Data Talk #170: Julius Rusnak (Semantic Visions)

Patnerem toho to datatolk podkáztu je Kato Networks. Kato Networks je globalní technologická firma skorženy v Israeli a pobočku v Praze. Jej zakladatela si jeho šlomo krámer, je legendou v oblasti cybersecurity. Založe o firmu checkpoint byl prvním investorem v palo-autonetworks a nini dezraptoje trzechsa sítěvů vespečnosti pravě skřekejtou. Kato Networks nabízi Networking Security Platform, postavr enough na Klaudu III, a je lidrem v gartnem novie definovanej kategorii Sase, cože Security Access Service Edge. Na díky tomu i při současnévaluací v miliardách dolarů stále roste 10% dročně. No a vý máte možnost se na tomto zázraku podílet. Preská pobočka točiš raketové roste a nabíra IT-profesionaly rukzných zaměření a samozřejmějím nabízi ESOP, neboly zaměsná nezké akcije. Pokud tedy hledáte novou výzvu, va vývá stěžke IT infrastrukturní problémy, a chcete udělat svět o trochu bezpečnější, podívíte se na volné pozice v Kato Networks. A nyní k samotné epizodě. Dobrý den můjme no je jírka vychrhekka vytam vás u další hodílu, datatolok podkastu. Mým dnešním hostem, je Julius Rusnák, CEO of Semantic Věženz, a Julo. Ahoj, Dobrý den všichni. My se dneská společně z Julém, podíváme do historie Semantic Věženz a do velký transformacek, kterou firma prosila v posledních trzech letek. Dozvíte se něco, o tom, jak funguje 8. Jak se změněl o spracování velkých zdrojů Kroeling a NL Pičko. A také se poděláme trochu, jak tomu, jak se Julo vlastně dostal, Jak se Semantic Věženz, protože jeho, co jste byla supre zajímavá, a obylu se vní legendární postavé české technologické sceny. Tak začněme na začátku, tak ty se s narodila vyrastal v dolním Kubinu, tak, jak je to dostalo do Semantic Věženz a do světo technologie a do všeho. Je to tak velký kredi dávám svým utátový, který byl vyzionář, že ještě v roce 19-19, že kože potřebují pořádný počítač a začalo to s ním. A těmě potou. Takového zátu, v roce 1990, chytil každý. Czasem se vidělal sám, na brygádě vlejte, ale bylo to super, začalo to i tím, že se mse učil programovat, dělal jsem do konce v assembleru a bylo to super zajímavý, a korát na konecem se rozhodlo, že pogymnáziu nepudu na technickou školu, ale šeo se mná do še. Respektive U, protože na Slovensku, ekonomická universitá, kde jsem studoval služby a zaměřoval jsem se už ten krat na to, jak firmy využívají internet. Co to za rok, kdy si absolvo? Vyžku jsem skončilo v 1999. Takže to bylo hodně karting echt internet ve službáhezi, ne? Takže to bylo hodně karting echt, a na průzkumu, který jsem děláho po firmách, jsem dostával odpovědí, a k čemu by nám to prosím vás bylo? Takže to bylo takledávno. A se bychím zavuvo znova, no, co po absolvování, teda? Tam je tak lá, zajmála epizodká lidi si budou, pamatovať, že klouci ten krat museli na vojnu. No a já jsem skres rodiného príslušníka dostal týp, že vojná může být i dobrá, byl jsem se přihlásiť na ministerstvu obrani na sekci zánečních stahu. Jeste bych tam moho tu vojnu vykonat u nich, a bylo myřečeno, že a no, že se si vybavím odvod v dany termin, tak mě si tam povolají dají rozkazem. To se stalo, a měl jsem jednu z nelepších, jak se rykného vojen, který si dokáž, které si dokážde predstavit, protože jsem pracoval z zahanišnými litmi, na sekci záhanišných stahu, cestoval jsem posvětě a bylo to fakt super. Tato moje pozíce na ministerstvu obrani sekci záhanišných veci, nakonec vyu stila i v moje první skuteční pořádní zaměsnání, protože vlastně ten krát Slovensko ještě nebylo v na to, a česká rebublika už ano, mimo chodem. Slovensko se nizméně učasnilo programu těkzvané HPFP, pak na šip for peace, a svělží valo zdroje s USA na konzultace a na změnu tehryší armádi na uzbréní sili. No a byla tam konzultační firma, menoval se Kubik Applications, pozdějíc Kubik Defence Applications, se kterými se se tkal právě gulitomu, že jsem tam byl navojně, a dostal jsem od nich na bitku pojedný takový akci, které jsme spolu byli na chodnávce výna a domu důlíme se, že budu dělat po tom prvně, takže jsem zustal v sektoru obrani, a pomáhal jsem tomu ať se Slovensko stane članem na to. Což se povedlo, tak gratulujeme a děkujeme, s nad tam, s nad tam Slovensko, co nejdyl vydřší, a z nad na to, co nejdyl vydřší, teď na začátku krvětí siloce čest, tak to není 100% to ta boužel. Takže děláš pro americkou firmu, konzultační. Tak byli to super zajímavý věci na nejvyšší státní úrovní, jednalizmé prostě na ministerstvěch z prezidentem a snažilizmé se změnit procesy a organizací armády tak, aby mohla fungovat v tom prostředí, které muřikáme za apadní svět, to se nám fakt povedlo. A na koniec Slovensko nejnom, že bylo přijat o to na to, ale je u 2024, a já jsem se pak rozhodlo, že potřebují zbrači Slovy príč, a z polu stéhejdejší manželkou zmé hledali práci Venkóze Slovenska a i se povedlo najíci práci v Něvecku, a já jsem dostal na býtku práce v práze. Takže jsem po tom několik let pendloval medziny meckém apraho, a v práze jsem za čo právě dzielat pro firmu, která se zabívala Open Source Intelligence, a NLP a Krolováním, a ten krát teďko můvíme oroce 2006. Je si to dobře pamatují, tak zmé postavili první Kroler, postavili zmé a první službu, která dokázala na základě TF-IDF o goritmu, spojovat podobný dokumenty, postavili zmé první repožitář a začali zmé se koukarná to, jak oze tydata analizovat. A vlastně ten podniet k tom Krolování byla myšlenka toho osintu tedy poskytovat informace na základě dát z otevřených zdraju, a je si to člověk dělat chciel tak nějaký tydata sehnat musel, takže se začalo krolovat. Co to bylo za data, za su 6 cedům tak asi moc otevřených rístříku, za zne bylo? Zatšali změli se změl máš pravdu, zatšali změřovat na správý tisková vyhlášení, a zatím napadem stál Francišek Wrabel, který to tlačil biznisový a jako napat, jako inovátor. A já jsem pomáhal na tý stráně technologie z polustou začalo růstím, který tedy fakt vybudouval krolování a hodnocení dát na základě nějakého růdejst systemu tak zvané taksonomě. Super, co z tím projektem bylo dál, to je teda před semantikvy věřen. To bylo před semantikvy věření, ten projekt měl nakročeno na super budoucnost. V roce 2008 změli česně před podpísem investice od velký z námí amerických firmi, ale asi si pomatujete ten krát. Spadla banka Lehmann Brothers, praskla bublina a mnoho investicí zajmena do vychodních respectivest, respectivestřed evropských firém byli zastavený. Takže ce stáhu rá california se nekonala. A jako jsme se, že snážili a na konet stá firma neměla úspěch, komerční úspěch, nizméně tu technologí, ten krát potom, koupila firma JBHO, a na Barty. A stálo se stáhu roce 2011 semantikvy věřením. No, a co bylo produkt nebo zaměření tak ok, tak máte nějakou technologii, teháte to, co bylo vyze semantikvy věřením. Teď to založili 21, co znovu jsou JB vzadech. Ten krát asi vzladem na jeho tehdejší iné aktivity, dávlo dobrý nápad. Skusit, vytvorit celou rádů portalu, které by skrst inteligentní klasifikační systém dodavali data od borníkům ve firmách, nebo i jednotlivcu měko bitu bitu si. A dokázali by zachytit aktuální, dění nebojí historii, nějakých zajímavých temat velice úsce a přesně tak, aby právník moho mít informace zajímáve proně, a aby lejkářbňo informace zajímáve proně a tak dalé. Co bylo úsměvný na tom a možná žené býzni sojůsměvnípad don, takže to dlestou úplně nefungolou. Nej víc lidí klikali a koukali na černou kroniku, na negativní věci na problémi a na všechny Disaster sprosti. Takže, co měli vytouře na ten krát, je si dobře pamatují kolém sedům set jednotlivých portálu, které měli nějaký data v sobie a z takový hotov zorgů říc, že fakt lidi byli ochotní koukat platit a klikat na černou kroniku to už asi je statistický i velidní. Ok, takže to, co jsme podom zysťovali na sociální sítí, že negativní věci se šíří rychléj ale pebo užel, takže to pusoby na to na žipozodnostní infrastrukturů biologickou, tak to vyste zysťili takhle. No, co si dělopak? Já mům pocidře, po tom bylo dobá, kdy se mntik věžen se bylo na vrcholů, kdy to byla jedná fyrém, o kterých sehodním lovilo. To byli ste průmě jedná sprvní fyrém, kde se mlovilo obněli inteligenci, že kostrové spracovania tak, ale že ste byli EF-irma zasebovímy se 2016 takhle roky. Tak to Ariané bylo cool a vyste tam nekov NLP, tak byli jeden z těch cutting edge, tak co se dělou takhli? Tak ráto s rendšek byla byla pláčil dvě, má směry jeden byl biznesovéj směr a tán znespolečně velice úspěšně získali kontrakt na jako OEM partner pro data do SAP pozdějíc Ariba, ktorže SAP akvíroval firmu, koupil firmu Ariba, no a to byl náš komeršní uspěch, tam se vlastně začelů pracovat na řešení, který mu se říka TPRM, Tarty Party Risk Management, respektive Supplier Risk, to znamená zaměření, které už nebylo rozplíhli, nebylo to pro jednotlivce, ale bylo to vyslovenie slidování událozky pro jednotlivé firmy, které jsou v rámci nějakou do toto. Tohle co to funkulou, a není to polevně moc z námí, prostě to bylo to naše gro, které jsme byli biznesové úspěšně a potom, tak me byli z námí v rámci České republiky, tak to bylo to, že jsme se vynouvali tez informací, což díky tomu, že jsme měli data a měli zmi schopnosti rozpoznala, co v tej date hě, tak jsme byli schopný rozpoznali nějaký tez informacé. Nizméně biznesově tohle z to níkdy nebylo naše gro, ale v rámci česká to byla zajímavá věc a do celo zmesestím stali z námí. Vlastně musím tady podatknout, že v dezinformacích peníze nejsou. Jeste to někdo chce platit, tak to nejsou tí, co by pročiním nejak bojovali, ale sponíhá sem to tak le zažil. Zámě to tedy ten krát musím rízt bylo sklamání, protože idíš se snažíte dělávně co dobře tak vlastně z toho nevideláte, a hlavní cíl byl tedy jako firma komerční vidělávat, a proto jediné jsou zčelní, které dávalo směslo bylo směrem, k tomu so pláje risku nebo tady pátirisme nežmentu. Takhle jsme se potom dostali to bylo bude konec 17, nebo začátek 18,28, kdy jí skrskontaktiv s apé sapu, zme začali spolu pracovat s firma udilojit, a hledali zne možnosti, jak pátirisme nežment dělat v rámci nejakého jejich rešení, tam se nám povedlo dokázat, že něco funguje, a skrskrsk dilojit jsme zyskali nějakí projekty a dilojit se rozhodlo, že skoří semantik pišans koupit. Dovedete si představí, že taková akvizice nejakou dobů treba, takže na ní já mě je osobně jako člověkut to zabíralo praktický 100% mího času rádů měsícu. No a nakonec s týto akvizice se šlo, a semantik vižen zustala firma samostatná. Já jsem byl fakt už jsou středěnej a napřímenay, že budeme se o části jako systému dilojit velký firmy, kde se budou mění technologie, kde budeme pokračovat dal v tom vývoj. A přiznám se, že tohlec to naladění jako jeden z velkých faktorů spůsobilo, že nakonec jsem se nechalakvírovad já. A do dilojit jsem šel jako jednoplivец, a a fungal jsem v konzaltinku jako CTL pro date and AI. A fungal jsem tam něco přes 2,5 roku, bylo to super zajímavý samorřejmě. A talésta epizotami hodně dalá při čem už přetím jsem s dilojit tak intenzímně dělalo, že jsem tam táměř téměř pracovat. Ož přetím v ráncí tohodiu diligence. No a mezi tím tedy se v semantik vižen z rozbejili další věcí, že jsou středílo se, jsou středlí se hodně na dezinformace a na B2G. Ším, že já se přiznám jsem úplně nebyl zrozumenej, protože, jak jsem řekov tom jsem nevěl peníze. No, ale ty se z potom vlastně do semantik vižen cvrátil. To jako rozně zajímavý, že si Founding Member v té fel měhré z nedlouho. Vysěto je si proč, co byli důvodipři odysel do dilojitu, tak co tě stáhlo spátky. Tak v dilojitu jsem dělal z Honzo Baladkov, balí, který dostal nabítku od belfajru. Jeste bychom přišli do semantik vižen zaučilem implementování dalky změní, tak abitav firma se jsou středila na biznictu biznis. Snížila svoje zaměření na biznictu Government, snížila zaměření na designformat se, jak jsem říkal peníze v tom nebyli. A době hla taký technologický dluch a začala byt velice moderní a de facto AI based firmou. Takže vzáří 22 sem se vrátil spátky. A od ty dobí si myslím, že jsme těch cílu krásně dosáhli, protože tam proběhlo několik velkých změn. Zeprvi, jedna změna byla tedy tu jsem zmínoval s mělení biznictu biznis. A stali jsme se Data Vendorem, dodávajícím High Edit Value Data, kterého zaintegrovat do systému, proběho dnocivání ryzyk, proběho dnocivání Third Parties, pro obhodování zakcímy nebo skomoditami. Toho šízně na technologická byla prehod s onpremu na Cloud, ta technologická infrastruktura úplně malá není a bylo byl moment, kdy změrykali, že máme pres jeden tisíc instancí a fyzických servrů. Fyzických servrů změlí fakt vysokí stovky, blisko k tisícovce, takže bylo, co na to, že bym malá firma bylo, co transformovat. A to jste měli u sebe v baraku, nembo to bylo jako takový ten trošku právět Cloud, prostěho stování, že se o to nikdo staralo a gežil rezdustenemu seli. Te fyzickí servrů změlí v Data Vým Centru v Německu nechodilizné fyzickí. Když se ale těc spomenu na epizodu, ale nepomatují si, jesli to byl, to nebyl se mám tých věžnost, to bylo ště přečním nělizme fyzické servrí i v nás na želeksky jilo Data Vým skladu. A to je iná story, ale zažilizme třeba za plavu v rancí. Do toby ho centrá v z tým běldingu, ten krát jsem tam jel vlastní servrý a přišel jsem tam oběli tam lidí pokotníky vyvodě. Dobřej, ale spátky, takže velká my se, prostě stále tě spátky, demestavit semantik výženc, nembo jako transformovat. Ja jsem si rekože, ještě nejsem tak staria bych našel do zajímavých horyzíka a změny, protože změnaje život. Tak jsem z tím jsou hlasil a postilizm se z homzobalatkou do toho, v roce 2022, a teda změna tedy proběhla a změna zaměření firmy jako takový. Tedy na dataven dora a postupně níní až na Intelligenz Platform, technologie z onprému na Cloud, skončili zmená JCP, jenám tam dobry a máme to tam radí. A změna za velice intensivní orientacená Rubai System na Machine Learning až pozdějí zna Elelemi jako taková. A změna taký procesů, kultory a phobet z celý firmy, takže medzíče sem semantik výžen z mási 60 lidí a byť máme pořád feeling takový ostat tapu, že věci si tam dělali velice a gilně a rychle, tak už máme za vydeno celou rádů pravidel a procesů, protože u takově poštů je to už je potřeba. A protože ti to dolojtina učili také jako management consulting a management je samostatná kategorie, tak rozumím, že něco jině ho hěto stavit, stavit se tapově a něco jině ho z nějakým opoznatka má. Ale neš se jako podíváme zapravé pod kapotů a za druhé, jak vyparátenca učastní biznes, tak 2022, 3 roky a něco, 3,5 roku spátky. Teď se vrátíš do sem antik výžen z po 2 leté chudy lojte, a máš ty letánsformace, takže jený biznesou i zaměření migratce s on-premů na cloud. Totalní změna toho šelmostroje, toho jako engineu výničšního, který tam vznikal a žádek pořádce kodu, prostě růbejst takh, takže tam vznikáňa ký obrovský šelmostroje. Tak některý rytyzuješ vzal z to všechno škirdlostov a stavel na zelení lojce, to předpoklálem že nejde, to nějaký části ste si tohle začném, protože nejmenší není si vyskoušímme a nebo tohle začném, protože je nejdůležitější a tohle rozhodování. Tak z nich to jako pohátka předapo za zarečná pelulka, tak tak by zachranci zájulo zdilojtů přišli názvy vest, tady spouště do království zrálského, tak to nemohlo byt taklerůžové, tak do rozhodování ty trade-offs. Tak jak vtuchvíli, když zase, máme tady lidi, kteří nás poslouhají, kteří rozhodně jsou zapykaní v legisysistémách a i když ví, což tím mají dělat taktá rály tajnou prostná, tak jak si na tím uvažival, co byli první veci, co by zen spětně udělali jinak. Co bych udělali jinak, možná ani nic, myslím, že jsem spokojeni z tím, co jsme změněli. A bych odpověděl na ten dotáz, tak postilizme se do tohoto, takže ideme růst. Takže ten cíl bylo, ostá novice tedy oblasti, které chceme změnit, a no to byli trobá procesy a spůsob funguvání ve firmně, který jsme změněli na velice otevrjení a velice lechce komunikajíci, a všichni spolu pracujíci, ale největší změny byli tedy v biznisovejim zaměření a v komunikaci toho, kdo jako firma zme, a tím pádem i toho, čeho chceme to sa ano, protože vlastně tak, jak se firma definuje a co osobi říkáže je, takže když mělem idé, to chce prodáva, to chce dělat, to je polodněho nětou ležitý. Takže tam to bylo přes data vendora zmese dostali až na Intelligenz Platform, zbektive vendora Intelligenz Platformy. No a velká částedí byla technologie, v rámci technologie, to můžeme rozdělit na několik části a to je ta infrastruktura, a potom ta technologie, která vykuráva ten šeho mostroj, takže vlastně jednak s Romáždů je datá a jednak vyhodnocuje datá a nějaké třídi. Jednak od tý části, která s Romáždů je datá tam jsme přidali velkou část, která. V tý oblasti, která zbíra datá zme přidali velkým možtý týpůz drojů, které můžeme se zaměřevali za měnená správy. Není dokážeme a integrujeme celou rádů další informací z importu exportu, globalně o měřitku, z sankšních seznámů, z jednotlivých stránek konkrétných fyrém, které oso běříka i co dělají a podobně. V té části, která spracová vada, tak tam jsme se pustili do spoustí zajímavých projektů a jeden z těch nejzajímavějších, co já se myslím je, že jsme sečali hledat v stáhymací firmami a dokážeme rozpoznát tak zvane veliou change, to znamená tier 234. Tak zvaný up-tier suppliers, a příšem što funguje, bym osměl, že jo, když víte suppliers tak byte i customers, kteréže vytváříme grafou, která vidí, kdokomu, co prodáva, která vidí, kde jsou, na příklad rizika, koncentracé, protože na úrovnínych blišít udavatelů máte několik alternativ, ale ty lety alternativy všichni odebi ráhy zírnoho konkrétního zdurejščiní něco. Živlásně tam je ten koncentracion rizk, oze tam potom necházet alternativy, k tomu koho chcete oslovit, kdo vám může něco iní hodu dávat, a nejedná se jenom o odhalení takový, to veliou change, jenom proto, aby hom věděli graf a propědní firm, ale jedná se zeměná ten biznis, to znamená od to, kde jsou jaký příležitosti, kde jsou jaký jí rizika. V ránci celý otoh, to dalo pyseríc fěremního lenskéjpu. Takže okej, když to trošku přeskodším, protože to se my to my příde razně jeský tak krolé ten internet, dělá techy tristiku, ale ten newscase nejsilnější je supply chain. To znamená, tady je pořád a píšilo pořád růvu gandě, to znamená, že dojde koučů, ktost znamená, že kubej, to je ta prognozá, ktru vysteschopní dodát nebo ten signal, který steschopní dodát někomo. A no i to je dobrý příklad, může se jednat o to, že někde jsou protesty, kvůli změně legislativí a lidí napřído do práce a pak nevyrobí čipí a tý čipy pak o několikůrovní posdějc. Výné firmě budou hiběj, a nemůže nemůže rábět, vlecu zme zažili a stalo se to. Může se stát toženia, ká firma, která je vlastně na Evropskou Matkou a dodává super zajímé vé plastické komponenty velkýmu americkýmu producentový letadel. S krás změných svých homenéžmentů a změný legislativý v Evropě se nakonec stane dítečem, která nakonec bude koupe na čýnskou firmou. A protoho americký oproducent a to představuje geografické ryzyko, protože na hlemu důležiti komponenty proletadla nedodáva Evropská firma, ale čýnská firma. A tyto věci nemusí byl hendka patrny, když se koukáte na dodávatelský rzečezit z napravní úrovní, protože konkrétně ten to přiklateri zmínují byl až na úrovní dva nebo tři. A když víte tývstají a můžete o dalit, a když víte co se s těma firma mi děje, tak můžete takový to ryzyko identifikovat a to zákazníka opozornět. Super, když už tane můte co zákaznícké úte proslední míle, tak si ještě změněval laborzů, že tam dodáváte i komodity a takový věci. A jedno z naších rzešení se zaměřuje na finanční sektor na wealth management firmy případně na čfandy, kde dodávame data, která se použít na natrenování je ich modelů, které potom performují lý, podávají lepší výkon v obhodování a dosahuý tak zvanou lepší alfa. To znamená lepší navrátěch investicích, kde všich obhodu z roznímá finančníma terjevátem a nebo z roznímá nastrojma. A z ten sami příkladné, že. Ten příklad je to šíčku jiný, protože v případě wealth management na hečfandu je velice důležitá konsistentnost, kvalita a governance data. Žtady je vyhoda, že máme veliký archiv, máme dlouhý archiv, který je tak zlaně point in time a konsistentní, na kterým oni můžou natrenovat ty svojí modely. Můžeme dodat a de facto dodáme zdarma 10 let historie dodat, protože ta přídená odnota je, když vidíte, že stěch 10 let ze spětně dokázat, že to fungovalo. Tak zaplatíte, protože se ty data odteď to budouc na a ze ich aktualizace, aby stejem holi používat vým modelu. No, takže to je nějaký market signal, s nebo zase tam, jakože data vendor pro hečfandy a nějaký wealth management, protože je tam ještě něco, protože se tak jak to říkáš, tak my to z ní řtějůský sum si byt celá řada. Řeviš, že jako kam se to může hodit, že to musí byt celo, že te produktové uchopit nájdz pravny projekt Marketfit, nájdz toho spravní oklén dál. Není vůbec trivialní, jí, kdy tomu, jak je to nějaká data univerzální odnotáho, tak vlastně nájdit toho godo za data v jaký kvalitě platí, tak není trivialní problém. Ještě kou zůstavnou uhečfandu, tam se to dělí na dvě hlavní léně. Jedna z nich je tak zvaná contentatev, to znamená faksekou, kají na ty, datá jako násignály a jedná se o integraci dat, datá je o streamu a jeho updateu. A pak je tam druhý zaměření, který musí říká fundamental, fundamental analysis, kde lidí potřebují vysloveně porozumniť, co se děje. A jednotlivéc, sprastředníc nebo z pomocí nějakých decision making systemu udělá to rozhodnutí jako člověk. Udělá to fundamentalně analizou, na vlastně součásti naši intelligent platformy i to, že se sní dá potom novit a dá se vidáhnout sní velice, složití odpovědí a analizí z dlouho dobych dát, které pomáhají, dělat obly rozhodnutí a tady mám osli můstek potom na dálší uskays. Juzkays se potom tika vlastně složitých analizí z například pro účeli identifikacení novací nebo přílež dostí pro mergers and acquisitions, kde vlastně všechny ty biznisové událozci, máí dopad na to, jak kvalidní dana firma je. Vydíme histori a dana u firmu popíšeme nejtím nezkame nežmen, nebo nezkapeníze, ale tím, co se sní dlouho dobydělo v čem byla za harnota a jaký viděl svět. No, a tak, kdy ta dátá baryte. Dátá beryme s krolovací farmů, kterou jsme postavili a vlastní memy, a vlastně každý den nám příbíde těch dát relativně hodně nejzme, nejzme tak buch jako google, ale příbě ne nám třeba přes dva milioní jednotlivých článků, dátá pojintů, blogů, informací zvebových strán. Informací zvebových stránek, informací ze sankcí a to jsou nestrukturovaná data, na které se koukáme a musíme nějakým spůsojm analizovat, a pak jsme propojení a využíváme i strukturovaná data, která hodí. Z napřika strětí strána, vodíka je o tom, jak se exportuje importuje rěci i připadně i so podních rysků, jesla je to potřeba, protože jako inteligen z platform, je velice vyhodný všechná data, integrová dohromady a možnit ptáce a poskjetovat odpovědí na celkový kontext. No, a co stím a data má pak děláte, nebo kde vám sedni, jak můl výšel jako velký škále, tak tam zase ten cloud musí vydrahy. Jakože všechno to vezme ta jednáku jedným, bo co se dějestím, da to má po tom, když stánete 2 mln článku. Tady můžu asi pohodhalit, pořád máme část infrastruktury on-prem a část infrastruktury na cloudů, všichni cloudy stíví, že je důležitý zbitečně zdaný ho-cloudu, da to neposila dven. Takže máme to uspořádany, takže to na ty on-prem platformně začíná a když se to nalije do cloudu takovšto z něho ven nejde. To je by to bylo zbitečně drahy, a no je tohodně dat na to, aby se zbitečně platila, tak se stát pro datat a na spátky. Technologický pro datá využíváme nůtrihlavní uhožiště zvíhodou pracujeme v býkvery, který používáme jako malé uložiště a potom jako Transaction Engine. Potom na uložení a vyhledávaní dat používáme Elastic Search, a na ukládání v stáhu a jako grafou databázi používáme Arango. Co se s těmi dati děje, tak datá se stáhnou a pak se tak zvaně zpracují máme. Stečí to vyměstra ta udělat. Váme jako Pipeline-u, těkáme to mu Pipeline, a to Pipeline-a jednak běží neustále, protože řík jůzkej sú, které osledujeme a prodáváme je hodně. A tým pánem velký noštý dat se neustále spracují, skřes, skřes procesní kroky, které teďko budou odní generický, ale využíváme Klasifiles, klasifikátorí, které to zarazují do nějakých predefinovaných krabiček. využíváme rozpoznávanie antit, tak zaný ner, které rozpoznají, o čem se tam mluví jako što o firmách nebo organizacích, nebo logistický důležitých místach jako jsou letiště, nebo přístaví, nebo datová centra. a pak se rozpoznává, jaký událoští se tam dějo, a jakým způsobem ty událoštím, dí se byl jsou visí, no a taký se rozpoznává i dlouho doby náhled, to znamená poděláme se na firmu, na radulec pátky, a výjeme, jaký ty důležitý událoští se sní stali, a jaký svět vnímal, a dokážeme to zesumarizovat a dat jeden krásni pohled. tak pak to splačujete, a pak to, da budíte dál nejakým jaksyřikol, datavendorem, tak to, da toho sapu, přiz nějaký apičko, tak potom na strane výstupu dodávame datastrim, který by to dokážeme uložit dolky, máš to je dat nějaký storič, nechteré film je to porát preferují, je to jednoduchájnk, ewtipko. v té gradce, co si budeme říkat, a zase zákazníkem se nebudete hádat, ale máme i apička, kážeme dodávat 3 api, no a potom máme i self service data and intelligence platformu, který říkáme svijai, kde se zalogujete a můžete dělat celou spoustujeci od býhledámaní událoští, které se týkají firém nebo komodit, přes nějaký shrnutí, až po detalní výhledávání dokonce konkrétních článku, nebo konkrétních, těch základních pravkudatových, které si pak můžete i výexportovat z tohto nástré a pracovat z ním ve vlastních tulech, které využiváte nebo, tam je potom integrovaná i část, která pracuje na bázie lehlem, které v možně četovat nad semantik vyženc daty. To jsme na mejná nejsov za plebele dní nějakým neporádkem z generického internetu, ale jsou to datá prověřená kategorizovaná čistý internet. Ohodně čistá čistý internet. A umožný je to potom ptáce na ty věcí a tomu říkám, čo mají nějaký business impact. Takže se můžete popat, co se zdanou filmou, stalo ským něla spor nebo ským obchodová. Zjeme na se tam řešitý v stáhy hodně, v rám si supply chain value. No, li se podívám na to spracová nida, a zase hapu, že v některých věcech nemře být úplně konkrédní, co mě zajímá je rikasy. Príšleste z misi, transformací, jak to u biznesovou organizační tak technologickou, a ten záklat sementy kvíženz, a toho enel píčka, a všechny je jako šnígi Glasy Firesa, a Škatolky, a Entity, tak byl je rules based, tak si představou jak to roste, jak takout based. Vycky edge case, a tak to tam někdo dopíše, tak si představou ten legesy, špagatikot, zase nechci vám křivdětále, u takých devěcí nebívám moc dobrá dokumentace, tak na jednou tady mám prostě per mail, a ty si říkálo, že zón zouste se verli na to, do tohdo stát víc mešen learningu nebo dokonceller, ale měk, tak. Když bychom se poděle za ty třich roky, tak kterou část první nevromku, kolik z těch rule based, vlastně dá vás myslo, a to, že v soby obsahujou tu vás všichy tristiků, jako, že to je IP, ja hapův tom, že to má nějakou hodnotů, a na vý, že to než kytné, že nedaš tam elemko, druhé elemko s džáč, a protože to bude na hem dráší, a někdy to nebude tak vespecifický, jako něco co to tady 10 let dávali do hromody. Tak, jaké uvažování od tom lepovíšení, kterému zase, preceptáme, že mů čeli hrozně moc fyrém, a čím víc IP, mají, čím víc do. ať už do rule based, dávali, a nebo idou tradyčního machine learningů, jako zrovna v NLP-i, tak na jednou audio box, nové elemko, takhle tam fyrcnu v nánovu variantě, a no performu je skorostejně. Takhle bylo to lehuvažování ten dát grade, co tam je něco, co tam je postelní resellet, a kterou čast, to prostě škatli, a hodili tam kněhovno. Je bych řeklo, že praktycky všechno je nový. A rule based pořád běží, ako rázme předělali kompletně celý engine, který ten rule based trigeruje a spracováva. Takže to bylo velký kůz práce, a změrádí, že ho máme, protože je to nový, muterní. Takže to kontynirizovat, a můžeme dopustí těch seme, on premu nebo na klaudu. Další věc velice jednoduhá, když si minumosti se rozpoznávali entity z krásnáki Stringmanč, nes se to dělá z krás modeli. Tý modeli nemusi by nemínutně elelemka, že velice krásně performují a starší modeli, o který se už teď komoc nemluví. Nebo. Například Spacey, ale taký berd, ráty vně nedávno, koncemínulího roku vyšel MM-Bert, který ukoně úžasný, je mutelingvalní a funguje performují krásně. A přitom nemusíte používat lidí na to, abysteho trenovali, možete zít, že mi nájtrojku, řeknete jí, jak nebo mů, jak má ten MM-Bert můvěnovat. Sřezi nějaké instrukce. Jimi nájtrojka na trenuly MM-Bert, a MM-Bert potom performuje. A samozřejmě vžitský do toho vstupujeně, jaka lidzka kontrola, protože ne necháme všechno mná těch počítačích, ale tato kombinace je ukoně úžasna. A tě lidíco v můmosti, třeba strávili z poustu času a zdrojů na anotacích, kdy se jsme použivali mechanical tech. Na to, aby se anotovali datá pro trenování modelů, tak neská to lene ní potřeba, a fakt se MM-Bert může na trenovat elelemkem a funguje to moc krásně. A nedodám, proto, co s to nemomatuju, tak mechanical tech byla stužba o tamazonu, která vlastně dávala možnost, anotovat datá na druhu stranu, už vatrům dávalo microtásky, že se můhle vidělat pár dovarů cím, že vlastně řešli kapčů, že to bylo takový dle. Takovále iniciativá, která může za velkou část a notacé dat v jedných fázy vývoje uměl internece. Zmého lediska je ten pokrok užasný, protože věci, které trevali měsíce, když se třeba anotovalo ve více ralydech a poróvnávali se jej vysledky a trevalo to měsíce. Tak nezjedenší kovní jednotlivéc to dokážou dělat vámci jednodné a na druhé jeden to má, místo toho by to měsíce dělal tím a může vyskou všetně kolik různých prístupů. Takže to je velice markantní, topat a zvíšení produktivitý práce přes el alem. Tak co se tam ještě zmínělo zasevčem. I tvoučili jsme tvoučili jsme tedy grafovou databázi všechno, které se zmínují všude možně. Číta to fakt už 10 milionů a k čem firmám tedy dloho době zbíráme datá. To je tedy v tom marangu jak se zmíněval a detální datá se tedy tchájí se elastik search. No a samozřejmě nemůžu oplenout elelemk jako taková, takže máme i jůskéj si, které vysloveně běží z kás elelem a poskytují krásní výstupy, které dokáže člověk přečíst a porozumětím, kdyme nesejí dotazovat. Ilencích problému, co se řeší, je ten voliom, to znamená, to tomno štou informací, protože porády dotájí, že nechcete kompletkaž do jednou věc poslát přes elelemkopře byste za tímný doplatil. A skošenosti ukazuje, že jak ty modelí, které využiváte jako služby zraí a jak se dilepšují, tak vlastně ty firmy microsoft opanej a in obu. Nebo, Google nebojda uši, tak vlastně mění tu svojí strategíjí, dlásvých potřep, dokážou model přistat podporovat a budou podporovat modelnové, které je potom dráší nebolenější, tak jak oni chcějí. Tedy vás mají relaty mňa hodně pod kontrolou pokavat ten model, neprouzujete sami. No, a vlastně jeden z těch problému, který rešíme a uspěšně ho rešíme, tedy prioritizace to hodcu přes elelemkodé, tak abychom to děhali velice efektivně. No, a tak, co ste prioritizat velé, ty smluvel o tom frontendu, vlastně jako ask your data, nebo, vlastně AI v BI, takže to je ten možnost i prone technický očlověj kal, ten chatboti interface, nebo human language interface, tak to je nějaká logická jako automatizatní tůl na nějakou kvlásifikacím ve vědř. A no, je to semantic vision report service, který vetřech krocích dokáže udělat práci několika anolytiků. Krok číslo jedná člověk se vybede, z jakých dat by to chcěl poskládat, zetím je to znáších dat, nad kterými se tvorí nějaká kveria, da to se vyberou, tak aby se o mezi lo, na co se člověk se zaměřit to znamená slejiska, temat nebo slejiska, firme, o kterých se chcete bavit, nebo slejska času. Tady krok číslo jedná tedy vybede data, krok číslo dvě je velice porobní nějaký močitování, takže tam se napromptuje, co ten člověk chce. Przyčem, že není to sirový model, ale je to tam přepravený tak, aby to bylo efektivní a rychli, takže můžete požádat o report typu vrátmý nějaký doporučení, tak ten report může vrátí doporučení nebo generištější report, které jenom zhodnoti z situaci, nebo vývoj situace, že ten prostřední krok řekné, co chcete, a finalní krok je, že to výgenervuje výstup a ten výstup je výsocekvalitní a si řeknu pd vkoto lidí výc o to je dokument, který potom odpovída na otázky, co se zdalou oblasti děli a dá se použít už jako finalní výstup rozákazníka, nebo pro sebe, když co zanalyzovat. No a se byli challenges, přijím pamentat si toho hrlé, tako čistý rak bylo složitý tudat protuk domenů, ale šlo tam o 100% místo tu toho, že ten rak řekné izdroje, tak pro zase pro někoho kdo děla fundament nějaký firmistý, kouplí nebo ne, tak asi nechce halučinece, skusím zmíjí některé a v žádnem případě se je nespohnul na všechno, ale jedna vědě nastavit system, tak, který abi si nevymejšlil, když ty dato nemá, myslím, že se nám to povedlo velice dobře a používáme tedy předspracovaný datak, která jsou připravená protento účel a zustáváme v rámci kontextu, toho, co se děje zdanou antitou firmou, datovým centrem, nebo přístavem, který hodno tímé. Takže to je čilenčí slo jedna, nechalčinovat nevymejšlice a zustatu tematů být v rámci toho kontextu. Tohoší čilenč je zamorřímě a synenční čilenč, to znamená vymysled to tak, aby chom spracovali alelemkem co nejvíc dokumentů a přitum to nestalo nekonečně. A měkdy jisto je celá ředa přícupu, které to v nějakých iteracích spracovávají, trova, můžete si to předpřipravit, můžete dělat grupy dokumentů, které jsou s nějakým způsobem podobní, můžete vybírat nějakým algoritmem dokumenty, které bude tě spracovávat jako vzorek a pak se vrátíte ještě znou blyžovám to nebo je věhovat. Prostě je tam celá ředa těch přícupu, které vám to o možniu i udělat. Další problém, který zmíním je, který to jesli chcete vyjúžívat službune, bo chcete provozovat nějaký model osobé, takže se musíme rozhodnout, kterým směrem podeme a potom být usrozuměný stím, jak se ta situace změní, když se ten model podrukama změní, takže to je taký další challenge. Potom asi ušměný challenge ale důležit je najít dobré lidi, který stím můmi pracovat, což si myslím, že se nám povedlo, ten tým musím pochválit, pozdobřejím to dej. A teď, když buduk té z mí původní o tásce, tohle jsou ty challenge, které asi nádaží k dokolifik, do teď, které koreší alenka, se ohlednoutím na tydle challenge, tak máte alenka i ve vnit, coho šel mostrajá, nebo je to fíčora pro úživat ale vtudlo chvíli, pomahaj vám alenka s dňaku, kategorizací s nějakým čištěním dat, se nějakou automatizací ve vnit, a nebo vtudla chvíli je to pro vás odem knuci, přírozeního jazyka, odem knuci ty platformy, vytří vžuvatom. Máme alenka asi od trzech místech, když mě to takhle na pedá. Máme alenka tedy pro komcově vžuvat ele, který stím může čitovat a bavíce stím. Máme alenka jako náž vlastní support, to znamená dokážeme dělat 5 cečka brůvov koncepty z alenkami pomáhanám, v káždu není práci, a pomáhanám to na příklad v coaliti assurance, když je to vyslovaně lLM jako operations. A máme alenka i vždyč to osel močšel mostroje. Není úplně jednoduchý vzít, něco co existuje, a dělá to spoustulet spomstupráce, a náhle to přetvěřit to lLM. Takhle jednoduchý to není nic méně, velké části toho ježná lLM ků běžet umí a dokonce je běží. Takže ta budouc na stvaleně je, že lidí si ce nebude mým, ale budou dělat práce víc, rychlejc a lip, protože jim z tom ta lLM kápomá budou. Všechlej, že to tři místa lLM kou názoju živame. Takže něj grě v bude údé čistě agentní system, a už tam nebude už tam nebro-růrbejst, můmůme si natrenu, vlastní zmodel. Do vedu si to predstavit a zapoměl jsem na 4-tál část, kterou využilámi sám a to jsou vysloveně assistentí, který pomáhaj, byt to programolat nebo interakovat z nějakým systemem. Takže veš tyřech místech využiláme LLM kábe firvně. No, a jak jsme se bo veli vese, eskysypoz pop jsou databáze, ty cibavíme osěl mostrojit, celá ta platforma je v čím napřemán, dým bychom se na to díoleko na savtvarový produkt. Tak využiláme všechny prostřetky cloudů, to znamená Dataflow MLflow a dálší služby. Máme věci připravený kontainerach využiláme Terraform, a se nož mě pomáhajáme si patném, a potom tím, že využiláme bykveritak nevolkačást, nevolkačást, ale část, a že je i v učitím typu SQL. A historický, to jako, že když se to začili psaat v 2012 tak nějaký to první adrosem on ty věžince bylo, jaký? Gdy si dávno, jsme využívali Čavu, jako databázy jsme využívali pozgréz, indeksovalo sa přes Lusin, Lusin už je prič, pozgréz už je prič. Čava tady je stále. Čava ještím, jakdež je, ale její mnohem minneš, když si, takže, a no, zmínilo se fakt spousta a řekoby, že asi praktický všechno. To, kdy čenši, to je oný konstant. Myslím, že se nám povedlo velice heský posunout úroveň dokumentace, sírko zmínilo, že s dokumentací je problém. A ja bychci o pochvalit se mntak věžince, že ta dokumentace a to využívání nástroju pro tiketování a internet, a psaňí poznáme k podle mě funguje heský. Tak to gratulů pradřed zase. Nevímdo v nějtř, a nemču jsou liděte hodne tět, ale když si řekneme, že tady je firma patná zdred. Staví růlbej zdřešení pro toho, aby se řrava celý internet a běho děla z něho Nikolígiuský svů, a to teksy dokáží predstavit, jakýž je můstroj, jak obrovský to musí býdve v nějtř, a čím je to obrovštější, jak kompletnější, tak v tím většinou častějí taduků. Tak, co tamu chybí než, že, že bym něl někdo času, starta budou heský vopisovat v čase, a tak, takže to nembo hodne tící, to spíš si to dochážu představit, a oto víc, klobou dolu, že se vám to poverlovy čestět a vědete tím besměrem. Co znamená, teď jsme byli víc těch strzevěch, trochu si můvěro o týplatformě, zvíjí, co to pro vás znamená, teď dostávat to víc z nějakého hedlé zrzešení, z nějakého datavendora, prostě tady máš apy endpoint a racing. To můvě tvářit, nebo máte frondent, máte uživatel se se veracíte v tom veličejnu vlastně výjíš, tak co to znamená pro vás jako pro firmu, co jsou tý challenge. Je to challenge a je to výhoda a je to ta sama věc, protože challenge je, že jsme blížk zákazníkový musíme s nímluvit a musíme slišet co říká, a pomáhlá dmu, aby ty věci umě odzielat. A slišet na to, co máme změnit. A to sami je výhoda, protože jsme blížk zákazníkový a máme tu možnost to slišet, a máme tu možnost na to reagovat. Takže vlastně ono je to super. Mít ty uživatele konkrétní platformy a rozumět tomu, jak to oni teď používají. Na co klikají, co chcějí vidět a co bych chtěli, co bych chtěli zobraziť. Žíkaz, že vás 60. Když se podíme na ty klienty, tak jsou to globalní klienty, stehrovně v Česku. No vele jsme o těch jí vzký sech, ale jak vypadá ta biznesu a stránka veci. Jako malou část biznesu pořád děláme i pro government, ale je to trobná část. Největší část je přes integrátory, a te integrátory jsou jednak technický integrátory, na příklad jsme OEM pod nenem SAP. A jsou to i solutions integrátory, na příklad jsme Patnerem Dilojit, UK, a také jsme Patnerem na příklad Atlas Systems, New Jersey, USA. Tidlesty integrace přes Patnery pro nás představují největší počet klientu, a je to pro nás, je to nevětší zaneření. Ještě, po tom jsou klienti, který odebírají datá, příklad jsme super zajímavý oblasti EdgeFundu, tak tam dodávame datá přímoje notlivým EdgeFundu. A tí se samorřejmě zajímají o to, kdo dalžíte datá má, jesli jsou datá upravená na míru podle jejich požadavku, nebo všichni dostávají to sami. Musíme zachovat super konsistenci, a kvalitu čehrat za dlouhé časové období, takže to jsou takový odně zajímavý klienti. No a kdy se podějám na těch 60 lidí, tak jak jesouví jejich role, kolik z nich jsou hartko, kolik z nich jsou veco software, inžení, že jich kolik z nich jsou víc na beta science, AI, kolik z nich teda už neska musí byt sel. Sejles a marketing, když smáty vlastní platformu, jaký je rozdělení toho tímů vlastně? Ten tím je rozdělení na týto říkáme tomu Departments, zachovám terminology. Máme Department, který děla porozumnění tekstu a Quality Assurance. Máme tím Respektive Department, který děla hartko, software, engineering, developery. Máme Department, který dělá DevOps, provozově ten systém ale zároveň i vývý spolstovici, jaké turneska kombinováno. Máme tím čistě ML, Machine Learning, Respektive AI. Máme Tím, tak zvaný Deliveri, který vlastně dělá i ten konec dát připravují data pro klienta a nebo pracují na průvl konceptek. Máme Tím pro marketing a komunikaci, který je super a myslím přijem to de dobře a máme Tím Pro Sales. A potom nahodze je někdo kdo vrídí finance a někdo kdo vrídí celou to firmu. Jež asi takhle nějak jsme rozdělení a většiná z nás je tady v česku, ale máme lidí ještě zemena i v espojných státech, protože to je naše důlažité zaměření. Tímá, co vás letos čeká, ty jsme uvolotí velký transformacej, ještě samozřejmě není dokončená. Čázvěcí máte pořád na ompremu, da vám to smysl, ale některý věci by v sech chtěli výdřmějí dal automatizovat do toho ta kovelka Čalenge toho vlastně o frontendu a být blisko v těmřáka znikům. Nebitinom besej měný anoným nízdrojdat, který dík, kterémom se něco vypočitalo, ale na jednou si v kontaktu z tím klientem, měný má neskáze ten frontend. Tak co je my se na ten verok? Zradostím musím vřít, že už se na jedná o smazání a kutního technologický ho dlouh. Na opak už jsme okrok dal, nebo u celou rádů pro kudál, a to co nás čeká jsou vysloveně zajímaví inovace, kterým sněřujeme. Takže na výmějšlezme si z polstů fíčůr, které chceme přidávat. Fak se jedná o inovace, které bude mějí implementovat postupně o naši platformě, to je číslo jedná. Když to řekno tak biznisově akulatě, tak pracovat na rozvojí semantik vyžen z jako Intelligen z platformně. Tedy nejakoná firmě, která vám plátce nedatáněk, kde jehojte zisním, co chcete, ale která vám dáva odpovědí nás ložitý otázky, které vám pomůžou v biznisu a v decision makingů. Smej supre zajímaví tím, že náže snad 13.15. národností je mezi námi spousta šikovních respektive sami šikovní a Intelligen tní lidi. A pořádledáme někoho novýho, takže tí, který se zajímají o. Kogo chcíš nabrad 26? Kogo chcí nabrad? Tak zejměna si budem soustějí na AI, a na development a DevOps, ale kromět je hát korových funkcí tak si često hledáme lidi za klikneme, za který má si rozumíme, a který ná pomůžou tu firmu řídíc slýska produkt ohnošyb a projektový homanežmentu. To, což podla toho, co se říkal, tak veť uázroste na potřebuje velmi. Děkuu moc krát, že stary s námo takhle to litu 15 let minimalně semontik věžence a to, co im předcházel ho. Já sem moc rád, že sem se z tobou tedy mohlo pouvidat, potřeže semontik věžence je pro mě jeden z těch legendátních firm českých o technologických otrů, a sem moc rád, že se to to nezabalili a že teď hydáte druhů mizu a a novlo nů a držím moc palce, a tějším se kam ten příběh dal, jak tůly, tak semontik věžence bude pokračovat. Ilko je děkuji za pozvání, dejtatlok se je super, a kšem přejí, aby byli zdraví, aby měli kolem sebe hodné a dobré lidi. Děkujeme, že s teda poslouhali až sem, a díky taky našim stálim partneru členum datatlok klubu. Těmi jsou sáska teda nova, dyrek technologíz, good data, meton, kolorsov data, bistrit, flow, carl data company a index. Díky moc zapotporu a nechtěvá sprovází data.