Carolyn Harvey, Chief Operations Officer bei LXT – Interview-Serie

Carolyn Harvey hat umfangreiche Erfahrung in der Leitung und dem Wachstum globaler Operationen im Bereich der Suchrelevanz-Ranking und -Annotierung für ML-Daten. Carolyn ist derzeit Chief Operations Officer (COO) von LXT, wo sie die globale Operationsabteilung des Unternehmens leitet und sicherstellt, dass alle AI-Datenprogramme und -projekte konsistent geliefert werden. Sie konzentriert sich auf hochwertige Daten im großen Maßstab, baut Effizienzen in langfristigen Programmen auf und skaliert über eine große Anzahl globaler Standorte.

Als COO von LXT bringt Carolyn ihre umfangreiche Erfahrung ein, um eine erstklassige Organisation zu entwickeln.

Können Sie uns bitte kurz beschreiben, was LXT macht und welche Rolle Sie als COO spielen?

Künstliche Intelligenz basiert auf Daten, um zu existieren, und LXT ist ein aufstrebender Marktführer bei der Lieferung genauer, ethisch beschaffter Daten, die AI-Innovationen antreiben. Als Chief Operations Officer ist meine Rolle es, unsere globalen Operationen durch Strategien, Strukturen und Prozesse zu leiten und zu erweitern, die es uns ermöglichen, unseren Kunden die höchste Qualität an AI-Daten zu liefern. Ich stelle sicher, dass wir pünktlich liefern, über eine breite Palette von Anwendungsfällen hinweg, von generativer AI bis hin zu Suchrelevanz und selbstfahrenden Autos, um nur einige zu nennen.

Wie hat sich die Mission von LXT seit ihrer Gründung im Jahr 2010 entwickelt? 

Unsere Mission ist es, die Technologien der Zukunft durch Datengenerierung und -verbesserung in jeder Sprache, Kultur und Modalität zu ermöglichen. Unser Ziel ist es, Unternehmen aller Größen zu helfen, die unglaublichen Vorteile zu nutzen, die AI bietet, indem wir ihre Modelle mit hochwertigen Daten antreiben. Da die Mission des Unternehmens gewachsen ist, haben wir unseren Dienstleistungsangebot von Sprachtranskription und Sprachaufzeichnung auf eine breite Palette von Lösungen erweitert, darunter Datenverbindung und -Annotierung für Text, Bild und Video, generative AI-Dienste und vieles mehr. Wir haben auch unseren globalen Fußabdruck von ISO 27001-zertifizierten Einrichtungen erweitert, um den wachsenden Bedarf unserer Kunden an sicheren Datendiensten zu erfüllen.

Was waren die Haupttreiber des Wachstums von LXT im Bereich der AI-Trainingsdaten?

Die kontinuierliche Investition in AI durch Organisationen aller Größen hat unser Wachstum angetrieben. Unternehmen wissen nun, dass AI ein wichtiger Faktor für ihre Wettbewerbsfähigkeit ist, und Daten treiben AI an. Aber nicht alle Daten sind gleich, und Unternehmen, die in AI erfolgreich sind, wissen, dass hochwertige Daten entscheidend für die Erstellung genauerer AI-Modelle sind.

Jetzt, da generative AI auf dem Radar aller ist, hat sich diese Entwicklung noch mehr Wachstumschancen für LXT eröffnet. Menschen sind entscheidend, um sicherzustellen, dass diese Lösungen genau, ethisch und verantwortungsvoll sind. Wir bieten eine Reihe von generativen AI-Dienstleistungen in Bereichen wie der Feinabstimmung großer Sprachmodelle, der Erstellung von Prompts und vielem mehr. Unsere Kunden wissen, dass sie, um Vertrauen bei den Endnutzern aufzubauen, die Ausgabe ihrer generativen AI-Produkte tatsächlich, vielfältig und frei von toxischer Sprache sein muss. Wir können ihnen helfen, diese Ziele mit unseren menschlichen Dienstleistungen zu erreichen.

Wie hat die Explosion der generativen AI LXT und seine Kunden beeinflusst?

LXT hat aufgrund der generativen AI eine zunehmende Nachfrage nach seinen AI-Trainingsdaten verzeichnet, sowohl für kernsprachorientierte Daten als auch für neuere Aspekte im Bereich der Analyse, Kreativität und kritischen Denkfähigkeit. Wir sehen auch eine Zunahme der Nachfrage nach Domänenwissen und spezialisierten Profilen für Projektarbeiter.

Die Anfragen der Kunden gehen zunehmend über die Mikroaufgaben der maschinellen Lerninputs der Vergangenheit hinaus und konzentrieren sich auf LLMs und die komplexeren Datensätze, die von Anwendungen wie ChatGPT, Gemini und den vielen Ablegern benötigt werden. Wir sind derzeit an mehreren innovativen Projekten beteiligt, bei denen wir Prompts schreiben, die darauf abzielen, die generative AI zu verwirren, um zu sehen, wie sie reagiert, und dann die richtige Antwort erstellen.

In der Zukunft kann sich dies möglicherweise weiter zu künstlicher allgemeiner Intelligenz (AGI) entwickeln, bei der die Datensätze noch komplizierteren und sophistizierteren Aktionen entsprechen werden.

Sie haben jahrelange Erfahrung in der Suche und Personalisierung, um diese Algorithmen zu verbessern. Wie verbessern führende Unternehmen ihre Suchrelevanz, um den Benutzern ein besseres Erlebnis zu bieten?

In einer Welt, in der Zeit kostbar ist und Informationen überall vorhanden sind, kann die Verbesserung der Suchrelevanz die Loyalität stärken, die Konversionsraten erhöhen und die Benutzer produktiver machen.

Suchrelevanz beginnt mit der Reinigung und Organisation der Daten unserer Kunden, der Beseitigung von Fehlern und der Erstellung zusätzlicher Datenfelder, durch die Such- und Empfehlungsmotoren genaue Ergebnisse liefern können. Mit Hilfe von maschinellem Lernen und natürlicher Sprachverarbeitung können Kunden ihre Suchmaschine so einrichten, dass sie die Benutzerabsichten intuitiver erfasst und ihre Vorlieben im Laufe der Zeit lernt. Das Ergebnis ist ein schnelleres Sucherlebnis, das zu personalisierten Ergebnissen führt.

Dieses Ziel zu erreichen, erfordert große Mengen an Trainingsdaten, mit besonderem Fokus auf die Schulung von Algorithmen, um relevante Entitäten zu erkennen, zu bewerten und zurückzugeben, sowie um mit Tippfehlern, grammatischen Fehlern und anderen Datenanomalien umzugehen. Wir empfehlen auch einen menschlichen Ansatz (HITL), um genaue Daten, reduzierte Voreingenommenheit und ein besseres Sucherlebnis für den Endbenutzer sicherzustellen. Durch die Fortschritte im maschinellen Lernen in den letzten 10 Jahren hat sich der Fokus auf Qualitätssicherungsprozesse intensiviert, was einen Bedarf an tieferer Erfahrung von Datenanbietern erfordert.

Können Sie uns bitte genauer über den Ansatz von LXT zur Datenannotation und wie sie die Qualität und Genauigkeit der AI-Trainingsdaten sicherstellt?

Als Operations-Team müssen wir zunächst verstehen, wie unsere Kunden die von uns bereitgestellten Daten für die Entwicklung ihrer Produkte und Dienstleistungen nutzen, um sicherzustellen, dass sie ihren Bedürfnissen entsprechen. Um dies zu erreichen, müssen wir Experten in Projektmanagement und Annotierung finden, die Erfahrung mit den erforderlichen Daten haben.

Danach geht es hauptsächlich um Vorbereitung und die Suche nach den richtigen Ressourcen am Anfang jedes Projekts. Dazu gehören die Abstimmung mit den Kunden auf Erfolgsfaktoren während der Planungsphase sowie tiefe Qualifizierungs- und Überprüfungsprozesse für Projektannotatoren, die wichtige Details wie Bildungshintergrund, spezielle Interessen, Demografie und Erfahrung berücksichtigen. Wir entwickeln auch detaillierte Lern- und Referenzmaterialien als Leitfaden, die für jedes Projekt maßgeschneidert sind. Wir wenden reife Qualitätssicherungs- und Prozessmanagement-Methoden über alle Projektzyklen hinweg an. Der Ansatz, den wir verwenden, stimmt mit den Branchenbestpraktiken überein und stellt sicher, dass die Ergebnisse den Erwartungen der Kunden entsprechen.

Und all diese Methoden dienen unserem Versprechen, hochwertige Daten zu liefern.

Wie geht LXT mit der Herausforderung um, unstrukturierte Daten zu annotieren, die über 80% aller Daten ausmachen?

LXT hat eine interne Annotierungsplattform entwickelt, die viele Teile des Annotierungsprozesses automatisiert und eine konsistente Benutzeroberfläche für Arbeiter bietet. In der Vorbereitungsphase konzentrieren wir uns auf die Vorbereitung der Daten, das Formatieren der Eingabedateien und das Entfernen von Duplikaten, um nur einige Beispiele zu nennen, und in der Nachbearbeitung auf die Verpackung der Daten, das Sammeln und Formatieren für die Lieferung an den Kunden.

Bevor das Projekt beginnt, erstellen wir Richtlinien, die mit dem Kunden überprüft und während des gesamten Projektzyklus iteriert werden, wenn sich Dinge ändern. Wir können den Datenmarkierungsprozess in mehrere Aufgaben aufteilen, um jedes Element des Projekts ordnungsgemäß zu behandeln. Darüber hinaus werden Qualitätssicherungsmethoden implementiert, um Fehler im großen Maßstab zu beseitigen.

Schließlich ist unser Team für operatives Exzellenz für die fortgeschrittene Prozessverwaltung verantwortlich, um eine hohe Effizienz und Skalierbarkeit für unsere Projekte weltweit sicherzustellen.

Was sind einige der größten Herausforderungen, denen LXT bei der Datenerfassung im großen Maßstab global gegenübersteht, und wie überwindet sie diese?

Vielfalt und Voreingenommenheit bei den Teilnehmern und in den resultierenden Datensammlungen sind oft einige der größten Herausforderungen, denen LXT und jeder andere Anbieter von AI-Trainingsdaten gegenübersteht. Andere Herausforderungen umfassen eine jüngste Nachfrage nach Domänenexpertise und eine sich schnell ändernde Landschaft mit dem Übergang zu LLMs und generativer AI-Daten.

Wir überwinden diese Herausforderungen durch einen sehr proaktiven Ansatz bei der Suche nach unserem Kandidatenpool, bei dem wir Expertise, Erfahrung, vorherige Rollen, Interessen und Demografie überprüfen, um die richtige Vielfalt unter den Teams zu bilden, sei es nach Geschlecht oder anderen Aspekten wie analytischem Denken oder kreativem Schreiben, Bildungshintergrund usw.

Sobald wir die richtigen Kandidaten gefunden haben, bemühen wir uns sehr, die Arbeiter regelmäßig zu involvieren, um über die lange Zeit hinweg ein erfahrenes, loyales und zufriedenes Arbeitskräfte zu bilden.

Wie arbeitet LXT daran, Voreingenommenheit zu mindern und ethische Ausgaben in den AI-Systemen sicherzustellen, die sie trainiert?

Wie bereits erwähnt, ist die Sicherstellung der Vielfalt eine Herausforderung, die viele Anbieter von AI-Trainingsdaten lösen müssen, und dies wird weitgehend dazu beitragen, Voreingenommenheit zu mindern und ethische Ausgaben sicherzustellen.

Ich werde mich noch einmal auf unsere bewährten Praktiken für die Einbindung beziehen, die das Finden vielfältiger und repräsentativer Annotatoren und die Gründlichkeit bei Richtlinien und Qualitätssicherungsmaßnahmen umfassen. Wir haben eine Strategie zur Einbindung von Menschen, die es uns ermöglicht, Arbeit zu neuen und vielfältigen Gruppen von Annotatoren zu bringen, wie z.B. in Regionen mit langen Sprachen.

Wir zielen auf ethische Ausgaben durch die Verwendung von Branchenbestpraktiken, die Ausrichtung auf Erwartungen mit unseren Kunden und die Förderung höherer Standards für unsere Projektmanager und Annotatoren ab. Kommunikation ist ebenfalls von entscheidender Bedeutung, ebenso wie Compliance-Prüfungen, Voreingenommenheitsanalysen und die Einhaltung von Datenschutzanforderungen.

Was ist die langfristige Vision für LXT und wie sehen Sie die Entwicklung des Unternehmens in den nächsten fünf Jahren?

 Unsere Vision ist es, genaue, ethisch beschaffte Daten zu liefern, um die Einführung von AI und den Technologien der Zukunft voranzutreiben, die das Erlebnis der Menschen auf der ganzen Welt verbessern werden.

Während Automatisierung und Technologie in der AI wichtig sind, gibt es auch einen wichtigen menschlichen Faktor, der die Technologie ergänzt. Wenn wir von einfachen automatisierten Aufgaben zu großen Sprachmodellen (LLMs) und von generativer AI zu allgemeiner künstlicher Intelligenz (GAI) übergehen, wird es entscheidend sein, dass AI-Produkte die Menschen, sowohl diejenigen, die die Daten generieren, als auch unsere globalen Gemeinschaften im großen Maßstab, genau darstellen.

Bei LXT bemühen wir uns, sicherzustellen, dass AI auf eine positive und transformative Weise eingesetzt wird, die diese Werte widerspiegelt.

Vielen Dank für das großartige Interview, Leser, die mehr erfahren möchten, sollten LXT besuchen.