Mohammad Abu Sheikh, Fundador y CEO de CNTXT AI – Serie de Entrevistas

Vimos la abundancia de datos subutilizados en esta parte del mundo. Muchos problemas para escalar la inteligencia artificial provenían de la falta de preparación de los datos, lo que eventualmente significaba una falta de preparación para la inteligencia artificial. Es por eso que creamos CNTXT AI.

Inicialmente, estábamos resolviendo los mismos problemas que enfrentamos mientras construíamos LocAI… Vimos estos desafíos de primera mano trabajando con AI71, TII y G42 (IIAI). A medida que ayudábamos a estas entidades a resolver esos problemas, la visión se volvió más clara y el negocio simplemente siguió creciendo.

Has desempeñado un papel clave en la creación de la biblioteca digital árabe más grande para el entrenamiento de inteligencia artificial. ¿Cuáles fueron algunos de los mayores desafíos al hacerlo, y cómo los superaste?

La calidad fue uno de los mayores desafíos. Otro fue la limitada disponibilidad de datos de alta calidad en árabe en línea: el árabe está seriamente subrepresentado. Solo una pequeña porción del contenido en árabe ha sido digitalizada, y solo el 3-5% de todo el contenido en línea está en árabe. Eso es casi nada. Superamos ese problema desplegando etiquetadores de datos, anotadores y científicos de datos para digitalizar, crear y curar los datos nosotros mismos.

CNTXT AI opera en la intersección de la cultura y la computación. ¿Cómo equilibras la innovación en inteligencia artificial de vanguardia con el objetivo de construir soluciones culturalmente relevantes para la región de Oriente Medio y África del Norte?

Construímos modelos culturalmente arraigados desde cero. Desde la infraestructura hasta el producto final, la cultura está incorporada desde el principio — no es algo que agreguemos después. Diseñamos, innovamos y construimos con culturas, dialectos y necesidades específicas en mente desde el primer día. El árabe es un idioma, pero lleva muchos dialectos y contextos culturales en toda la región, así que construimos productos locales para países locales. Y lo hacemos trabajando con anotadores locales, personas en el terreno, en sus propios países.

También has cofundado LocAI y diriges el fondo de inversión SMPL AI. ¿Cómo complementan estas empresas la misión de CNTXT AI?

LocAI es la capa de aplicación — la parte con la que las personas interactúan realmente. Se encuentra justo encima de los datos y la infraestructura construidos por CNTXT AI. Eso es lo que la hizo exitosa: transforma las bases de inteligencia artificial proporcionadas por CNTXT AI en soluciones del mundo real que las personas pueden usar.

SMPL AI, por otro lado, se trata de devolver a la comunidad. Se centra en invertir en startups en etapas tempranas y ayudar a construir el ecosistema regional de inteligencia artificial. Compartimos las herramientas y las lecciones que hemos aprendido al construir inteligencia artificial nosotros mismos, para que los fundadores puedan crecer más rápido y evitar obstáculos comunes.

Munsit ha sido llamado el modelo de reconocimiento de habla árabe más preciso del mundo. ¿Qué impulsó el desarrollo de este modelo, y por qué ahora?

Lo que impulsó el desarrollo de este modelo fue la necesidad.

Siempre construimos por necesidad. Miramos el mercado y vimos que el panorama estaba maduro — las agencias gubernamentales y los clientes privados estaban pidiendo una solución como esta.

Los modelos existentes simplemente no estaban a la altura de la tarea. La mayoría se construyen con tecnología en inglés y luego se adaptan. No están diseñados para el árabe desde cero, y definitivamente no para los problemas específicos que estamos resolviendo.

Así que decidimos construir el nuestro. Es árabe desde el principio — por diseño.

La investigación detrás de Munsit introduce un enfoque de aprendizaje supervisado débil. ¿Puedes explicar qué significa eso y por qué fue esencial para entrenar el reconocimiento de habla árabe a gran escala?

La anotación es costosa. Así que tuvimos que ir más allá de los métodos tradicionales que dependen de grandes cantidades de transcripción manual. El aprendizaje supervisado débil nos ayudó a escalar sin tener que etiquetar cada archivo de audio a mano — lo que es especialmente importante para el árabe, un idioma con datos limitados y muchos dialectos diferentes.

En lugar de utilizar audio transcrito profesionalmente, comenzamos con 30.000 horas de habla árabe no etiquetadas. Construimos una canalización de anotación que genera, filtra y limpia las mejores opciones utilizando controles automatizados. Esto nos dio un conjunto de datos de alta calidad de 15.000 horas — todo sin transcripción humana.

Este enfoque hizo posible entrenar nuestro modelo desde cero, capturando la riqueza del árabe hablado en situaciones de la vida real, de manera rápida y rentable. Sin este método, construir un sistema de reconocimiento de habla árabe a esta escala habría tomado años y millones en esfuerzo manual.

Munsit superó a los modelos de OpenAI, Microsoft (MSFT ) y Meta en múltiples benchmarks. ¿Qué dice este logro sobre el futuro de la innovación en inteligencia artificial árabe?

El futuro de la inteligencia artificial árabe está en nuestras manos; y eso es exactamente lo que este logro demuestra. Ya no podemos permitirnos depender de tecnologías que no poseemos o depender de terceros que no priorizan nuestra región.

Munsit muestra que podemos construir inteligencia artificial de clase mundial, desde la región, para la región — utilizando talento local para resolver problemas locales. Es una señal clara de que la próxima ola de innovación en inteligencia artificial árabe vendrá de dentro.

¿Cómo ves evolucionar a Munsit en versiones futuras, y cuáles son las próximas fronteras para la inteligencia artificial de voz árabe en CNTXT?

Solo tendrás que esperar y ver. Lo que puedo decir es que tenemos una nueva suite de soluciones de inteligencia artificial de vanguardia en camino — todas impulsadas por Munsit y otros modelos que estamos construyendo en CNTXT AI. Esto es solo el comienzo.

A menudo hablas sobre la importancia de la “inteligencia artificial soberana”. ¿Qué significa eso para ti, y por qué es crítica para el Golfo y la región más amplia de Oriente Medio y África del Norte?

Para mí, la inteligencia artificial soberana significa tener el control total sobre los datos, la infraestructura y los modelos que dan forma a nuestro futuro. Es crítica porque necesitamos poseer nuestro propio destino, y eso comienza con los datos.

La soberanía de los datos es todo. Los datos son valiosos, y debemos asegurarnos de que permanezcan en nuestras manos.

No podemos permitirnos entregar nuestro futuro y sentarnos inactivos mientras otros construyen la tecnología para nosotros. El futuro de la inteligencia artificial en esta región vendrá de esta región. Eso es exactamente hacia lo que estamos trabajando.

¿Cómo ves que CNTXT AI dará forma al ecosistema de inteligencia artificial en Oriente Medio en los próximos cinco años?

Al permitir la verdadera preparación para la inteligencia artificial. Entramos, entendemos lo que las empresas y los gobiernos necesitan, construimos las estrategias de datos y de inteligencia artificial, y luego los ayudamos a construir, probar, implementar y escalar.

Si los datos son el nuevo petróleo, entonces los datos no estructurados son petróleo sin refinar — llenos de potencial pero inútiles hasta que se procesan. Es por eso que hemos construido CNTXT AI para ayudar a las organizaciones a limpiar, estructurar y activar sus datos. Porque ahí es donde comienza la verdadera transformación de la inteligencia artificial.

Desde tu perspectiva como emprendedor y inversionista, ¿qué consejo le darías a otros fundadores que están construyendo startups de inteligencia artificial en mercados emergentes?

Comienza ahora. Muévete rápidamente. Falla rápido, aprende más rápido y sigue iterando.

Lo más importante es construir para problemas reales. Mantente cerca del suelo — escucha a los usuarios, no solo el hype. En los mercados emergentes, la relevancia y la adaptabilidad son clave.

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