L’azienda dietro i sistemi
Gwenlake progetta, sviluppa e gestisce sistemi di dati e di IA per le aziende che hanno bisogno che funzionino in produzione. Siamo un team di data scientist e ingegneri a cui importa tanto di come gira un sistema quanto di come rende.
Visione
Crediamo in un futuro tecnologico positivo. Non in uno inevitabile: l’IA renderà la competenza più accessibile, in medicina, nell’industria, nei servizi da cui le persone dipendono, solo se i sistemi che la portano sono costruiti per poterci contare. È lì che sta il lavoro.
Crediamo che l’intelligenza artificiale farà gran parte del suo lavoro utile dentro le organizzazioni, sui loro dati e sotto il loro controllo. Non in una finestra di chat, e non sui server di qualcun altro.
Crediamo che la maggior parte dei progetti di IA muoia fra il dato e il modello. Non per mancanza di modelli: per mancanza di dati connessi, governati e ben descritti, e per mancanza di ingegneria attorno al modello una volta che gira. È in quel vuoto che lavoriamo.
Crediamo che un sistema di IA affidabile poggi su quattro cose: dati di cui si conosce la provenienza, un’ontologia che dice cosa significano, una valutazione su casi reali e un ambiente che l’organizzazione controlla. Tutto quello che costruiamo discende da lì.
Come siamo arrivati qui
Gwenlake è nata a Rennes nel 2021, da un piccolo team con un piede nell’università e l’altro nei sistemi in produzione. I nostri primi progetti riguardavano il testo scientifico in ambito medico: estrarre, classificare e annotare la letteratura su larga scala. Ci hanno insegnato una cosa che non abbiamo più dimenticato: un modello vale quanto l’expertise di dominio e i dati che lo circondano.
Siamo poi passati dal testo al segnale, analizzando i dati dei sensori di navi in mare. Dati rumorosi, grandi volumi e un costo reale quando la risposta è sbagliata. Quel lavoro ci ha costretti a prendere l’ingegneria sul serio quanto i modelli: pipeline, provenienza, valutazione e cosa succede il giorno in cui il sistema cede.
Dopo il mare sono arrivati segnali di un altro ordine: i dati cerebrali. Registrazioni più brevi, ancora più rumorose, e la cui verità di riferimento è essa stessa aperta all’interpretazione. Ci ha spinti più avanti nella stessa direzione: meno peso sulla scelta del modello e più su come i dati vengono descritti e su come un risultato viene verificato.
Ognuno di quei progetti ha lasciato qualcosa. Far girare modelli in privato per i clienti è diventato la Gwenlake Inference API. Concatenare modelli in sistemi che agiscono, con strumenti, memoria e una verifica del risultato, è diventato Gwenflow, il framework open source su cui girano i nostri agenti. E la piattaforma che ricostruivamo da un progetto all’altro, per collegare i sistemi di un cliente, preparare i suoi dati e riscriverne i risultati, è diventata Gwenlake Atlas.
Oggi il nostro mestiere è far funzionare l’IA in produzione per le organizzazioni che serviamo: pipeline, modelli e agenti, progettati, costruiti e gestiti da un solo team, su Atlas. Ciò che non è cambiato: una parte del team insegna e fa ricerca, nella stessa città in cui abbiamo iniziato.
I nostri valori
Curiosità
La risposta dell’anno scorso è raramente quella di quest’anno.
Impegno
Un sistema in produzione è una promessa, non una consegna.
Esigenza
Il lavoro è finito quando è giusto, non quando scade.
Umiltà
Il giorno in cui smetti di dubitare del tuo modello è il giorno in cui tradisce qualcuno.
Prima il cliente
Un progetto è finito quando funziona per il cliente, non quando viene consegnato.
Un solo team
Le stesse persone inquadrano il problema, addestrano i modelli e consegnano l’applicazione.
Consegnare e gestire
Consegniamo in fretta, e gestiamo ciò che consegniamo.
Niente silos
Niente eroi e niente silos: il team lavora come uno solo.
Piccolo e valutato
In produzione, un modello piccolo e ben valutato batte uno grande e non valutato.
Prima il dato
La qualità dei dati vale più della scelta del modello. Gran parte del guadagno è a monte.
Trovare l’errore
Il lineage non è conformità: è così che si trova l’errore il giorno in cui la risposta è sbagliata.
Spiegare tutto
Ogni esecuzione dovrebbe essere tracciata. Se nessuno sa spiegare perché il sistema ha fatto quello che ha fatto, non è finito.
Sovranità nativa
La sovranità è una decisione di architettura, non una funzionalità. Si decide il primo giorno o mai.
Le nostre radici accademiche
Non abbiamo mai lasciato del tutto l’università. Una parte del team insegna ancora all’Università di Rennes, e restiamo attivi in un gruppo di ricerca nella stessa città in cui abbiamo sede. Ogni anno organizziamo anche una conferenza internazionale di finanza quantitativa, che riunisce ricercatori e professionisti attorno allo stesso scambio aperto con cui proviamo a costruire i nostri prodotti.