Olga Megorskaya, zakladatelka a generální ředitelka Toloky – rozhovorová série

Olga Megorskaya, zakladatelka a generální ředitelka Toloky, vede společnost od roku 2020 a transformovala ji z původních kořenů v crowd-labelingu na významného hráče v oblasti služeb souvisejících s umělou inteligencí. Předtím, než založila a vedla Toloku, strávila více než deset let v Yandexu, kde nakonec zastávala roli vedoucí crowdsourcingu a platforem, kde budovala a rozšiřovala infrastrukturu pro označování dat pro produkty strojového učení, včetně vyhledávání, hlasu, řeči, samořídících vozidel, moderování obsahu a dalších. Pod jejím vedením se Toloka umístila jako globální partner pro data umělých inteligencí — kombinuje technologii strojového učení s lidskými odbornými znalostmi, aby podpořila školení, hodnocení a bezpečnost velkých modelů a agentů umělých inteligencí.

Toloka je nizozemská společnost se sídlem v Amsterdamu, která poskytuje vysoce kvalitní, odborně kurátorovaná data pro vývoj umělých inteligencí, sahající od anotace a označování až po přizpůsobené datové sady pro doškolování s využitím lidské zpětné vazby. Společnost podporuje širokou škálu modalit — text, obraz, audio, video — a zapojuje odborníky z různých oblastí spolu se světovou komunitou, aby poskytla škálovatelná a přesná data pro školení a hodnocení pokročilých agentů a velkých jazykových modelů. Jejich služby pomáhají zlepšovat schopnosti, jako je rozumění, vícejazyčné pochopení, generování obrazů a zvuku a bezpečnost umělých inteligencí napříč odvětvími a aplikacemi.

Strávila jste roky budováním systémů s lidskou účastí v Yandexu, než jste založila Toloku v roce 2020. Jaký byl ten okamžik, který vás přesvědčil, že je potřeba založit samostatnou společnost, a jak tato zkušenost formovala váš pohled na roli Toloky v rozvoji umělých inteligencí?

V určitém okamžiku jsme si uvědomili, že Toloka vyrostla z původní společnosti. Výzkumníci z celého světa používali platformu, a my jsme si uvědomili, že společnost by mohla dosáhnout více jako samostatná entita. Toloka tak mohla využít kumulativní zkušenosti stovek týmů sbírajících data pro školení pro celý spektrum řešení umělých inteligencí — od vyhledávání na webu a hlasových asistentů až po chatboty a agenty umělých inteligencí. Od té doby jsme kombinovali naše zkušenosti s řízením lidského úsilí se stavbou a školením agentů umělých inteligencí, abychom vytvořili náš nový produkt, Tendem.

Rozhodla jste se, že skutečná disrupce nebude pocházet z plně autonomních agentů. Co vás vedlo k závěru, že hybridní agenti — kombinující automatizaci umělých inteligencí s lidským úsudkem — jsou modelem, který nakonec zvítězí?

Přestože věřím, že řešení pouze s umělou inteligencí v mnoha oblastech brzy dosáhnou úrovně kvality, která plně uspokojí potřeby zákazníků, vždy bude existovat dlouhý ocas použití, pro které základní modely nikdy nebudou optimalizovány. Zde hybridní přístup převýší obě řešení — pouze s umělou inteligencí i pouze s lidským úsudkem. Viděli jsme stejný vzorec opakovaně během posledních deseti let: umělá inteligence může krásně škálovat úkoly, ale bojuje s nuancemi, kontextem a typy úsudků, které mají význam v reálných obchodních prostředích. Profesionalisté chtějí rychlost, ale také potřebují spolehlivost — plně autonomní agenti prostě nemohou zaručit to dnes. Hybridní systémy vítězí, protože řeší obě strany rovnice. Umělá inteligence zpracovává to, co je nejlepší: rychlost, strukturu a opakovanost. Lidský úsudek vyplňuje mezery: ambivalence, okrajové případy a interpretace. Když kombinujete obě věci nativně, získáte pracovní postup, který je jak rychlý, tak důvěryhodný. To je model, na který profesionálové nakonec spolehnou.

Uvedla jste, že umělá inteligence selhává na ambiguitě a vícedokumentovém uvažování. Jaké úkoly tyto omezení nejvíce odhalují?

Úkoly s dlouhou horizontální dobou — ty, které vyžadují syntézu více zdrojů, sjednocení rozporuplných informací nebo interpretaci kontextu a které by lidem trvaly hodiny nebo dokonce dny — tendenci odhalují současné limity umělých inteligencí. Příklady zahrnují tržní výzkum, konkurenční analýzu, souhrny dlouhých dokumentů, vytváření původního obsahu z kombinovaných vstupů nebo získávání informací, které závisí na lidském úsudku versus rozpoznávání vzorců. Umělá inteligence je vynikající v produkci první verze. Ale okamžik, kdy úkol vyžaduje prioritu, úsudek nebo sjednocení ambivalence, spolehlivost prudce klesá. To je místo, kde jsou lidské odborníky nezbytné.

Mnozí profesionálové používají umělou inteligenci, ale stále jí plně nedůvěřují. Jak váš přístup obnovuje důvěru při delegování skutečné práce na systémy podporované umělou inteligencí?

Důvěra se zlepšuje, když lidé již nemusí opravovat výstup umělých inteligencí. Náš přístup obnovuje důvěru tím, že integruje lidi do pracovního postupu od začátku, ne jako eskalační cestu, když umělá inteligence selže. Každý úkol v Tendemu prochází umělým projektovým manažerem, který rozhoduje, co by mělo být automatizováno a co vyžaduje lidský úsudek. Poté zajišťují automatizované kontroly a lidská kontrola kvality, že konečný výstup je přesný, kompletní a připravený pro podnikání. Pro profesionály to znamená, že mohou delegovat práci a skutečně očekávat ověřený výsledek, ne pouze návrh, který musí opravit.

Jaké mechanismy zajišťují, aby lidské odborníky v pracovním postupu udržovali vysokou kvalitu výstupu bez zpomalení pracovního postupu?

Dvě věci to umožňují:

• Specializace ve velkém měřítku. Odborníci v síti Tendemu jsou předem prověřeni, vyškoleni a přiřazeni na základě odborných znalostí. Není to obecní freelancer, kteří se snaží přizpůsobit na letu — jsou již kvalifikováni pro konkrétní typy úkolů.
• Vrstvená kontrola kvality a inteligentní směrování. Umělá inteligence zpracovává základní kroky, aby lidské odborníky se soustředily pouze na části, které vyžadují úsudek. Poté je druhá vrstva automatizované kontroly kvality a lidské verifikace, kde je to potřeba. To udržuje lidi zapojené tam, kde přidávají největší hodnotu, ne tam, kde vytvářejí úzká místa.

Výsledkem je rychlost, která se vyrovná automatizaci, s přesností, která se vyrovná odborné kontrole.

V odvětvích, které vyžadují přesnost a dodržování předpisů, jak mohou hybridní systémy nabízet ověřitelnost a auditorské stopy, na které se mohou podniky spolehnout?

Hybridní systémy umožňují auditorské stopy, protože každý krok v pracovním postupu je sledován, připsán a kvalitně zkontrolován. Víte, které části byly automatizovány, které byly provedeny prověřenými odborníky a jaké kroky kontroly kvality ověřily výstup. V vysoce regulovaných odvětvích se tento proces stává nezbytným. Není již závislé na černé skříňce rozhodnutí umělých inteligencí; máte ověřitelný řetězec úsudků, oprav a schválení. To je to, co dělá hybridní systémy vhodné pro oblasti, kde přesnost a dodržování předpisů nemohou být volitelné.

Které kategorie znalostní práce očekáváte, že se nejdříve přesunou na hybridní agenty, a které budou nejpomalejší při přijímání tohoto modelu?

Celkově si myslím, že hybridní přístup je mnohem snazší než přístup pouze s umělou inteligencí, takže očekáváme, že téměř jakékoli odvětví může být pokryto tímto modelem — rozdíl bude pouze v poměru umělých inteligencí a lidského zapojení. Prvními, kdo přijmou hybridní přístup, budou role, kde záleží na rychlosti a přesnosti, a přitom je práce stále vysoce opakující se. Už vidíme silný tah od poradenských, marketingových, prodejních operací, výzkumu a vytváření obsahu. Nejsložitější (a možná nejzajímavější) oblasti, které je třeba vyřešit, jsou ty, které jsou blíže fyzickému světu, jako je architektura a stavebnictví. Ale jasně vidím technologickou cestu, která nás tam také zavede.

Z operačního hlediska, jak podniky profitují, když přecházejí z práce řízené freelancery na hybridní agenty?

Hybridní agenti eliminují dvě největší neefektivnosti v práci řízené freelancery: manažerskou zátěž a nekonzistentní kvalitu. Podniky a profesionálové již nemusí najímat, prověřovat, briefovat, řídit nebo opravovat freelancery. Hybridní agent zajišťuje orchestraci pracovního postupu automaticky, přiřazuje správnou kombinaci umělých inteligencí a lidského úsudku pro každý krok. To snižuje dobu zpracování, standardizuje kvalitu výstupu a škáluje práci bez navyšování počtu zaměstnanců. Zkrátka: získáte rychlost automatizace s spolehlivostí odborného týmu, ale bez řízení žádného z nich.

Jak očekáváte, že tento posun ovlivní širší ekonomiku freelanců a práce na základě úkolů?

Myslíme si, že to změní ekonomiku freelanců, ne ji nahradí. Místo toho, aby se freelanceré věnovali nízkoúrovňovým, opakujícím se úkolům, mohou se zapojit do hybridních systémů jako specialisté ve specifických oblastech. Práce se stává více strukturovanou: vyšší hodnotou, předvídatelnější a stabilnější. Místo toho, aby freelanceré honili nekonzistentní projekty, mohou přispívat ve velkém měřítku prostřednictvím platforem, jako je Tendem, kde jsou jejich dovednosti přizpůsobeny správným úkolům a podporovány systémy umělých inteligencí, které odstraňují rutinní práci.

Pohledem do budoucna, co znamená „delegace na umělou inteligenci“ jednou, když se hybridní agenti stanou standardem napříč digitální prací?

Delegace bude vypadat méně jako „používání nástroje“ a více jako předání práce schopnému týmu. Popíšete výsledek, který chcete, a hybridní agent rozloží úkol, směruje podúkoly, aplikuje správnou kombinaci umělých inteligencí a lidského úsudku, ověří výsledky a dodá hotový produkt — vše během několika hodin. Posun bude od používání umělých inteligencí jako pomocníka pro vytváření návrhů k důvěře v umělou inteligenci jako projektového manažera, který dohlíží na celý pracovní postup. To je ten okamžik, kdy dochází k skutečné delegaci: když profesionálové mohou důvěřovat systému, aby dodal konečný výstup, ne pouze počáteční bod.

Děkuji za skvělý rozhovor, čtenáři, kteří chtějí se dozvědět více, by měli navštívit Toloku.