Sujatha Sagiraju, Chief Product Officer hos Appen – Interviewserie

Sujatha Sagiraju er Chief Product Officer hos Appen, hun tiltrådte Appen i september 2021 som SVP of Product og er ansvarlig for produktstrategien. Hun er en teknologipioner med mere end 20 års bred erfaring i opbygning af innovative, storstilede online-tjenester og AI/ML- og data-platforme. Hun kom til Appen fra Microsoft (MSFT ), hvor hun havde ledelsesroller i flere grupper, herunder Bing og Azure AI Platform.

Appen er den globale leder inden for data til AI-livscyklusen. Med mere end 25 års erfaring i datasourcing, dataannotering og modelvurdering udført af mennesker, muliggør de, at organisationer kan lancere verdens mest innovative kunstig intelligenssystemer.

Hvad var det, der oprindeligt tiltrak dig til AI?

Da jeg var hos Microsoft, arbejdede jeg i Azure AI-organisationen. Jeg var bekendt med branchens landskab, kunderne og den AI-transformation, der sker på tværs af forskellige brancher. Jeg kunne se fra en kunds synspunkt, at træningsdata var en vejspærring for at bygge machine learning-modeller, og jeg så Appen som en mulighed for at løse dette problem – det manglende led, der kunne forbinde alle stadier af AI-livscyklusen.

Du er i øjeblikket Chief Product Officer hos Appen, kan du beskrive, hvad denne stilling indebærer?

På det højeste niveau bygger mit team produktvisionen, strategien og samarbejder med multiple forskellige interessenter på tværs af organisationen om effektivt at udføre det. På et mere personligt niveau bruger jeg en betydelig del af tiden på at forstå branchen og kunderne. Med nogle af de største virksomheder som vores kunder, såsom Amazon (AMZN ), Google (GOOGL ), Microsoft, Salesforce (CRM ), Boeing, er det vigtigt for mit team at forstå kundescenarier og smertepunkter og bygge en produktstrategi, der leverer en vækstplan. At opbygge en sikker, inklusiv kultur er også en meget stor del af min rolle, da jeg fokuserer på at skabe et rum, hvor vores medarbejdere kan dele ideer, samarbejde og udvikle deres karrierer.

Hvor vigtigt er det for AI-udvikling at have diverse hold?

Det er ekstremt vigtigt for AI-udvikling at have diverse hold. Der er flere forskellige måder at tænke over diversitet – køn, alder, race, perspektiver. Diversitet af perspektiver kan være den vigtigste del af at sikre, at du har diverse baggrunde og erfaringer på dit hold. Disse erfaringer bringer nye og forskellige ideer til at bygge det bedste produkt til alle dine kunder, der er meget diverse.

Hvordan skaber du en arbejdskultur, der synergere med denne diversitet?

En kultur, der fremmer diversitet, inviterer medarbejdere til at dele deres ideer og perspektiver. Jeg kan lide at overveje forskellige kommunikationsmetoder, når jeg afholder teammøder. For eksempel, når jeg beder om feedback i et teammøde, beder jeg medarbejderne om at tale direkte i mødet eller sende mig en besked efter, at de har tænkt det over. Jeg erkender, at ikke alle vil tale eller dele feedback med det samme, og jeg vil skabe en kultur, hvor det er acceptabelt. Jeg vil have en sikker omgang for mennesker til at udtrykke deres meninger og dele deres ideer, uanset hvordan de foretrækker. Store ideer kommer fra alle forskellige hold inden for organisationen. Jeg mødes med salg, marketing og andre kundefacetterende hold for at forstå deres behov med produktet og deres perspektiv i tæt samarbejde med kunderne. Nogle af de bedste produktideer kommer fra at lytte intensivt til kundernes smertepunkter – enten direkte fra dem eller hold, der interagerer med vores kunder hver dag.

Uden for at have diverse hold, hvilke andre måder er der at bekæmpe bias i maskinlæringosalgoritmer?

Inklusiv datasourcing, dataforberedning og modelevaluering er kritiske for at bekæmpe bias. Data, der bruges til at træne algoritmerne, må være inklusiv for alle potentielle slutbrugere eller resultater. Når man bevæger sig gennem forskellige stadier af AI-livscyklusen, skal hvert stadium kontrolleres for bias. Ansvarlig AI er også bygget med ansvarligt kildesortede datasæt, hvilket betyder, at bidragerne behandles retfærdigt. Appen opbyggede en Crowd Code of Ethics for at vise vores engagement for Crowdens trivsel.

Du har for nylig publiceret en artikel, der diskuterer en ny disciplin, kaldet Data for AI-livscyklus. Kan du kort beskrive, hvad dette er?

Data for AI-livscyklusen omfatter fire stadier i en kontinuerlig cyklus; datasourcing, dataforberedning, modelbygning og -installation samt modelevaluering udført af mennesker. Disse stadier er nødvendige for at levere højkvalitetsdata til bygning af AI-projekter. Datasourcing, dataforberedning og modelevaluering er de mest arbejdskrævende og dataintensive, og hvis de ikke udføres godt, kan de føre til projektets kvalitetsproblemer og lanceringforsinkelse. Appen specialiserer sig i disse tre stadier og samarbejder strategisk med leverandører, der specialiserer sig i modeltræning og -installation.

Hvad er rollen af syntetisk data i Data for AI-livscyklusen?

Datasourcing-løsninger inkluderer menneske-annoteret data, forudforberedte datasæt og syntetisk data. Syntetisk data anvendes i sværtilgængelige datasæt og brugs Tilfælde. Inklusive datasæt dækker alle brugstilfælde og potentielle slutbrugere af en AI-model, og nogle kræver syntetisk data for at nå dette mål. Kombinationen af menneske-annoteret data og syntetisk data vil blive kritisk for modelens succes.

Hvor stort et problem er modeldrift eller overfitning med Data for AI-livscyklusen?

Modeldrift kan være et stort problem og skal være adresseret i det fjerde stadium af AI-livscyklusen, Model Evaluation by Humans. Det er kritisk, at modellen fortsætter med at fungere i den virkelige verden, og at den skal gå gennem menneske-test. Da miljøer ændrer sig og vokser, skal modellerne også ændre sig. Det er vigtigt, at praktikerne kontinuerligt vurderer deres modeller for at forhindre, at de bliver forældede eller biased. Microsofts Bing er en kunde, der anvender modelevaluering til at sikre, at søgeresultaterne opfylder deres standard, og modellen kontinuerligt vurderes.

Er der noget andet, du gerne vil dele om dit arbejde hos Appen?

Det mest værdifulde arbejde hos Appen udføres af vores medarbejdere og deres ekspertise. Med 25 års erfaring har Appen opbygget en stærk grundlag med sine medarbejdere. Vores kunder stoler på vores ekspertise til at levere højkvalitetsresultater, hurtigt og i stor målestok. Appen muliggør AI-industritransformationen ved at tilbyde løsninger til at håndtere Data for AI-livscyklusen uden problemer.

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