אודות DNLA
שכבת שיפוט בלתי תלויה עבור AI ארגוני
DNLA לא מתחרה בצוות הפיתוח שלכם, באינטגרטור שלכם, או בספק המודל שלכם. אנחנו קיימים כדי לחבר אסטרטגיה, ארכיטקטורה, תפעול, וכלכלה לכדי פסק דין אחד וניתן להגנה, עבור האנשים שצריכים לתת עליו את הדין בהמשך.
דבר המייסד
למה הקמתי את DNLA
יותר מ-25 שנה עבדתי בעולם שבו טעות אחת עולה מיליונים: קודם במערכות ביטחון והגנה, אחר כך בתקשורת וסלולר, ומאוחר יותר כמנהל פרויקטים בכיר בתוך ארגונים גדולים. גדלתי בתוך עולם האוטומציה והטכנולוגיה המתקדמת, מהתקופה שבה עוד אף אחד לא קרא לזה AI, קראו לזה machine learning. הייתי כאן הרבה לפני גל ההייפ שהגיע עם ה-LLMs. הניסיון הזה לימד אותי עיקרון אחד שרוב שוק ה-AI מעדיף להתעלם ממנו: מי שבנה את המערכת שלכם לא יכול להיות זה ששופט אותה.
הקמתי את QAi כי צפיתי בחברות משקיעות מיליונים במערכות AI בלי שאף גורם בלתי תלוי אי פעם בדק אם הן באמת בריאות. אני לא כאן כדי לבנות לכם משהו, אני לא מוכר כלים, ואני לא לוקח עמלה מאף ספק. התפקיד שלי הוא דבר אחד בלבד: להביא לכם את התמונה האמיתית, גם כשהיא לא נוחה. לפעמים זה אומר לתקן משהו. לפעמים זה אומר לעצור הכול.
אני כאן כדי להיות המבוגר האחראי בחדר, לפני שהטעות הופכת ליקרה מדי.
גנד ירון · מייסד ומנכ“ל, DNLA
למי זה מיועד
בנוי לשרת ארבעה קהלים בו-זמנית
הנהלה ודירקטוריון
להבין בדיוק איזה כסף נמצא בסיכון.
לקוחות
לדעת בדיוק מה הם קונים.
משקיעים
להבין האם הם מסתכלים על עסק מובחן וחוזר.
מהנדסים
לדעת בדיוק איך האודיט מתבצע בפועל.
עקרונות יסוד
על מה לא נתפשר
עצמאות רדיקלית
מי שבנה את המערכת לא יכול להיות השופט היחיד שלה. האודיט לא קשור לספק, לכלי, או למודל מסוים.
אמת כירורגית
המטרה אינה להרגיע את הלקוח; היא לחשוף את המצב האמיתי של המערכת, גם כשהמסקנה היא לעצור.
המפעיל לפני הכלי
הערך של מערכת תלוי בשיקול דעת, באחריותיות, ובהקשר העסקי, לא רק בעוצמת המודל.
כלכלה לפני טכנולוגיה
כל ממצא טכני חייב להיות מתורגם לכסף: עלות נוכחית, עלות עתידית, כסף בסיכון, עלות התיקון.
כלכלת סקייל לפני התלהבות מסקייל
במערכות AI, כל לקוח חדש מוסיף עלות חישוב, טוקנים, retrieval, וניטור. מערכת בריאה לא מבטלת את העלות הזו; היא גורמת לכך שכל לקוח חדש יעלה פחות מקודמו.
מדידה לפני אמון
מערכת AI שלא נמדדת באופן רציף היא לא מערכת מנוהלת. זה הימור.
איפה אנחנו נכנסים לתמונה
DNLA לא פועלת בוואקום
ארגונים כבר נשענים על חברות פיתוח, אינטגרטורים, יועצי AI, צוותי דאטה פנימיים, כלי observability, יועצי אבטחה, וספקי מודלים. כל אחד מכסה חלק מהתמונה, ולכל אחד לרוב יש אינטרס מובנה בהמשך הפרויקט. DNLA היא פונקציית השיפוט הבלתי תלויה שמחברת את כל זה להחלטה אחת.
| חלופה | מה זה נותן לכם | מה חסר | איפה DNLA נכנסת |
|---|---|---|---|
| חברת פיתוח / אינטגרטור | בונה, מיישמת, ומשלבת את המערכת. | לא תמיד הגורם הנכון לשפוט האם להמשיך, לשנות כיוון, או לעצור. | מספקת חוות דעת בלתי תלויה על איכות, סיכון, והאם שווה להמשיך. |
| יועץ AI כללי | אסטרטגיה, רעיונות, בחירת use-case, כיוון כללי. | לרוב חסר לו עומק הנדסי, בדיקה ברמת מערכת, ותרגום לכסף בסיכון. | מחברת אסטרטגיה, ארכיטקטורה, תפעול, וכלכלה לפסק דין אחד. |
| צוות פנימי | היכרות עמוקה עם הארגון ועם המערכת. | עלול להיות שבוי בהנחות, בפוליטיקה פנימית, או בעלות שקועה. | מביאה מבט חיצוני, שלא מאוים ממסקנה לא נוחה. |
| כלי observability / ניטור | נתונים, לוגים, מטריקות, התראות. | לא מחליף שיקול דעת עסקי, Problem Fit, או החלטות השקעה. | מפרשת את הנתונים להחלטת Healthy / Tune / Fix / Rebuild / Kill. |
| יועץ אבטחה או פרטיות | בדיקות אבטחה, פרטיות, וציות. | לא בהכרח מעריך ארכיטקטורת AI, צינורות נתונים, evals, או כלכלת סקייל. | משלבת סיכוני אבטחה וציות לתוך תמונת בריאות המערכת הכוללת. |
| ספק מודל או כלי | מודלים, תשתית, API, או פלטפורמה. | לעיתים רחוקות ניטרלי לגבי האם הכלי שלו הוא הבחירה הנכונה. | מעריכה Problem Fit ללא נאמנות לאף כלי, מודל, או ספק. |
רוצים מבט חיצוני על מערכת ה-AI שלכם?
ספרו לנו איפה אתם עומדים ונכוון אתכם לחבילת ההתחלה הנכונה.