CEO이자 창립자 인 Inna Tokarev Sela 일루 벡스기업이 생성 AI를 위해 구조화 된 데이터를 준비하는 방법을 변화시키고 있습니다. Illumex를 통해 조직은 내장 거버넌스를 통해 산란 된 암호 데이터를 의미 있고 상황에 맞는 비즈니스 언어로 변환하여 Genai Analytics 에이전트를 배치 할 수 있습니다.
이 플랫폼은 메타 데이터를 자동으로 분석하여 이동하거나 변경하지 않고 구조화 된 데이터를 찾아서 레이블을 지정하여 의미 론적 의미를 추가하고 정의를 조정하여 명확성과 투명성을 보장합니다. Illumex는 비즈니스 용어를 만들고 메트릭을 제안하고 잠재적 충돌을 식별함으로써 가장 높은 표준에서 데이터 거버넌스를 보장합니다.
Illumex를 사용하면 Analytics 에이전트가 정밀도로 사용자 쿼리를 해석하여 정확하고 상황을 인식하며 환각이없는 응답을 제공 할 수 있습니다. INNA의 리더십 하에서 Illumex는 AI 준비에 대한 새로운 벤치 마크를 설정하여 비즈니스가 데이터의 잠재력을 최대한 발휘할 수 있도록 도와줍니다.
Illumex를 찾게 된 계기는 무엇이며 Sisense와 Sap에서의 경험이 어떻게 회사에 대한 비전을 형성 했습니까?
Illumex에 대한 비전은 연구 중에 등장하여 전통적인 데이터베이스가 아닌 Mindmap과 같은 연관성을 통해 정보가 액세스 할 수 있다고 상상하여 광범위한 인간 상담없이 관련 데이터에 직접 액세스 할 수있었습니다.
SAP에서의 시간은 기업 소프트웨어를 구축하고 스케일링 운영의 기초를 가르쳐주었습니다. SAP HANA 클라우드 플랫폼 및 스타트 업 파트너십 프레임 워크와 같은 비즈니스 이니셔티브를 통해 제품 개발을 통해 일하면서 엔터프라이즈 고객 요구에 대한 심층적 인 통찰력을 얻었습니다. 회사가 데이터 관행에 접근하는 방법과 최종 사용자가 실제로 필요한 것 사이에 상당한 격차가 있음을 밝혀 냈습니다.
Sisense에서 AI 관행을 처음부터 구축하면 AI가 고객에게 가져올 수있는 엄청난 가치가 있음을 보여주었습니다. SaaS와 Genai Technologies의 부상과 함께 이러한 영향을보고 2021 년에 Illumex를 시작하는 타이밍이 옳았다 고 확신했습니다.
Illumex는 생성 시맨틱 직물에 중점을 둡니다. 핵심 개념과 AI 및 데이터 분석 에서이 특정 도전을 해결하도록 동기를 부여 할 수 있습니까?
Illumex는 생성 시맨틱 패브릭을 개척했습니다.-인간 및 기계식에서 읽을 수있는 조직적 맥락과 추론을 자동화하는 플랫폼. 이 플랫폼은 공유 컨텍스트 주변의 기술 및 비 기술적 사용자를위한 LLM 기반 생성 AI 및 비즈니스 응용 프로그램의 경험을 통합합니다.
이 단일 패브릭은 두 가지 주요 이점을 제공합니다. 데이터 엔지니어링 작업의 최대 80% 자동화를 통해 데이터 관리를 간소화하고 비 기술적 사용자가 내장 거버넌스, 설명 및 정확도로 분석에 액세스 할 수 있도록합니다. 이 두 가지 혜택은 기업 의사 결정을위한 수십억 달러 규모의 시장을 다룹니다.
기계, 인간 및 응용 프로그램이 사전 프로그래밍없이 자발적으로 상호 작용하는 디지털 놀이터로 생각하십시오. 이는 시트, 분석, 금융 시스템 및 고객 아망 관리와 같은 여러 도구를 저글링하는 대신에 응용 프로그램이없는 미래에 대한 비전과 일치합니다. 단순히 작업을 표현하며 완벽하게 완료됩니다. 생성 시맨틱 패브릭은이 미래의 기초입니다.
Illumex 초기에 직면 한 주요 과제는 무엇이며 어떻게 극복 했습니까?
2021 년에, 2017 년부터 생성 AI 의미 론적 모델이 존재하고 그래프 신경망이 더 오랫동안 존재한다는 사실에도 불구하고, 자동화 된 맥락과 추론이 필요한 이유를 VCS에 설명하는 것은 어려운 작업이었습니다. 당시에는 그것을 정의하는 것조차도 힘든 일이었습니다.
나는 가장 큰 도전은이 미래 기술과 미래 시장에 대한 흥분을 실제로 뿌리는 것이 었습니다. 그리고 나는 나를 믿는 미래 지향적 인 투자자들을 만나게되어 매우 운이 좋았습니다.
Illumex는 어떻게 조직이 AI-Ready가되도록 힘을 실어 주며, 오늘날의 비즈니스 환경에서 이것이 왜이 전환이 중요합니까?
비즈니스 세계는 인터넷과 유사한 변형력으로 AI를 인식하고 자본화하는 회사 와이 기회를 이해하지 못하게하는 두 가지 캠프로 나누고 있습니다.
Illumex는 AI 여행에있는 곳마다 조직을 만납니다. 우리는 생성 AI 구현을위한 데이터를 준비하고 조직 논리 및 컨텍스트를 강화 및 관리하고 에이전트 분석 및 오케스트레이션을 배치 할 수 있습니다.
구조화 된 데이터를위한 전체 스택 Genai 구현 플랫폼은 이러한 고급 기술을 효과적으로 활용하기 위해 회사의 환경을 높이게합니다.
Illumex는 “환각이없는”생성 AI 응답을 강조합니다. Illumex는 어떻게 결정 론적이고 신뢰할 수있는 출력을 보장합니까?
Illumex는 기존 비즈니스 온톨로지를 기반으로합니다-산업 별 용어, 워크 플로우 및 제약, 소매 및 제조와 같은 부문의 프로세스 및 금융, HR 및 공급망과 같은 비즈니스 기능을 캡처하는 지식 그래프.
고객의 고객이있는 경우, 우리는 이러한 온톨로지를 메타 데이터에서 자동으로 재교육합니다. 며칠 내에 회사는 데이터를 검색하고 결과를 검증하며 중복 또는 충돌과 같은 문제를 식별 할 수 있습니다.
에이전트 분석 챗봇은 완전한 투명성을 제공하여 질문이 어떻게 해석되고 고객 온톨로지에 매핑 된 다음 데이터에 매핑되는지 보여줍니다. 자동화 된 데이터 검증과 결합 된 이러한 투명성은 결정 론적, 환각이없는 답변을 보장합니다. 또한, 거버넌스 팀은 컨텍스트가 가능한 모든 질문과 순열을 미리 포함하기 때문에 잠재적 응답을 사전 검증 할 수 있습니다.
Illumex는 검색-증류 생성 (RAG)과 같은 전통적인 접근 방식과 어떻게 구별됩니까?
Rag는 조직 데이터와 논리를 공급하여 상용 AI 모델을 사용자 정의하려고 시도하지만 몇 가지 제한 사항에 직면 해 있습니다. 블랙 박스입니다. 적절한 사용자 정의를위한 충분한 예제를 제공했는지 또는 모델 업데이트가 정확도에 미치는 영향을 결정할 수 없습니다. 또한 비즈니스 상황이 부족한 데이터 과학자에게도 의존하여 조직 논리를 완전히 포착하기가 어렵습니다.
또한 RAG는 AI 인프라의 약 80%를 소비하고 실제 사용보다는 미세 조정을 위해 ROI 문제를 제기합니다. 또한 내장 거버넌스가 부족합니다. 규정 준수 팀이 교육 적절성을 검증하거나 적절한 액세스 제어를 보장 할 수있는 방법이 없습니다.
Illumex의 생성 시맨틱 패브릭 (GSF)은 외부 AI 토큰을 소비하지 않고 자동화 된 컨텍스트 구축을 통해 이러한 과제를 해결합니다. 전문 데이터 과학자의 필요성을 제거하고 웹, 슬랙 또는 팀 인터페이스를 통해 매핑 및 추론에 대한 완전한 투명성을 제공합니다. GSF에는 내장 거버넌스 및 설명 가능성, 조직 범위 및 데이터 품질의 명확한 지표, 질문 응답 기능에 대한 자동 품질 평가가 포함됩니다.
많은 비즈니스는 데이터 인프라에 많은 투자에도 불구하고 데이터 중심 결정을 내리는 데 어려움을 겪고 있습니다. 이 차이가 존재한다고 생각하는 이유는 무엇이며 Illumex는 어떻게 해결됩니까?
데이터 투자와 효과적인 의사 결정 사이의 격차는 내부 및 외부에서 데이터 볼륨이 폭발함에 따라 계속 확대되고 있습니다. 조직은 이제 자체 성장하는 데이터뿐만 아니라 기상 API에서 유럽 기관의 의료 데이터를 공유하는 산업 클라우드 플랫폼에 이르기까지 다양한 외부 소스에 직면 해 있으며 다양한 사용 사례에 대한 합성 데이터를 공유합니다.
문제는 조직이 여전히 모델링, 품질 평가 및 대시 보드 생성과 같은 중요한 데이터 작업을 위해 인간에게 의존한다는 것입니다. 그러나 현대 데이터 환경의 규모와 복잡성으로 인해 인간 팀은 데이터를 효과적으로 분류하고 품질을 평가하며 AI 중심 분석 및 자동화에 적합한 상태를 유지하는 것이 점점 불가능 해집니다.
Illumex는 이러한 전통적인 수동 프로세스를 자동화하여 이러한 격차를 해소하여 조직이 의미있는 비즈니스 결정을 위해 확장 데이터 환경을 효과적으로 관리, 검증 및 활용 할 수 있도록합니다.
Illumex의 플랫폼을 채택하는 데 가장 빠른 산업은 어떤 산업이 있었으며,이 부문에서 어떤 고유 한 도전이나 기회를 관찰 했습니까?
우리는 데이터 품질 모니터링, 사용 추적 및 갈등 탐지의 강력한 자동화가 필요한 데이터 강도 및 무거운 규제의 교차점에 위치한 산업에서 가장 빠른 채택을보고 있습니다. 금융 서비스, 제약 및 소매/전자 상거래는 기존 데이터 자산을 사용하여 복잡한 규제 요구 사항을 탐색하는 것을 목표로하는 것을 목표로하기 때문에 청구를 주도하고 있습니다.
생성 AI가 빠르게 발전함에 따라 AI를 효과적이고 책임감있게 통합하려는 기업들에게 어떤 조언을 하시겠습니까?
특정 사용 사례와 AI 채택을 주도하는 비즈니스 명령을 식별하는 명확한 전략 계획을 개발하십시오. 기존 시스템과 분리하여 작동하는 새로운 AI 기술 사일로를 만드는 것이 중요합니다.
대신 데이터 관리, 분석 및 생성 AI 기능을 통합하는 통합 플랫폼을 구축하십시오. AI 이니셔티브를 확립 된 거버넌스 관행과 연결을 끊는 것은 상당한 위험을 초래할뿐만 아니라 비용을 증가시킵니다. 핵심은 적절한 감독을 유지하면서 이러한 모든 기능을 지원하는 공유 인프라를 만드는 것입니다.
AI 채택이 가속화되면 향후 3-5 년 동안 Enterprise AI 환경을 형성하는 트렌드는 무엇입니까?
AI 환경에서 두 가지 주요 트렌드가 나타나고 있습니다. 첫째, 에이전트 분석은 추진력을 얻고있어보다 정교한 데이터 분석 및 통찰력을 제공합니다. 둘째, 우리는 다양한 기능을 가진 여러 AI 모델 간의 협업을 기반으로 워크 플로우를 가능하게하는 에이전트 오케스트레이션으로 전환하는 것을보고 있습니다.
이 오케스트레이션은 단일 목적 응용 프로그램을 넘어보다 포괄적 인 솔루션으로 우리를 움직입니다. 예를 들어, 건강 관리에서 특정 작업에 대한 고립 된 응용 프로그램 대신 전체 의사 사무실 워크 플로의 자동화 (이미지 스캔, 처방전 처리 및 약물 권장 사항)를 하나의 원활한 시스템에서 결합하는 방법을 생각해보십시오.
이러한 진보는 정확한 데이터 액세스, 공유 컨텍스트 및 AI 에이전트 간의 조정을 보장하기 위해 강력한 생성 시맨틱 패브릭에 의존합니다. 이 재단은 에이전트 분석과 오케스트레이션 된 AI 솔루션이 모두 잠재력에 도달 할 수 있도록하는 데 중요합니다.
훌륭한 인터뷰에 감사드립니다. 더 배우고 싶은 독자들은 방문해야합니다. 일루 벡스.
게시물 INNA TOKAREV SELA, Illumex의 CEO 및 창립자 – 인터뷰 시리즈 먼저 나타났습니다 Unite.ai.