Sarah Nagy, Fundadora y CEO de Seek AI – Serie de Entrevistas

Sarah Nagy es la fundadora y CEO de Seek AI, una plataforma que permite a los usuarios finales de negocios hacer a Seek las mismas preguntas que actualmente hacen al equipo de datos, directamente en Slack, Teams y correo electrónico. No es necesario “perfeccionar” la forma en que escriben su pregunta, y no necesitan aprender una nueva plataforma.

Inicialmente, comenzó como investigadora con datos del telescopio espacial Hubble. ¿En qué estaba trabajando?

Estaba haciendo investigación en UCLA y Caltech, observando algunas de las galaxias más distantes que podían ser observadas con un telescopio, y estaba trabajando en el análisis de algunas de sus propiedades, como su masa y tamaño. El propósito de esta investigación era ayudarnos a entender la diferencia entre galaxias muy distantes y galaxias que están más cerca de la nuestra, y desarrollar modelos para cómo se forman estas galaxias con el tiempo.

Luego trabajó como científica de datos en varias startups. ¿Cuáles fueron algunos de los proyectos más interesantes?

Un proyecto que destaca involucró el uso de procesamiento de lenguaje natural (NLP) para clasificar texto no estructurado relacionado con artículos de venta al por menor. Por ejemplo, tomar texto crudo (por ejemplo, “zapatillas Jordan verdes”) y etiquetarlo como la marca estimada (“Nike”). Tenía un colega que se especializaba en NLP que estaba ocupado con otro proyecto, así que finalmente me lo asignaron a mí porque estaban ocupados. Ni siquiera sabía nada sobre NLP en ese momento, así que hice algunos cursos gratuitos de Stanford y Fast.ai para mejorar mis conocimientos. Realmente disfruté aprendiendo sobre NLP y comencé a entender por qué es tan importante, y por qué la inteligencia artificial (IA) que puede entender el lenguaje es un gran paso hacia la llamada “IA general”. Esta experiencia definitivamente me preparó para entender rápidamente la importancia de GPT-3 cuando salió por primera vez.

¿Puede compartir la historia de origen detrás de Seek AI?

Cuando salió el modelo GPT-3 de OpenAI, inmediatamente reconocí qué avance increíble era y me emocioné particularmente por las aplicaciones que involucraban a GPT-3 escribiendo código. Después de todo, estaba escribiendo código todo el día como científica de datos, y ver a la IA hacer esto – y generar el código perfectamente – fue impresionante. Compararía mi reacción a GPT-3 con aprender sobre la realidad virtual por primera vez en 2013, que fue otra experiencia impresionante para mí. Finalmente, decidí que necesitaba formar una startup para apostar por esta tecnología. No sabía exactamente qué iba a construir, pero tenía una sensación instintiva de que si aprendía más sobre estos modelos, algo valioso caería en su lugar.

Una vez que realmente aprendí sobre los modelos, fue cuando me di cuenta de que podía resolver un punto doloroso que encontré en todos los lugares donde trabajé como cuantitativa o como científica de datos. El punto doloroso en cuestión era que las personas de negocios no tenían las herramientas adecuadas para responder a sus propias preguntas de datos. Como científica de datos, frecuentemente trabajaba en problemas que requerían mucha concentración, pero a menudo era interrumpida por colegas del lado de los negocios que tenían preguntas sobre los datos, lo que me obligaba a detener lo que estaba haciendo. El proceso parecía arcaico e ineficiente. Me di cuenta de que si me enfocaba en esta nueva tecnología para resolver el problema, sería una solución definitoria de categoría para este problema muy importante y ubicuo.

Seek AI utiliza inteligencia artificial generativa. ¿Puede explicar a nuestros lectores qué es esto?

“Inteligencia artificial generativa” es un término muy publicitado, pero a diferencia de otros términos publicitados, no creo que la publicidad sea infundada. El término se refiere a grandes modelos de aprendizaje automático con cientos de miles de millones de parámetros, como DALL-E y GPT-3 de Open AI. La innovación de estos modelos es que pueden entender el lenguaje natural y generar texto, imágenes, código y más. Si alguna vez juega con DALL-E o Stable Diffusion, por ejemplo, rápidamente entenderá por qué estos modelos son tan publicitados; tienen una capacidad increíblemente humana para entender comandos de lenguaje natural y pueden generar arte que rivaliza con el de los mejores artistas humanos.

La generación de código es una de las aplicaciones más nichos, pero más importantes, de la inteligencia artificial generativa. Los datos están creciendo y se están volviendo más complejos, y por lo tanto, más difíciles de analizar y organizar manualmente por humanos. Sin embargo, hay mucha información codificada en estos datos. Esta información no solo es poderosa para las organizaciones, sino que también puede conducir a avances científicos increíbles en el lado académico. Construir IA para extraer valor de los datos desbloqueará un valor increíble en forma de información útil.

Seek AI está construyendo una interfaz que permite a los usuarios interactuar con los datos utilizando lenguaje natural. Los trabajadores del conocimiento pueden acceder a la interfaz de lenguaje natural de Seek AI mediante correo electrónico, Slack, texto y una serie de sistemas de gestión de relaciones con los clientes (CRM).

¿Qué otros tipos de aprendizaje automático se utilizan en Seek AI?

Si bien la inteligencia artificial generativa es una parte de nuestra arquitectura de aprendizaje automático, nuestra arquitectura también incluye varios forks de modelos de aprendizaje profundo de código abierto. Los modelos de transformadores (de los cuales “inteligencia artificial generativa” es una variante) comprenden muchos (pero no todos) de los modelos que Seek utiliza.

¿Por qué es tan importante que los usuarios no técnicos puedan acceder rápidamente a los datos?

¿De qué sirve la información si no genera un retorno de la inversión, y cómo puede una empresa obtener este retorno de la inversión si los usuarios que se enfrentan a los negocios no pueden siquiera acceder a ella? Esto es por lo que es absolutamente esencial dar acceso a tantas personas como sea posible, sin comprometer la precisión.

Cuando era científica de datos, a veces recibía solicitudes del CEO para analizar algunos datos para ayudar con la estrategia de producto o de marketing de la empresa. Estos proyectos podían tomar semanas o más. Como CEO ahora, definitivamente entiendo la importancia de estos proyectos a un nivel más profundo de lo que lo hacía cuando estaba en el lado de los datos. A menudo me encuentro deseando que pudiera simplemente obtener los datos a mis dedos para que pueda tomar mis decisiones más rápido. Esto es un ejemplo de lo que estamos resolviendo en Seek.

¿Cómo hace Seek AI que estos datos sean tan fáciles de recuperar?

Algo que es interesante pensar es que los datos realmente solo se pueden analizar con código. Es cierto que hay plataformas que son abstracciones sobre este código (por ejemplo, paneles de datos), pero bajo la superficie, hay código escrito manualmente por analistas de datos que permite presentar los datos a los usuarios que se enfrentan a los negocios.

La mayoría de los trabajadores del conocimiento no saben codificar, no quieren codificar o simplemente no pueden acceder a los datos incluso si quieren escribir código para analizarlos. Por lo tanto, cuando necesitan datos, deben ubicarlos en un panel o preguntar al equipo de datos si no pueden encontrarlos. Cuanto más grande sea el conjunto de datos, más sucederá esto.

Los equipos de datos, por lo tanto, necesitan ser “traductores” de preguntas de lenguaje natural dirigidas a ellos, y los datos en sí, que consultan utilizando código. Eliminar este “traductor” intermediario es el corazón de lo que Seek está haciendo.

¿Cómo garantizan las empresas que los datos que utilizan sean precisos?

Administrar la compensación entre la precisión de los datos y la accesibilidad es un desafío enorme. Como dije en una entrevista reciente, por un lado, la accesibilidad permite que los menos técnicos comiencen a interactuar con el manantial de conocimiento que es el conjunto de datos de una empresa. Por otro lado, ¿de qué sirve un manantial de agua contaminada (es decir, malos datos)?

Los mejores equipos de datos son aquellos que administran esta compensación de la manera más óptima posible, y una gran parte de eso es calibrar y verificar cuidadosamente cualquier herramienta con la que los usuarios no técnicos puedan interactuar.

¿Cuáles son algunos ejemplos de casos de uso para la plataforma Seek AI?

Ya estamos brindando valor a clientes y socios de diseño en los mercados verticales de B2B SaaS, Fintech, Productos de Consumo (CPG) y comercio electrónico B2C.

Battlefin, por ejemplo, es el mercado líder de conjuntos de datos financieros alternativos. Creen que dar respuestas rápidas y de alta calidad a las preguntas de sus propios clientes es la diferencia entre ganar y perder sobre sus competidores. El CEO de la empresa, Tim Harrington, señaló: “Seek AI jugó un papel crítico en la estrategia de nuestra empresa para 2023 debido a la ventaja que nos brinda al acceder y analizar nuestros 2.400+ conjuntos de datos en respuesta a las preguntas de los clientes. Estimo que nuestro ROI en Seek AI es de aproximadamente 10 veces en función de lo que habríamos gastado para lograr este nivel de eficiencia sin la plataforma”.

¿Hay algo más que le gustaría compartir sobre Seek AI?

Este podría ser el lugar adecuado para una promoción sin vergüenza. Seek AI actualmente ofrece pruebas gratuitas de nuestra plataforma, que se puede acceder en seek.ai. Estamos emocionados de ser pioneros en la introducción de inteligencia artificial generativa a los equipos de datos, y estoy emocionado de emprender este viaje con nuestros clientes.

Gracias por la gran entrevista, los lectores que deseen obtener más información deben visitar Seek AI.