Bobby Samuels, Co-Fundador y CEO de Protege – Serie de Entrevistas

Bobby Samuels lidera la estrategia y ejecución de Protege en productos, marketing y formación de capital. Co-fundó Protege en 2024 y ha sido su CEO desde su creación. Bajo su liderazgo, Protege ha recaudado $35M en financiamiento y ha escalado a $30M en GMV en su primer año completo de operaciones. Anteriormente, Bobby fue Gerente General de Privacy Hub en Datavant, donde ayudó a impulsar el crecimiento de la empresa antes de su fusión con Ciox Health por $7.0B para crear el mayor ecosistema de datos de salud neutral en EE. UU. Antes, lideró las asociaciones en LiveRamp (RAMP ), donde desarrolló experiencia en la construcción de redes de datos neutrales. Bobby tiene un MBA de la Escuela de Negocios de la Universidad de Stanford y un AB de la Universidad de Harvard, donde fue presidente de The Harvard Crimson. Aporta una profunda experiencia en intercambio de datos regulados y en la traducción de infraestructuras complejas en habilitación de confianza para AI para socios empresariales.

Protege es una empresa de infraestructura de datos que conecta a los propietarios de conjuntos de datos de alto valor y propietarios con desarrolladores de modelos de AI, ofreciendo una forma gobernada y de privacidad para licenciar y acceder a datos de entrenamiento a escala. Fundada en 2024, la plataforma se centra en desbloquear datos multimodales, como registros médicos, imágenes, video y audio, que tradicionalmente son difíciles para los equipos de AI, mientras da a los proveedores de datos el control total sobre la privacidad, el cumplimiento y la monetización. Para los constructores de AI, Protege simplifica el descubrimiento y la adquisición a través de un catálogo curado y herramientas para filtrar y combinar conjuntos de datos, lo que ayuda a acelerar el desarrollo en sectores como la salud, los medios y otros. En esencia, la empresa busca convertirse en la capa de datos de confianza para AI, reduciendo uno de los mayores cuellos de botella en el desarrollo de modelos modernos.

¿Qué te inspiró a fundar Protege, y cómo influyeron tus experiencias al liderar iniciativas de datos, privacidad y transformación organizacional en Datavant, así como tus roles anteriores en LiveRamp, en tu visión para construirlo?

Mi experiencia en Datavant me mostró tanto el poder como la complejidad de conectar datos de manera responsable a escala. Datavant construyó una plataforma que ayudó a vincular información de salud sensible mientras mantenía la privacidad del paciente, y se me hizo claro que los datos bien gobernados pueden impulsar un progreso social masivo. Pero cuando no lo son, pueden hacer daño real.

A medida que la IA se aceleraba, vi el mismo patrón repitiéndose: un enfoque en la computación y las arquitecturas de IA, pero no tanto en los datos que impulsan los modelos en sí. Nuestra hipótesis es que el próximo gran cuello de botella es el acceso a los datos correctos. Quería construir una capa de infraestructura de datos que haga que el intercambio de datos sea seguro, transparente y mutuamente beneficioso para los titulares de datos y los constructores de IA, y también proporcionar experiencia en datos de IA para apoyar avances de IA basados en la investigación. Eso es lo que llevó a Protege.

Protege se describe a sí mismo como la construcción de la “columna vertebral de la economía de datos de IA”. ¿Cómo defines esa capa, y qué se ve como infraestructura de datos real para IA en la práctica?

Protege es el tejido conectivo que permite a los propietarios de datos y a los desarrolladores de IA colaborar de manera segura y eficiente. La verdadera infraestructura de datos para IA hace más que almacenar o mover datos; verifica la procedencia, gestiona los permisos y asegura que cada conjunto de datos se utilice de manera ética y con consentimiento. En la práctica, es una plataforma única donde los titulares de contenido pueden licenciar datos con confianza y ser compensados adecuadamente, y los constructores de IA pueden acceder a los conjuntos de datos cruciales en industrias, dominios, modalidades y formatos que necesitan para entrenar y evaluar modelos de manera responsable.

Una de tus misiones principales es asegurar que los modelos se entrenen con conjuntos de datos licenciados, representativos y basados en el consentimiento. ¿Cómo opera Protege la fuente ética a escala?

Operacionalizamos la ética a través de sistemas, no eslóganes. Con cada fuente de datos y contenido que agregamos y entregamos, nos aseguramos de que los titulares de los derechos mantengan la propiedad con términos de licencia y protección de privacidad claros.

Nuestra plataforma combina nuestra experiencia humana, orientada a la investigación, con tuberías de datos y sistemas que se escalan para entregar datos protegidos por derechos. También trabajamos con nuestros clientes que compran datos para asegurarnos de que los datos sean representativos de poblaciones del mundo real y reflejen casos de uso del mundo real. Al abordar tanto a los proveedores de datos como a los compradores con claridad y consistencia, podemos mantener el cumplimiento, la equidad y la confianza.

La industria de la IA ha estado impulsada durante mucho tiempo por una mentalidad de “extraer primero, preguntar después”. ¿Cómo ves que la licencia de datos transparente cambia las relaciones entre los proveedores de datos y los desarrolladores de IA?

La transparencia convierte la extracción en colaboración. En lugar de extraer, las empresas de IA tienen la opción de licenciar éticamente los datos de proveedores de datos verificados, lo que crea mejores incentivos para ambas partes. Los proveedores de datos ganan ingresos y control, y los desarrolladores de IA obtienen conjuntos de datos más limpios y de mayor calidad sin problemas legales y de propiedad intelectual.

Este cambio construye confianza, lo que a su vez desbloquea la velocidad en el desarrollo de IA. Cuando las organizaciones ven que la IA se puede construir de manera responsable con consentimiento y compensación claros para los titulares de los derechos de datos, esto desbloquea más casos de uso y necesidades de datos. Esto crea una mayor demanda de conjuntos de datos de alta calidad, iniciando una rueda natural: las mejores fuentes de datos atraen a los compradores, y los compradores atraen más fuentes de datos de alta fidelidad. Todos se benefician.

Los datos sintéticos a menudo se ven como una solución a los desafíos de privacidad y sesgo. ¿Dónde crees que se encuentra el equilibrio correcto entre conjuntos de datos sintéticos y del mundo real, especialmente en sectores altamente regulados como la salud?

Los datos sintéticos son útiles para pruebas y aumentos, pero no pueden reemplazar completamente la complejidad y la riqueza de los datos del mundo real. Esto es especialmente cierto en la salud, donde la historia de atención a largo plazo y los resultados dentro del contexto del enfoque de atención importan.

Fundamentalmente creemos que la IA que no ha sido entrenada con la complejidad completa del mundo real no puede producir datos sintéticos representativos del mundo real. Es probable que el equilibrio correcto sea un enfoque híbrido, donde necesitaremos muchas más fuentes de datos útiles y de alta calidad que actualmente están siloeadas y necesitan ser desbloqueadas, y luego combinarlas con datos sintéticos generados por IA para casos de uso específicos.

¿Cómo permite Protege que las organizaciones compartan datos del mundo real valiosos de manera segura, sin exponer información propietaria, datos de pacientes o propiedad intelectual?

La seguridad y la privacidad están integradas en cada paso del camino. Ya sea a través de nuestros sistemas internos o de nuestros socios de desidentificación y privacidad que verifican nuestras transferencias de datos, nos aseguramos de que nuestros datos permanezcan dentro de los límites previstos.

En la salud, eso significa adherirse a marcos de privacidad y cumplimiento para todas nuestras transferencias de datos. En los medios, significa asegurarse de que el contenido se licencie solo para usos previstos con términos de licencia y duraciones de término acordados.

A medida que los modelos de foundation continúan evolucionando, ¿qué definirá las próximas generaciones de tuberías de datos de entrenamiento de alta calidad?

Tres principios guiarán: procedencia, precisión y propósito.

La procedencia significa trazabilidad completa a la fuente y los términos. La precisión significa curación para modalidades o casos de uso específicos en lugar de corpus de datos genéricos, o datos que no son completamente representativos de situaciones del mundo real. El propósito significa alinear la selección de datos con resultados concretos y tangibles, no solo con métricas de vanidad.

En conjunto, estos crean un camino hacia el uso de datos de alta calidad para impulsar mejores modelos.

¿Cómo influyen las regulaciones emergentes como el Acta de IA de la UE y los marcos futuros de EE. UU. en el enfoque de Protege hacia el cumplimiento y la colaboración de datos transfronteriza?

Estas regulaciones validan nuestro enfoque que basamos la empresa en. Enfatizan la transparencia, la procedencia y la gestión de riesgos, que están integradas en nuestros productos y plataforma por defecto.

Creamos que las oportunidades de IA futuras deben proteger a los titulares de derechos y mantener controles de privacidad estrictos. Al tratar estos como no negociables, ayudamos a los socios de datos y a los clientes a avanzar con confianza y confianza en el cambiante panorama de IA. Nuestro objetivo es hacer que el desarrollo de IA responsable no solo sea lo correcto, sino también lo más fácil de hacer.

¿Qué papel crees que juegan la transparencia y la procedencia en la reconstrucción de la confianza pública en los sistemas de IA?

La confianza comienza con la trazabilidad. Cuando las personas entienden de dónde vienen los datos y cómo se están utilizando, es más probable que confíen en los resultados de la IA.

La transparencia y la procedencia crean rendición de cuentas desde el propietario de los datos hasta el desarrollador del modelo hasta el usuario final. Convierten a la IA de una caja negra en algo más comprensible y explicable.

Después de un crecimiento de 20 veces y una ronda de financiamiento de $25M, ¿cómo estás equilibrando el crecimiento rápido con el mantenimiento de los compromisos éticos y de seguridad de Protege, y qué hay de nuevo mientras continúas dando forma a cómo las organizaciones entrenan modelos de IA de manera responsable?

La ética y la seguridad son la base que nos permite escalar. Cada nuevo proceso, asociación y producto se mide contra la operación como si otros estuvieran observando. Si todos vieran cómo operamos y las decisiones que tomamos, me gustaría que estuvieran orgullosos.

A medida que miramos hacia 2026, estamos expandiendo nuestro alcance a nuevos dominios más allá de la salud y los medios, así como creando nuevos productos de datos como datos de evaluación para benchmarking como las organizaciones de IA se esfuerzan por medir mejor el rendimiento de la IA para casos de uso del mundo real. Nuestro objetivo es ser la plataforma de confianza única para datos y experiencia de IA del mundo real, construida para impulsar el progreso de la IA a largo plazo. Gracias por la gran entrevista, los lectores que desean aprender más pueden visitar Protege.