Ryan Kolln, CEO bei Appen – Interview-Serie

Beim Beitritt zu Appen AI im Jahr 2018 als VP of Corporate Development leitete er strategische Akquisitionen wie Figure Eight und Quadrant und unterstützte die Gründung der China- und Federal-Abteilungen. Vor seiner Ernennung zum CEO war er als Chief Operating Officer tätig und überwachte die globalen Operationen und Strategien.

Wie hat sich Ihre Karriere mit über 20 Jahren Erfahrung in Technologie und Telekommunikation auf Ihren Ansatz ausgewirkt, Appen durch die sich schnell verändernde AI-Landschaft zu führen?
Meine Karriere begann als Telekommunikationsingenieur, wo meine Aufgabe darin bestand, Netze zu bauen und zu optimieren, und eine enorme Menge an Daten, Analysen und innovativen Lösungen zur Optimierung der Netzleistung und des Kundenerlebnisses beinhaltete.
Nach Abschluss meines MBA an der NYU entwickelte sich dies zu Führungspositionen in Technologie-Strategie und Mergers & Acquisitions, wo ich mich auf größere strategische Fragen konzentrierte, wie z. B. aufkommende Trends, Investitionsmöglichkeiten und Geschäftsmodelle. Diese Erfahrung hat mir ein tiefes Verständnis sowohl der technischen als auch der geschäftlichen Aspekte von aufkommenden Technologien vermittelt.
Bei Appen arbeiten wir an der Schnittstelle zwischen AI und Daten, und meine Erfahrung hat es mir ermöglicht, das Unternehmen zu führen und Komplexitäten in der sich schnell verändernden AI-Umgebung zu meistern, indem ich mich durch wichtige Entwicklungen wie Spracherkennung, NLP, Empfehlungssysteme und jetzt generative AI bewege. Diese strategische Vision ist entscheidend, da AI weiterhin Branchen weltweit verändert.
Sie sind seit 2018 bei Appen und haben große Akquisitionen wie Figure Eight und Quadrant vorangetrieben. Wie haben diese strategischen Schritte Appen als Marktführer im Bereich AI-Datendienstleistungen positioniert, und was sehen Sie als die nächste große Chance für das Unternehmen?
Die Akquisitionen von Figure Eight und Quadrant waren entscheidend für die Erweiterung unserer AI-Datenkapazitäten, insbesondere in Bereichen wie Datenannotation und Geolocation-Intelligence. Figure Eights Datenannotation-Plattform war besonders wirksam. Die Plattform ist hoch anpassbar, und wir haben sie für Arbeiten in vielen verschiedenen Domänen verwendet. Kürzlich haben wir die Plattform verwendet, um die meisten unserer generativen AI-Datenflüsse auszuführen.
Zusätzlich zu den Akquisitionen haben wir vor etwa 5 Jahren in China eine Niederlassung namens Appen China eingerichtet. Wir sind jetzt das größte AI-Datenunternehmen in China, mit einem Umsatz, der fast doppelt so hoch ist wie der unseres nächsten Wettbewerbers.
Wenn man in die Zukunft blickt, konzentriert sich Appen auf die Unterstützung der Entwicklung und des Einsatzes von generativer AI. Es gibt große Wachstumschancen sowohl bei den Modellbauern als auch bei den Unternehmen, die generative AI in ihre Produkte und Betriebe integrieren möchten. Wir glauben, dass wir gerade erst am Anfang der größten AI-Welle stehen.
Datenqualität spielt eine entscheidende Rolle bei der Entwicklung von AI-Modellen. Können Sie erläutern, wie Appen die Genauigkeit, Vielfalt und Relevanz seiner Datensätze sicherstellt, insbesondere bei der wachsenden Nachfrage nach hochwertigen LLM-Trainingsdaten?
Appens Stärke liegt in unserer Fähigkeit, hochwertige Daten konsistent und im großen Maßstab zu erstellen. Wir arbeiten eng mit unseren Kunden zusammen, um ihre AI-Modellziele zu verstehen und hochwertige Daten für ihre Bedürfnisse durch einen mehrschichtigen Ansatz zu entwickeln, der automatisierte Tools und menschliches Feedback kombiniert. Wir haben eine globale Arbeitskräfte von über 1 Million in über 200 Ländern, was es uns ermöglicht, eine Gruppe qualifizierter und vielfältiger Mitwirkender zu kuratieren. Durch strenge Qualitätskontrolle und Feedback-Schleifen stellen wir sicher, dass die Daten genau, konsistent und relevant sind und zur effektiven Verbesserung der Leistung von AI-Modellen verwendet werden können. Dies ermöglicht es AI-Systemen, in realen Umgebungen effektiv zu arbeiten und kann auch zur Verbesserung der Robustheit und Reduzierung von Voreingenommenheit, insbesondere für LLMs, verwendet werden.
Synthetische Daten generierung gewinnt an Popularität, und Appens Investition in Mindtech unterstreicht Ihr Interesse an diesem Bereich. Können Sie die Vorteile und Nachteile von synthetischen oder web-gesammelten Daten im Vergleich zu Crowdsourced-Daten für die Schulung von AI-Modellen diskutieren und wie Sie synthetische Daten als Ergänzung zu den Crowdsourced-Daten sehen, für die Appen bekannt ist?
Hochwertige Daten sind entscheidend, aber können teuer und zeitaufwändig zu produzieren sein, was der Grund ist, warum synthetische Daten an Aufmerksamkeit gewinnen. Sie eignen sich gut für strukturierte Daten in herkömmlichen AI/ML-Aufgaben, insbesondere in Branchen mit strengen Datenschutzbestimmungen wie Gesundheitswesen und Finanzen, da sie die Verwendung personenbezogener Informationen vermeiden.
Allerdings fehlt synthetischen Daten oft die Tiefe und Nuancen von Echtzeit-Daten, insbesondere für komplexe Generative-AI-Aufgaben, die Vielfalt und tiefes Fachwissen erfordern. Sie können auch Fehler oder Voreingenommenheiten aus den ursprünglichen Daten verewigen. Web-gesammelte Daten, die häufig für LLMs verwendet werden, stellen ihre eigenen Herausforderungen mit niedriger Qualität, Voreingenommenheit und Fehlinformationen dar, was eine sorgfältige Kuratierung erfordert.
Crowdsourced-Daten, auf die sich Appen spezialisiert hat, bleiben die “Wahrheit”. Menschliches Fachwissen ist von entscheidender Bedeutung für die Erstellung von vielfältigen, komplexen Daten, die zur Verbesserung der Genauigkeit von AI-Modellen und zur Sicherstellung der Übereinstimmung mit menschlichen Werten erforderlich sind.
Wir betrachten synthetische Daten als Ergänzung zu unseren menschlich annotierten Daten. Während synthetische Daten bestimmte Teile des Prozesses beschleunigen können, stellen menschlich annotierte Daten sicher, dass Modelle die Vielfalt der realen Welt widerspiegeln. Zusammen bieten sie einen ausgewogenen Ansatz für die Erstellung von hochwertigen Trainingsdaten für AI.
Die EU-AI-Verordnung und andere globale Vorschriften prägen die ethischen Standards für die Entwicklung von AI. Wie sehen Sie diese Vorschriften als Einfluss auf Appens Betrieb und die breitere AI-Industrie in Zukunft?
Die EU-AI-Verordnung und ähnliche globale Vorschriften werden wahrscheinlich Appens Betrieb beeinflussen, indem sie neue ethische Standards für die Entwicklung und Leistung von AI-Modellen setzen. Wir können Änderungen in der Art und Weise sehen, wie wir Daten handhaben, Modellfairness sicherstellen und ethische Überlegungen berücksichtigen. Dies kann zu strengeren Prozessen und potenziellen Anpassungen in unserem Ansatz für die Modellierung und Validierung führen.
Im Allgemeinen werden diese Vorschriften die Branche wahrscheinlich zu höheren ethischen Standards führen, die Kosten für die Einhaltung von Vorschriften erhöhen und möglicherweise einige Aspekte der Innovation verlangsamen. Sie werden jedoch auch zu einer größeren Rechenschaftspflicht und Transparenz führen, was letztendlich zu einer verantwortungsvolleren und nachhaltigeren AI-Entwicklung führen kann.
Angesichts der wachsenden Bedenken hinsichtlich Voreingenommenheit in AI, wie stellt Appen sicher, dass die für die Schulung von AI-Modellen verwendeten Datensätze ethisch beschafft und frei von Voreingenommenheit sind, insbesondere in sensiblen Bereichen wie natürlicher Sprachverarbeitung und Computer-Vision?
Wir arbeiten aktiv daran, Voreingenommenheit zu reduzieren, indem wir Vielfalt und Inklusion in unseren Projekten fördern. Es ist ermutigend zu sehen, dass viele unserer Kunden sich auf die Erfassung breiter Demografien bei der Datenerfassung und Modellbewertungsaufgaben konzentrieren. Durch unsere globale Crowd, die in den meisten Ländern lebt, können wir Daten aus einer Vielzahl von Perspektiven und Erfahrungen sammeln, was insbesondere in sensiblen Bereichen wie natürlicher Sprachverarbeitung und Computer-Vision wichtig ist.
Seit 2019 haben wir unsere Best Practices in den Crowd-Code-of-Ethics formalisiert, was unsere Hingabe an Vielfalt, Fairness und Crowd-Wohlbefinden zeigt. Dies umfasst unser Engagement für faire Bezahlung, die Sicherstellung, dass die Stimme unserer Crowd gehört wird, und die Einhaltung strenger Datenschutzbestimmungen. Durch die Einhaltung dieser Grundsätze zielen wir darauf ab, hochwertige, ethisch beschaffte Daten zu liefern, die die verantwortungsvolle Entwicklung von AI unterstützen.
Da AI in Branchen wie Automotive, Werbung und AR/VR immer mehr integriert wird, wie positioniert sich Appen, um den wachsenden Bedarf an spezialisierten Trainingsdaten in diesen Sektoren zu decken?
In den letzten 27 Jahren haben wir spezialisierte Trainingsdaten für eine Vielzahl von Branchen und Anwendungsfällen bereitgestellt und passen uns weiter an, wenn sich die Bedürfnisse unserer Kunden entwickeln.
Als Beispiel haben wir in der Automobilbranche mit führenden Automobilherstellern und In-Cabin-Lösungsanbietern zusammengearbeitet, um Sprachsysteme im Fahrzeug zu entwickeln. Jetzt helfen wir unseren Kunden in neuen Bereichen wie der Videodatenerfassung von Fahrern, um die Sicherheit durch die Überwachung von Ablenkungen am Steuer zu verbessern.
In der Werbung haben wir einem führenden globalen Werbeplattform geholfen, die Qualität und Genauigkeit von Anzeigen für die Relevanz der Benutzer über ein großes, mehrjähriges globales Programm mit 7 Mio. + Bewertungen zu verbessern. Jetzt, da viele der Plattformen generative AI-Lösungen übernehmen, helfen unsere Crowd nicht nur bei der Bewertung der Relevanz von Anzeigen, sondern auch bei der Bewertung der Qualität generierter Anzeigen.
Wir konnten all dies durch unsere robuste Annotation-Plattform erreichen, die für komplexe Workflows und verschiedene Datenmodi wie Text, Audio, Bild, Video und multimodale Annotation angepasst werden kann. Letztendlich kommt unsere Fähigkeit, uns an die sich ändernde Branche anzupassen, auf unser tiefes Fachwissen in Daten für die AI-Entwicklung und unsere starke Partnerschaft mit unseren Kunden zurück.
Appen ist ein Marktführer im Bereich der Bereitstellung von hochwertigen Daten für eine Vielzahl von AI-Anwendungen. Wie sehen Sie die Rolle von Appen in Zukunft, wenn generative AI und LLMs weiterentwickelt werden und globale Märkte beeinflussen?
Generative AI und LLMs verändern Branchen, und wir werden weiterhin eine entscheidende Rolle bei der Bereitstellung von hochwertigen Daten zur Unterstützung dieser Fortschritte spielen. Wenn es um globale Märkte geht, wird unsere Fähigkeit, in über 200 Ländern und 500+ Sprachen zu sammeln, noch wertvoller, und wir haben eine starke Geschichte in diesem Bereich, da wir Unternehmen wie Microsoft bei der Einführung von Machine-Translation-Modellen für über 110 Sprachen geholfen haben.
Wenn die Bereitstellung von LLM-Anwendungen wächst, sehen wir eine wachsende Nachfrage nach der Ausrichtung auf menschliche Endbenutzer, einschließlich Lokalisierungsfähigkeiten, um sicherzustellen, dass Sprach- und kulturelle Nuancen in verschiedenen globalen Märkten berücksichtigt werden. Wir sind uns verpflichtet, Unternehmen bei der Entwicklung von AI-Systemen zu helfen, die sowohl leistungsfähig als auch verantwortungsvoll sind, indem wir sicherstellen, dass die zur Schulung dieser Modelle verwendeten Daten vielfältig, relevant und ethisch beschafft sind.
Appen ist bekannt für die Unterstützung einiger der fortschrittlichsten LLMs der Welt. Welche Innovationen in Datenannotation und -sammlung konzentriert sich Appen darauf, um die Leistung dieser Modelle zu verbessern?
Wir innovieren kontinuierlich unsere Datenannotation- und -sammlungsprozesse, um die Leistung von LLMs zu verbessern. Ein Bereich, auf den wir uns konzentrieren, ist die Verbesserung der Effizienz und Genauigkeit von Datenannotation durch fortschrittliche AI-gestützte Tools, die dabei helfen, Teile des Prozesses zu strömen und zu automatisieren, während gleichzeitig hohe Qualitätsstandards aufrechterhalten werden.
Wir können Datenpunkte identifizieren, die weitere menschliche Eingabe erfordern, und sicherstellen, dass Annotation-Bemühungen gezielt sind, wo sie den größten Einfluss haben. Wir haben Funktionen in unserer Plattform wie Model Mate integriert, die zur Beschleunigung der Datenproduktion und Verbesserung der Datenqualität verwendet werden können. Wir konzentrieren uns auch auf Best Practices bei der Mitwirkendenverwaltung, was wichtig ist, da die Komplexität von Aufgaben zunimmt.
Die Fähigkeit, die Leistung von Mitwirkenden zu verstehen und kontinuierlich Feedback zu geben, um die Qualität unserer menschlich generierten Daten zu verbessern. Diese Innovationen ermöglichen es uns, hochwertige, groß angelegte Daten bereitzustellen, die erforderlich sind, um die weltweit führenden LLMs zu betreiben und zu feinabzustimmen.
Als Sie Ihre neue Rolle als CEO antreten, was sind Ihre Top-Prioritäten für Appen in den nächsten Jahren, und wie planen Sie, das Wachstum des Unternehmens in dem hoch kompetitiven AI-Markt zu fördern?
Als ich in die Rolle des CEO wechselte, sind meine strategischen Prioritäten darauf ausgelegt, Appens Führungsposition in der AI-Landschaft zu sichern:

• Unterstützung der Entwicklung von generativer AI: Im Laufe der letzten 18 Monate ist generative AI zu einem wichtigen Bestandteil unseres Serviceangebots geworden, mit 28 % des Gesamtumsatzes, der aus generativer AI-bezogenen Projekten im Juni 2024 stammt, verglichen mit 8 % im Januar. Wir sehen ein erhebliches Potenzial im generativen AI-Markt, der laut Branchenprognosen bis 2032 1,3 Billionen Dollar erreichen soll.
• Unterstützung der Einführung von generativer AI: Wir sehen Wachstum in neuen Segmenten, da Unternehmen generative AI-Lösungen für ihre Anwendungsfälle nutzen. Obwohl der Prozentsatz von generativer AI-Projekten, die die Bereitstellung erreichen, gering ist, erwarten wir, dass FY24/25 ein Übergangszeitraum sein wird, in dem Experimente in die Produktion übergehen und die Nachfrage nach benutzerdefinierten, hochwertigen und spezialisierten Daten antreiben.
• Optimierung und Automatisierung der Art und Weise, wie wir Daten vorbereiten: Durch die Nutzung von AI für Qualitätskontrolle und die Automatisierung bestimmter Schritte des Datenbereitstellungsprozesses. Dies ermöglicht es uns, die Datenqualität zu verbessern und gleichzeitig die Betriebsabläufe zu optimieren, was unsere Bruttomarge verbessert.
• Weiterentwicklung der Erfahrung für unsere Crowdmitarbeiter: Unsere neue CrowdGen-Plattform ermöglicht es uns, Projekte schnell und flexibel im Einklang mit den Bedürfnissen unserer Kunden zu skalieren, wobei wir AI für automatisierte Screening und Projektzuordnung nutzen. Dies wird auch die Erfahrung unserer Mitwirkenden verbessern, indem wir personalisierte Unterstützung bieten. Appen war ein früher Adoptierer bei der Förderung von Transparenz, Vielfalt und Fairness bei der Datensammlung, und wir bleiben unserem Crowd-Code-of-Ethics verpflichtet.

Diese Prioritäten werden Appen für anhaltendes Wachstum und Innovation in der sich entwickelnden AI-Landschaft positionieren.
Vielen Dank für das großartige Interview, wir ermutigen Leser, die mehr erfahren möchten, Appen zu besuchen.