Luke Kim, Fundador y CEO de Liner – Serie de Entrevistas

Luke Kim es el Fundador y CEO de Liner, una herramienta de investigación de vanguardia impulsada por IA diseñada para simplificar y mejorar el proceso de investigación, lo que ayuda a los usuarios a completar sus tareas 5,5 veces más rápido. Como motor de búsqueda de IA, Liner proporciona resultados de búsqueda filtrados para obtener información precisa y genera citas automáticamente en varios formatos, lo que lo convierte en un recurso invaluable para investigadores, estudiantes y profesionales.

¿Puedes hablarnos sobre tu trasfondo y qué te inspiró a perseguir el emprendimiento, especialmente en el campo de la IA y la tecnología?

Mi viaje emprendedor comenzó con el deseo de abordar problemas del mundo real a través de la tecnología. Como estudiante de pregrado, me sorprendió lo desafiante que era navegar y confiar en la abundancia de información en línea. Me motivé a crear una herramienta que simplificara el proceso y ayudara a los estudiantes a discernir entre fuentes. Lo que comenzó como una herramienta de resaltado, pasando por la información disponible, con el tiempo se desarrolló en lo que Liner es hoy: una búsqueda de IA que proporciona solo los resultados más confiables. Me sentí atraído por la IA por su potencial para transformar la forma en que procesamos y interactuamos con los datos. La oportunidad de crear soluciones significativas para los estudiantes, como mi yo más joven, sigue inspirándome.

¿Cómo influyó tu experiencia con la extensión del navegador que creaste durante tus días universitarios en la visión para Liner?

La extensión del navegador Liner Highlighter fue mi primera inmersión real en la resolución del problema de la sobrecarga de información. Me mostró cuánto valoran las personas las herramientas que facilitan la búsqueda y organización de la información clave. Aprendí que simplificar incluso un paso de un flujo de trabajo puede tener un gran impacto, ya sea resaltando puntos importantes o presentando fuentes relevantes. Este proyecto dio forma al compromiso de Liner de crear una experiencia fluida para los usuarios y ayudar a los estudiantes y investigadores a filtrar el exceso de ruido en Internet.

¿Cuál fue la visión original detrás de Liner, y cómo ha evolucionado desde su creación?

Liner comenzó como una herramienta simple para ayudar a los usuarios a resaltar y guardar partes clave del contenido en línea. El objetivo era hacer que fuera más fácil para los usuarios centrarse en la información más relevante sin sentirse abrumados. Con el tiempo, reconocimos que los usuarios necesitaban más que una forma de recopilar y ordenar información: necesitaban mejores formas de encontrarla y discernir su confiabilidad. Esta comprensión guió la transformación de Liner en un motor de búsqueda de IA.

¿Cuáles fueron los principales desafíos que enfrentaste al transitar Liner de una herramienta de resaltado a un motor de búsqueda impulsado por IA?

Uno de los desafíos más significativos fue asegurarse de que nuestra IA pudiera proporcionar resultados confiables y precisos de manera consistente. La investigación académica requiere un alto grado de confianza, y cumplir con esas expectativas era fundamental. Otro desafío fue integrar años de datos resaltados por los usuarios en el proceso de capacitación de la IA, manteniendo al mismo tiempo la plataforma intuitiva. Encontrar el equilibrio adecuado entre la innovación tecnológica y una experiencia de usuario fluida fue esencial, pero también increíblemente gratificante.

Al construir la definición de “agente” de Liner desde cero, pudimos crear un marco robusto y estable para comprender qué es un agente en realidad. Luego implementamos un agente de búsqueda que priorizaba la confiabilidad y la credibilidad. Dado que nuestro público objetivo representa el pináculo de las expectativas de credibilidad, necesitábamos una solución distintiva capaz de abordar los problemas más complejos. Nuestra fortaleza radicaba en aprovechar nuestros conjuntos de datos propietarios, los conocimientos técnicos obtenidos durante el proceso de definición del agente y nuestra experiencia en implementación. Juntos, estos elementos se convirtieron en nuestras herramientas más poderosas para el éxito.

¿Puedes elaborar sobre cómo la integración de los datos resaltados por los usuarios mejora la precisión y la confiabilidad de los resultados de búsqueda de IA de Liner?

Los datos resaltados por los usuarios actúan como una valiosa capa de control de calidad, ayudando a nuestro LLM a discernir qué información es importante y creíble para otros usuarios. Al aprovechar estos datos curados, podemos priorizar la información relevante y confiable en nuestros resultados de búsqueda. Este enfoque garantiza que los usuarios obtengan información precisa y útil, evitando al mismo tiempo el contenido irrelevante o de baja calidad.

¿Cómo se diferencia Liner de otras herramientas de búsqueda de IA como ChatGPT o Perplexity?

Liner se destaca por priorizar la confiabilidad y la transparencia. Cada resultado de búsqueda incluye una cita, y los usuarios pueden filtrar fuentes menos confiables para garantizar la precisión. Además, los estudiantes pueden extraer fuentes y ver el texto original citado en su pantalla. A diferencia de herramientas diseñadas para consultas informales, Liner está diseñado específicamente para estudiantes, académicos e investigadores, ayudando a los usuarios a centrarse en el aprendizaje y el análisis en profundidad en lugar de verificar hechos. Este compromiso con la confianza y la usabilidad convierte a Liner en una herramienta de referencia para más de 10 millones de usuarios, incluidos estudiantes de universidades como UC Berkeley, USC, Universidad de Michigan y Texas A&M. Liner sigue diferenciándose a través de asociaciones, como una reciente con Tako, que integra herramientas de visualización de conocimiento para presentar datos complejos de una manera más accesible y interactiva, permitiendo a los usuarios sumergirse más profundamente en su investigación.

¿Qué medidas toma Liner para reducir las alucinaciones en sus respuestas de IA, y cómo afecta esto la confianza del usuario?

Reducir las alucinaciones requiere anclar las respuestas generadas por la IA a fuentes verificables. Liner logra esto cruzando sus resultados con artículos académicos, bases de datos gubernamentales y otros repositorios de confianza. Nuestro Sistema de Filtro de Fuentes también permite a los usuarios excluir contenido no confiable, proporcionando una capa adicional de garantía de calidad. Estos pasos no solo minimizan los errores, sino que también construyen confianza con el usuario.

El sistema de Liner se basa en la relevancia (la puntuación de relevancia entre las afirmaciones generadas por el agente y los pasajes de referencia) y la factualidad (que evalúa cuán bien las afirmaciones generadas por el agente están respaldadas por los pasajes de referencia). Cuanto más apoyo tenga el pasaje, mayor será la puntuación de factualidad. Dado que nuestro producto fomenta fuertemente a los usuarios que verifiquen las afirmaciones para asegurarse de que estén libres de alucinaciones, mejorar la factualidad de nuestro sistema de agente es crucial. En última instancia, observamos una correlación positiva entre la puntuación de factualidad y la retención de usuarios.

¿Qué pasos está tomando Liner para construir confianza entre los usuarios, especialmente aquellos que son escépticos sobre confiar en la IA para información crítica?

Construir confianza comienza con la transparencia. Liner proporciona citas claras para cada resultado, dando a los usuarios la capacidad de verificar la información ellos mismos. Además, clasificamos las fuentes según su confiabilidad y permitimos a los usuarios interactuar directamente con el contenido original. La educación continua del usuario y la comunicación abierta también desempeñan un papel en demostrar que la IA, cuando se diseña de manera responsable, puede ser una aliada confiable en la educación.

¿Qué tendencias crees que darán forma al futuro de la IA en la investigación académica y la recuperación de conocimiento profesional?

La IA se volverá cada vez más personalizada, adaptándose a las necesidades únicas de cada usuario y brindando información adaptada. La transparencia será clave, ya que los usuarios buscarán una mayor claridad sobre cómo la IA procesa la información y entrega los resultados. Los avances también se centrarán en abordar la sobrecarga de información y simplificar las herramientas de investigación. Al automatizar tareas repetitivas como la recopilación y síntesis de datos, la IA acelerará las primeras etapas de la investigación, permitiendo a los investigadores centrarse más en el pensamiento crítico, el análisis y la innovación. Este equilibrio entre eficiencia y compromiso intelectual dará forma al futuro de la investigación académica y profesional.

Liner recientemente recaudó con éxito una ronda de financiación de $29 millones. ¿Cómo ayudará esta inversión a que Liner crezca, y en qué áreas te estás enfocando para la expansión?

Esta financiación nos permite avanzar en nuestra misión de mejorar la IA en la educación. Estamos creciendo nuestro equipo global y lanzando nuevas características como el Modo Ensayo, diseñado para ayudar a los estudiantes a perfeccionar sus habilidades en la escritura, estructuración y formato de ensayos. También estamos priorizando asociaciones con universidades y organizaciones profesionales para llegar a más usuarios y demostrar el impacto de las herramientas de investigación impulsadas por IA. Las colaboraciones recientes con empresas como ThetaLabs y Tako han expandido nuestras capacidades. Esta inversión destaca la creciente necesidad de soluciones de búsqueda confiables, y estamos ansiosos por construir sobre este impulso.

Gracias por la gran entrevista, los lectores que deseen aprender más pueden visitar Liner.