Radha Basu, CEO y Fundadora de iMerit – Serie de Entrevistas

Radha Basu, Fundadora y CEO de iMerit ha construido su carrera en HP, pasando 20 años con el gigante tecnológico y eventualmente dirigiendo su grupo de Soluciones Empresariales. Luego llevó a Support.com a cotizar en bolsa como su CEO. Radha fundó la Fundación Anudip en 2007 con Dipak Basu y luego fundó iMerit en 2012. Se la considera una destacada empresaria y mentora tecnológica, y una pionera en el negocio del software.

iMerit ofrece soluciones de datos de inteligencia artificial multimodales combinando la automatización, la anotación experta humana y el análisis avanzado para respaldar la etiquetado de datos de alta calidad y el ajuste fino de modelos a escala.

Ha tenido un viaje notable – desde construir las operaciones de HP en la India hasta fundar iMerit con la misión de elevar a los jóvenes marginados en Bután, la India y Nueva Orleans. ¿Qué la inspiró a empezar iMerit, y qué desafíos enfrentó al crear una fuerza laboral global e inclusiva desde cero?

Antes de fundar iMerit, fui Presidenta y CEO de SupportSoft, donde lideré la empresa a través de sus ofertas públicas iniciales y secundarias, estableciéndola como un líder global en software de automatización de soporte. Esa experiencia me mostró el poder de combinar personas y tecnología desde el primer día.

Mientras que el auge tecnológico de la India creó nuevas oportunidades, noté que muchos jóvenes talentosos en áreas desatendidas se quedaron atrás. Creí en su potencial y su deseo de aprender. Una vez que vieron cómo el software podía impulsar tecnologías avanzadas como la inteligencia artificial, abrazaron con entusiasmo estas carreras.

Lanzamos iMerit con un equipo pequeño y diverso, la mitad de los cuales son mujeres, y hemos crecido rápidamente desde entonces. La adaptabilidad y la capacidad de aprendizaje de nuestro equipo han sido clave, especialmente a medida que la inteligencia artificial centrada en los datos ha aumentado la demanda a largo plazo de especialistas capacitados.

Hoy en día, iMerit es un proveedor global de soluciones de datos de inteligencia artificial para sectores críticos de la misión, como los vehículos autónomos, la inteligencia artificial médica y la tecnología. Nuestro trabajo garantiza que los modelos de inteligencia artificial de los clientes se construyan con datos confiables y de alta calidad, lo cual es esencial en entornos de alto riesgo.

En última instancia, nuestra fuerza radica en una base tecnológica sólida y un equipo de empleados bien capacitados y motivados que prosperan en una cultura de apoyo y aprendizaje. Este enfoque ha impulsado nuestro crecimiento, nos ha mantenido con ganancias y nos ha valido altas calificaciones de NPS y clientes leales.

iMerit ahora trabaja con más de 200 clientes, incluidos gigantes tecnológicos como eBay y Johnson & Johnson (JNJ ). ¿Puede llevarnos a través del viaje de crecimiento de la empresa – desde los primeros días hasta convertirse en un líder global en servicios de datos de inteligencia artificial?

Hemos tenido un asiento en la primera fila para los viajes de inteligencia artificial de nuestros clientes, asociándonos desde experimentos tempranos hasta producción a gran escala. Nuestro trabajo abarca startups, líderes globales de vehículos autónomos y grandes empresas. Al entrenar sus modelos desde cero, hemos ganado una visión sin precedentes de lo que realmente se necesita para escalar la inteligencia artificial en el mundo real.

El campo ha evolucionado constantemente y con rapidez. Rara vez he visto una tecnología avanzar de manera tan dramática en tan poco tiempo. Nos hemos transformado de un proveedor de anotación de datos a una empresa de datos de inteligencia artificial de pilas completas, ofreciendo soluciones especializadas en todo el ciclo de vida de la inteligencia artificial humana en el bucle (HITL): anotación, validación, auditoría y pruebas de penetración. Manejar casos de borde y excepciones es vital para la implementación en el mundo real, lo que requiere una profunda experiencia y un juicio matizado en cada paso.

Nuestro sector vertical más grande es la movilidad autónoma, donde gestionamos la pila de percepción completa, incluida la fusión de sensores en 15 sensores para vehículos de pasajeros, entrega, camiones y vehículos agrícolas. En el ámbito de la salud, impulsamos la inteligencia artificial de imágenes clínicas. En alta tecnología, estamos a la vanguardia del ajuste y la validación de GenAI, lo que exige una mayor sofisticación en nuestros flujos de trabajo y talento.

El éxito en estos dominios no se trata solo de tener expertos, se trata de cultivar la experiencia: la capacidad cognitiva para desafiar, capacitar y contextualizar los modelos de inteligencia artificial. Esto es lo que distingue a nuestros equipos.

Nuestro crecimiento se impulsa por asociaciones a largo plazo, y la mayoría de nuestros diez principales clientes han estado con nosotros durante más de cinco años. A medida que sus necesidades crecen en complejidad, continuamente elevamos nuestro conocimiento de dominio, herramientas, capacitación y soluciones. Tanto nuestra pila tecnológica como nuestra gente deben evolucionar constantemente.

La fusión de software, automatización, anotación y análisis crea la base para intervenciones humanas en el bucle muy flexibles, rápidas y precisas. El 70% de los nuevos logotipos están en nuestra propia pila tecnológica, lo que requiere una gran transformación interna. Nuevamente, nuestra cultura garantiza que los equipos estén ansiosos por aprender y deseen crecer constantemente.

¿Cuáles han sido los momentos más cruciales en la historia de iMerit – ya sea hitos tecnológicos o decisiones estratégicas – que ayudaron a dar forma a la trayectoria de la empresa?

En un momento en que el trabajo de datos de inteligencia artificial se consideraba un trabajo de multitud basado en la economía de las aplicaciones, apostamos temprano por que esto crecería como una carrera y requeriría complejidad y enfoque empresarial. Al construir equipos internos dedicados a casos de uso avanzados, permitimos que nuestros clientes escalen rápidamente, culminando en nuestro primer trato de $1M MRR en vehículos autónomos, un hito que validó nuestro enfoque.

El bloqueo de COVID-19 puso a prueba nuestra agilidad: nos trasladamos de estar completamente en la oficina a estar completamente de forma remota casi de la noche a la mañana, invirtiendo mucho en infraestructura, seguridad y cultura. Dentro de semanas, las operaciones de los clientes se recuperaron, y crecimos tanto en ingresos como en personal ese año. Hoy en día, con el 70% de nuestro equipo de regreso en el sitio, seguimos aprovechando el talento remoto, lanzando Académicos, nuestra red global de expertos en materia para el ajuste y la validación de GenAI. Ya sea un cardiólogo o un matemático español, nuestra cultura de alto contacto atrae y motiva a los mejores talentos, elevando directamente la calidad y la coherencia de nuestras soluciones.

En 2023, adquirimos Ango.ai, una plataforma de etiquetado de datos y automatización de flujo de trabajo impulsada por inteligencia artificial, para impulsar la próxima generación de herramientas de datos de inteligencia artificial. Este movimiento crucial fusionó la experiencia de dominio de iMerit con la herramienta avanzada de Ango, expandiendo nuestras capacidades en radiología, fusión de sensores y ajuste fino de GenAI. Todavía trabajamos con herramientas de clientes, pero muchos clientes nuevos ahora se incorporan directamente a Ango Hub, atraídos por sus flujos de trabajo de usuario fácil y su seguridad robusta, que son requisitos esenciales en nuestra industria.

Las empresas nos dicen consistentemente que están buscando lo mejor de ambos mundos: conocimientos expertos humanos para garantizar la calidad, combinados con una plataforma segura y escalable que entregue automatización y análisis. Combinar fuerzas con Ango entrega exactamente eso, lo que nos posiciona de manera única para satisfacer las demandas complejas de los proyectos de inteligencia artificial más ambiciosos de hoy en día y escalar con confianza.

iMerit está profundamente involucrada en dominios avanzados como los vehículos autónomos, la inteligencia artificial médica y GenAI. ¿Cuáles son algunos de los desafíos de datos únicos que enfrenta en estos sectores, y cómo los aborda?

Las tareas relacionadas con los datos suelen representar casi el 80% del tiempo dedicado a los proyectos de inteligencia artificial, lo que los convierte en un componente crítico de la canalización. La parte centrada en los datos de la inteligencia artificial puede ser tediosa y costosa si no se maneja adecuadamente y a escala.

La calidad de los datos, y especialmente la evitación de errores graves, es esencial en sectores críticos de la misión en los que operamos. Ya sea un algoritmo de percepción o un detector de tumores, los datos limpios son esenciales en el bucle de entrenamiento a validación.

El manejo de excepciones es desproporcionadamente valioso. La perspicacia humana sobre por qué algo está fuera de la norma o por qué un escenario rompió el modelo crea un valor masivo al hacer que el modelo sea más completo y robusto.

Además, las ventanas de contexto se están volviendo más grandes. Estamos resumiendo notas clínicas de una consulta completa de médico y paciente y analizando anomalías en MRI basadas no solo en la imagen, sino también en el contexto médico del paciente. Los expertos en materia deben establecer rubricas para analizar los datos con precisión y garantizar la calidad.

La seguridad, la privacidad y la confidencialidad son temas candentes. Nuestro Oficial de Seguridad debe proteger contra el acceso no autorizado, eliminación y almacenamiento de datos. Los protocolos de Infosec como SOC2, HIPAA y TISAX han sido áreas importantes de inversión para nosotros.

Finalmente, nuestros ingenieros y arquitectos de soluciones están trabajando constantemente en integraciones personalizadas y informes para que las necesidades únicas de los clientes se reflejen en la última milla. Un enfoque de talla única no funciona en la inteligencia artificial.

Habla sobre la combinación de la robótica y la inteligencia humana como un camino más seguro para la inteligencia artificial. ¿Puede expandirse sobre cómo se ve este flujo de trabajo en la práctica – y por qué cree que es mejor que tratar de eliminar la divergencia creativa de la inteligencia artificial?

La inteligencia artificial proporciona escala, lo que significa que las empresas están desarrollando herramientas para automatizar procesos largos tradicionalmente realizados por humanos. Pero los humanos proporcionan la última milla de flexibilidad, certeza y resiliencia. A medida que los servicios entregados por software siguen proliferando en la inteligencia artificial, las empresas más exitosas combinarán efectivamente la robótica con las prácticas de humanos en el bucle (HITL).

Vemos HITL como una capa consistente en cada fase del ciclo de vida de desarrollo y despliegue de la inteligencia artificial, y también como un pilar de confianza y seguridad. En consecuencia, la inteligencia humana será esencial para corregir el curso si los modelos fallan. Estas aplicaciones críticas necesitarán la mente humana para determinar qué cambios deben realizarse. Es aquí donde los servicios HITL se volverán aún más importantes a medida que integramos la inteligencia artificial en la producción y las operaciones de campo.

Su plataforma Ango Hub combina la automatización con la pericia humana en el bucle. ¿Cómo mejora este modelo híbrido la calidad de los datos y el rendimiento del modelo en los sistemas de inteligencia artificial en producción?

La inteligencia artificial y la automatización proporcionan escala y velocidad, mientras que los humanos proporcionan matices, perspicacia y supervisión. HITL garantiza la participación humana en los momentos críticos del ciclo de vida de la inteligencia artificial – garantizando entradas de alta calidad, validando salidas, identificando casos de borde y ajustando modelos para dominios, y brindando juicio contextual. Los humanos ayudan a garantizar la precisión al revisar y verificar las salidas, capturando alucinaciones o errores lógicos antes de que causen daño. También brindan supervisión en contextos éticamente sensibles o de alto riesgo donde los LLM no deben tomar decisiones finales. Más importante aún, la retroalimentación humana alimenta el aprendizaje continuo, ayudando a los sistemas de inteligencia artificial a alinearse más estrechamente con los objetivos del usuario con el tiempo.

HITL adopta muchas formas. Los expertos humanos participan en anotación dirigida, aplican razonamiento complejo a casos de borde y revisan el contenido generado por la inteligencia artificial utilizando interfaces de QA estructuradas. En lugar de evaluar cada decisión, a menudo se implementan sistemas de escalación contextual. Estos sistemas enrutan solo salidas de baja confianza o anomalías marcadas a revisores humanos, equilibrando la supervisión con la eficiencia.

Otro uso crítico de HITL es el ajuste de agentes de inteligencia artificial a través de la retroalimentación humana del aprendizaje de refuerzo (RLHF). Los revisores humanos clasifican, reescriben o brindan retroalimentación sobre las respuestas del agente, lo cual es especialmente importante en dominios sensibles como la atención médica, los servicios legales o el soporte al cliente. En conjunto, las pruebas basadas en escenarios y las pruebas de penetración permiten a los evaluadores humanos probar a los agentes en condiciones adversas o inusuales para identificar y parchear vulnerabilidades antes del despliegue.

El potencial completo de la inteligencia artificial se realiza solo cuando los humanos permanecen en el bucle, guiando, validando y mejorando cada paso. Ya sea perfeccionando las salidas del agente, los bucles de entrenamiento o las canalizaciones de datos confiables, la supervisión humana agrega la estructura y la responsabilidad que la inteligencia artificial necesita para ser de confianza y eficaz.

Con la evolución rápida de las herramientas de inteligencia artificial generativa, ¿cómo iMerit se mantiene a la vanguardia en la prestación de servicios de evaluación, RLHF y ajuste fino?

Recientemente lanzamos el Laboratorio de Razonamiento Profundo de Ango Hub (DRL), una plataforma unificada para el ajuste y el desarrollo interactivo de la inteligencia artificial generativa con la lógica de cadena de pensamiento con maestros de inteligencia artificial. Nuestro DRL permite procesos en tiempo real y evaluación basada en preferencias humanas, lo que lleva a respuestas de modelo más coherentes y precisas a problemas complejos.

Los avances en los modelos y la aplicación de GenAI resaltan el valor de los datos limpios, creados por expertos y validados. Con el DRL de Ango Hub, los expertos pueden probar modelos, identificar debilidades y generar datos limpios utilizando la lógica de cadena de pensamiento. Interactúan con los modelos en tiempo real y envían correcciones y promtps hacia atrás paso a paso en una sola interfaz.

Al aprovechar a los Académicos de iMerit, el DRL de Ango Hub perfecciona los procesos de razonamiento del modelo. Se aprovecha la experiencia extensa de iMerit con flujos de trabajo HITL. Los expertos diseñan escenarios de múltiples pasos para tareas complejas, como crear promtps de pensamiento en cadena para problemas matemáticos avanzados. Los Académicos de iMerit revisan las salidas, corrigen errores y capturan interacciones de manera fluida. La magia no está en incorporar grandes números indiscriminadamente. Los mejores matemáticos no son necesariamente los mejores maestros. Tampoco se debe tratar a un cardiólogo como un trabajador de la economía de las aplicaciones. El ajuste y la capacitación de expertos en materia para pensar de las maneras que más beneficien al proceso de entrenamiento del modelo hacen la diferencia.

¿Qué significa “experto en el bucle” en el contexto del ajuste fino de la inteligencia artificial generativa? ¿Puede compartir ejemplos donde la pericia humana mejoró significativamente las salidas del modelo?

Experto en el bucle combina la inteligencia humana con la inteligencia robótica para avanzar en la inteligencia artificial hacia la producción. Implica a expertos humanos que validan, refinan y mejoran las salidas de los sistemas automatizados.

En particular, la anotación de datos liderada por expertos garantiza que los datos de entrenamiento estén etiquetados con precisión con conocimientos específicos del dominio, mejorando así la precisión y la confiabilidad de los modelos de inteligencia artificial predictiva. Al reducir los sesgos y las malclasificaciones, la anotación dirigida por expertos mejora la capacidad del modelo para generalizar eficazmente en escenarios del mundo real. Esto da como resultado sistemas de inteligencia artificial más confiables, interpretables y alineados con las necesidades específicas de la industria.

Por ejemplo, después de adquirir un gran corpus de datos médicos, una empresa de tecnología multinacional estadounidense necesitaba evaluar los datos para su uso en su chatbot médico orientado al consumidor para garantizar consejos médicos seguros y precisos para los usuarios. Volviéndose hacia iMerit, aprovecharon nuestra extensa red de expertos en atención médica en los Estados Unidos y reunieron un equipo de enfermeras para trabajar en un flujo de trabajo de consenso con escalaciones y arbitraje proporcionados por un médico certificado por la junta estadounidense. Las enfermeras comenzaron evaluando la base de conocimientos con definiciones para evaluar la precisión y el riesgo.

A través de la discusión de casos de borde y la revisión de las directrices, las enfermeras pudieron llegar a un consenso en el 99% de los casos. Esto permitió al equipo revisar el diseño del proyecto a una estructura de voto único con una auditoría del 10%, lo que redujo los costos del proyecto en más del 72%. Trabajar con iMerit ha permitido a esta empresa identificar continuamente formas de escalar la anotación de datos médicos de manera ética y eficiente.

Con más de 8,000 expertos a tiempo completo en todo el mundo, ¿cómo mantiene la calidad, el rendimiento y el desarrollo de los empleados a escala?

La definición de calidad siempre se adapta al caso de uso específico de cada cliente. Nuestros equipos colaboran estrechamente con los clientes para definir y calibrar los estándares de calidad, empleando procesos personalizados que garantizan que cada anotación sea validada rápidamente por expertos en materia. La coherencia es importante para el desarrollo de inteligencia artificial de alta calidad. Esto está respaldado por una alta retención de empleados (90%) y un fuerte enfoque en análisis de producción, un factor clave en el diseño de Ango Hub, moldeado por la entrada diaria de los usuarios de nuestro equipo.

Continuamente invertimos en automatización, optimización y gestión del conocimiento, respaldado por nuestra plataforma de capacitación iMerit One. Este compromiso con el aprendizaje y el desarrollo no solo impulsa la excelencia operativa, sino que también apoya el progreso de carrera a largo plazo de nuestros empleados, fomentando una cultura de experiencia y crecimiento.

¿Qué consejo le daría a los aspirantes a empresarios de inteligencia artificial que desean construir algo significativo – tanto en tecnología como en impacto social?

La inteligencia artificial se está moviendo a un ritmo vertiginoso. Vaya más allá de la pila tecnológica y escuche a sus clientes para entender qué es lo que importa a su negocio. Entienda su apetito por la velocidad, el cambio y el riesgo. Los clientes tempranos pueden probar cosas. Los clientes más grandes necesitan saber que usted está allí para quedarse y que priorizará su negocio. Póngalos en una posición tranquila con su enfoque proactivo hacia la transparencia, la seguridad y la responsabilidad.

Además, seleccione cuidadosamente a sus inversores y miembros de la junta para garantizar la alineación de valores y preocupaciones compartidas. En iMerit, experimentamos un apoyo significativo de nuestra junta y nuestros inversores durante tiempos desafiantes como el COVID-19, lo que atribuimos a esta alineación.

Las cualidades clave que contribuyen al éxito de un empresario en la industria tecnológica van más allá de asumir riesgos; implican construir una empresa rentable e inclusiva.

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