Stephen DeAngelis, Fundador y CEO de Enterra Solutions – Serie de entrevistas

Stephen DeAngelis, Fundador y CEO de Enterra Solutions.

Stephen DeAngelis es el fundador y CEO de Enterra Solutions, la primera empresa en aplicar la tecnología de Ciencia de Decisiones AutónomasTM (ADS®) para realizar la optimización de la cadena de valor de principio a fin, la toma de decisiones y la investigación y desarrollo complejos para empresas.

Stephen F. DeAngelis es un experto reconocido internacionalmente en inteligencia artificial y análisis avanzado y sus aplicaciones para la competitividad, la resiliencia y la seguridad de entidades comerciales y agencias gubernamentales. El Sr. DeAngelis es titular de una patente, pionero en tecnología y emprendedor. Su carrera se encuentra en la intersección de las relaciones internacionales, los negocios, el gobierno y la academia. Aporta una perspectiva única y una gran experiencia a sus empresas.

¿Podría compartir la historia de origen detrás de Enterra Solutions?

Enterra tiene sus orígenes como contratista del gobierno de los Estados Unidos. Enterra desarrolló y ejecutó modelos de resiliencia empresarial (competitividad, riesgo y rendimiento basados en datos sistémicos) para agencias gubernamentales de los Estados Unidos. Al realizar este trabajo, Enterra desarrolló su metodología de gestión de resiliencia empresarial y su modelo de madurez de mejores prácticas en virtud de acuerdos de investigación y desarrollo colaborativos con agencias de investigación y desarrollo financiadas por el gobierno de los Estados Unidos.

• Estrategias digitales lideradas por IA para el desarrollo ágil de productos
• Candle Aprendizaje Automático Minimalista en Rust
• Perfilando el código de Python utilizando timeit y cProfile

Para avanzar en la tecnología de competitividad y resiliencia, Enterra comenzó a trabajar en inteligencia artificial y matemáticas aplicadas a principios de la década de 2000. A mediados de la década de 2000, la empresa comenzó a combinar su trabajo en el sector gubernamental con investigaciones académicas teóricas y experimentales de vanguardia, y este trabajo continúa en la actualidad. La investigación académica de Enterra es una cooperación bidireccional que expone a nuestra empresa y empleados a algunas de las técnicas y prácticas de IA y matemáticas más avanzadas y sofisticadas, al tiempo que establece una red profunda y un conjunto de conexiones con algunas de las principales personalidades y pensadores influyentes en ciencia cognitiva y aplicaciones de resiliencia.

Enterra aprovechó los conocimientos científicos y técnicos obtenidos de su trabajo en el gobierno y la academia para reimprimir la analítica de big data en el sector comercial; el resultado fue la creación de la plataforma de Ciencia de Decisiones Autónomas® (ADS®) y la plataforma de IA generativa de Enterra, junto con un conjunto de aplicaciones comerciales de expansión de la cadena de valor que se combinan para crear un sistema de inteligencia único en su tipo. El Sistema de Inteligencia de Enterra realiza la optimización, planificación y ejecución autónomas de principio a fin al estar presente en los diferentes sistemas transaccionales de registro/interacción de una organización en Marketing, Ventas, Cadena de Suministro y Estrategia Corporativa, orquestando decisiones y acciones que ayudan a la empresa a construir competencia y resiliencia y alcanzar sus objetivos comerciales.

Al combinar la tecnología propietaria de Enterra con el conocimiento y las prácticas organizativas, Enterra anticipa los cambios del mercado de manera sistemática y a la velocidad del mercado, transformando las empresas en Empresas Inteligentes Autónomas.

Enterra Solutions ofrece Ciencia de Decisiones Autónomas, ¿qué es específicamente y cómo optimiza las decisiones comerciales?

La Ciencia de Decisiones Autónomas® (ADS®) de Enterra es la plataforma tecnológica que impulsa el Sistema de Inteligencia de Enterra™. La tecnología ADS de Enterra combina tres tecnologías previamente aisladas:

1. Una inteligencia artificial basada en razonamiento semántico y lógica simbólica vectorial que permite el razonamiento, la toma de decisiones y el aprendizaje similares a los humanos. Esta capacidad única combina el sentido común y el conocimiento de la industria con un razonamiento inferencial para crear un sistema que puede tomar decisiones con razonamiento sutil y similar al humano y luego aprender de los resultados.
2. Aprendizaje automático transparente, de caja de cristal y explicativo en forma de la máquina de aprendizaje de representación propietaria (RLM). La base del RLM son las matemáticas de alta dimensionalidad y el análisis funcional. El RLM identifica de manera única una función que describe la combinación y contribución de variables en el conjunto de datos que describen los efectos observables a través de múltiples capas de interacción con un alto grado de precisión. Esto se clasifica como un algoritmo “de caja de cristal” que genera una función, cuyo resultado es visible en comparación con los algoritmos “de caja negra” que simplemente generan patrones, pero no ofrecen ninguna descripción explicativa de la dinámica del sistema/conjunto de datos, ni tienen ningún “entendimiento” sustancial de lo que significa el patrón.
3. Capacidad de optimización no lineal basada en restricciones que incorpora la fórmula derivada del RLM, junto con restricciones y lógica de razonamiento semántico, para realizar una optimización rápida que refleje las complejas consideraciones multidimensionales del mundo real y derive recomendaciones altamente prácticas. Esta capacidad rompe la barrera de dimensionalidad asociada con los modelos lineales.

La combinación única de estas técnicas ha permitido a Enterra proporcionar a los clientes capacidades significativamente diferenciadas y crear una brecha altamente defensible en el panorama competitivo, tanto con grandes plataformas de tecnología de IA como con jugadores de soluciones puntuales.

Hace aproximadamente un año, en el podcast “Eye on AI”, hablaste sobre cómo la IA anticuada sigue siendo una herramienta poderosa. ¿Han cambiado tus opiniones al respecto y cuáles son algunos de los algoritmos tradicionales de aprendizaje automático que todavía se utilizan en Enterra Solutions?

La ciencia se acumula generacionalmente, lo que significa que una generación de capacidades se suma a las innovaciones de la generación anterior para crear nuevas capacidades. Enterra innova y evoluciona continuamente su tecnología de manera creativa. Como se mencionó anteriormente, Enterra ha creado una plataforma de Ciencia de Decisiones Autónomas® (ADS®) y Generative AI que es un conjunto de razonamiento similar al humano y capacidades de GenAI, aprendizaje automático de alta dimensionalidad, de caja de cristal y explicativo con motores de optimización no lineal basados en restricciones. Hemos reunido estas tecnologías previamente aisladas en una plataforma y, al hacerlo, hemos logrado desbloquear capacidades analíticas anteriormente inalcanzables y mitigar las deficiencias de cualquier tecnología individual.

¿Cómo ha integrado Enterra Solutions la IA generativa en sus soluciones?

Mientras muchas organizaciones todavía están en período de descubrimiento y prueba con la IA generativa, Enterra Solutions y nuestros clientes han aprovechado sus poderosas capacidades durante más de una década. El componente de IA de la plataforma de Enterra aprenderá de manera única las razones ambientales por las que las recomendaciones tienen éxito o no y persistirá ese aprendizaje en sus ontologías y bases de conocimiento de IA generativa. Enterra, cuando lo solicite un cliente, desarrollará una base de conocimiento de GenAI específica que represente las estrategias, tácticas, lógica empresarial y formas de trabajar y ganar de sus clientes, a la vez que proporcionará lógica actualizada y configuración de restricciones a las funciones de optimización dentro de los componentes funcionales del Sistema de Inteligencia de Enterra.

Las alucinaciones son uno de los problemas principales de la IA generativa, ¿cómo supera Enterra Solutions estas limitaciones?

La IA generativa puede automatizar la mayoría de los flujos de trabajo, pero al no estar validada, su credibilidad es cuestionable. Esto se puede abordar aprovechando la tecnología ADS que puede conectarse a modelos de lenguaje grandes (LLMs), razonar y triangular conocimiento matemáticamente para validar su eficacia. Al aprovechar ADS para proporcionar una explicabilidad confiable y la capacidad de tomar medidas basadas en información e recomendaciones, se puede generar confianza.

De 2015 a 2019, fue miembro del Consejo Asesor del Centro del Dalai Lama para Ética y Valores Transformadores en el MIT, ¿cómo ha moldeado esto sus valores sobre los negocios y la IA?

Bueno, si uno está involucrado con el Centro del Dalai Lama, no puede evitar pensar en liderazgo y ética como una misma cosa. Cuando diriges un negocio, aprendes muy rápido que tomas miles de decisiones al año. Algunas son pequeñas, algunas son ordinarias o procedimentales, y algunas son decisiones significativas o de consecuencias importantes. Espero haber aprendido a tomar decisiones con consideraciones éticas incorporadas de forma nativa en mi lógica, realmente como un norte y los parámetros para la toma de decisiones iluminada. Este concepto también se refleja en la forma en que construimos algoritmos y software, y se refleja en última instancia en la forma en que dirigimos nuestra organización.

A menudo, líderes empresariales y de IA como Geoffrey Hinton se preocupan por los futuros problemas potenciales de la IA, y específicamente de la IA general, ¿cuál es su opinión al respecto?

Algunas de las preocupaciones de Geoffrey Hinton se relacionan con un posible mal uso y la rapidez con la que se está implementando la IA. Estos son puntos válidos, ya que muchas empresas intentan incorporar la IA en sus prácticas comerciales sin comprender primero qué problemas están tratando de resolver. La IA no resuelve todos los problemas y no debe considerarse como una solución universal para todos los desafíos empresariales. Es fundamental que las empresas comiencen con una declaración de problema dirigida por el negocio antes de buscar soluciones viables. Una vez que comprenda el problema que está tratando de resolver, podrá comprender la adecuación estratégica y la viabilidad técnica de utilizar tecnologías avanzadas, como la IA.

Usted es un emprendedor en serie y ha lanzado con éxito múltiples negocios en diversos dominios, ¿qué le impulsa a innovar?

Al final del día, soy más un aprendiz creativo de por vida y una persona de negocios intelectualmente curiosa que un administrador. La combinación de aprendizaje de por vida y curiosidad intelectual, cuando se combina con el entusiasmo de un emprendedor por crear nuevos negocios, impulsa la innovación y la creación de productos y servicios para llenar brechas de mercado identificadas. El deseo de trabajar con grandes equipos de personas y de “competir y ganar” creando valor para los accionistas es lo que me impulsa a innovar.

¿Cuál es su visión para el futuro de la IA?

A través del prisma del uso de la IA en aplicaciones B2B cercanas en el futuro, creo que la IA permitirá la toma de decisiones autónomas prácticas en aplicaciones empresariales a gran escala en un futuro cercano. Estas capacidades estarán impulsadas por Agentes Inteligentes similares a los humanos que complementarán la toma de decisiones humanas con una inteligencia artificial o una superinteligencia artificial enfocada en casos de uso grandes y disruptivos. Aplicaciones como la optimización de la cadena de valor de extremo a extremo y la toma de decisiones para corporaciones globales en diversos sectores industriales y las interrupciones en el descubrimiento y formulación de medicamentos y ensayos clínicos son transformadoras y afectan la vida de la mayoría de las personas en el planeta.

Gracias por la excelente entrevista, los lectores que deseen obtener más información deben visitar Enterra Solutions.

We will continue to update Zepes; if you have any questions or suggestions, please contact us!