Snowflake Startup Spotlight : ROE AI

Bienvenue au Startup Spotlight de Snowflake, où nous découvrons d’incroyables entreprises qui développent leur activité avec Snowflake. Dans cette édition, nous nous entretenons avec Richard Meng, co-fondateur et CEO de ROE AI, une start-up qui permet aux équipes data d’extraire des informations à partir de données multimodales non structurées, y compris des documents, des images et des pages web, en utilisant des requêtes SQL familières. En intégrant des agents d’IA, la plateforme de ROE AI simplifie le traitement des données, en permettant aux entreprises de tous les secteurs d’automatiser les flux de travail manuels et d’extraire des informations exploitables des données.

Qu’est-ce qui vous inspire en tant que fondateur ?

J’ai été poussé à remettre en question le statu quo et à m’attaquer à des problèmes qui n’avaient pas encore été résolus, en particulier ceux qui se trouvaient à l’intersection des données et de l’IA. Travailler chez Snowflake avant de fonder ROE AI m’a également inspiré. J’ai moi-même vécu le rythme effréné des innovations en matière de données d’IA.

Dès l’émergence des grands modèles de langage (LLM), j’ai su que je pouvais créer quelque chose qui répondait à un défi de longue date dans le monde des données : exploiter les données non structurées. Cela fait des décennies que l’on essaie de le résoudre, mais les solutions aboutissent rarement. J’ai senti que c’était le moment idéal pour essayer quelque chose d’audacieux, en mettant à profit mes acquis et mon expérience chez Snowflake.

Quel problème votre entreprise souhaite-t-elle résoudre ? 

De nombreuses entreprises de services financiers s’appuient sur des documents pour obtenir une mine d’informations. Aujourd’hui, ces flux de travail sont entièrement manuels. Mon objectif est de permettre à ces clients de créer des flux de travail documentaires agentiques et rigoureusement évalués. Beaucoup d’entreprises essaient de résoudre ce problème avec la RAG, mais elles y parviennent rarement car la précision est une exigence obligatoire. 

C’est pourquoi nous développons ROE AI pour permettre à nos clients soucieux de la précision de créer, d’évaluer et de produire des flux de travail documentaires agentiques en quelques lignes de SQL. 

Nous sommes ravis de nous associer à Snowflake et de proposer cette fonctionnalité nativement aux clients Snowflake via la Marketplace Snowflake.

Quelle est la chose la plus impressionnante que vous faites avec les données ? 

ROE AI résout les données non structurées sans aucun vecteur d’intégration. Pour les problèmes de données non structurées des clients, nous ne nous appuyons pas sur les vecteurs en raison de leur caractère imprécis. Au lieu de cela, nous utilisons beaucoup d’appels de LLM, et nous sommes en mesure de rendre ce processus bon marché. 

Autre fait intéressant, nous alimentons notre propre produit pour recruter : nous utilisons ROE IA en interne pour filtrer les CV des candidats à l’embauche. Nous sommes en mesure d’analyser rapidement des milliers de CV en moins d’une minute, en répondant à des questions ciblées telles que : le candidat a-t-il une expérience à la fois en entreprise et en start-up ? Le candidat apporte-t-il une expertise data substantielle ?

Quels sont les principaux avantages que vous avez tirés de Snowflake ?

Premièrement, Snowflake nous a permis de renforcer la confiance des utilisateurs dans notre application. Grâce aux Snowflake Native Apps et à Snowflake Cortex AI, toutes les fonctionnalités de ROE AI se trouvent dans le périmètre de sécurité de Snowflake. Cela signifie que les entreprises peuvent exécuter des flux de travail de données non structurées, alimentés par des agents d’IA, sans déplacer les données hors de Snowflake, ce qui renforce la confiance et la conformité.  

Deuxièmement, nous optimisons l’évolutivité. Les opérations de LLM à grande échelle nécessitent souvent des ressources spécialisées. Avec Cortex AI, nous pouvons faire évoluer en toute transparence les GPU et autres ressources de calcul pour gérer de gros volumes d’analyses de données non structurées. Avec les LLM Cortex, nous pouvons utiliser des modèles commerciaux de pointe en toute sécurité. 

Troisièmement, nous gagnons en efficacité. En exploitant les fonctions SQL, Snowflake Staging et d’autres fonctionnalités natives de Snowflake, les utilisateurs finaux peuvent interroger ou transformer des données non structurées en libre-service à l’aide de ROE AI, exactement comme ils interrogent leurs données structurées.

Comment Snowflake Native App Framework a-t-il façonné la stratégie de croissance et de développement de votre start-up ?

Tout d’abord, nous avons accéléré notre stratégie de mise sur le marché grâce au réseau de Snowflake. Les grandes entreprises sont nos clients idéaux, mais elles peuvent être difficiles à atteindre pour les start-ups. En rejoignant l’écosystème des Snowflake Native Apps, nous pouvons exploiter l’audience et les canaux de vente établis de Snowflake.  

Nous profitons également d’une expérience de requêtes Snowflake entièrement intégrée. Plutôt que d’adopter une approche décousue et autonome, nous avons intégré nos solutions de données non structurées dans les processus et transformations de données de Snowflake. Cette intégration étroite raccourcit nos cycles de vente et réduit la complexité pour le client.

Enfin, notre solution s’aligne déjà sur les frameworks de sécurité et d’approvisionnement de Snowflake, ce qui permet aux clients d’acheter facilement ROE AI en utilisant leurs contrats Snowflake existants. Cela peut réduire un processus d’acquisition de six mois à seulement quelques semaines.

Quels conseils donneriez-vous à d’autres entreprises qui envisagent de créer leurs applications sur Snowflake ?

Tout d’abord, profitez pleinement des fonctionnalités natives de Snowflake. Cortex AI, les fonctions définies par l’utilisateur, Snowpark et Secure Data Sharing peuvent considérablement compresser votre calendrier de développement. Deuxièmement, alignez votre solution sur la posture de sécurité des données de Snowflake pour simplifier l’adoption par les entreprises. Enfin, communiquez tôt avec les équipes partenaires et commerciales de Snowflake. Elles disposent d’informations approfondies sur les points sensibles des clients, ce qui peut vous aider à affiner l’adéquation de votre produit au marché et à accélérer votre stratégie de mise sur le marché.

Dernière question : quelle est la leçon que vous avez apprise à la dure ? 

Attaquez-vous d’abord aux problèmes difficiles. Au départ, viser des victoires plus faciles peut sembler prometteur, mais une véritable adéquation produit-marché émerge souvent lorsque nous résolvons les défis les plus difficiles avec courage et persévérance.

En savoir plus sur ROE AI et sa stratégie pour résoudre des problèmes difficiles et gourmands en données avec une grande précision sur getroe.ai ou essayez leur application sur la Marketplace Snowflake.