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 empresariales hacer preguntas a Seek exactamente como lo hacen actualmente con el equipo de datos, directamente en Slack, Teams y correo electrónico. No es necesario “perfeccionar” la forma en que escriben su pregunta, ni aprender una nueva plataforma.

Empezaste como investigadora con datos del telescopio espacial Hubble. ¿En qué estabas trabajando?

Estaba haciendo investigación en UCLA y Caltech, analizando algunas de las galaxias más distantes que se podían observar 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 explicar cómo se forman estas galaxias con el tiempo.

Luego trabajaste 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 asignaron este proyecto porque él estaba ocupado. Ni siquiera sabía nada sobre NLP en ese momento, así que hice algunos cursos gratuitos de Stanford y Fast.ai para mejorar mi conocimiento. 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.

¿Puedes compartir la historia de la creación 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 mi primera experiencia con la realidad virtual en 2013, que también fue una 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 de que si aprendía más sobre estos modelos, algo valioso surgiría.

Una vez que realmente aprendí sobre los modelos, eso es cuando me di cuenta de que podía resolver un problema que encontré en todos los lugares donde había trabajado como cuantitativa o como científica de datos. El problema en cuestión era que las personas del negocio no tenían las herramientas adecuadas para responder sus propias preguntas de datos. Como científica de datos, a menudo trabajaba en problemas que requerían mucha concentración, pero a menudo era interrumpida por colegas del lado empresarial 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. ¿Puedes explicar a nuestros lectores qué es esto?

La “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 juegas con DALL-E o Stable Diffusion, por ejemplo, rápidamente entenderás 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 volviéndose 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 variedad 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 varias bifurcaciones 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 sirven los datos si no generan un ROI, y cómo puede una empresa obtener este ROI si los usuarios que se enfrentan al negocio no pueden siquiera acceder a ellos? 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 nuestra empresa. Estos proyectos podían tomar semanas o más. Como CEO ahora, definitivamente entiendo la importancia de esos 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 al alcance de mi mano 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 considerar 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 que los datos se presenten a los usuarios empresariales.

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 pedirle al equipo de datos que lo haga si no pueden encontrarlo. Cuanto más grandes sean los conjuntos 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 son 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 personas menos técnicas comiencen a interactuar con la fuente de conocimiento que son los datos de la empresa. Por otro lado, ¿de qué sirve una fuente de conocimiento 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 software como servicio B2B, fintech, bienes 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 fundamental en la estrategia de nuestra empresa para 2023 debido a la ventaja que nos brinda al acceder y analizar nuestros más de 2.400 conjuntos de datos en respuesta a 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 te gustaría compartir sobre Seek AI?

Este podría ser el lugar adecuado para una promoción descarada. Seek está ofreciendo 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 emocionada de ir en este viaje con nuestros clientes.

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