PALO ALTO, Californie, 28 juin 2023 (GLOBE NEWSWIRE) — Lors de la Collision Conference 2023, Mattermost, Inc., la plateforme de collaboration scurise pour les quipes techniques, a annonc le lancement d' OpenOps , une approche open–source pour l'acclration de l'valuation responsable des politiques d'utilisation et des workflows amliors par l'IA qui permet aussi de maintenir le contrle des donnes et d'viter l'enfermement propritaire.

OpenOps merge la croise de la course pour tirer parti de l'IA afin d'obtenir un avantage concurrentiel et du besoin urgent de mener des oprations dignes de confiance, comprenant le dveloppement de politiques d'utilisation et de surveillance et assurant des contrles des donnes la fois rglementaires et faisant l'objet d'une obligation contractuelle.

Cette plateforme vise aider dgager les goulots d'tranglement cls entre ces proccupations cruciales en permettant aux dveloppeurs et aux entreprises d'auto–hberger un environnement de type bac sable avec un contrle total des donnes pour valuer de manire responsable les avantages et les risques de diffrents modles d'IA et politiques d'utilisation sur des workflows de collaboration par t'chat multi–utilisateurs du monde rel.

Le systme peut tre utilis pour valuer des LLM auto–hbergs lists sur Hugging Face, dont Falcon LLM et GPT4All, lorsque l'utilisation est optimise pour le contrle des donnes, ainsi que les modles hbergs par des fournisseurs en hyperscale depuis la plateforme Azure AI, OpenAI ChatGPT et Anthropic Claude lorsque l'utilisation est optimise des fins de performance.

La premire version de la plateforme OpenOps permet l'valuation d'une varit de cas d'utilisation amliors par l'IA, notamment :

Questions et rponses automatises : pendant un travail individuel comme collaboratif, les utilisateurs peuvent poser des questions des modles d'IA gnrative, qu'ils soient auto–hbergs ou hbergs par un fournisseur, afin d'en savoir plus sur diffrents sujets pris en charge par le modle.

Rcapitulation des discussions : des rsums peuvent tre gnrs par l'IA partir de discussions auto–hberges bases sur le t'chat afin d'acclrer les flux d'informations et la prise de dcisions, tout en rduisant le temps et le cot requis pour permettre aux entreprises de rester informes.

Interrogation contextuelle : les utilisateurs peuvent poser des questions de suivi des rsums de fils de discussion gnrs par des bots IA pour en savoir plus sur les informations sous–jacentes sans aller dans les donnes brutes. Par exemple, un rsum de discussion d'un bot IA sur un certain individu faisant une srie de demandes en vue d'un dpannage pourrait tre interrog via le bot IA afin d'avoir davantage de contexte sur la raison de ces demandes, et sur la manire dont il avait l'intention d'utiliser les informations.

Analyse des sentiments : les bots IA peuvent analyser le sentiment des messages, une fonction qui peut tre utilise pour recommander et fournir des ractions sous forme d'moticnes ces messages pour le compte d'un utilisateur. Par exemple, aprs avoir dtect un sentiment de rjouissance, un bot IA peut ajouter une raction sous la forme d'une moticne flamme indiquant de l'enthousiasme.

Collection d'apprentissages de renforcement bass sur le feedback humain (Reinforcement Learning from Human Feedback, RLHF) : pour aider valuer et former les modles d'IA, le systme peut recueillir le feedback des utilisateurs concernant les rponses provenant de diffrents modles et saisies en enregistrant les signaux pouce vers le haut/pouce vers le bas slectionns par les utilisateurs. l'avenir, les donnes pourront tre utilises pour peaufiner les modles existants et s'avreront aussi utiles pour valuer des modles alternatifs sur des saisies d'utilisateurs passes.

Ce framework open–source auto–hberg offre une architecture d'oprations et d'IA contrle par le client , fournissant un hub oprationnel pour la coordination et l'automatisation avec des bots IA connects des backends interchangeables auto–hbergs d'IA gnrative et de LLM de services comme Hugging Face. Par ailleurs, cette solution peut la fois prendre de l'ampleur pour devenir une architecture de data center et de cloud priv, ou rduire son chelle pour fonctionner sur l'ordinateur portable d'un dveloppeur des fins de recherche et d'exploration. Dans le mme temps, elle peut aussi se connecter aux modles hbergs par des fournisseurs en hyperscale depuis la plateforme Azure AI ainsi qu'OpenAI.

Chaque entreprise est dans la course pour dfinir de quelle manire l'IA acclre son avantage concurrentiel , a dclar Ian Tien, PDG de Mattermost. Nous avons cr OpenOps pour aider les entreprises dvoiler leur potentiel de manire responsable avec la capacit d'valuer une large gamme de politiques d'utilisation et de modles d'IA tout en acclrant leurs workflows internes.

Le framework OpenOps recommande une approche en quatre phases pour dvelopper les amliorations par IA :

1 – Un environnement de type bac sable auto–hberg – Demandez des quipes techniques de mettre en place un environnement de type bac sable auto–hberg en guise d'espace sr avec un contrle des donnes et une vrifiabilit afin d'explorer et de dmontrer les technologies de l'IA gnrative. Le bac sable OpenOps peut inclure simplement la collaboration Web par t'chat multi–utilisateurs ou tre tendu pour inclure les applications sur ordinateur de bureau et appareil mobile, les intgrations partir de diffrents outils internes pour simuler un environnement de production, ainsi que l'intgration d'autres environnements de collaboration, comme des canaux Microsoft Teams spcifiques.

2 – Un framework de contrle des donnes – Les quipes techniques mnent une valuation initiale de diffrents modles d'IA sur des cas d'utilisation internes, et dfinissent un point de dpart pour les politiques d'utilisation couvrant les questions de contrle des donnes avec diffrents modles, auto–hbergs ou hbergs par des fournisseurs, et dans ce dernier cas, sur la base de diffrentes assurances de manipulation des donnes. Par exemple, les politiques de contrle des donnes peuvent aller du blocage total des IA hberges par des fournisseurs au blocage de l'utilisation souponne de donnes sensibles comme des numros de carte de crdit ou des cls prives, ou alors il peut s'agir de politiques personnalises pouvant tre encodes dans l'environnement.

3 – Un framework de confiance, de scurit et de conformit – Les quipes de confiance, scurit et conformit sont invites dans l'environnement de type bac sable afin d'observer et d'interagir avec les premiers cas d'utilisation amliors par l'IA et travaillent avec les quipes techniques afin de dvelopper des politiques d'utilisation et de surveillance en plus du contrle des donnes. Par exemple, il peut s'agir de la cration de lignes directrices afin de dcider si l'IA peut tre utilise pour aider les responsables rdiger des valuations de performance pour leurs quipes, ou pour savoir si l'IA peut tre employe afin de rechercher des techniques de dveloppement de logiciels malveillants.

4 – Pilote et production – Une fois un rfrentiel des politiques d'utilisation et les premires amliorations apportes par l'IA disponibles, un groupe d'utilisateurs pilotes peut tre ajout l'environnement de type bac sable pour valuer les avantages de ces amliorations. Les quipes techniques peuvent rpter l'ajout d'amliorations de workflows l'aide de diffrents modles d'IA tandis que les quipes de confiance, scurit et conformit peuvent surveiller l'utilisation avec une vrifiabilit totale et rpter les politiques d'utilisation et leurs mises en "uvre. mesure que le systme pilote mrit, l'ensemble complet d'amliorations peut tre dploy dans des environnements de production pouvant fonctionner sur une version mise en production du framework OpenOps.

Le framework OpenOps inclut les capacits suivantes :

Un hub oprationnel auto–hberg : OpenOps permet des workflows oprationnels auto–hbergs sur une plateforme de messagerie en temps rel travers les systmes Web, mobiles et de bureau partir du projet open–source Mattermost. Les intgrations aux systmes internes et aux outils de dveloppeurs populaires aident enrichir les backends d'IA avec des donnes contextuelles cruciales. L'automatisation des workflows acclre les temps de rponse tout en rduisant les taux d'erreur et le risque.

Des bots IA avec des backends IA interchangeables : OpenOps permet aux bots IA d'tre intgrs aux oprations tandis qu'ils sont connects une palette interchangeable de plateformes IA. Pour un contrle maximal des donnes, travaillez avec des modles LLM open–source auto–hbergs comprenant GPT4All et Falcon LLM de services comme Hugging Face. Pour des performances optimales, puisez dans le frameworking IA tiers comprenant OpenAI ChatGPT, la plateforme Azure AI et Anthropic Claude.

Contrle total des donnes : OpenOps permet aux entreprises d'auto–hberger, contrler et surveiller toutes les donnes, toutes les adresses IP et tout le trafic rseau au moyen de son infrastructure de scurit et de conformit existante. Cela permet aux entreprises de dvelopper un corpus riche de donnes de formation du monde rel pour l'valuation et le peaufinage futurs de backends IA.

Gratuit et open–source : disponible sous les licences MIT et Apache 2, OpenOps est un systme open–source gratuit permettant aux entreprises de dployer et d'excuter l'architecture complte en toute simplicit.

volutivit : OpenOps offre la flexibilit d'un dploiement sur des clouds privs, des data centers ou mme un ordinateur portable standard. Le systme supprime aussi la ncessit de matriel spcialis comme des processeurs graphiques, tendant le nombre de dveloppeurs pouvant explorer les modles d'IA auto–hbergs.

Le framework OpenOps est actuellement exprimental et peut tre tlcharg sur openops.mattermost.com.

propos de Mattermost

Mattermost fournit un hub extensible et sr aux quipes techniques et oprationnelles qui doivent rpondre des exigences de confiance et de scurit au niveau d'un tat–nation. Nous desservons les industries de la technologie, du secteur public et de la dfense nationale avec des clients allant des gants technologiques au Dpartement de la dfense des tats–Unis en passant par des agences gouvernementales du monde entier.

Nos offres cloud auto–hberges fournissent une plateforme robuste pour la communication technique travers les systmes Web, de bureau et mobiles prenant en charge les workflows oprationnels, la collaboration sur les incidents, l'intgration au Dev/Sec/Ops et aux chanes de compilation internes et la connexion avec une large gamme de plateformes de communications unifies.

Nous fonctionnons avec une plateforme open–source approuve et dploye par les organisations les plus cruciales et sres du monde, qui est co–construite avec plus de 4 000 contributeurs de projets open–source ayant fourni plus de 30 000 amliorations de codes en faveur de notre vision partage des produits, et traduite en 20 langues.

Pour en savoir plus, veuillez consulter le site www.mattermost.com.

Mattermost et le logo Mattermost sont des marques commerciales dposes de Mattermost, Inc. Toutes les autres marques commerciales sont la proprit de leurs dtenteurs respectifs.

Contact auprs des mdias :

Amy Nicol
Relations avec la presse
Mattermost, Inc.

+1 (650) 667–8512
media@mattermost.com

Images :

Titre : Ian Tien, PDG de Mattermost, Inc.

Lgende : Ian Tien, PDG de Mattermost, Inc., annonce la plateforme OpenOps pour le contrle des adresses IP et viter l'enfermement propritaire alors que les workflows oprationnels sont de plus en plus acclrs par l'IA

Image complte : https://www.dropbox.com/s/kn3eyxyd6eevsab/iantien_4000x2667.jpg?dl=0

Des photos accompagnant ce communiqu sont disponibles aux adresses suivantes :

https://www.globenewswire.com/NewsRoom/AttachmentNg/d8db2abf–8b1b–4ed6–9f51–952fc8b97597/fr

https://www.globenewswire.com/NewsRoom/AttachmentNg/a4e2598d–4245–4ee9–91ff–895cf0afa68b

GLOBENEWSWIRE (Distribution ID 8866193)

PALO ALTO, Califórnia, June 28, 2023 (GLOBE NEWSWIRE) — Na 2023 Collision Conference, Mattermost, Inc., a plataforma de colaborao segura para equipes tcnicas, anunciou o lanamento do “OpenOps”, uma abordagem de cdigo aberto para acelerar a avaliao responsvel de fluxos de trabalho e polticas de uso aprimorados por IA, mantendo o controle de dados e evitando o bloqueio de fornecedores.

O OpenOps surge na interseo da corrida para alavancar a IA para obter vantagem competitiva e a necessidade urgente de execuo de operaes confiveis, incluindo desenvolvimento de polticas de uso e superviso, e a garantia de controles de dados regulatrios e contratuais.

O objetivo ajudar a eliminar os principais gargalos dessas preocupaes crticas, permitindo que desenvolvedores e organizaes hospedem um ambiente "sandbox" com controle total dos dados, para uma avaliao responsvel dos benefcios e riscos de diferentes modelos de IA e polticas de uso em fluxos de trabalho de colaborao de bate–papo multiusurio do mundo real.

O sistema pode ser usado para avaliar LLMs auto hospedados listados no Hugging Face, incluindo Falcon LLM e GPT4All, quando o uso otimizado para controle de dados, bem como modelos hiper escalados hospedados pelo fornecedor da plataforma Azure AI, OpenAI ChatGPT e Anthropic Claude, quando o uso otimizado para desempenho.

A primeira verso da plataforma OpenOps permite a avaliao de uma srie de casos de uso aumentados por IA, incluindo:

Perguntas e Respostas Automatizadas: Durante o trabalho colaborativo e individual, os usurios podem fazer perguntas a modelos de IA geradores, auto hospedados ou hospedados por fornecedores, para aprender sobre diferentes assuntos suportados pelo modelo.

Resumo da Discusso: Os resumos gerados pela IA podem ser criados a partir de discusses auto hospedadas e baseadas em bate–papo para acelerar os fluxos de informaes e a tomada de decises e reduzir o tempo e o custo necessrios para que as organizaes se mantenham atualizadas.

Interrogatrio Contextual: Os usurios podem fazer perguntas de acompanhamento para resumos de tpicos gerados por bots de IA para saber mais sobre as informaes subjacentes sem entrar nos dados brutos. Por exemplo, um resumo de discusso de um bot de IA sobre um determinado indivduo que fez uma srie de solicitaes sobre questes de soluo de problemas pode ser interrogado por meio do bot de IA para obter mais contexto sobre o motivo pelo qual o indivduo fez as solicitaes e como pretendia usar as informaes.

Anlise de Sentimentos: Os bots de IA podem analisar o sentimento das mensagens e isso pode ser usado para recomendar e fornecer reaes de emoji nessas mensagens em nome de um usurio. Por exemplo, depois de detectar um sentimento de comemorao, um bot de IA pode adicionar uma reao de emoji "fogos" indicando a empolgao.

Coleta de Reforo de Aprendizado de Feedback Humano (RLHF): Para ajudar a avaliar e treinar modelos de IA, o sistema pode coletar feedback dos usurios sobre as respostas de diferentes prompts e modelos, registrando os sinais "polegares para cima/polegares para baixo" selecionados pelos usurios finais. Os dados podem ser usados no futuro para ajustar os modelos existentes, bem como fornecer informaes para avaliar modelos alternativos de solicitaes de usurios anteriores.

Essa estrutura auto hospedada de cdigo aberto oferece uma "Arquitetura de IA e Operaes Controladas pelo Cliente", fornecendo um hub operacional para coordenao e automao com bots de IA conectados a back–ends generativos de IA e LLM intercambiveis e auto hospedados de servios, tal como o Hugging Face, que podem escalar para arquiteturas de nuvem privada e data center, bem como escalar para baixo para ser executado no laptop de um desenvolvedor para pesquisa e explorao. Por outro lado, ele tambm pode se conectar a modelos hiper escalados hospedados por fornecedores da plataforma de IA da Azure, bem como do OpenAI.

"Todas as organizaes esto em uma corrida para definir como a IA deve acelerar sua vantagem competitiva", disse o CEO da Mattermost, Ian Tien. "Criamos o OpenOps para ajudar as organizaes a desbloquear com responsabilidade seu potencial com a capacidade de avaliar uma ampla gama de polticas de uso e modelos de IA da sua capacidade de acelerar os fluxos de trabalho internos em conjunto".

A estrutura OpenOps recomenda uma abordagem de quatro fases para o desenvolvimento de aumentos de IA:

1 – Sandbox auto hospedado: Para que as equipes tcnicas possam criar um ambiente "sandbox" auto hospedado como um espao seguro com controle de dados e auditabilidade para explorar e demonstrar tecnologias de IA geradoras. O sandbox OpenOps pode incluir apenas colaborao de bate–papo multiusurio baseada na Web ou ser estendida para incluir aplicativos de desktop e mveis, integraes de diferentes ferramentas internas para simular um ambiente de produo, bem como integrao com outros ambientes de colaborao, como canais especficos da Microsoft Teams.

2 – Estrutura de Controle de Dados: As equipes tcnicas realizam uma avaliao inicial de diferentes modelos de IA em casos de uso internos e estabelecem um ponto de partida para polticas de uso que abrangem questes de controle de dados com diferentes modelos com base em se os modelos so auto hospedados ou hospedados pelo fornecedor, e em modelos hospedados pelo fornecedor com base em diferentes garantias de manuseio de dados. Por exemplo, as polticas de controle de dados podem variar desde o bloqueio completo de IAs hospedadas por fornecedores at o bloqueio do uso suspeito de dados confidenciais, como nmeros de carto de crdito ou chaves privadas, ou polticas personalizadas que podem ser codificadas no ambiente.

3 – Estrutura de Confiana, Segurana e Conformidade: As equipes de confiana, segurana e conformidade so convidadas a entrar no ambiente sandbox para observar e interagir com casos de uso iniciais aprimorados por IA e trabalhar com equipes tcnicas para desenvolver polticas de uso e superviso, alm do controle dos dados. Por exemplo, a definio de diretrizes sobre se a IA pode ser usada para ajudar os gerentes a escrever avaliaes de desempenho para suas equipes, ou se as tcnicas de pesquisa para o desenvolvimento de software malicioso podem ser pesquisadas usando IA.

4 – Piloto e Produo: Uma vez que uma linha de base para polticas de uso e aprimoramentos iniciais de IA estejam disponveis, um grupo piloto de usurios pode ser adicionado ao ambiente sandbox para avaliar os benefcios dos aumentos. As equipes tcnicas podem iterar na adio de aumentos de fluxo de trabalho usando diferentes modelos de IA, enquanto as equipes de Confiana, Segurana e Conformidade podem monitorar o uso com total auditabilidade e iterar as polticas de uso e suas implementaes. Com o amadurecimento do sistema piloto, o conjunto completo de aprimoramentos pode ser implantado em ambientes de produo que podem ser executados em uma verso de produo da estrutura OpenOps.

A estrutura do OpenOps inclui os seguintes recursos:

Hub Operacional Auto Hospedado: O OpenOps permite fluxos de trabalho operacionais auto hospedados em uma plataforma de mensagens em tempo real em toda a web, celular e desktop, a partir do projeto de cdigo aberto Mattermost. Integraes com sistemas internos e ferramentas de desenvolvimento populares para ajudar a enriquecer os back–ends de IA com dados crticos e contextuais. A automao do fluxo de trabalho acelera os tempos de resposta enquanto reduz as taxas de erro e o risco.

Bots de IA com Back–Ends de IA Intercambiveis: O OpenOps permite que os bots de IA sejam integrados s operaes enquanto esto conectados a uma variedade intercambivel de plataformas de IA. Para o mximo controle dos dados, trabalhe com modelos LLM de cdigo aberto auto hospedados, incluindo GPT4All e Falcon LLM de servios, tal como o Hugging Face. Para obter o mximo desempenho, faa uso de estruturas de IA de terceiros, incluindo o OpenAI ChatGPT, a Plataforma de IA do Azure e o Anthropic Claude.

Controle Completo dos Dados: O OpenOps permite que as organizaes hospedem, controlem e monitorem todos os dados, IP e trfego de rede usando sua infraestrutura de segurana e conformidade existente. Isso permite que as organizaes desenvolvam um rico corpus de dados de treinamento do mundo real para futura avaliao e ajuste fino de back–end de IA.

Gratuito e de Cdigo Aberto: Disponvel sob as licenas MIT e Apache 2, o OpenOps um sistema gratuito e de cdigo aberto, permitindo que as empresas implantem e executem facilmente toda a arquitetura.

Escalabilidade: O OpenOps oferece a flexibilidade da implantao em nuvens privadas, data centers ou at mesmo em um laptop padro. O sistema tambm elimina a necessidade de hardware especializado, como GPUs, ampliando o nmero de desenvolvedores que podem explorar modelos de IA auto hospedados.

O framework OpenOps experimental no momento e pode ser baixado em openops.mattermost.com.

Sobre a Mattermost

A Mattermost fornece um hub seguro e extensvel para equipes tcnicas e operacionais que precisam atender aos requisitos de segurana e confiana do estado–nao. Atendemos indstrias de tecnologia, setor pblico e defesa nacional com clientes que vo desde os gigantes da tecnologia at o Departamento de Defesa dos EUA e agncias governamentais em todo o mundo.

Nossas ofertas auto hospedadas e em nuvem fornecem uma plataforma robusta para comunicao tcnica em todo o fluxo de trabalho operacional de suporte de web, desktop e mvel, colaborao de incidentes, integrao com Dev/Sec/Ops e cadeias de ferramentas internas, e conexo com uma ampla gama de plataformas de comunicaes unificadas.

Executamos uma plataforma de cdigo aberto verificada e implantada pelas organizaes mais seguras e crticas do mundo, desenvolvida em conjunto com mais de 4.000 colaboradores de projetos de cdigo aberto que forneceram mais de 30.000 melhorias de cdigo para nossa viso de produto compartilhada e traduzida para 20 idiomas.

Para mais informao, visite www.mattermost.com.

Mattermost e o logotipo Mattermost so marcas comerciais registradas da Mattermost, Inc. Todas as outras marcas comerciais pertencem aos seus respectivos proprietrios.

Contato com a Mdia:

Amy Nicol
Relaes de Imprensa
Mattermost, Inc.

+1 (650) 667–8512
media@mattermost.com

Imagens:

Ttulo: Ian Tien, CEO da Mattermost, Inc.

Legenda: Ian Tien, CEO da Mattermost, Inc., anuncia o lanamento da plataforma "OpenOps" para controle de IP e evitar bloqueio diante da acelerao dos fluxos de trabalho operacionais por IA

Imagem completa: https://www.dropbox.com/s/kn3eyxyd6eevsab/iantien_4000x2667.jpg?dl=0

Fotos deste comunicado podem ser encontradas em:

https://www.globenewswire.com/NewsRoom/AttachmentNg/d8db2abf–8b1b–4ed6–9f51–952fc8b97597/pt

https://www.globenewswire.com/NewsRoom/AttachmentNg/a4e2598d–4245–4ee9–91ff–895cf0afa68b

GLOBENEWSWIRE (Distribution ID 8866193)

PALO ALTO, Kalifornien, June 28, 2023 (GLOBE NEWSWIRE) — Auf der Collision Conference 2023 hat Mattermost, Inc. die sichere Kollaborationsplattform fr technische Teams, die Einfhrung von "OpenOps" angekndigt, einem Open–Source–Ansatz zur Beschleunigung der verantwortungsvollen Evaluierung von KI–gesttzten Workflows und Nutzungsrichtlinien bei gleichzeitiger Beibehaltung der Datenkontrolle und Vermeidung von Anbieterbindung.

OpenOps entsteht an der Schnittstelle zwischen dem Bestreben, KI als Wettbewerbsvorteil zu nutzen, und der dringenden Notwendigkeit, einen vertrauenswrdigen Betrieb zu fhren, einschlielich der Entwicklung von Nutzungs– und berwachungsrichtlinien und der Sicherstellung gesetzlicher und vertraglich festgelegter Datenkontrollen.

Es soll dazu beitragen, Engpsse zwischen diesen kritischen Belangen zu beseitigen, indem es Entwicklern und Unternehmen ermglicht, selbst eine "Sandbox"–Umgebung mit voller Datenkontrolle zu hosten, um die Vorteile und Risiken verschiedener KI–Modelle und Nutzungsrichtlinien fr reale Chat–Collaboration–Workflows mit mehreren Nutzern verantwortungsbewusst zu bewerten.

Das System kann verwendet werden, um selbst gehostete LLMs, die auf Hugging Face aufgelistet sind, einschlielich Falcon LLM und GPT4All, wenn die Nutzung fr die Datenkontrolle optimiert ist, sowie hyperskalierte, von Anbietern gehostete Modelle der Azure AI–Plattform, OpenAI ChatGPT und Anthropic Claude zu bewerten, wenn die Nutzung fr die Leistung optimiert ist.

Die erste Version der OpenOps–Plattform ermglicht die Evaluierung einer Reihe von KI–gesttzten Anwendungsfllen, darunter:

Automatisierte Frage– und Antwortablufe: Whrend der gemeinsamen oder individuellen Arbeit knnen die Nutzer Fragen an generative KI–Modelle stellen, die entweder selbst gehostet oder von Anbietern gehostet werden, um mehr ber verschiedene Themen zu erfahren, die das Modell untersttzt.

Zusammenfassung von Diskussionen: KI–generierte Zusammenfassungen knnen aus selbst gehosteten, chatbasierten Diskussionen erstellt werden, um den Informationsfluss und die Entscheidungsfindung zu beschleunigen und gleichzeitig den Zeit– und Kostenaufwand fr Unternehmen zu reduzieren, um auf dem neuesten Stand zu bleiben.

Kontextbezogene Befragung: Nutzer knnen als Reaktion auf von den KI–Bots erstellten Thread–Zusammenfassungen Folgefragen stellen, um mehr ber die zugrunde liegenden Informationen zu erfahren, ohne sich mit den Rohdaten zu befassen. So knnte beispielsweise eine Diskussionszusammenfassung eines KI–Bots ber eine bestimmte Person, die eine Reihe von Anfragen zur Fehlerbehebung gestellt hat, ber den KI–Bot abgefragt werden, um mehr darber zu erfahren, warum die Person die Anfragen gestellt hat und wie sie die Informationen zu nutzen gedenkt.

Stimmungsanalyse: KI–Bots knnen die Stimmung von Nachrichten analysieren, um Empfehlungen auszusprechen und Emoji–Reaktionen auf diese Nachrichten im Namen eines Nutzers zu liefern. Wenn ein KI–Bot zum Beispiel eine feierliche Stimmung erkennt, kann er eine Reaktion mit einem "Feuer"–Emoji hinzufgen, die Aufregung anzeigt.

Verstrkungslernen aus der Sammlung menschlichen Feedbacks: Um die Bewertung und das Training von KI–Modellen zu untersttzen, kann das System Rckmeldungen von Nutzern zu den Antworten auf verschiedene Aufforderungen und Modelle sammeln, indem es die "Daumen hoch/Daumen runter"–Signale aufzeichnet, die die Endnutzer auswhlen. Die Daten knnen in Zukunft sowohl fr die Feinabstimmung bestehender Modelle als auch fr die Bewertung alternativer Modelle auf der Grundlage frherer Benutzeraufforderungen verwendet werden.

Dieses quelloffene, selbst gehostete Framework bietet eine "kundengesteuerte Betriebs– und KI–Architektur". Diese stellt ein operatives Zentrum fr die Koordination und Automatisierung mit KI–Bots dar, die mit austauschbaren, selbst gehosteten generativen KI– und LLM–Backends von Diensten wie Hugging Face verbunden sind. Diese wiederum knnen auf private Cloud– und Rechenzentrumsarchitekturen hochskaliert werden, aber auch auf dem Laptop eines Entwicklers zu Forschungs– und Erkundungszwecken laufen. Gleichzeitig kann es sich auch mit hyperskalierten, von Anbietern gehosteten Modellen der Azure AI–Plattform sowie mit OpenAI verbinden.

"Jede Organisation befindet sich in einem Wettlauf, um zu definieren, wie KI ihren Wettbewerbsvorteil beschleunigt", so Ian Tien, CEO von Mattermost. "Wir haben OpenOps geschaffen, um Organisationen dabei zu helfen, ihr Potenzial verantwortungsvoll zu erschlieen, indem sie eine breite Palette von Nutzungsrichtlinien und KI–Modellen in ihrer Fhigkeit bewerten knnen, die internen Arbeitsablufe gemeinsam zu beschleunigen."

Der OpenOps–Rahmen empfiehlt einen vierstufigen Ansatz fr die Entwicklung von KI–Erweiterungen:

1 – Selbst gehostete Sandbox "" Lassen Sie technische Teams eine selbst gehostete "Sandbox"–Umgebung als sicheren Raum mit Datenkontrolle und Prfbarkeit einrichten, um generative KI–Technologien zu erforschen und zu demonstrieren. Die OpenOps–Sandbox kann webbasierte Multi–User–Chat–Zusammenarbeit allein umfassen oder um Desktop– und mobile Anwendungen, Integrationen verschiedener interner Tools zur Simulation einer Produktionsumgebung sowie die Integration mit anderen Kollaborationsumgebungen, wie z. B. bestimmten Microsoft Teams–Kanlen, erweitert werden.

2 – Datenkontrollrahmen "" Technische Teams fhren eine erste Bewertung verschiedener KI–Modelle fr interne Anwendungsflle durch und legen einen Ausgangspunkt fr Nutzungsrichtlinien fest, die Fragen der Datenkontrolle bei verschiedenen Modellen abdecken, je nachdem, ob es sich um selbst gehostete oder von Anbietern gehostete Modelle handelt, und bei von Anbietern gehosteten Modellen auf der Grundlage unterschiedlicher Datenverarbeitungsgarantien. Die Datenkontrollrichtlinien knnen beispielsweise von der vollstndigen Sperrung der von Anbietern gehosteten KI ber die Sperrung der vermuteten Verwendung sensibler Daten wie Kreditkartennummern oder privater Schlssel bis hin zu benutzerdefinierten Richtlinien reichen, die in die Umgebung kodiert werden knnen.

3 – Vertrauens–, Sicherheits– und Compliance–Rahmen "" Vertrauens–, Sicherheits– und Compliance–Teams werden in die Sandbox–Umgebung eingeladen, um erste KI–gesttzte Anwendungsflle zu beobachten und mit ihnen zu interagieren und mit den technischen Teams zusammenzuarbeiten, um zustzlich zur Datenkontrolle Nutzungs– und Aufsichtsrichtlinien zu entwickeln. So knnen beispielsweise Richtlinien darber definiert werden, ob KI verwendet werden kann, um Managern bei der Erstellung von Leistungsbewertungen fr ihre Teams zu helfen, oder ob Techniken zur Entwicklung bsartiger Software mithilfe von KI erforscht werden knnen.

4 – Pilot und Produktion "" Sobald eine Basis fr Nutzungsrichtlinien und erste KI–Verbesserungen verfgbar ist, kann eine Gruppe von Pilotnutzern in die Sandbox–Umgebung aufgenommen werden, um die Vorteile der Erweiterungen zu bewerten. Technische Teams knnen mit Hilfe verschiedener KI–Modelle Workflow–Erweiterungen hinzufgen, whrend die Teams fr Vertrauen, Sicherheit und Compliance die Nutzung mit vollstndiger Auditierbarkeit berwachen und Nutzungsrichtlinien und deren Implementierung berarbeiten knnen. Wenn das Pilotsystem ausgereift ist, knnen alle Verbesserungen in Produktionsumgebungen eingesetzt werden, die auf einer produktionsreifen Version des OpenOps–Frameworks laufen knnen.

Das OpenOps–Framework umfasst die folgenden Funktionen:

Selbstgehosteter operativer Hub: OpenOps ermglicht selbst gehostete operative Workflows auf einer Echtzeit–Messaging–Plattform fr Web, Mobilgerte und Desktop–Computer des Open–Source–Projekts Mattermost. Integrationen mit internen Systemen und beliebten Entwickler–Tools zur Anreicherung von KI–Backends mit wichtigen, kontextbezogenen Daten. Die Automatisierung von Arbeitsablufen beschleunigt die Reaktionszeiten und reduziert gleichzeitig Fehlerquoten und Risiken.

KI–Bots mit austauschbaren KI–Backends: OpenOps ermglicht die Integration von KI–Bots in den Betrieb und die Anbindung an eine austauschbare Reihe von KI–Plattformen. Fr maximale Datenkontrolle sollten Sie mit selbst gehosteten, quelloffenen LLM–Modellen wie GPT4All und Falcon LLM von Diensten wie Hugging Face arbeiten. Fr maximale Leistung knnen Sie auf KI–Frameworks von Drittanbietern wie OpenAI ChatGPT, die Azure AI Platform und Anthropic Claude zurckgreifen.

Vollstndige Datenkontrolle: OpenOps ermglicht es Unternehmen, den gesamten Daten–, IP– und Netzwerkverkehr selbst zu hosten, zu kontrollieren und zu berwachen, indem sie ihre bestehende Sicherheits– und Compliance–Infrastruktur nutzen. Auf diese Weise knnen Unternehmen einen umfangreichen Bestand an realen Trainingsdaten fr die zuknftige Bewertung und Feinabstimmung von KI–Backends entwickeln.

Kostenlos und Open Source: OpenOps ist ein kostenloses, quelloffenes System, das unter der MIT– und Apache–2–Lizenz verfgbar ist und es Unternehmen ermglicht, die komplette Architektur einfach einzusetzen und zu betreiben.

Skalierbarkeit: OpenOps bietet die Flexibilitt zur Bereitstellung in privaten Clouds, Rechenzentren oder sogar auf einem Standard–Laptop. Das System macht auch spezielle Hardware wie GPUs berflssig, wodurch mehr Entwickler selbst gehostete KI–Modelle erforschen knnen.

Das OpenOps–Framework ist derzeit experimentell und kann unter openops.mattermost.com heruntergeladen werden.

ber Mattermost

Mattermost bietet einen sicheren, erweiterbaren Hub fr technische und operative Teams, die Sicherheits– und Vertrauensanforderungen auf nationaler Ebene erfllen mssen. Unsere Kunden aus den Bereichen Technologie, ffentlicher Sektor und nationale Verteidigung reichen von Tech–Giganten ber das US–Verteidigungsministerium bis hin zu Regierungsbehrden in aller Welt.

Unsere selbst gehosteten und Cloud–Angebote bieten eine robuste Plattform fr die technische Kommunikation ber Web, Desktop und Mobilgerte, die betriebliche Arbeitsablufe, die Zusammenarbeit bei Vorfllen, die Integration mit Dev/Sec/Ops und internen Toolchains sowie die Verbindung mit einer breiten Palette von Unified Communications–Plattformen untersttzt.

Wir arbeiten auf einer Open–Source–Plattform, die von den sichersten und geschftskritischsten Organisationen der Welt geprft und eingesetzt wird. Sie wird gemeinsam mit ber 4 000 Open–Source–Projektmitarbeitern entwickelt, die ber 30 000 Code–Verbesserungen fr unsere gemeinsame Produktvision bereitgestellt haben, die in 20 Sprachen bersetzt wurde.

Um mehr zu erfahren, besuchen Sie uns unter www.mattermost.com.

Mattermost und das Mattermost–Logo sind eingetragene Marken von Mattermost, Inc. Alle anderen Marken sind Eigentum ihrer jeweiligen Inhaber.

Medienkontakt:

Amy Nicol
Press Relations
Mattermost, Inc.

+1 (650) 667–8512
media@mattermost.com

Bilder:

Titel: Ian Tien, CEO von Mattermost, Inc.

Bildunterschrift: Ian Tien, CEO von Mattermost, Inc., kndigt angesichts der Beschleunigung betrieblicher Ablufe durch KI seine "OpenOps"–Plattform zur Steuerung von IP und zur Vermeidung von Lock–Ins an

Vollstndiges Bild: https://www.dropbox.com/s/kn3eyxyd6eevsab/iantien_4000x2667.jpg?dl=0

Fotos zu dieser Ankndigung sind verfgbar unter:

https://www.globenewswire.com/NewsRoom/AttachmentNg/d8db2abf–8b1b–4ed6–9f51–952fc8b97597/de

https://www.globenewswire.com/NewsRoom/AttachmentNg/a4e2598d–4245–4ee9–91ff–895cf0afa68b

GLOBENEWSWIRE (Distribution ID 8866193)

Open source AI–enhanced chat collaboration sandbox accelerates evaluation of generative AI models and usage policies in real world workflows while maintaining full data control

PALO ALTO, Calif., June 28, 2023 (GLOBE NEWSWIRE) — At the 2023 Collision Conference, Mattermost, Inc., the secure collaboration platform for technical teams, announced the launch of "OpenOps", an open–source approach to accelerating the responsible evaluation of AI–enhanced workflows and usage policies while maintaining data control and avoiding vendor lock–in.

OpenOps emerges at the intersection of the race to leverage AI for competitive advantage and the urgent need to run trustworthy operations, including the development of usage and oversight policies and ensuring regulatory and contractually–obligated data controls.

It aims to help clear key bottlenecks between these critical concerns by enabling developers and organizations to self–host a "sandbox" environment with full data control to responsibly evaluate the benefits and risks of different AI models and usage policies on real–world, multi–user chat collaboration workflows.

The system can be used to evaluate self–hosted LLMs listed on Hugging Face, including Falcon LLM and GPT4All, when usage is optimized for data control, as well as hyperscaled, vendor–hosted models from the Azure AI platform, OpenAI ChatGPT and Anthropic Claude when usage is optimized for performance.

The first release of the OpenOps platform enables evaluation of a range of AI–augmented use cases including:

Automated Question and Answer: During collaborative and individual work users can ask questions to generative AI models, either self–hosted or vendor–hosted, to learn about different subject matters the model supports.

Discussion Summarization: AI–generated summaries can be created from self–hosted, chat–based discussions to accelerate information flows and decision–making while reducing the time and cost required for organizations to stay up–to–date.

Contextual Interrogation: Users can ask follow–up questions to thread summaries generated by AI bots to learn more about the underlying information without going into the raw data. For example, a discussion summary from an AI bot about a certain individual making a series of requests about troubleshooting issues could be interrogated via the AI bot for more context on why the individual made the requests and how they intended to use the information.

Sentiment Analysis: AI bots can analyze the sentiment of messages, which can be used to recommend and deliver emoji reactions on those messages on a user's behalf. For example, after detecting a celebratory sentiment an AI bot may add a "fire" emoji reaction indicating excitement.

Reinforcement Learning from Human Feedback (RLHF) Collection: To help evaluate and train AI models, the system can collect feedback from users on responses from different prompts and models by recording the "thumbs up/thumbs down" signals end users select. The data can be used in future to both fine tune existing models, as well as providing input for evaluating alternate models on past user prompts.

This open source, self–hosted framework offers a “Customer–Controlled Operations and AI Architecture,” providing an operational hub for coordination and automation with AI bots connected to interchangeable, self–hosted Generative AI and LLM backends from services like Hugging Face that can scale up to private cloud and data center architectures, as well as scale down to run on a developer's laptop for research and exploration. At the same time, it can also connect to hyperscaled, vendor–hosted models from the Azure AI platform as well as OpenAI.

"Every organization is in a race to define how AI accelerates their competitive advantage," says Mattermost CEO, Ian Tien, "We created OpenOps to help organizations responsibly unlock their potential with the ability to evaluate a broad range of usage policies and AI models in their ability to accelerate in–house workflows in concert."

The OpenOps framework recommends a four phase approach to developing AI–augmentations:

1 – Self–Hosted Sandbox – Have technical teams set up a self–hosted "sandbox" environment as a safe space with data control and auditability to explore and demonstrate Generative AI technologies. The OpenOps sandbox can include just web–based multi–user chat collaboration, or be extended to include desktop and mobile applications, integrations from different in–house tools to simulate a production environment, as well as integration with other collaboration environments, such as specific Microsoft Teams channels.

2 – Data Control Framework – Technical teams conduct an initial evaluation of different AI models on in–house use cases, and setting a starting point for usage policies covering data control issues with different models based on whether models are self–hosted or vendor–hosted, and in vendor–hosted models based on different data handling assurances. For example, data control policies could range from completely blocking vendor–hosted AIs, to blocking the suspected use of sensitive data such as credit card numbers or private keys, or custom policies that can be encoded into the environment.

3 – Trust, Safety and Compliance Framework – Trust, safety and compliance teams are invited into the sandbox environment to observe and interact with initial AI–enhanced use cases and work with technical teams to develop usage and oversight policies in addition to data control. For example, setting guidelines on whether AI can be used to help managers write performance evaluations for their teams, or whether researching techniques for developing malicious software can be researched using AI.

4 – Pilot and Production – Once a baseline for usage policies and initial AI–enhancements are available, a group of pilot users can be added to the sandbox environment to assess the benefits of the augmentations. Technical teams can iterate on adding workflow augmentations using different AI models while Trust, Safety and Compliance teams can monitor usage with full auditability and iterate on usage policies and their implementations. As the pilot system matures, the full set of enhancements can be deployed to production environments that can run on a production–ized version of the OpenOps framework.

The OpenOps framework includes the following capabilities:

Self–Hosted Operational Hub: OpenOps allows for self–hosted operational workflows on a real–time messaging platform across web, mobile and desktop from the Mattermost open–source project. Integrations with in–house systems and popular developer tools to help enrich AI backends with critical, contextual data. Workflow automation accelerates response times while reducing error rates and risk.

AI Bots with Interchangeable AI Backends: OpenOps enables AI bots to be integrated into operations while connected to an interchangeable array of AI platforms. For maximum data control, work with self–hosted, open–source LLM models including GPT4All and Falcon LLM from services like Hugging Face. For maximum performance, tap into third–party AI frameworking including OpenAI ChatGPT, the Azure AI Platform and Anthropic Claude.

Full Data Control: OpenOps enables organizations to self–host, control, and monitor all data, IP, and network traffic using their existing security and compliance infrastructure. This allows organizations to develop a rich corpus of real–world training data for future AI backend evaluation and fine–tuning.

Free and Open Source: Available under the MIT and Apache 2 licenses, OpenOps is a free, open–source system, enabling enterprises to easily deploy and run the complete architecture.

Scalability: OpenOps offers the flexibility to deploy on private clouds, data centers, or even a standard laptop. The system also removes the need for specialized hardware such as GPUs, broadening the number of developers who can explore self–hosted AI models.

The OpenOps framework is currently experimental and can be downloaded from openops.mattermost.com.

About Mattermost

Mattermost provides a secure, extensible hub for technical and operational teams that need to meet nation–state–level security and trust requirements. We serve technology, public sector, and national defense industries with customers ranging from tech giants to the U.S. Department of Defense to governmental agencies around the world.

Our self–hosted and cloud offerings provide a robust platform for technical communication across web, desktop and mobile supporting operational workflow, incident collaboration, integration with Dev/Sec/Ops and in–house toolchains and connecting with a broad range of unified communications platforms.

We run on an open source platform vetted and deployed by the world's most secure and mission critical organizations, that is co–built with over 4,000 open source project contributors who've provided over 30,000 code improvements towards our shared product vision, which is translated into 20 languages.

To learn more, visit www.mattermost.com.

Mattermost and the Mattermost logo are registered trademarks of Mattermost, Inc. All other trademarks are the property of their respective owners.

Media Contact:

Amy Nicol
Press Relations
Mattermost, Inc.

+1 (650) 667–8512
media@mattermost.com

Images:

Title: Ian Tien, CEO of Mattermost, Inc.

Caption: Ian Tien, CEO of Mattermost, Inc., announces "OpenOps" platform for Controlling IP and Avoiding Lock–In as Operational Workflows become AI–Accelerated

Full image: https://www.dropbox.com/s/kn3eyxyd6eevsab/iantien_4000x2667.jpg?dl=0

Photos accompanying this announcement are available at
https://www.globenewswire.com/NewsRoom/AttachmentNg/d8db2abf–8b1b–4ed6–9f51–952fc8b97597

https://www.globenewswire.com/NewsRoom/AttachmentNg/a4e2598d–4245–4ee9–91ff–895cf0afa68b

GLOBENEWSWIRE (Distribution ID 8865905)