Radha Basu, iMeritin toimitusjohtaja ja perustaja – Haastattelusarja

Radha Basu, iMeritin perustaja ja toimitusjohtaja, on rakentanut uransa HP:llä viettäen 20 vuotta teknologiajätin palveluksessa ja lopulta johtaen sen Enterprise Solutions -ryhmää. Sen jälkeen hän nosti Support.comin pörssiin sen toimitusjohtajana. Radha perusti Anudip Foundationin vuonna 2007 Dipak Basun kanssa ja sitten iMeritin vuonna 2012. Häntä pidetään johtavana teknologiayrittäjänä ja mentorina sekä ohjelmistoalan edelläkävijänä.

iMerit tarjoaa multimodaalisia tekoälydataratkaisuja yhdistämällä automaatiota, asiantuntevaa ihmisen tekemää annotointia ja edistynyttä analytiikkaa tukeakseen korkealaatuista datan merkitsemistä ja mallien hienosäätöä skaalautuvasti.

Olet kulkenut merkittävän matkan – HP:n Intian toimintojen rakentamisesta iMeritin perustamiseen, jonka tehtävänä on tukea marginalisoituneita nuoria Bhutanissa, Intiassa ja New Orleansissa. Mikä inspiroi sinua perustamaan iMeritin, ja mitä haasteita kohtasit luodessasi osallistavaa, globaalia työvoimaa alusta alkaen?

Ennen iMeritin perustamista toimin SupportSoftin hallituksen puheenjohtajana ja toimitusjohtajana, ja johdin yhtiötä sen listautumisannissa ja toissijaisissa listautumisanneissa tehden siitä globaalin johtajan tukiautomaatio-ohjelmistojen alalla. Tämä kokemus osoitti minulle ihmisten ja teknologian yhdistämisen voiman alusta alkaen.

Vaikka Intian teknologiabuumi loi uusia mahdollisuuksia, huomasin, että monet lahjakkaat nuoret alipalvelluilla alueilla jäivät jälkeen. Uskoin heidän potentiaaliinsa ja oppimishaluunsa. Kun he näkivät, miten ohjelmistot voisivat tukea edistyneitä teknologioita, kuten tekoälyä, he ottivat innokkaasti vastaan ​​nämä urat.

Käynnistimme iMeritin pienellä ja monimuotoisella tiimillä, josta puolet on naisia, ja olemme kasvaneet nopeasti siitä lähtien. Tiimimme sopeutumiskyky ja valmennettavuus ovat olleet avainasemassa, erityisesti koska datakeskeinen tekoäly on lisännyt osaavien asiantuntijoiden pitkän aikavälin kysyntää.

Nykyään iMerit on maailmanlaajuinen tekoälydataratkaisujen toimittaja kriittisille aloille, kuten autonomisille ajoneuvoille, lääketieteelliselle tekoälylle ja teknologialle. Työmme varmistaa, että asiakkaiden tekoälymallit perustuvat korkealaatuiseen ja luotettavaan dataan, mikä on olennaista korkean riskin ympäristöissä.

Vahvuutemme piilee vahvassa teknologiaperustassamme ja hyvin koulutettujen, motivoituneiden työntekijöiden tiimissä, joka viihtyy tukevassa ja oppimiskeskeisessä kulttuurissa. Tämä lähestymistapa on vauhdittanut kasvuamme, pitänyt kassatilanteemme positiivisena ja tuonut meille korkeat NPS-pisteet ja uskollisia asiakkaita.

iMerit työskentelee nyt yli 200 asiakkaan kanssa, mukaan lukien teknologiajättejä, kuten eBay ja Johnson & Johnson. Voitko käydä läpi yrityksen kasvun matkan – alkuajoista globaaliksi johtajaksi tekoälytietopalveluissa?

Olemme olleet eturivissä asiakkaidemme tekoälymatkoilla, tehden yhteistyötä varhaisista kokeiluista aina laajamittaiseen tuotantoon asti. Työmme kattaa startup-yritykset, globaalit autonomisten ajoneuvojen johtajat ja suuryritykset. Kouluttamalla heidän mallejaan alusta alkaen olemme saaneet vertaansa vailla olevan näkemyksen siitä, mitä tekoälyn skaalaaminen todellisessa maailmassa todella vaatii.

Ala on kehittynyt jatkuvasti ja nopeasti. Harvoin olen nähnyt teknologian kehittyvän näin dramaattisesti näin lyhyessä ajassa. Olemme muuttuneet datan annotointien tarjoajasta täyden palvelun tekoälydataa tarjoavaksi yritykseksi, joka toimittaa erikoistuneita ratkaisuja koko ihmisen mukana luokassa (HITL) tapahtuvaan elinkaareen: annotointiin, validointiin, auditointiin ja red teamingiin. Reunatapausten ja poikkeusten käsittely on elintärkeää tosielämän käyttöönotossa, ja se vaatii syvällistä asiantuntemusta ja vivahteikasta harkintaa jokaisessa vaiheessa.

Suurin toimialamme on autonominen liikkuvuus, jossa hallinnoimme koko havaintokykypinoa, mukaan lukien anturien fuusiointia 15 anturilla henkilö-, jakelu-, kuorma-auto- ja maatalousajoneuvoissa. Terveydenhuollossa edistämme kliinisen kuvantamisen tekoälyä. Huipputeknologiassa olemme GenAI:n virityksen ja validoinnin eturintamassa, ja vaadimme entistä kehittyneempiä työnkulkuihimme ja osaamiseemme.

Menestyminen näillä aloilla ei ole pelkästään asiantuntijoiden varassa – kyse on asiantuntemuksen kehittämisestä: kognitiivisesta kyvystä haastaa, valmentaa ja kontekstualisoida tekoälymalleja. Tämä erottaa tiimimme muista.

Kasvuamme vauhdittavat pitkäaikaiset kumppanuudet, ja useimmat kymmenestä suurimmasta asiakkaastamme ovat olleet kanssamme yli viisi vuotta. Heidän tarpeidensa monimutkaistuessa kehitämme jatkuvasti toimialaosaamistamme, työkalujamme, koulutustamme ja ratkaisujamme. Sekä teknologiapinomme että henkilöstömme on jatkuvasti kehityttävä.

Ohjelmistojen, automaation, annotoinnin ja analytiikan yhdistelmä luo pohjan erittäin joustaville, nopeille, erittäin tarkoille ja ihmisen mukanaan tuomille interventioille. 70 % uusista logoista on omassa teknologiapinossamme, mikä vaatii valtavaa sisäistä muutosta. Jälleen kerran, kulttuurimme varmistaa, että tiimit ovat innokkaita oppimaan ja haluavat kasvaa jatkuvasti.

Mitkä ovat olleet iMeritin historian käännekohtia – olivatpa ne sitten teknologisia virstanpylväitä tai strategisia päätöksiä – jotka ovat muokanneet yrityksen kehityskaarta?

Aikana, jolloin tekoälydatan parissa työskentelyä pidettiin joukkopohjaisena keikkatyönä, olimme jo varhaisessa vaiheessa sitä mieltä, että tästä tulisi urakehitys, joka vaatisi monimutkaisuutta ja yrityskeskeisyyttä. Rakentamalla sisäisiä tiimejä, jotka on omistautunut edistyneille käyttötapauksille, mahdollistimme asiakkaidemme nopean skaalautumisen, mikä huipentui ensimmäiseen miljoonan dollarin MRR-sopimukseemme autonomisista ajoneuvoista, mikä oli virstanpylväs lähestymistapamme vahvistamiseksi.

COVID-19-sulkutila koetteli ketteryyttämme: siirryimme täysin toimistotyöskentelystä täysin etätyöhön lähes yhdessä yössä investoiden voimakkaasti infrastruktuuriin, tietoturvaan ja kulttuuriin. Muutamassa viikossa asiakastoiminnot elpyivät, ja sekä liikevaihtomme että henkilöstömäärämme kasvoivat sinä vuonna. Nykyään, kun 70 % tiimistämme on palannut paikan päälle, jatkamme etäosaamisen hyödyntämistä ja lanseerasimme Scholarsin, maailmanlaajuisen asiantuntijaverkostomme GenAI:n virittämiseen ja validointiin. Olipa kyseessä sitten kardiologi tai espanjalainen matemaatikko, vuorovaikutteinen kulttuurimme houkuttelee ja motivoi huippuosaajia, mikä parantaa suoraan ratkaisujemme laatua ja johdonmukaisuutta.

Vuonna 2023 ostimme Ango.ai:n, tekoälypohjaisen datan merkintä- ja työnkulun automatisointialustan, edistääksemme seuraavan sukupolven tekoälydatatyökaluja. Tämä käänteentekevä yritys yhdisti iMeritin toimialaosaamisen Angon edistyneisiin työkaluihin, mikä laajensi osaamistamme radiologiassa, anturifuusiossa ja GenAI:n hienosäädössä. Työskentelemme edelleen myös asiakkaiden työkalujen kanssa, mutta monet uudet asiakkaat on nyt liitetty suoraan Ango Hubiin sen käyttäjäystävällisten työnkulkujen ja vankan tietoturvan houkuttelemina, jotka ovat olennaisia ​​vaatimuksia alallamme.

Yritykset kertovat meille jatkuvasti etsivänsä parasta molemmista maailmoista: asiantuntevaa ihmistietoa laadun varmistamiseksi yhdistettynä turvalliseen ja skaalautuvaan alustaan, joka tarjoaa automaatiota ja analytiikkaa. Voimien yhdistäminen Angon kanssa tarjoaa juuri tämän, ja se antaa meille ainutlaatuisen aseman vastata nykypäivän kunnianhimoisimpien tekoälyprojektien monimutkaisiin vaatimuksiin ja skaalata ne luottavaisin mielin.

iMerit on vahvasti mukana edistyneillä aloilla, kuten autonomisissa ajoneuvoissa, lääketieteellisessä tekoälyssä ja GenAI:ssa. Mitä ainutlaatuisia datahaasteita kohtaatte näillä aloilla ja miten ratkaisette ne?

Dataan liittyvät tehtävät muodostavat tyypillisesti lähes 80 % tekoälyprojekteihin käytetystä ajasta, mikä tekee niistä kriittisen osan prosessia. Tekoälyn datakeskeinen osa voi olla aikaa vievää ja kallista, jos sitä ei hoideta asianmukaisesti ja skaalautuvasti.

Datan laatu ja erityisesti räikeiden virheiden välttäminen on olennaista toiminnassamme kriittisillä aloilla. Olipa kyseessä sitten havaintoalgoritmi tai kasvainilmaisin, puhdas data on olennaista koulutuksesta validointiin -silmukassa.

Poikkeusten käsittely on suhteettoman arvokasta. Ihmisen näkemys siitä, miksi jokin on normaalin ulkopuolella tai miksi jokin skenaario rikkoi mallin, luo valtavasti arvoa mallin täydellisemmäksi ja vankemmaksi tekemisessä.

Lisäksi konteksti-ikkunat laajenevat. Yhteenvedamme koko lääkäri-potilaskonsultaation kliiniset muistiinpanot ja analysoimme magneettikuvien poikkeavuuksia paitsi kuvan myös potilaan lääketieteellisen kontekstin perusteella. Aiheasiantuntijoiden on laadittava arviointimatriisit analysoidakseen tiedot tarkasti ja varmistaakseen laadun.

Turvallisuus, yksityisyys ja luottamuksellisuus ovat kuumia puheenaiheita. Tietoturvapäällikkömme on suojattava tietoja luvattomalta käytöltä, poistamiselta ja tallennukselta. Tietoturvaprotokollat, kuten SOC2, HIPAA ja TISAX, ovat olleet meille tärkeitä investointikohteita.

Lopuksi, insinöörimme ja ratkaisuarkkitehtimme työskentelevät jatkuvasti räätälöityjen integraatioiden ja raporttien parissa, jotta ainutlaatuiset asiakastarpeet heijastuvat viimeisellä kilometrillä. Yhden koon kaikille sopiva lähestymistapa ei toimi tekoälyssä.

Olet puhunut robotiikan ja ihmisälyn yhdistämisestä tekoälyn turvallisempana polkuna. Voitko kertoa tarkemmin, miltä tämä työnkulku näyttää käytännössä – ja miksi uskot sen olevan parempi kuin yrittää poistaa tekoälyn luovat erot?

Tekoäly tarjoaa skaalautuvuutta, mikä tarkoittaa, että yritykset kehittävät työkaluja automatisoidakseen pitkiä prosesseja, jotka perinteisesti ovat ihmisten suorittamia. Mutta ihmiset tarjoavat viimeisen kilometrin joustavuudesta, varmuudesta ja resilienssistä. Ohjelmistopohjaisten palveluiden yleistyessä tekoälyn avulla menestyneimmät yritykset yhdistävät robotiikan tehokkaasti ihmiskeskeisiin käytäntöihin (HITL).

Näemme HITL:n yhtenäisenä kerroksena tekoälyn kehitys- ja käyttöönottovaiheen jokaisessa vaiheessa sekä luottamuksen ja turvallisuuden pilarina. Näin ollen ihmisäly on välttämätöntä mallien virheiden korjaamiseksi. Nämä kriittiset sovellukset tarvitsevat ihmismieltä määrittääkseen, mitä muutoksia on tehtävä. Tässä kohtaa HITL-palveluista tulee entistä merkittävämpiä, kun integroimme tekoälyn tuotantoon ja kenttäoperaatioihin.

Ango Hub -alustasi yhdistää automaation ihmisen ohjaamaan asiantuntemukseen. Miten tämä hybridimalli parantaa datan laatua ja mallin suorituskykyä tuotannon tekoälyjärjestelmissä?

Tekoäly ja automaatio tarjoavat skaalautuvuutta ja nopeutta, kun taas ihmiset tuovat vivahteita, näkemystä ja valvontaa. HITL varmistaa ihmisen osallistumisen tekoälyn elinkaaren kriittisissä vaiheissa – varmistaen korkealaatuiset syötteet, validoimalla tuotokset, tunnistamalla reunatapaukset, hienosäätämällä malleja eri osa-alueille ja tarjoamalla kontekstuaalista arviointia. Ihmiset auttavat varmistamaan tarkkuuden tarkastelemalla ja varmentamalla tuotokset, havaitsemalla hallusinaatiot tai logiikkavirheet ennen kuin ne aiheuttavat vahinkoa. He tarjoavat myös valvontaa eettisesti arkaluontoisissa tai riskialttiissa tilanteissa, joissa oikeustieteen maisterit eivät saisi tehdä lopullisia päätöksiä. Vielä tärkeämpää on, että ihmisen palaute ruokkii jatkuvaa oppimista ja auttaa tekoälyjärjestelmiä mukautumaan paremmin käyttäjien tavoitteisiin ajan myötä.

HITL-analyysillä on monia muotoja. Ihmisasiantuntijat tekevät kohdennettuja annotaatioita, soveltavat monimutkaista päättelyä reunatapauksiin ja tarkistavat tekoälyn luomaa sisältöä strukturoitujen laadunvarmistusliittymien avulla. Jokaisen päätöksen arvioinnin sijaan käytetään usein kontekstuaalisia eskalointijärjestelmiä. Nämä järjestelmät reitittävät vain heikon luotettavuustason tulokset tai merkityt poikkeamat ihmisarvioijille tasapainottaen valvonnan ja tehokkuuden.

Toinen HITL:n kriittinen käyttökohde on tekoälyagenttien hienosäätö ihmispalautteesta perustuvan vahvistusoppimisen (RLHF) avulla. Ihmisarvioijat arvioivat agenttien vastauksia, kirjoittavat ne uudelleen tai antavat niistä palautetta, mikä on erityisen tärkeää arkaluontoisilla aloilla, kuten terveydenhuollossa, lakipalveluissa tai asiakastuessa. Samanaikaisesti skenaariopohjainen testaus ja red teaming mahdollistavat ihmisarvioijien testata agentteja epätavallisissa olosuhteissa haavoittuvuuksien tunnistamiseksi ja korjaamiseksi ennen käyttöönottoa.

Tekoälyn täysi potentiaali toteutuu vain, kun ihmiset pysyvät mukana prosessissa ohjaamassa, validoimassa ja parantamassa jokaista vaihetta. Olipa kyse sitten agenttien tulosteiden jalostuksesta, arviointisilmukoiden kouluttamisesta tai luotettavien dataputkien kuratoinnista, ihmisen valvonta lisää rakennetta ja vastuullisuutta, jota tekoäly tarvitsee luotettavuuden ja tehokkuuden takaamiseksi.

Kun generatiiviset tekoälytyökalut kehittyvät nopeasti, miten iMerit pysyy edellä arviointi-, RLHF- ja hienosäätöpalveluiden tarjoamisessa?

Lanseerasimme hiljattain Ango Hub Deep Reasoning Labin (DRL), yhtenäisen alustan tekoälyn generatiiviseen virittämiseen ja ajatusketjupäättelyn interaktiiviseen kehittämiseen tekoälyopettajien kanssa. DRL-laboratoriomme mahdollistaa reaaliaikaiset, vaiheittaiset prosessit ja arvioinnin ihmisen mieltymysten perusteella, mikä johtaa johdonmukaisempiin ja tarkempiin mallivastauksiin monimutkaisiin ongelmiin.

GenAI-mallien ja -sovelluskehityksen kehitys korostaa puhtaan, asiantuntijoiden luoman ja validoidun datan arvoa. Ango Hub DRL:n avulla asiantuntijat voivat testata malleja, tunnistaa heikkouksia ja tuottaa puhdasta dataa ajatusketjupäättelyn avulla. He ovat vuorovaikutuksessa mallien kanssa reaaliajassa ja lähettävät kehotteita ja korjauksia takaisin askel askeleelta yhden käyttöliittymän kautta.

iMerit Scholars -työkaluja hyödyntävä Ango Hub DRL jalostaa mallipäättelyprosesseja. Se hyödyntää iMeritin laajaa kokemusta HITL-työnkuluista. Asiantuntijat suunnittelevat monivaiheisia skenaarioita monimutkaisiin tehtäviin, kuten ajatusketjukysymysten luomiseen vaativiin matemaattisiin ongelmiin. iMerit Scholars tarkistaa tuotokset, korjaa virheet ja tallentaa vuorovaikutukset saumattomasti. Taika ei ole suurten lukujen valikoivassa perehdyttämisessä. Parhaat matemaatikot eivät välttämättä ole parhaita opettajia. Kardiologia ei myöskään pitäisi kohdella kuin keikkatyöntekijää. Asiantuntijoiden valmennus ja valmennus ajattelemaan tavoilla, jotka hyödyttävät eniten mallikoulutusprosessia, sekä sitoutuminen ratkaisevat.

Mitä ”asiantuntijaosaaminen” tarkoittaa generatiivisen tekoälyn hienosäädön yhteydessä? Voitko jakaa esimerkkejä siitä, miten tämä ihmisen asiantuntemus on merkittävästi parantunut mallien tuotoksista?

Expert-in-the-Loop yhdistää ihmisälyn ja robottiälyn edistääkseen tekoälyn hyödyntämistä tuotannossa. Se koostuu ihmisasiantuntijoista, jotka validoivat, jalostavat ja parantavat automatisoitujen järjestelmien tuloksia.

Tarkemmin sanottuna asiantuntijoiden johtama datan annotointi varmistaa, että harjoitusdata on merkitty tarkasti toimialakohtaisella tiedolla, mikä parantaa ennustavien tekoälymallien tarkkuutta ja luotettavuutta. Vähentämällä harhoja ja virheellisiä luokitteluja asiantuntijajohtoinen annotointi parantaa mallin kykyä yleistää tehokkaasti reaalimaailman skenaarioissa. Tämä johtaa tekoälyjärjestelmiin, jotka ovat luotettavampia, tulkittavampia ja toimialakohtaisten tarpeiden mukaisia.

Esimerkiksi saatuaan suuren määrän lääketieteellistä dataa yhdysvaltalainen monikansallinen teknologiayritys tarvitsi arvioida dataa kuluttajille suunnatun lääketieteellisen chatbottinsa käyttöön varmistaakseen käyttäjille turvallisen ja tarkan lääketieteellisen neuvonnan. iMerit hyödynsi laajaa yhdysvaltalaista terveydenhuollon asiantuntijoiden verkostoamme ja kokosi sairaanhoitajien tiimin työskentelemään konsensuspohjaisessa työnkulussa, jossa yhdysvaltalainen lautakunnan sertifioima lääkäri suoritti eskalointi- ja sovittelumenettelyt. Sairaanhoitajat aloittivat arvioimalla tietokannan, joka sisälsi määritelmiä tarkkuuden ja riskin arvioimiseksi.

Reunatapausten keskustelujen ja ohjeiden tarkistamisen avulla sairaanhoitajat pääsivät yksimielisyyteen 99 %:ssa tapauksista. Tämä mahdollisti tiimille projektisuunnitelman tarkistamisen yhden äänen rakenteeksi, jossa on 10 %:n tarkastus, mikä vähensi projektikustannuksia yli 72 %. Yhteistyö iMeritin kanssa on mahdollistanut yritykselle jatkuvasti löytää tapoja skaalata lääketieteellisten tietojen annotointia eettisesti ja tehokkaasti.

Kun sinulla on yli 8,000 XNUMX kokopäiväistä asiantuntijaa maailmanlaajuisesti, miten ylläpidät laatua, suorituskykyä ja työntekijöiden kehitystä laaja-alaisesti?

Laadun määritelmä räätälöidään aina kunkin asiakkaan yksilöllisen käyttötapauksen mukaan. Tiimimme tekevät tiivistä yhteistyötä asiakkaiden kanssa määritelläkseen ja kalibroidakseen laatustandardit käyttäen räätälöityjä prosesseja, jotka varmistavat, että aiheen asiantuntijat validoivat nopeasti jokaisen merkinnän. Johdonmukaisuus on tärkeää korkealaatuisen tekoälyn kehittämisessä. Tätä tukevat korkea työntekijöiden vaihtuvuus (90 %) ja vahva keskittyminen tuotantoanalytiikkaan, joka on Ango Hubin suunnittelun keskeinen erottava tekijä ja jota tiimimme päivittäinen käyttäjäpalaute muokkaa.

Investoimme jatkuvasti automaatioon, optimointiin ja tiedonhallintaan, ja tätä tukee oma iMerit One -koulutusalustamme. Tämä sitoutuminen oppimiseen ja kehitykseen ei ainoastaan ​​edistä toiminnan tehokkuutta, vaan tukee myös työntekijöidemme pitkän aikavälin urakehitystä ja edistää asiantuntemuksen ja kasvun kulttuuria.

Mitä neuvoja antaisit tuleville tekoälyyrittäjille, jotka haluavat rakentaa jotain merkityksellistä – sekä teknologian että yhteiskunnallisen vaikuttavuuden saralla?

Tekoäly kehittyy huimaavan nopeasti. Mene teknologiapinon ulkopuolelle ja kuuntele asiakkaitasi ymmärtääksesi, mikä on tärkeää heidän liiketoiminnalleen. Ymmärrä heidän halukkuutensa nopeudelle, muutokselle ja riskinotolle. Ensimmäiset asiakkaat voivat kokeilla asioita. Suurempien asiakkaiden on tiedettävä, että olet tullut jäädäkseen ja että jatkat heidän priorisointiaan. Rauhoita heidät proaktiivisella lähestymistavallasi läpinäkyvyyteen, turvallisuuteen ja vastuullisuuteen.

Valitse lisäksi sijoittajasi ja hallituksen jäsenesi huolellisesti varmistaaksesi yhteisten arvojen ja huolenaiheiden yhdenmukaisuuden. iMeritillä saimme merkittävää tukea hallitukseltamme ja sijoittajiltamme haastavina aikoina, kuten COVID-19-pandemian aikana, mistä pidämme tätä yhdenmukaisuutta.

Teknologia-alan yrittäjän menestykseen vaikuttavat keskeiset ominaisuudet eivät ole pelkkää riskinottoa, vaan niihin kuuluu kannattavan ja osallistavan yrityksen rakentaminen.

Kiitos upeasta haastattelusta, lukijoiden, jotka haluavat tietää lisää, kannattaa käydä iMerit.