Sarah Nagy, Gründerin und CEO von Seek AI – Interview-Serie

Sarah Nagy ist die Gründerin und CEO von Seek AI, einer Plattform, die es Geschäftsanwendern ermöglicht, Seek dieselben Fragen zu stellen, die sie derzeit dem Datenteam stellen, direkt in Slack, Teams und E-Mail. Keine “Feinabstimmung” ihrer Frage und keine Notwendigkeit, eine neue Plattform zu erlernen.

Sie haben ursprünglich als Forscherin mit Daten des Hubble-Weltraumteleskops begonnen. Was haben Sie gearbeitet?

Ich habe an der UCLA und Caltech geforscht und mich mit einigen der entferntesten Galaxien beschäftigt, die mit einem Teleskop beobachtet werden konnten, und habe ihre Eigenschaften wie Masse und Größe analysiert. Der Zweck dieser Forschung bestand darin, uns zu helfen, die Unterschiede zwischen sehr entfernten Galaxien und Galaxien, die näher an unserer eigenen liegen, zu verstehen und Modelle für die Entstehung dieser Galaxien im Laufe der Zeit zu entwickeln.

Sie haben dann als Data Scientist bei verschiedenen Start-ups gearbeitet. Was waren einige der interessanteren Projekte?

Ein Projekt, das hervorsticht, beinhaltete die Verwendung von Natural Language Processing (NLP), um unstrukturierten Text im Zusammenhang mit Einzelhandelsartikeln zu klassifizieren. Zum Beispiel, rohen Text (z.B. “Air Jordans grün”) und als geschätzte Marke (“Nike”) zu kennzeichnen. Ich hatte einen Kollegen, der sich auf NLP spezialisiert hatte und mit einem anderen Projekt beschäftigt war, also wurde mir dieses Projekt übertragen, da er beschäftigt war. Ich wusste zu diesem Zeitpunkt nichts über NLP, also absolvierte ich einige kostenlose Kurse von Stanford und Fast.ai, um mein Wissen zu erweitern. Ich genoss es sehr, über NLP zu lernen und begann zu verstehen, warum es so wichtig ist und warum künstliche Intelligenz (KI) in der Lage sein muss, Sprache zu verstehen, um einen großen Schritt in Richtung sogenannte “allgemeine KI” zu machen. Diese Erfahrung hat mich definitiv darauf vorbereitet, die Bedeutung von GPT-3 zu verstehen, als es zum ersten Mal veröffentlicht wurde.

Können Sie die Entstehungsgeschichte hinter Seek AI teilen?

Als OpenAIs GPT-3-Modell veröffentlicht wurde, erkannte ich sofort, was eine unglaubliche Weiterentwicklung es war, und wurde besonders aufgeregt über Anwendungen, die GPT-3-Code schreiben beinhalteten. Schließlich schrieb ich den ganzen Tag als Data Scientist Code, und zu sehen, wie KI dies tat – und den Code perfekt generierte – war atemberaubend. Ich würde meine Reaktion auf GPT-3 mit dem ersten Lernen über VR im Jahr 2013 vergleichen, was ebenfalls eine atemberaubende Erfahrung für mich war. Ich entschied mich dafür, ein Start-up zu gründen, um auf diese Technologie zu setzen. Ich wusste nicht genau, was ich bauen würde, aber ich hatte das Gefühl, dass, wenn ich mehr über diese Modelle lernte, etwas Wertvolles passieren würde.

Als ich dann wirklich über die Modelle gelernt hatte, erkannte ich, dass ich ein Schmerzpunkt lösen konnte, den ich überall, wo ich gearbeitet hatte, als Quant oder Data Scientist, erlebt hatte. Der Schmerzpunkt bestand darin, dass Geschäftsleute nicht die richtigen Werkzeuge hatten, um ihre eigenen Datenfragen zu beantworten. Als Data Scientist arbeitete ich oft an Problemen, die eine Menge Konzentration erforderten, aber ich wurde oft von Kollegen auf der Geschäftsseite unterbrochen, die Fragen zu den Daten hatten, was mich zwang, aufzuhören, was ich tat. Der Prozess schien archaisch und ineffizient. Ich erkannte, dass, wenn ich mich auf diese neue Technologie konzentrierte, um dieses Problem zu lösen, es eine kategorie-definierende Lösung für dieses sehr wichtige und allgegenwärtige Problem wäre.

Seek AI verwendet generative KI. Können Sie unseren Lesern erklären, was das ist?

“Generative KI” ist ein sehr gehyptes Buzzword, aber im Gegensatz zu anderen Buzzwords glaube ich nicht, dass die Hysterie unbegründet ist. Der Begriff bezieht sich auf große maschinelle Lernmodelle mit Hunderten von Milliarden von Parametern, wie Open AIs DALL-E und GPT-3. Die Innovation dieser Modelle besteht darin, dass sie natürliche Sprache verstehen und Text, Bilder, Code und mehr generieren können. Wenn Sie einmal mit DALL-E oder Stable Diffusion experimentieren, werden Sie schnell verstehen, warum diese Modelle so gehypt sind; sie haben eine unglaublich menschliche Fähigkeit, natürliche Sprachbefehle zu verstehen und können Kunstwerke generieren, die die besten menschlichen Künstler übertreffen.

Code-Generierung ist eine der spezifischsten, aber wichtigsten Anwendungen der generativen KI. Daten werden immer größer und komplexer und daher für Menschen immer schwieriger zu analysieren und zu organisieren. Doch in diesen Daten steckt so viel Information. Diese Information ist nicht nur für Organisationen leistungsstark, sondern kann auch zu unglaublichen wissenschaftlichen Durchbrüchen auf der akademischen Seite führen. Den Bau von KI, um Wert aus Daten zu extrahieren, wird unglaublichen Wert in Form von nützlicher Information freisetzen.

Seek AI baut eine Schnittstelle, die es Benutzern ermöglicht, mit Daten über natürliche Sprache zu interagieren. Wissensarbeiter können auf Seek AIs natürliche Sprachenschnittstelle über E-Mail, Slack, Text und eine Reihe von Customer-Relationship-Management- (CRM-) Systemen zugreifen.

Welche anderen Arten von maschinellem Lernen werden bei Seek AI verwendet?

Während generative KI ein Teil unserer maschinellen Lernarchitektur ist, umfasst unsere Architektur auch mehrere Forks von Open-Source-Deep-Learning-Modellen. Transformer-Modelle (von denen “generative KI” eine Variante ist) umfassen viele (aber nicht alle) der Modelle, die Seek verwendet.

Warum ist es so wichtig, dass nicht-technische Benutzer schnell auf Daten zugreifen können?

Was nützt Daten, wenn sie keinen ROI generieren, und wie kann ein Unternehmen diesen ROI erzielen, wenn geschäftliche Benutzer nicht einmal auf sie zugreifen können? Deshalb ist es absolut entscheidend, den Zugriff auf so viele Menschen wie möglich zu ermöglichen, ohne die Genauigkeit zu beeinträchtigen.

Als ich Data Scientist war, erhielt ich manchmal Anfragen des CEO, Daten zu analysieren, um unserem Unternehmen bei der Produkt- oder Marketingstrategie zu helfen. Diese Projekte konnten Wochen oder länger dauern. Als CEO verstehe ich jetzt die Bedeutung dieser Projekte auf einer tieferen Ebene als ich es als Data Scientist getan habe. Ich wünsche mir oft, ich könnte einfach die Daten vor mir haben, um meine Entscheidungen schneller treffen zu können. Dies ist ein Beispiel für das, was wir bei Seek lösen.

Wie macht Seek AI diese Daten so einfach abrufbar?

Es ist interessant, darüber nachzudenken, dass Daten nur mit Code analysiert werden können. Es stimmt, dass es Plattformen gibt, die eine Abstraktion über diesen Code darstellen (z.B. Data-Dashboards), aber unter der Haube gibt es Code, der manuell von Data-Analysten geschrieben wird, um die Daten den geschäftlichen Endbenutzern zu präsentieren.

Die meisten Wissensarbeiter kennen keinen Code, wollen keinen Code schreiben oder können nicht einmal auf die Daten zugreifen, auch wenn sie Code schreiben wollen, um sie zu analysieren. Wenn sie also Daten benötigen, müssen sie entweder in einem Dashboard suchen oder das Datenteam fragen, wenn sie sie nicht finden können. Je größer die Datensätze werden, desto öfter wird dies passieren.

Die Datenteams müssen also “Übersetzer” von natürlichen Sprachfragen sein, die an sie gerichtet werden, und der Daten selbst, die sie mit Code abfragen. Das Entfernen dieses “Übersetzers”-Zwischenhändlers ist das Herzstück dessen, was Seek tut.

Wie stellen Unternehmen sicher, dass die Daten, die sie verwenden, genau sind?

Die Verwaltung des Kompromisses zwischen DatenGenauigkeit und -Zugänglichkeit ist eine enorme Herausforderung. Wie ich in einem kürzlichen Interview sagte, ermöglicht die Zugänglichkeit es weniger technischen Personen, mit dem Wissensspeicher, der die Daten des Unternehmens sind, zu interagieren. Auf der anderen Seite, was nützt ein Wissensspeicher, der von schlechten Daten durchsetzt ist (d.h. schlechten Daten)?

Die besten Datenteams sind diejenigen, die diesen Kompromiss auf die beste Weise möglich managen, und ein großer Teil davon besteht darin, sorgfältig zu kalibrieren und zu überprüfen, welche Tools nicht-technische Benutzer verwenden können.

Welche Beispiele für Anwendungsfälle der Seek-AI-Plattform gibt es?

Wir liefern bereits Wert an Kunden und Design-Partner in den Märkten B2B-SaaS, Fintech, Consumer Product Goods (CPG) und B2C-E-Commerce.

Battlefin ist beispielsweise der führende Marktplatz für alternative Finanzdatensätze. Sie glauben, dass das schnelle und hochwertige Beantworten der Fragen ihrer Kunden der Unterschied zwischen Gewinn und Verlust gegenüber ihren Wettbewerbern ist. Der CEO des Unternehmens, Tim Harrington, bemerkte: “Seek AI spielte eine entscheidende Rolle in unserer Unternehmensstrategie 2023, weil es uns den Vorteil gibt, auf unsere 2.400+ Datensätze zuzugreifen und zu analysieren, um auf Kundenfragen zu reagieren. Ich schätze, dass unsere ROI bei Seek AI etwa 10-mal so hoch ist wie das, was wir ohne die Plattform ausgeben würden, um dieses Maß an Effizienz zu erreichen.”

Gibt es noch etwas, das Sie über Seek AI teilen möchten?

Das könnte der richtige Ort für eine schamlose Werbung sein. Seek bietet derzeit kostenlose Testversionen unserer Plattform an, die auf seek.ai zugänglich sind. Wir sind begeistert, ein Pionier bei der Einführung von generativer KI für Datenteams zu sein und freuen uns darauf, diese Reise mit unseren Kunden zu unternehmen.

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