Radha Basu, generální ředitelka a zakladatelka iMerit – Série rozhovorů

Rádha Bášu, zakladatelka a generální ředitelka společnosti iMerit, si vybudovala kariéru ve společnosti HP, kde strávila 20 let u tohoto technologického giganta a nakonec vedla jeho skupinu Enterprise Solutions. Poté vstoupila na burzu společnosti Support.com jako její generální ředitelka. Radha založila v roce 2007 s Dipakem Basuem nadaci Anudip Foundation a v roce 2012 poté založila společnost iMerit. Je považována za přední technologickou podnikatelku a mentorku a průkopnici v softwarovém průmyslu.

iMerit poskytuje multimodální datová řešení s využitím umělé inteligence kombinací automatizace, anotací od expertů a pokročilé analytiky pro podporu vysoce kvalitního označování dat a jemného doladění modelů ve velkém měřítku.

Prošli jste pozoruhodnou cestou – od budování poboček HP v Indii až po založení iMeritu s cílem povzbudit marginalizovanou mládež v Bhútánu, Indii a New Orleans. Co vás inspirovalo k založení iMeritu a s jakými výzvami jste čelili při vytváření inkluzivní, globální pracovní síly od základů?

Před založením společnosti iMerit jsem byl předsedou představenstva a generálním ředitelem společnosti SupportSoft, kde jsem vedl firmu během jejích prvních a druhých veřejných nabídek akcií (IPO), čímž jsem ji etabloval jako globálního lídra v oblasti softwaru pro automatizaci podpory. Tato zkušenost mi od prvního dne ukázala sílu kombinace lidí a technologií.

Zatímco technologický boom v Indii vytvořil nové příležitosti, všiml jsem si, že mnoho talentovaných mladých lidí v nedostatečně obsloužených oblastech zůstalo pozadu. Věřil jsem v jejich potenciál a touhu se učit. Jakmile viděli, jak software může pohánět pokročilé technologie, jako je umělá inteligence, s nadšením se těchto kariér chopili.

iMerit jsme spustili s malým, rozmanitým týmem, z něhož polovina tvoří ženy, a od té doby rychle rosteme. Adaptabilita a koučovatelnost našeho týmu byly klíčové, zejména proto, že datově orientovaná umělá inteligence zvýšila dlouhodobou poptávku po kvalifikovaných specialistech.

Společnost iMerit je dnes globálním poskytovatelem datových řešení v oblasti umělé inteligence pro kriticky důležitá odvětví, jako jsou autonomní vozidla, lékařská umělá inteligence a technologie. Naše práce zajišťuje, že modely umělé inteligence zákazníků jsou postaveny na vysoce kvalitních a spolehlivých datech, což je nezbytné v prostředích s vysokými sázkami.

Naše síla spočívá v silném technologickém zázemí a týmu dobře vyškolených a motivovaných zaměstnanců, kteří prosperují v podpůrné a učící se kultuře. Tento přístup podpořil náš růst, udržel nám pozitivní cash goods a vynesl nám vysoké skóre NPS a věrné klienty.

iMerit nyní spolupracuje s více než 200 klienty, včetně technologických gigantů, jako je eBay a Johnson & Johnson. Můžete nám popsat cestu růstu společnosti – od počátků až po to, že se stala globálním lídrem v oblasti datových služeb s využitím umělé inteligence?

Měli jsme možnost sledovat cestu našich klientů s umělou inteligencí v první řadě a spolupracovali jsme s nimi od raných experimentů až po velkovýrobu. Naše práce zahrnuje startupy, globální lídry v oblasti autonomních vozidel a velké podniky. Trénováním jejich modelů od základů jsme získali bezkonkurenční vhled do toho, co je skutečně potřeba k rozšíření umělé inteligence v reálném světě.

Tato oblast se neustále a rychle vyvíjí. Jen zřídka jsem viděl tak dramatický technologický pokrok v tak krátkém čase. Transformovali jsme se z poskytovatele anotací dat na full-stack společnost zabývající se daty z umělé inteligence, která poskytuje specializovaná řešení v celém životním cyklu člověka v smyčce (HITL): anotace, validace, audit a red-teaming. Řešení okrajových případů a výjimek je pro nasazení v reálném světě zásadní a vyžaduje hluboké odborné znalosti a nuance úsudku v každém kroku.

Naší největší vertikálou je autonomní mobilita, kde spravujeme kompletní systém vnímání, včetně fúze senzorů napříč 15 senzory pro osobní, dodávková, nákladní a zemědělská vozidla. Ve zdravotnictví prosazujeme umělou inteligenci pro klinické zobrazování. V oblasti high-tech jsme v popředí ladění a validace GenAI, což vyžaduje větší sofistikovanost našich pracovních postupů a talentů.

Úspěch v těchto oblastech nespočívá jen v tom, že máme odborníky – jde o pěstování odborných znalostí: kognitivní schopnosti zpochybňovat, koučovat a zasazovat modely umělé inteligence do kontextu. To je to, co odlišuje naše týmy.

Náš růst je poháněn dlouhodobými partnerstvími a většina z našich deseti největších klientů je s námi již více než pět let. S rostoucí složitostí jejich potřeb neustále rozšiřujeme naše znalosti v dané oblasti, nástroje, školení a řešení. Jak naše technologické vybavení, tak i naši lidé se musí neustále vyvíjet.

Fúze softwaru, automatizace, anotací a analytiky vytváří podmínky pro velmi flexibilní, rychlé a vysoce přesné intervence s lidskou účastí. 70 % nových log je na našem vlastním technologickém stacku, což vyžaduje obrovskou interní transformaci. Naše firemní kultura opět zajišťuje, že týmy jsou hladové po učení a chtějí se neustále rozvíjet.

Jaké byly nejzásadnější momenty v historii společnosti iMerit – ať už jde o technologické milníky nebo strategická rozhodnutí – které pomohly utvářet trajektorii společnosti?

V době, kdy byla práce s daty z umělé inteligence vnímána jako práce založená na davu, jsme vsadili na to, že se tato kariéra rozvine a bude vyžadovat komplexnost a zaměření na podnikání. Vybudováním interních týmů zaměřených na pokročilé případy užití jsme našim klientům umožnili rychlou škálovatelnost, což vyvrcholilo naší první dohodou o MRR v hodnotě 1 milionu dolarů v oblasti autonomních vozidel, což byl milník, který potvrdil náš přístup.

Karanténa kvůli COVID-19 prověřila naši agilitu: téměř přes noc jsme přešli z plně kancelářské práce na plně vzdálenou a investovali jsme značné prostředky do infrastruktury, zabezpečení a firemní kultury. Během několika týdnů se klientský provoz zotavil a v témže roce jsme zvýšili jak tržby, tak i počet zaměstnanců. Dnes, kdy je 70 % našeho týmu zpět v terénu, nadále využíváme talenty pracující na dálku a spouštíme Scholars, naši globální síť odborníků na ladění a validaci GenAI. Ať už je to kardiolog nebo španělský matematik, naše kultura s vysokou mírou kontaktu přitahuje a motivuje špičkové talenty, což přímo zvyšuje kvalitu a konzistenci našich řešení.

V roce 2023 jsme získali Ango.ai, platformu pro označování dat a automatizaci pracovních postupů založenou na umělé inteligenci, abychom mohli rozvíjet novou generaci datových nástrojů s využitím umělé inteligence. Tento klíčový krok spojil odborné znalosti společnosti iMerit v dané oblasti s pokročilými nástroji společnosti Ango a rozšířil naše možnosti v oblasti radiologie, fúze senzorů a jemného doladění GenAI. Stále pracujeme i s nástroji pro zákazníky, ale mnoho nových klientů je nyní přímo přihlášeno do Ango Hub, přitahováno jeho uživatelsky přívětivými pracovními postupy a robustním zabezpečením, což jsou v našem oboru základní požadavky.

Podniky nám opakovaně říkají, že hledají to nejlepší z obou světů: odborné lidské poznatky pro zajištění kvality v kombinaci s bezpečnou a škálovatelnou platformou, která nabízí automatizaci a analytiku. Spojení sil s Ango přesně tohle přináší a dává nám jedinečnou pozici, abychom splnili komplexní požadavky dnešních nejambicióznějších projektů umělé inteligence a mohli se s jistotou škálovat.

Společnost iMerit se hluboce angažuje v pokročilých oblastech, jako jsou autonomní vozidla, lékařská umělá inteligence a GenAI. Jakým jedinečným datovým výzvám v těchto odvětvích čelíte a jak je řešíte?

Úkoly související s daty obvykle tvoří téměř 80 % času stráveného na projektech s umělou inteligencí, což z nich činí klíčovou součást celého vývojového procesu. Datově orientovaná část umělé inteligence může být časově náročná a nákladná, pokud není řešena vhodným a škálovatelným způsobem.

Kvalita dat, a zejména vyhýbání se závažným chybám, je nezbytná v kritických odvětvích, ve kterých působíme. Ať už se jedná o algoritmus vnímání nebo detektor nádorů, čistá data jsou nezbytná v cyklu od trénování po validaci.

Ošetření výjimek je neúměrně cenné. Lidský vhled do toho, proč je něco mimo normu nebo proč scénář narušil model, vytváří obrovskou hodnotu pro to, aby byl model kompletnější a robustnější.

Kromě toho se kontextová okna zvětšují. Shrnujeme klinické poznámky z celé konzultace mezi lékařem a pacientem a analyzujeme anomálie na magnetické rezonanci nejen na základě obrazu, ale také na základě zdravotního kontextu pacienta. Odborníci na danou problematiku musí nastavit rubriky, aby mohli data přesně analyzovat a zajistit jejich kvalitu.

Bezpečnost, soukromí a důvěrnost jsou žhavá témata. Náš hlavní bezpečnostní pracovník musí chránit data před neoprávněným přístupem, smazáním a ukládáním. Protokoly informační bezpečnosti, jako jsou SOC2, HIPAA a TISAX, byly pro nás hlavními oblastmi investic.

A konečně, naši inženýři a architekti řešení neustále pracují na zakázkových integracích a reportech, aby se jedinečné potřeby zákazníků odrážely v poslední míli. Univerzální přístup v oblasti umělé inteligence nefunguje.

Mluvil jste o kombinaci robotiky a lidské inteligence jako o bezpečnější cestě pro umělou inteligenci. Můžete blíže popsat, jak tento pracovní postup vypadá v praxi – a proč si myslíte, že je lepší než snažit se eliminovat kreativní divergenci umělé inteligence?

Umělá inteligence poskytuje škálovatelnost, což znamená, že firmy vyvíjejí nástroje pro automatizaci zdlouhavých procesů, které tradičně prováděli lidé. Lidé však poskytují poslední míli flexibility, jistoty a odolnosti. Vzhledem k tomu, že se v oblasti umělé inteligence stále šíří softwarově poskytované služby, nejúspěšnější firmy budou efektivně kombinovat robotiku s postupy „člověk v cyklu“ (Human-in-the-Loop, HITL).

Technologie HITL vnímáme jako konzistentní vrstvu v každé fázi vývoje a životního cyklu nasazení umělé inteligence a také jako pilíř důvěry a bezpečnosti. Lidská inteligence bude proto nezbytná pro korekci směru, pokud modely selžou. Tyto kritické aplikace budou vyžadovat lidskou mysl, aby určila, jaké změny bude třeba provést. Právě zde služby HITL nabudou ještě většího významu, protože budeme integrovat umělou inteligenci do výroby a provozu v terénu.

Vaše platforma Ango Hub kombinuje automatizaci s expertízou „human-in-the-loop“. Jak tento hybridní model zlepšuje kvalitu dat a výkon modelu v produkčních systémech umělé inteligence?

Umělá inteligence a automatizace poskytují rozsah a rychlost, zatímco lidé poskytují nuance, vhled a dohled. HITL (high-performance laboratory translation - dosažení dokonalého obrazu) zajišťuje zapojení lidí v kritických okamžicích životního cyklu umělé inteligence – zajišťuje vysoce kvalitní vstupy, ověřuje výstupy, identifikuje okrajové případy, dolaďuje modely pro domény a poskytuje kontextové posouzení. Lidé pomáhají zajistit přesnost kontrolou a ověřováním výstupů, zachycují halucinace nebo logické chyby dříve, než způsobí škodu. Zajišťují také dohled v eticky citlivých nebo vysoce rizikových kontextech, kde by LLM (magisteri práv na lidské zdroje) neměli činit konečná rozhodnutí. A co je důležitější, lidská zpětná vazba podporuje neustálé učení a pomáhá systémům umělé inteligence lépe se sladit s cíli uživatelů v průběhu času.

HITL má mnoho podob. Lidští experti se zabývají cílenými anotacemi, aplikují komplexní uvažování na okrajové případy a kontrolují obsah generovaný umělou inteligencí pomocí strukturovaných rozhraní pro kontrolu kvality. Místo hodnocení každého rozhodnutí se často implementují systémy kontextové eskalace. Tyto systémy směrují k lidským kontrolorům pouze výstupy s nízkou spolehlivostí nebo označené anomálie, čímž vyvažují dohled s efektivitou.

Dalším kritickým využitím HITL je jemné doladění agentů s umělou inteligencí prostřednictvím posilovacího učení z lidské zpětné vazby (RLHF). Lidští hodnotitelé hodnotí, přepisují nebo poskytují zpětnou vazbu k reakcím agentů, což je obzvláště důležité v citlivých oblastech, jako je zdravotnictví, právní služby nebo zákaznická podpora. Současně testování založené na scénářích a red teaming umožňují lidským hodnotitelům testovat agenty za nepřátelských nebo neobvyklých podmínek, aby identifikovali a opravili zranitelnosti před nasazením.

Plného potenciálu umělé inteligence lze dosáhnout pouze tehdy, když lidé zůstávají v procesu, řídí, ověřují a vylepšují každý krok. Ať už se jedná o zdokonalování výstupů agentů, trénování hodnotících smyček nebo správu spolehlivých datových kanálů, lidský dohled dodává umělé inteligenci strukturu a odpovědnost, které jsou nezbytné pro to, aby byla důvěryhodná a efektivní.

Vzhledem k rychlému vývoji nástrojů generativní umělé inteligence, jak si iMerit udržuje náskok v poskytování hodnotících, RLHF a dolaďovacích služeb?

Nedávno jsme spustili Ango Hub Deep Reasoning Lab (DRL), jednotnou platformu pro generativní ladění umělé inteligence a interaktivní rozvoj myšlenkového řetězce s učiteli umělé inteligence. Naše DRL umožňuje procesy krok za krokem v reálném čase a hodnocení založené na lidských preferencích, což vede k ucelenějším a přesnějším modelovým reakcím na složité problémy.

Pokroky v modelech GenAI a vývoji aplikací zdůrazňují hodnotu čistých, experty vytvořených a ověřených dat. S Ango Hub DRL mohou experti testovat modely, identifikovat slabiny a generovat čistá data pomocí myšlenkového řetězce. Interagují s modely v reálném čase a krok za krokem zasílají zpět výzvy a opravy v jednom rozhraní.

Ango Hub DRL využívá iMerit Scholars k zdokonalování procesů modelového uvažování. Využívá rozsáhlé zkušenosti iMeritu s pracovními postupy HITL. Odborníci navrhují vícekrokové scénáře pro složité úkoly, jako je vytváření myšlenkových řetězců pro pokročilé matematické problémy. iMerit Scholars kontrolují výstupy, opravují chyby a bezproblémově zachycují interakce. Kouzlo nespočívá v bezohledném zaškolování velkého počtu lidí. Nejlepší matematici nemusí být nutně nejlepšími učiteli. S kardiologem by se také nemělo zacházet jako s pracovníkem na krátkou dobu. Důležité je přizpůsobit a koučovat odborníky na daný předmět, aby přemýšleli způsoby, které nejvíce prospívají procesu modelového tréninku, a také zapojení.

Co znamená „expert v reálném čase“ v kontextu jemného doladění generativní umělé inteligence? Můžete uvést příklady, kdy tato lidská expertíza významně zlepšila výstupy modelu?

Expert-in-the-Loop kombinuje lidskou inteligenci s robotickou inteligencí s cílem posunout umělou inteligenci do produkčního prostředí. Zahrnuje lidské experty, kteří ověřují, zdokonalují a vylepšují výstupy automatizovaných systémů.

Konkrétně expertní anotace dat zajišťuje, že trénovací data jsou přesně označena znalostmi specifickými pro danou oblast, čímž se zlepšuje přesnost a spolehlivost prediktivních modelů umělé inteligence. Snížením zkreslení a chybných klasifikací expertní anotace zlepšuje schopnost modelu efektivně zobecňovat napříč reálnými scénáři. Výsledkem jsou systémy umělé inteligence, které jsou důvěryhodnější, interpretovatelnější a sladěnější s potřebami specifickými pro dané odvětví.

Například po získání rozsáhlého souboru lékařských dat potřebovala americká nadnárodní technologická společnost vyhodnotit data pro použití ve svém chatbotu pro zdravotnické účely, který je zaměřen na spotřebitele, aby zajistila bezpečné a přesné lékařské poradenství pro uživatele. Obrátili se na společnost iMerit, která využila naši rozsáhlou síť amerických odborníků na zdravotnictví a sestavila tým sester, aby pracovaly na základě konsenzuálního pracovního postupu s eskalací a arbitráží zajišťovanou certifikovaným lékařem z USA. Sestry začaly vyhodnocením znalostní báze obsahující definice pro posouzení přesnosti a rizik.

Prostřednictvím diskuse o hraničních případech a revize doporučení se sestry mohly shodnout v 99 % případů. To týmu umožnilo revidovat návrh projektu na strukturu s jedním hlasem s 10% auditem, čímž se snížily náklady na projekt o více než 72 %. Spolupráce se společností iMerit umožnila této společnosti neustále identifikovat způsoby, jak eticky a efektivně škálovat anotace lékařských dat.

S více než 8,000 XNUMX odborníky na plný úvazek po celém světě, jak si udržujete kvalitu, výkon a rozvoj zaměstnanců ve velkém měřítku?

Definice kvality je vždy přizpůsobena specifickému případu použití každého klienta. Naše týmy úzce spolupracují s klienty na definování a kalibraci standardů kvality a využívají vlastní procesy, které zajišťují, že každá anotace je rychle ověřena odborníky na danou problematiku. Konzistence je důležitá pro vývoj vysoce kvalitní umělé inteligence. To je podpořeno vysokou mírou udržení zaměstnanců (90 %) a silným zaměřením na produkční analytiku, což je klíčový rozlišovací znak při návrhu Ango Hub, formovaný každodenními uživatelskými vstupy od našeho týmu.

Neustále investujeme do automatizace, optimalizace a správy znalostí, což je podpořeno naší vlastní školicí platformou iMerit One. Tento závazek k učení a rozvoji nejenže vede k provozní excelenci, ale také podporuje dlouhodobý kariérní postup našich zaměstnanců a pěstuje kulturu odbornosti a růstu.

Jakou radu byste dali začínajícím podnikatelům v oblasti umělé inteligence, kteří chtějí vybudovat něco smysluplného – jak v technologickém, tak i společenském smyslu?

Umělá inteligence se vyvíjí závratně rychle. Jděte za hranice technologického stacku a naslouchejte svým zákazníkům, abyste pochopili, co je pro jejich podnikání důležité. Pochopte jejich chuť na rychlost, změnu a riziko. První zákazníci si mohou věci vyzkoušet. Větší zákazníci potřebují vědět, že tu s vámi zůstanete a že je budete i nadále upřednostňovat. Uklidněte je svým proaktivním přístupem k transparentnosti, bezpečnosti a odpovědnosti.

Dále pečlivě vybírejte investory a členy představenstva, abyste zajistili shodu na sdílených hodnotách a zájmech. V iMerit jsme se v náročných dobách, jako byla pandemie COVID-19, setkali s významnou podporou od naší rady a investorů, což připisujeme právě této shodě.

Klíčové vlastnosti, které přispívají k úspěchu podnikatele v technologickém průmyslu, jdou nad rámec podstupování rizik; zahrnují budování ziskové a inkluzivní společnosti.

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