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.

Mit über 20 Jahren Erfahrung in Technologie und Telekommunikation, wie hat sich Ihre Karriere auf Ihre Führung von Appen im sich schnell verändernden AI-Landschaft ausgewirkt?

Meine Karriere begann als Telekommunikations-Ingenieur, wo meine Aufgabe darin bestand, Netzwerke zu bauen und zu optimieren, was eine enorme Menge an Daten, Analysen und innovativen Lösungen zur Optimierung der Netzwerkleistung und der Kundenerfahrung beinhaltete.

Nach Abschluss meines MBA an der NYU entwickelte sich dies zu Führungsrollen 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 beider technischer und geschäftlicher Aspekte von aufkommenden Technologien vermittelt.

Bei Appen arbeiten wir an der Schnittstelle von AI und Daten, und meine Erfahrung hat es mir ermöglicht, das Unternehmen zu führen und Komplexitäten in der sich schnell verändernden AI-Landschaft zu meistern, von wichtigen Entwicklungen wie Spracherkennung, NLP, Empfehlungssysteme und jetzt generative AI. Diese strategische Vision ist entscheidend, da AI weiterhin Branchen weltweit verändert.

Sie sind seit 2018 bei Appen und haben wichtige Akquisitionen wie Figure Eight und Quadrant vorangetrieben. Wie haben diese strategischen Schritte Appen als Marktführer im Bereich AI-Daten-Dienstleistungen 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-Daten-Fähigkeiten, insbesondere in Bereichen wie Daten-Annotierung und Geolocation-Intelligence. Figure Eights Daten-Annotierungs-Plattform war besonders wirkungsvoll. Die Plattform ist hochgradig anpassbar, und wir haben sie für Arbeiten in vielen verschiedenen Bereichen eingesetzt. In letzter Zeit haben wir die Plattform genutzt, um die meisten unserer generativen AI-Datenflüsse auszuführen.

Zusätzlich zu den Akquisitionen haben wir vor etwa 5 Jahren in China eine Operation namens Appen China eingerichtet. Wir sind nun das größte AI-Daten-Unternehmen in China, mit einem Umsatz, der fast doppelt so hoch ist wie der unseres nächsten Wettbewerbers.

Aufblickend konzentriert sich Appen auf die Unterstützung der Entwicklung und des Einsatzes von generativer AI. Es gibt große Wachstumsmöglichkeiten sowohl bei den Modell-Entwicklern 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. Wie stellt Appen sicher, dass die Daten, die für die Schulung von AI-Modellen verwendet werden, genau, vielfältig und relevant sind, insbesondere bei der zunehmenden Nachfrage nach hochwertigen LLM-Schulungsdaten?

Appens Stärke liegt in unserer Fähigkeit, konsistent und im großen Maßstab hochwertige Daten zu erstellen. Wir arbeiten eng mit unseren Kunden zusammen, um ihre AI-Modell-Ziele 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 Arbeitskraft von über 1 Million in über 200 Ländern, was es uns ermöglicht, eine Gruppe von qualifizierten und vielfältigen Beiträgern zu kuratieren. Durch strenge Qualitätskontrolle und Feedback-Schleifen stellen wir sicher, dass die Daten genau, konsistent und relevant sind und effektiv zur Verbesserung der Leistung von AI-Modellen eingesetzt werden können. Dies ermöglicht es AI-Systemen, effektiv in realen Umgebungen zu operieren und kann auch zur Verbesserung der Robustheit und zur Reduzierung von Voreingenommenheit, insbesondere bei LLMs, eingesetzt werden.

Synthetische Daten generierung gewinnt an Popularität, und Appens Investition in Mindtech unterstreicht Ihr Interesse an diesem Bereich. Könnten 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 Bedeutung 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.

Es fehlt jedoch oft an der Tiefe und Nuancen von Realwelt-Daten, insbesondere für komplexe Generative-AI-Aufgaben, die Vielfalt und tiefes Fachwissen erfordern. Sie können auch Fehler oder Voreingenommenheit 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 der vielfältigen, komplexen Daten, die erforderlich sind, um die Genauigkeit von AI-Modellen zu verbessern und sicherzustellen, dass sie mit menschlichen Werten übereinstimmen.

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 hochwertiger Schulungsdaten für AI.

Die EU-AI-Gesetz und andere globale Vorschriften prägen die ethischen Standards für die Entwicklung von AI. Wie sehen Sie die Auswirkungen dieser Vorschriften auf Appens Betrieb und die breitere AI-Branche in Zukunft?

Das EU-AI-Gesetz 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, Modell-Fairness sicherstellen und ethische Überlegungen berücksichtigen. Dies kann zu strengeren Prozessen und möglichen Anpassungen in unserem Ansatz zur Modell-Schulung und -Validierung führen.

Im Allgemeinen werden diese Vorschriften die Branche wahrscheinlich zu höheren ethischen Standards, erhöhten Compliance-Kosten und möglicherweise verlangsamten Innovationen treiben. Sie werden jedoch auch zu mehr Verantwortlichkeit und Transparenz führen, was letztendlich zu verantwortungsvollerer und nachhaltigerer 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 Daten 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 Modellbewertung 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 schließt unsere Verpflichtung zu fairer Bezahlung, sicherzustellen, dass die Stimme unserer Crowd gehört wird, und strenge Datenschutzbestimmungen ein. Durch die Einhaltung dieser Grundsätze zielen wir darauf ab, hochwertige, ethisch beschaffte Daten zu liefern, die verantwortungsvolle AI-Entwicklung unterstützen.

Wie positioniert Appen sich, um den zunehmenden Bedarf an spezialisierten Schulungsdaten in Branchen wie Automotive, Werbung und AR/VR zu decken, da AI in diese Branchen integriert wird?

Über die letzten 27 Jahre hinweg haben wir spezialisierte Schulungsdaten für eine Vielzahl von Branchen und Anwendungsfällen bereitgestellt und passen uns weiter an, wenn sich die Bedürfnisse unserer Kunden entwickeln.

Ein Beispiel ist die Automobilindustrie, in der wir mit führenden Automobilherstellern und In-Cabin-Lösungsanbietern zusammenarbeiteten, um Fahrzeuginnenraum-Sprachsysteme 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 Werbebranche halfen wir einer führenden globalen Werbeplattform, die Qualität und Genauigkeit von Werbeanzeigen für die Relevanz der Nutzer über ein großes mehrjähriges globales Programm mit 7 Millionen+ Bewertungen zu verbessern. Jetzt, da viele dieser Plattformen generative AI-Lösungen adoptieren, bewerten unsere Crowd nicht nur die Relevanz von Werbeanzeigen, sondern helfen auch bei der Bewertung der Qualität von generierten Werbeanzeigen.

Wir konnten all dies durch unsere robuste Annotierungsplattform erreichen, die für komplexe Workflows und verschiedene Datenmodi wie Text, Audio, Bild, Video und multimodale Annotierung anpassbar ist. Letztendlich liegt unsere Fähigkeit, mit der sich verändernden Branche Schritt zu halten, in unserem tiefen Fachwissen im Bereich Daten für AI-Entwicklung und unserer starken Partnerschaft mit unseren Kunden.

Appen ist ein Marktführer im Bereich hochwertiger Daten für verschiedene 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 hochwertiger Daten zur Unterstützung dieser Fortschritte spielen. Wenn es um globale Märkte geht, wird unsere Fähigkeit, in über 200 Ländern und 500+ Sprachen zu sammeln, immer wertvoller. Wir haben eine starke Geschichte in diesem Bereich, da wir Unternehmen wie Microsoft (MSFT ) bei der Einführung von Maschinentranslationsmodellen für über 110 Sprachen unterstützt haben.

Wenn die Bereitstellung von LLM-Anwendungen wächst, sehen wir eine wachsende Nachfrage nach der Ausrichtung auf menschliche Endnutzer, einschließlich Lokalisierungsfähigkeiten, um sicherzustellen, dass sprachliche und kulturelle Nuancen in verschiedenen globalen Märkten berücksichtigt werden. Wir sind dazu verpflichtet, Unternehmen zu helfen, AI-Systeme zu entwickeln, die sowohl leistungsfähig als auch verantwortungsvoll sind, indem wir sicherstellen, dass die für die Schulung dieser Modelle verwendeten Daten vielfältig, relevant und ethisch beschafft sind.

Appen ist bekannt für die Unterstützung einiger der fortschrittlichsten LLMs. Was sind einige der Innovationen im Bereich Daten-Annotierung und -Sammlung, auf die sich Appen konzentriert, um die Leistung dieser Modelle zu verbessern?

Wir konzentrieren uns kontinuierlich auf die Innovation unserer Daten-Annotierungs- und -Sammlungsprozesse, um die Leistung von LLMs zu verbessern. Ein Bereich, auf den wir uns konzentrieren, ist die Verbesserung der Effizienz und Genauigkeit der Daten-Annotierung durch fortschrittliche AI-gestützte Tools, die dabei helfen, Teile des Prozesses zu straffen und zu automatisieren, während gleichzeitig hohe Qualitätsstandards aufrechterhalten werden.

Wir können Datenpunkte identifizieren, die weitere menschliche Eingabe erfordern, und sicherstellen, dass Annotierungs-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 eingesetzt werden können. Wir konzentrieren uns auch auf Best Practices im Bereich Beitrags-Management, was wichtig ist, da die Komplexität von Aufgaben zunimmt.

Die Fähigkeit, die Leistung von Beitrags-Autoren zu verstehen und Feedback zu geben, um kontinuierlich die Qualität unserer menschlich generierten Daten zu verbessern. Diese Innovationen ermöglichen es uns, die hochwertigen, groß angelegten Daten bereitzustellen, die erforderlich sind, um die Welt führenden LLMs zu betreiben und zu feinabzustimmen.

Als Sie in Ihre neue Rolle als CEO eintreten, was sind Ihre Top-Prioritäten für Appen in den nächsten Jahren, und wie planen Sie, das Wachstum des Unternehmens in dem hochkompetitiven AI-Markt voranzutreiben?

Als ich in die Rolle des CEO eintrete, sind meine strategischen Prioritäten darauf ausgelegt, Appens Führungsposition in der AI-Landschaft zu sichern:

• Unterstützung der Entwicklung von generativen AI-Modellen: Im Laufe der letzten 18 Monate ist generative AI zu einem wichtigen Bestandteil unseres Dienstleistungsangebots geworden, mit 28% des Gesamtumsatzes, der aus generativen AI-bezogenen Projekten im Juni 2024 stammt, im Vergleich zu 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 Adoption von generativen AI-Modellen: Wir sehen Wachstum in neuen Segmenten, da Unternehmen generative AI-Lösungen für ihre Anwendungsfälle nutzen. Obwohl der Prozentsatz von generativen AI-Projekten, die die Bereitstellung erreichen, niedrig ist, erwarten wir, dass das Geschäftsjahr 2024/25 ein Übergangszeitraum sein wird, in dem Experimente in die Produktion übergehen und die Nachfrage nach maßgeschneiderten, hochwertigen und spezialisierten Daten antreiben.
• Optimierung und Automatisierung der Daten-Vorbereitung: Durch die Nutzung von AI für Qualitätskontrolle und die Automatisierung bestimmter Schritte des Daten-Vorbereitungsprozesses. Dies wird es uns ermöglichen, die Datenqualität zu verbessern und gleichzeitig die Betriebseffizienz zu steigern, unsere Bruttomargen zu verbessern.
• Weiterentwicklung der Erfahrung für unsere Crowd-Arbeiter: 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 Beitrags-Autoren verbessern, da wir personalisierte Unterstützung bieten. Appen war ein früher Adoptierer bei der Förderung von Transparenz, Vielfalt und Fairness in unserer Datenbeschaffung, und wir bleiben unserem Crowd-Code-of-Ethics verpflichtet.

Diese Prioritäten werden Appen in die Lage versetzen, in der sich entwickelnden AI-Landschaft nachhaltiges Wachstum und Innovation zu erzielen.

Vielen Dank für das großartige Interview, wir ermutigen Leser, die mehr erfahren möchten, Appen zu besuchen.