Мы объединили семантический поиск с детальной атрибуцией данных, что обеспечивает более чем 90% точности извлечения. В отличие от многих систем, наша система эффективно масштабируется для крупных организаций, позволяя командам принимать быстрые и точные решения на основе их существующей базы знаний.
Двигатель обработки данных Pryon разработан для структурирования огромных объемов многомодального контента. Что делает ваш процесс обработки уникальным и как он улучшает точность извлечения?
Обработка данных Pryon может справляться с многомодальным контентом — извлекая ответы из аудио, изображений, текста и видео из различных источников. Это решает основную проблему разрозненных данных в предприятиях. С неструктурированными данными, которые растут более чем на 50% ежегодно, наш механизм обработки трансформирует разбросанную информацию в структурированные, применимые знания. Процесс спроектирован для безопасности и конфиденциальности, защищая чувствительные данные предприятия, делая их немедленно полезными.
Ваш механизм извлечения обещает мгновенные, точные и проверяемые ответы. Как Pryon обеспечивает точность и минимизирует ошибки при извлечении информации?
Pryon обеспечивает точность и минимизирует ошибки благодаря нескольким механизмам. Наша технология сочетает семантический поиск с детальной атрибуцией данных, что означает, что ответы можно проследить до их конкретных источников. Эта атрибуция критична для верификации. Система получает доступ к контенту в реальном времени из оригинальных источников, а не полагается на потенциально устаревшие или неполные базы знаний. Это прямое соединение с исходными материалами, наряду с нашей высокой точностью извлечения (более 90%), значительно снижает риск ошибок, которые преследуют многие генеративные системы ИИ.
Как Pryon обрабатывает обновления информации в реальном времени, особенно в динамичных областях, таких как государственные органы, энергетика и здравоохранение?
Pryon обеспечивает доступ к самой актуальной информации в реальном времени через гибкую синхронизацию контента по запросу. Пользователи могут инициировать синхронизацию контента по мере необходимости через наш администраторский портал или автоматизировать обновления, используя наш Sync-API на запланированной основе — раз в неделю, день или даже час, в зависимости от операционных потребностей. Наш процесс дельта-проверки оптимизирует эффективность, обновляя только измененный контент, обеспечивая быструю, точную и ресурсосберегающую извлечение знаний в критически важных условиях, таких как государственные органы, энергетика и здравоохранение.
Pryon работает с государственными и оборонными учреждениями. Хотя детали часто являются секретными, можете ли вы рассказать о случае, когда ваш ИИ существенно улучшил принятие решений или операционную эффективность?
Pryon работает с рядом оборонных и разведывательных учреждений, включая Лабораторию исследования ВВС США (AFRL) и Главное управление цифровых и искусственных интеллектов (CDAO), чтобы помочь оптимизировать операции и ускорить, более обоснованное принятие решений.
Одним из мощных примеров является наше сотрудничество с Офисом цифровой трансформации Министерства ВВС США (DAF DTO). Эта группа поддерживает сотрудников по закупкам и обслуживанию, которые часто нуждаются в поиске критически важной информации, зарытых среди сотен тысяч веб-страниц и документов. Вместе мы запустили DTO Wingman, ИИ-помощника, который предоставляет точные, актуальные ответы на сложные вопросы — с указанием источников.
Вместо того чтобы вручную искать документы или регламенты, пользователи могут просто задавать вопросы, например, “На что я имею право при использовании моей командировочной карты?” или “Что такое цифровой строительный код и как он связан с закупками?” ИИ возвращает точные ответы и даже помогает быстро составлять отчеты и презентационные материалы.
Предоставляя сотрудникам ВВС и Космических сил мгновенный доступ к надежным ответам, DTO Wingman помогает командам работать более эффективно и предоставлять надежные, своевременные рекомендации старшему руководству и лицам, принимающим решения.
В вашей работе в области биологических наук упоминается исследование с помощью ИИ. Как система Pryon помогает исследователям ориентироваться в огромных наборах данных, таких как PubMed или частные исследовательские репозитории?
Система Pryon помогает исследователям ориентироваться в огромных наборах данных, таких как PubMed или частные исследовательские репозитории, через несколько ключевых возможностей.
Повышение качества исследований:
- Снижение человеческой ошибки: Систематический сбор актуальных данных обеспечивает меньшее количество упущенных статей или игнорируемых доказательств.
- Подтверждено доказательствами: Каждый ответ основан на оригинальной литературе, способствуя основанным на данных выводам, которые можно отследить до предложения, из которого они происходят.
Защита высоко чувствительного контента:
- Конфиденциальность: Поддерживает строгие контроль доступа и шифрование данных, что необходимо для собственнических или связанных с пациентами наборов данных.
- Соответствие: С данными, регулируемыми такими нормами, как HIPAA или GDPR, исследователи могут быть уверены, что чувствительная информация защищена.
Что касается обслуживания клиентов и продаж, чем ИИ Pryon отличается от традиционных решений чат-ботов и CRM в плане повышения эффективности и уменьшения нагрузки на поддержку?
Взаимодействия в области обслуживания клиентов и продаж обычно должны балансировать между точностью и гибкостью своих решений чат-ботов/CRM. Поскольку предоставление неверного ответа клиенту неприемлемо и может иметь юридические последствия, многие провайдеры чат-ботов и традиционные решения разговорного ИИ выбирают ограничить гибкость решения жесткими детерминированными взаимодействиями в стиле «только FAQ».
Это создает трудности для поставщика, требуя ручного кодирования конкретных ответов на общие вопросы, и приводит к плохому опыту для клиента, у которого есть интерфейс чат-бота, но совершенно негибкий опыт, который мало отличается от чтения FAQ. Другие поставщики стремятся использовать более гибкий генеративный опыт с меньшими ограничениями на LLM, однако из-за недостатка точного извлечения это включает в себя запихивание целых каталогов или веб-страниц в контекстное окно LLM, что снижает точность вывода, потенциально катастрофически.
Искусство и наука RAG заключаются в максимизации сигнала (истины) и минимизации шума (неуместного контекста, который часто запутывает LLM). Точность извлечения Pryon — возможность получать ответ на уровне специфических предложений из всех ваших документов — означает, что служба поддержки и продажи больше не должны жертвовать точностью ради гибкости.
Каковы, по вашему мнению, самые большие проблемы внедрения ИИ в компаниях сейчас, особенно в системах на основе RAG?
Хотя это определенно то, что мы наблюдаем в собственных взаимодействиях с рынком, все более признанно, что «данные, готовые к ИИ» (или их отсутствие) являются единственной самой большой точкой сбоя для развертываний ИИ.
- 91% руководителей в опросе Harvard Business Review заявили, что надежная база данных является важнейшей для успешной развертывания ИИ.
- McKinsey обнаружил, что 70% инициатив GenAI сталкиваются с проблемами, связанными с данными, и всего 1% важной информации предприятия отражен в сегодняшних моделях.
- The Wall Street Journal отметила надежность как #1 проблему для принятия ИИ-агентов — вопрос, тесно связанный с качеством данных и доступностью.
- Gartner определила отсутствие данных, готовых к GenAI, как главную причину неудачных развертываний.
Данные, готовые к ИИ, выходят за рамки простой векторизации ваших текстовых документов — это связано с объединением ваших изолированных источников, работой с сложными форматами, такими как многомодальные вводы, очисткой ваших данных, улучшением ваших данных, переводом их в формат, совместимый с LLM, дроблением на правильный уровень детальности для поддержания оптимальнойточности и снижения затрат, интеллектуальным индексированием, подключением к эффективно работающей системе извлечения и т.д.
Это большие проблемы, требующие специализированных компетенций и инструментов — в опросе разработчиков RAG, создающих решения в крупных предприятиях, который провел Pryon, подготовка данных заняла место самой дорогой, трудоемкой и технически сложной части процесса создания, сразу за ней следовала информация для извлечения.
Как вы отличаете RAG Suite Pryon от корпоративных решений, предлагаемых Microsoft, Google или OpenAI?
Конкретные различия варьируются от игрока к игроку, но на высоком уровне крупные технологические компании сосредоточены на том, чтобы быть «интерфейсом» ИИ на работе. Pryon сосредоточен на более фундаментальном уровне стека — слое знаний. Pryon решает глубокие проблемы подготовки данных и извлечения, тогда как крупные технологические компании сосредоточены на предоставлении широких ИИ-решений, которые могут обслуживать некоторые простые случаи использования RAG, но часто распадаются из-за реальных сложностей использования в предприятиях и государственных учреждениях. Pryon также может дополнять эти системы, при этом контент, сгенерированный Copilot, Gemini или GPT, подключается к слою знаний Pryon, который организует его и подготавливает к использованию downstream-приложениями и агентами.
С учетом изменения законодательства в области ИИ, такого как Закон ЕС об ИИ и руководство по ИИ в США, как Pryon подходит к соблюдению норм и этичному использованию ИИ?
По мере изменения законодательства в области ИИ на мировом уровне Pryon остается приверженной соблюдению норм и этичному развертыванию ИИ. Наш подход соответствует таким рамкам, как Закон ЕС об ИИ, руководство по ИИ в США и принципы ответственного ИИ (RAI) Министерства обороны, что обеспечивает доверие, прозрачность и управляемость наших ИИ-решений. Соблюдая рамки RAI SHIELD, мы интегрируем строгую оценку, прослеживаемость и непрерывный мониторинг в течение всего жизненного цикла ИИ — приоритизируя безопасность, справедливость и производительность. Внедряя эти лучшие практики в нашу методологию развертывания, Pryon предоставляет организациям возможность ответственно использовать ИИ, соблюдая высокие регуляторные и этические стандарты.
Спасибо за отличное интервью, читатели, которые хотят узнать больше, должны посетить Pryon.
Пост Крис Маль, президент и генеральный директор Pryon – Серия интервью был опубликован в первой очереди на Unite.AI.
