Soham Mazumdar AI 중심 솔루션의 최전선에있는 회사 인 Wisdomai의 공동 창립자이자 CEO입니다. 2023 년 Wisdomai를 설립하기 전에 Rubrik의 공동 창립자이자 최고 건축가로 9 년 동안 회사를 확장하는 데 중요한 역할을했습니다. Soham은 이전에 Facebook과 Google에서 엔지니어링 리더십 역할을 맡아 Core Search Infrastructure에 기여했으며 Google Founder ‘s Award로 인정되었습니다. 또한 Facebook에서 인수 한 모바일 로열티 플랫폼 인 Tagtile을 공동 설립했습니다. 소프트웨어 아키텍처와 AI 혁신 분야에서 20 년의 경험을 쌓은 Soham은 샌프란시스코 베이 지역에 위치한 노련한 기업가이자 기술자입니다.
Wisdomai 기업이 독점적 인 “지식 패브릭”을 통해 구조화되고 구조화되지 않은 데이터를 통합하여 실시간, 정확한 통찰력에 액세스 할 수 있도록 기업의 비즈니스 인텔리전스 플랫폼입니다. 이 플랫폼은 데이터 컨텍스트를 선별하고, 자연어로 비즈니스 질문에 답변하고, 환각 된 컨텐츠를 생성하지 않고 추세 또는 위험을 사전에 표면하는 AI 에이전트를 제공합니다. 전통적인 BI 도구와 달리 Wisdomai는 생성 AI를 쿼리 생성에 엄격하게 사용하여 높은 정확도와 신뢰성을 보장합니다. 기존 데이터 생태계와 통합되며 Cisco 및 ConocoPhillips와 같은 주요 회사의 초기 채택과 함께 엔터프라이즈 등급 보안을 지원합니다.
Rubrik을 공동 설립하여 주요 엔터프라이즈 성공으로 확장했습니다. 2023 년에 떠나서 Wisdomai를 만들도록 영감을 주었던 것은 무엇 이며이 새로운 방향을 명확히하는 특별한 순간이 있었습니까?
엔터프라이즈 데이터 비 효율성 문제가 얼굴을 바로 쳐다보고있었습니다. Rubrik에서 시간 동안, 나는 Fortune 500 대 기업이 데이터에 익사했지만 통찰력을 발휘하는 방법을 직접 목격했습니다. 우리가 구축 한 모든 인프라에도 불구하고 엔터프라이즈 사용자의 20% 미만이 실제로 일상 업무에서 데이터를 효과적으로 사용할 수있는 올바른 액세스와 노하우를 가졌습니다. 아무도 실제로 해결하지 못했던 것은 엄청나고 체계적인 문제였습니다.
나는 또한 본질적으로 건축업자입니다 – 당신은 구글에서 tagtile, Rubrik, 이제 Wisdomai까지 내 길에서 볼 수 있습니다. 나는 근본적인 도전과 접지에 대한 솔루션을 구축함으로써 활력을 얻습니다. Rubrik을 기업의 성공으로 확장하도록 도와 준 후, 나는 기업가 적 인 무언가를 다시 야심 찬 무언가를 해결하기 위해 다시 느꼈습니다.
마지막으로, AI 기회는 무시할 수 없었습니다. 2023 년까지 AI는 마침내 데이터 가용성과 데이터 사용성 사이의 격차를 해소 할 수 있다는 것이 분명해졌습니다. 이 타이밍은 기술 몇 개뿐만 아니라 모든 엔터프라이즈 사용자에게 데이터 통찰력을 민주화 할 수있는 무언가를 구축하는 데 완벽한 느낌이 들었습니다.
명확한 순간은 Rubrik의 엔터프라이즈 데이터 인프라에 대해 배운 모든 것을 AI의 변형 잠재력과 결합 하여이 기본 비 효율성 문제를 해결할 수 있다는 것을 깨달았을 때 발생했습니다.
Wisdomai는“지식 직물”과 AI 요원의 스위트를 소개합니다. 이 시스템이 전통적인 BI 대시 보드를 넘어서 어떻게 작동하는지 분해 할 수 있습니까?
우리는 구조화, 비정형 및 “더러운”데이터가있는 데이터와 함께 작동하는 에이전트 데이터 통찰력 플랫폼을 구축했습니다. 비즈니스 관리자는 분석 팀에게 보고서를 실행하도록 요청하는 대신 직접 질문을하고 세부 사항을 구동 할 수 있습니다. 당사 플랫폼은 쿼리 로그를 분석하여 모든 데이터웨어 하우징 시스템에 대해 교육을받을 수 있습니다.
우리는 Snowflake, Microsoft Fabric, Google의 BigQuery, Amazon ‘s Redshift, Databricks 및 Postgres와 같은 주요 클라우드 데이터 서비스와 호환되며 Excel, PDF, PowerPoint 등과 같은 문서 형식도 문서화합니다.
분석가를 위해 주로 설계된 기존 도구와 달리 대화 인터페이스는 비즈니스 사용자가 직접 답변을 얻을 수있게하며, 다중 에이전트 아키텍처는 다양한 데이터 시스템에서 복잡한 쿼리를 가능하게합니다.
당신은 Wisdomai가 Genai를 대답 세대와 분리하여 환각을 피하는 것을 강조했습니다. 귀하의 시스템이 Genai를 어떻게 다르게 사용하는지 설명 할 수 있습니까?
우리의 AI-Ready Context Model은 조직의 데이터를 훈련시키기 위해 데이터 개인 정보 및 거버넌스를 유지하면서 의미 론적 정확도로 질문에 답변하는 보편적 인 맥락을 창출합니다. 또한 생성 AI를 사용하여 원시 데이터를 LLM에 공급하는 것과는 달리 다른 시스템에서 데이터를 추출 할 수있는 잘 분사 된 쿼리를 공식화합니다. 이것은 LLM의 환각 및 안전 문제를 해결하는 데 중요합니다.
당신은 “에이전트 데이터 통찰력 플랫폼”이라는 용어를 만들었습니다. 에이전트 인텔리전스는 기존 분석 도구 나 표준 LLM 기반 비서와 어떻게 다릅니 까?
전통적인 BI 스택은 모든 질문이 연결이 끊어진 데이터 사일로와 전문가로 구성된 릴레이 팀을 통해 싸워야하기 때문에 의사 결정이 느려집니다. 최고 수익 담당자가 분기를 닫는 방법을 알아야 할 때, 답은 일반적으로 CRM 추출물, 파일을 함께 스티칭하는 데이터 엔지니어 및 대시 보드 빌더를 새로 고침하여 간단한 쿼리를 여러 날 프로젝트로 전환하는 6 개의 손을 통과합니다.
당사의 플랫폼은 해당 사일로를 분해하고 한 키 스트로크의 전체 깊이를 발산하여 CRO는 헤드 라인 메트릭에서 몇 초 만에 줄 수준의 세부 사항까지 드릴 수 있습니다.
분석가 대기열에서 기다리지 않고 새로운 질문을 따라갈 수없는 사전 정의 된 대시 보드가 없습니다.
Wisdomai가 각 기업의 고유 한 데이터 어휘 및 구조에 어떻게 적응해야합니까? 인간의 입력은 지식 직물을 정제하는 데 어떤 역할을합니까?
데이터와 어떻게 데이터를 사용하여 작업 – 본질적으로 기업 비즈니스 인텔리전스의 성배입니다. 기존 시스템은 구조화되지 않은 데이터 또는 오타 및 오류가있는 “더러운”데이터를 처리하도록 구축되지 않았습니다. 데이터베이스, 문서, 원격 측정 데이터 등 다양한 소스에 정보가 존재하는 경우 조직은이 정보를 응집력으로 통합하기 위해 노력합니다.
이러한 다양한 데이터 유형을 처리 할 수있는 기능이 없으면 귀중한 컨텍스트는 별도의 시스템에서 분리되어 있습니다. 당사의 플랫폼은 쿼리 로그를 분석하여 모든 데이터웨어 하우징 시스템에 대해 교육을받을 수있어 각 조직의 고유 한 데이터 어휘 및 구조에 적응할 수 있습니다.
Wisdomai의 개발 프로세스를 ‘Vibe Coding’으로 설명했습니다. 제품 경험을 먼저 코드로 직접 구축 한 다음 실제 사용을 통해 반복합니다. 전통적인 제품 설계와 비교할 때이 접근법은 어떤 장점이 있습니까?
“Vibe Coding”은 개발자가 원하는 기능을 자연 언어로 설명함으로써 단순히 코드를 생성하기 위해 AI 도구의 힘을 활용하는 소프트웨어가 구축되는 방식에서 중요한 변화입니다. 소프트웨어가 원하는 일을하는 지능적인 비서와 같으며 코드를 작성합니다. 이는 전통적으로 코딩에 필요한 수동 노력과 시간을 크게 줄입니다.
수년 동안 디지털 제품의 생성은 친숙한 스크립트를 크게 따랐습니다. 제품과 UX 설계를 세 심하게 계획한 다음 개발을 실행하고 피드백을 기반으로 반복합니다. 설계에 대한 투자는 선행에 대한 투자가 더 비싸고 시간이 많이 걸리는 개발 단계에서 비용이 많이 드는 재 작업을 최소화하기 때문에 분명했습니다. 그러나 그 개발을 실행하는 데 드는 비용과 시간이 크게 줄어들 때 어떻게됩니까? 이 기능은 전통적인 개발 시퀀스를 머리에 뒤집습니다. 갑자기 개발자는 세부 제품과 UX 설계가 완료되기 전에 요구 사항에 대한 높은 수준의 이해를 기반으로 기능 소프트웨어를 구축 할 수 있습니다.
AI 코드 생성 속도로 인해 철저한 선결제 설계를 만드는 데 관련된 노력은 특정 상황에서 소프트웨어의 기본 기능 버전을 업데이트하고 실행하는 것보다 상대적으로 더 많은 시간이 걸릴 수 있습니다. 바이브 코딩의 세계의 새로운 패러다임은 다음이됩니다 : Execute (AI와 함께 코드), 적응 (설계 및 정제).
이 접근법은 핵심 개념의 엄청나게 초기 사용자 검증을 허용합니다. 세부적인 시각적 디자인에 많은 투자를하기 전에 기능의 실제 기능에 대한 피드백을 얻는 것을 상상해보십시오. 디자인 프로세스는 사용자가 유형 제품과 상호 작용하는 방식에 의해 직접 정보를 제공하기 때문에 더 많은 사용자 중심 설계로 이어질 수 있습니다.
Wisdomai에서 우리는 AI 코드 생성을 적극적으로 받아들입니다. 우리는 빠른 초기 개발을 수용함으로써 핵심 기능을 신속하게 테스트하고 프로세스 초기에 귀중한 사용자 피드백을 수집하여 제품에 라이브 할 수 있음을 발견했습니다. 이를 통해 디자인 팀은 실제 사용량을 기반으로 사용자 경험과 시각적 디자인을 개선하는 데 집중할 수있어보다 효과적이고 사용자가 사랑받는 제품이 더 빠릅니다.
영업 및 마케팅에서 제조 및 고객 성공에 이르기까지 Wisdomai는 광범위한 비즈니스 사용 사례를 목표로합니다. 어떤 세로가 가장 빠른 채택을 보았으며 어떤 사용 사례가 그 영향에 놀랐습니까?
우리는 여러 고객과의 혁신적인 결과를 보았습니다. F500 석유 및 가스 회사의 경우 ConocoPhillips, 드릴링 엔지니어 및 운영자는 이제 우리의 플랫폼을 사용하여 복잡한 우물 데이터를 자연어로 직접 쿼리합니다. Wisdomai 이전에,이 엔지니어들은 우물 상태 또는 직무 성과에 대한 기본적인 운영 질문에 대한 기술적 도움이 필요했습니다. 이제 동일한 대화 인터페이스를 통해 드릴링 매뉴얼의 모범 사례와 동시에이 정보에 즉시 액세스 할 수 있습니다. 그들은 6 개월 과정에서 수많은 AI 공급 업체를 평가했으며, 우리의 솔루션은 가장 가까운 경쟁 업체보다 50%의 정확도 개선을 제공했습니다.
하이퍼 성장 사이버 보안 회사 인 Descope에서 Wisdomai는 영업 및 금융의 가상 데이터 분석가로 사용됩니다. 보고서 생성 시간을 2-3 일에서 2-3 시간으로 줄였습니다. 90% 감소했습니다. 이로 인해 매주 영업 회의를 데이터 수집 연습에서 실행 가능한 통찰력에 중점을 둔 전략 세션으로 전환했습니다. 그들의 CRO는“Wisdom AI는 내 손끝에 데이터를 가져옵니다. 그것은 실제로 데이터를 민주화하여 질문에 대답하고 내 하루를 계속 진행할 수있는 힘을 가져다 줄 것입니다. 전례없는 속도로 데이터 중심 결정을 내리는이 능력은 경쟁 정체성 관리 시장에서 빠르게 성장하는 회사에게는 특히 중요했습니다.
실질적인 예 : 최고 수익 담당관이“어떻게 분기를 폐쇄 할 것인가?”라고 묻습니다. 우리의 플랫폼은 고객이 대답하기를 기다리는 특정 질문과 같은 각각의 지연에 대한 정보와 함께 집중할 보류 거래 목록을 즉시 제공합니다. 이것은 5 명의 전문가와 지연 일 대신 5 개의 키 스트로크에서 발생합니다.
오늘날 많은 회사들은 대시 보드, 보고서 및 사일드 도구로 과부하가 걸립니다. 기업이 오늘날 비즈니스 인텔리전스에 대해 가장 일반적인 오해는 무엇입니까?
조직은 정보를 얻지 못하지만 빠른 의사 결정을 위해이 데이터를 활용하는 데 어려움을 겪고 있습니다. 도전은 단순히 데이터를 갖는 것이 아니라 자연 상태에서 데이터를 사용하는 것입니다. 종종 오타 나 오류를 정리하지 않은 “더러운”데이터가 포함됩니다. 회사는 인프라에 많은 투자를했지만 단단한 대시 보드, 데이터 위생 및 미사 정보로 병목 현상을 직면합니다. 대부분의 기업은 보고서를 실행하기 위해 전문 팀이 필요하므로 비즈니스 리더가 신속하게 답변이 필요할 때 상당한 지연이 발생합니다. 사람들이 데이터를 소비하는 인터페이스는 클라우드 데이터 엔진 및 데이터 과학의 발전에도 불구하고 구식으로 남아 있습니다.
Wisdomai가 Tableau 또는 Looker와 같은 기존 BI 도구를 보강하거나 대체하는 것으로 보입니까? 더 넓은 엔터프라이즈 데이터 스택에 어떻게 적합합니까?
우리는 Snowflake, Microsoft Fabric, Google의 BigQuery, Amazon의 Redshift, Databricks 및 Postgres와 같은 주요 클라우드 데이터 서비스와 호환되며 Excel, PDF, PowerPoint 등과 같은 형식을 문서화합니다. 우리의 접근 방식은 사람들이 데이터를 소비하는 인터페이스를 변환합니다.
앞으로 5 년 만에 Wisdomai를 어디에서 보십니까? 그리고 기업 환경에서“에이전트 인텔리전스”라는 개념이 어떻게 진화 하는가?
분석의 미래는 전문가 중심 보고서에서 모든 사람이 접근 할 수있는 셀프 서비스 지능으로 이동하고 있습니다. BI 도구는 20 년 이상 지속되어 왔지만 채택은 회사 직원의 20%에 도달하지 못했습니다. 한편, 12 개월 만에 직장 사용자의 60%가 ChatGpt를 채택했으며 많은 사람들이 데이터 분석을 위해이를 사용했습니다. 이 극적인 차이는 잠재력을 보여줍니다 채택을 늘리기위한 대화 인터페이스.
우리는 모든 직원이 기술적 인 기술없이 데이터를 직접 조사 할 수있는 근본적인 변화를보고 있습니다. 미래는 AI의 계산 능력을 자연스러운 인간 상호 작용과 결합하여 사용자가 대시 보드를 통해 사냥을 요구하는 대신 사전에 사용자를 사전에 찾을 수있게 해줄 것입니다.
훌륭한 인터뷰에 감사드립니다. 더 배우고 싶은 독자들은 방문해야합니다. Wisdomai.
게시물 Soham Mazumdar, Wisdomai의 공동 창립자이자 CEO-인터뷰 시리즈 먼저 나타났습니다 Unite.ai.