Or Lenchner, CEO af Bright Data – Interviewserie

Or Lenchner, CEO af Bright Data, har ledet markedets førende webdataindsamlingssplatform siden 2018, hvor han har drevet dens udvidelse, innovation og vækst til over 100 millioner USD i årlig omsætning. Bright Data giver Fortune 500-virksomheder, førende virksomheder, anerkendte universiteter og offentlige institutioner adgang til offentlige webdata i realtid og i stor målestok. Lenchner er en stærk forkæmper for at holde offentlige webdata åbne og tilgængelige, og han understreger deres kritiske rol i at drive innovation.

Hvad inspirerede din rejse ind i verden af data og AI, og hvordan har du formet Bright Datas mission og vision, siden du blev CEO i 2018?

Jeg har altid været fascineret af datans kraft, især af, hvordan den kan drive beslutninger og fremme innovation. Når data bruges korrekt, kan det også fremme transparens i forretningen. At blive CEO af Bright Data i 2018 gav mig mulighed for at hjælpe med at forme, hvordan AI-forskere og virksomheder går til at indsamle og bruge offentlige webdata.

Hvad er de største udfordringer, som AI-hold står over for, når det kommer til at indsamle store mængder offentlige webdata, og hvordan løser Bright Data disse udfordringer?

Skalabilitet er en af de største udfordringer for AI-hold. Da AI-modeller kræver enorme mængder data, er effektiv indsamling ikke en lille opgave. Og da AI-modeller kun er så gode som de data, de er trænet på, er det en konstant udfordring at sikre, at holdene har adgang til friske, højkvalitetsdata. Dette er særligt sandt, da webben udvikler sig i realtid.

En anden stor bekymring er overholdelse af regler. Dataprotektionslove og krav udvikler sig løbende, så AI-holdene skal altid være opmærksomme på disse ændringer. De skal også forstå, hvordan de skal håndtere websteder, der anvender anti-bot-mekanismer, som kan komplicere dataindsamlingen.

Platformen, som vi har opbygget på Bright Data, løser disse udfordringer. Vi tilbyder skalerbar, automatiseret dataindsamling, der leverer strukturerede data i realtid. Vores AI-drevne værktøjer rensker og validerer data for at sikre nøjagtighed. Vi har strenge foranstaltninger på plads for at sikre lovlig og etisk dataindsamling til overholdelse af regler. Ideen er at give AI-holdene mulighed for at fokusere på at bygge gode modeller, mens vi håndterer kompleksiteten af dataindsamlingen.

Hvordan bidrager højkvalitetswebdata til AI-modellens præstation, og hvilke er de bedste praksisser for at sikre datanøjagtighed?

Højkvalitetsdata betyder data, der er komplet, fri for fordomme og først og fremmest nøjagtig. Hvis data mangler eller er præget af inkonsistenser og fejl, vil den resulterende AI-model ikke opføre sig, som forventet.

For at opnå nøjagtighed er det bedst at indsamle data fra en variation af offentlige kilder, der har etableret pålidelighed. At bruge kun få eller, værre endnu, en enkelt datakilde, resulterer i problemer som ufuldstændighed. At have flere kilder giver mulighed for at krydskontrollere data og bygge en mere balanceret og repræsentativ datamængde. Derudover bør organisationer overveje automatiseret data-validering og rensning for at effektivt fjerne fejl og inkonsistente data.

Vi tager alle disse faktorer i betragtning på Bright Data. Vi giver AI-holdene strukturerede og realtidsdata, der er valideret for nøjagtighed. På den måde kan de træne modeller med tillid.

Hvad er de største etiske bekymringer i forbindelse med offentlig webdataindsamling i dag?

Privatliv er en af de største bekymringer i forbindelse med offentlig webdataindsamling. Folk er bekymrede for, at deres data bliver eksponeret for misbrug og overtrædelse. For at sikre, at data forbliver private, er det vigtigt at understrege transparens. Organisationer, der indsamler data, skal være åbne omkring de data, de indsamler. Det er vigtigt at garantere offentligheden, at deres data bliver brugt under strenge etiske retningslinjer.

En anden stor bekymring er monopolisering. Visse store virksomheder har kontrol over en enorm mængde data, hvilket skaber en uretfærdig konkurrence, hvor kun få har adgang til den viden, der er nødvendig for at træne AI-modeller og drive innovation. Dette er ikke, hvordan tingene skal være. Offentlige webdata skal forblive tilgængelige for virksomheder, forskere og udviklere. På den måde kan AI-udviklingen ikke koncentreres i hænderne på kun få store spillere.

Etik er ikke en eftertanke på Bright Data. Det er indbygget i hver enkelt beslutning, vi træffer. Vi følger ikke kun branchestandarder – vi sætter dem. Vi leder i dataindsamlingindustrien i at definere de rette etiske standarder. Vi ønsker at sikre, at offentlige webdata bliver tilgængelige på en ansvarlig, transparent og fuldt overholdende måde med globale regler.

Hvordan sikrer Bright Data overholdelse af globale dataprotektionsregler, samtidig med at det giver mulighed for storstilet dataindsamling?

Vores organisation er forpligtet til at overholde globale lovmæssige og regulative krav til dataindsamling og brug. Vi sikrer, at vi overholder kravene i GDPR, CPRA, CCPA og andre relevante regler. Det er vigtigt, at vi følger Know Your Customer (KYC)-protokoller for at sikre, at kun legitime brugere får adgang til vores platform. Vores datasolutioner kan kun tilgås af legitime virksomheder og forskere.

Vores Acceptable Use Policy er også klar til at definere, hvilke data der kan og ikke kan indsamles. Dette inkluderer ansvarlig brug. Vi har et dedikeret overholdelseshold, der er ansvarligt for løbende at overvåge regler for at sikre, at vi er opdateret med de seneste lovmæssige og regulative krav.

Uanset hvad, mener vi stadig, at offentlige webdata skal forblive tilgængelige. Vores mål er at give AI-holdene den data, de behøver, samtidig med at vi sikrer overholdelse af privatlivs- og lovmæssige standarder.

Hvordan balancerer du forretningsvækst med at opretholde etisk dataindsamling?

Vi tænker altid på etik og vækst som ikke-mutuelt udelukkende. Tilliden hos vores kunder og den relation, vi bygger med dem, er af største betydning. Vi forstår, at vi kun kan opnå langsigtede succes, hvis vi indsamler data under transparente betingelser og i overensstemmelse med gældende love.

Derfor har vi indført en streng screeningsproces for vores brugere. Dette er designet til at sikre, at de data, vi indsamler, bruges på en etisk måde. Vi allokerer tid, indsats og ressourcer til overholdelse og sikkerhed for at beskytte vores kunder og offentligheden i almindelighed. Ved at overholde etisk dataindsamling lykkes vi forretningsmæssigt, samtidig med at vi bidrager til opbygningen af et transparent og ansvarligt AI-økosystem.

Hvordan holder Bright Data sig foran ændringer i reguleringer om dataprotektion?

Vi forstår, at vores dataanvendelsesprocesser og -politikker uundgåeligt må ændres for at reflektere ændringer i relevante love og regler. Derfor konsulterer vi løbende juridiske eksperter og kommunikerer med reguleringer. Vi deltager også i diskussioner med lovgivere og andre, der er involveret i politikudvikling, og giver input til udviklingen af meningsfulde dataprotektionsregler. Vi søger at finde en balance mellem innovation og dataprotektion.

Vores dataindsamling og brug ramme udvikler sig, efterhånden som nye love udstedes og regler revideres. Vi har et overholdelseshold, der proaktivt opdaterer vores dataanvendelsespolitik for at sikre, at vores platform altid er fuldt overholdende. Derudover driver vi kundeuddannelsesinitiativer for at fremme etisk dataanvendelse.

Hvad er de opstående tendenser i AI-dataindsamling, som virksomheder skal være opmærksomme på?

Realtidsdataindsamling bliver en nødvendighed for i dagens AI-modeller. Det er afgørende for dem at have adgang til de seneste eller friskeste data for at levere en høj niveau af nøjagtighed og give bedre brugeroplevelser.

En anden bemærkelsesværdig tendens er afhængigheden af syntetisk data, der bruges til dataforstærkning, hvor AI genererer data, der supplerer datamængder indsamlet fra virkelige scenarier.

Jeg ser også en stærk interesse for at fremme forklarlig AI. De fleste AI-modeller i dag lider under den sorte kasseffekt eller manglen på transparens i deres beslutningsprocesser. Virksomheder søger at ændre denne paradigm ved at skabe AI-modeller, der kan forklare, hvordan de nåede til de output eller beslutninger, de tager.

Til sidst er virksomhederne bekymrede over voksende dataprotektionsbekymringer. Derfor bliver AI-teknikker, der er rettet mod at bevare dataprotektion, som f.eks. fordelt læring, eftertragtede. Organisationer ønsker at maksimere AI-modeltræning uden at gå på kompromis med brugerdataproblemer.

Vi sikrer, at vi er på toppen af disse tendenser, så vi kan bygge løsninger, der giver AI-holdene mulighed for at fastholde en konkurrencemæssig fordel.

Hvordan ser du AI-drevne agenter og automatisering forandre dataindsamlingens landskab?

I øjeblikket bruger AI-modellerne strukturerede datamængder, der er indsamlet manuelt. Disse datamængder går også gennem forarbejdning, rensning og andre procedurer, der ofte involverer menneskelig indgriben. Dette er på vej til at ændre sig i nær fremtid med opkomsten af AI-agenter til autonom dataindsamling og bearbejdning til AI-træning. De giver mulighed for at lære automatisk fra webdata i realtid i en uhørt skala.

Vi har opbygget infrastruktur, der understøtter udviklingen og implementeringen af AI-agenter, og giver mulighed for nem adgang til højkvalitetswebdata i realtid. Denne teknologi giver avancerede AI-systemer mulighed for at kommunikere kontinuerligt med dynamisk webdata, lære af den og vokse større og bedre.

AI-agenter kan forandre industrier, da de giver AI-systemer mulighed for at få adgang til og lære af konstant skiftende datamængder på webben i stedet for at afhænge af statiske og manuelt bearbejdede data. Dette kan føre til bank- eller cybersecurity AI-chatbots, f.eks., der er i stand til at træffe beslutninger, der afspejler de seneste realiteter. Dette resulterer i massive effektivitetsfremskridt og flere områder for automatisering.

Vi er ikke kun med til at muliggøre denne transformation i dataindsamlingens landskab. Vi mener, at vi er på forkanten af at introducere en teknologi, der åbner op for den næste generation af kunstig intelligens. Vi er begejstrede for at hjælpe virksomheder og AI-hold med at udnytte det fulde potentiale i AI-agenter til deres operationer.

Tak for det gode interview, læsere, der ønsker at lære mere, skal besøge Bright Data.