Radha Basu, iMeritin toimitusjohtaja ja perustaja – Haastattelusarja

Radha Basu, iMeritin perustaja ja toimitusjohtaja on rakentanut uransa HP:llä, jossa hän vietti 20 vuotta ja lopulta johti sen Enterprise Solutions -ryhmää. Hän vei sitten Support.comin pörssiin sen toimitusjohtajana. Radha perusti Anudip-säätiön vuonna 2007 Dipak Basun kanssa ja perusti iMeritin vuonna 2012. Häntä pidetään johtavana teknologiayrittäjänä ja mentorina, ja hän on uranuurtaja ohjelmistoliiketoiminnassa.

iMerit tarjoaa monimutkaisia tekoälyratkaisuja yhdistämällä automaation, asiantuntija-ihmisen annotaation ja edistyneen analytiikan tukemaan laadukkaita datatunnisteita ja mallien hienosäätöä suuressa mittakaavassa.

Olet ollut osallisena merkittävässä matkassa – rakentamalla HP:n toimintoja Intiassa ja perustamalla iMeritin tehtävänään kohentaa syrjäytyneiden nuorten asemaa Bhutanissa, Intiassa ja New Orleansissa. Mikä innoitti sinua perustamaan iMeritin, ja mitkä haasteet sinun tuli kohtaamasi luodessasi kattavan ja globaalin työvoiman alusta alkaen?

Ennen iMeritin perustamista olin SupportSoftin hallituksen puheenjohtaja ja toimitusjohtaja, jossa johtaminani yritys meni läpi alkuvaiheen ja toissijaisen listautumisen, ja se vakiinnutti asemansa johtavana tukipalvelujen automaatio-ohjelmistoyrityksenä. Tämä kokemus osoitti minulle yhdistämisen voiman ihmisten ja teknologian välillä alusta alkaen.

Vaikka Intian teknologisen nousun aikana syntyi uusia mahdollisuuksia, huomasin, että moni lahjakas nuori henkilö syrjäytyneillä alueilla jäi jälkeen. Uskoin heidän potentiaalissaan ja oppimishalussaan. Kun he näkivät, miten ohjelmisto voisi mahdollistaa edistyneitä teknologioita, kuten tekoälyä, he omaksuivat nämä urat innostuneesti.

Lansimasimme iMeritin pienellä, monikulttuurisella tiimillä, jossa puolet oli naisia, ja olemme kasvaneet nopeasti siitä lähtien. Tiimimme sopeutumiskyky ja valmennettavuus ovat olleet avainasemassa, erityisesti kun datakeskeinen tekoäly on lisännyt pitkäaikaisen kysynnän osaaville erikoisosalaisuuksille.

Nykyään iMerit on globaali toimija, joka tarjoaa tekoälyratkaisuja kriittisiin aloihin, kuten itseohjautuviin ajoneuvoihin, lääketieteelliseen tekoälyyn ja teknologiaan. Työmme varmistaa, että asiakkaiden tekoälymallit perustuvat laadukkaisiin ja luotettaviin tietoihin, mikä on välttämätöntä korkean panoksen ympäristöissä.

Lopulta, vahvuutemme perustuu vahvoihin teknologisiin perusteisiin ja hyvin koulutettuihin, motivoituneisiin työntekijöihin, jotka menestyvät tukevassa, oppimislähtöisessä kulttuurissa. Tämä lähestymistapa on vauhdittanut kasvua, pitänyt meidät positiivisina ja tuottanut korkeat NPS-lukemat ja uskollisia asiakkaita.

iMerit työskentelee nykyään yli 200 asiakkaan kanssa, mukaan lukien teknologian jätit, kuten eBay ja Johnson & Johnson (JNJ ). Voitko kuljettaa meidät yrityksen kasvumatkalle – alkuvaiheista globaaleksi tekoälypalvelujen johtajaksi?

Olemme seuranneet asiakkaiden tekoälymatkoja eturivissä, kumppanuudesta alkuvaiheen kokeiluista suurelle mittakaavalle. Työmme kattaa startup-yritykset, itseohjautuvat ajoneuvot, suuret yritykset ja johtavat tekoälytoimijat. Kouluttaessamme heidän mallejaan alusta alkaen, olemme saaneet ainutlaatuisen näkymän siihen, mitä todella tarvitaan tekoälyn skaalauttamiseen todellisessa maailmassa.

Ala on kehittynyt jatkuvasti ja nopeasti. Harvoin olen nähnyt teknologian edetessä niin dramaattisesti niin lyhyessä ajassa. Olemme muuntuneet pelkästä datatunnisteen tarjoajasta täyden palvelun tekoälydata-yritykseksi, joka tarjoaa erikoistuneita ratkaisuja koko ihmisen silmän (HITL) elinkaaren aikana: annotaatio, validointi, tarkastus ja vastavirtauksen hallinta. Reuna- ja poikkeustapausten käsittely on olennainen tekoälyn todellisessa käyttöönotossa, vaatiessaan syvää asiantuntemusta ja hienostunutta arvostelukykyä jokaisessa vaiheessa.

Suurin pystymme on itseohjautuva liikenne, jossa hallitsemme koko havaintopinoa, mukaan lukien aistifusion 15 aistista matkustaja-, toimitus-, kuorma- ja maatalouskäyttöön. Terveydenhuollossa ajamme kliinistä kuvantamisen tekoälyä. Teknologiassa olemme GenAI-säätö- ja validoinnin edelläkävijöitä, vaatiessaan suurempaa monimutkaisuutta työprosesseissamme ja osaamisessa.

Menestys näissä aloissa ei ole vain asiantuntijoiden omistus – se on asiantuntemuksen kasvattamista: kognitiivista kykyä haastamaan, valmentamaan ja kontekstualisoimaan tekoälymalleja. Tämä erottaa tiimimme.

Kasvumme on pitkäaikaisen kumppanuuden ansiota, ja useimmat kymmenen parhaan asiakkaamme ovat olleet meidän kanssamme yli viisi vuotta. Kun heidän tarpeensa kasvavat monimutkaisemmiksi, jatkuvasti korotamme toimialatietoutta, työkaluja, koulutusta ja ratkaisuja. Sekä teknologiamme että ihmisten on jatkuvasti kehittymistilassa.

Ohjelmistojen, automaation, annotaation ja analytiikan yhdistäminen luo rubrikin erittäin joustaville, nopeille, tarkoille, ihmisen silmän (HITL) väliintulolle. 70 %:ssa uusista logosta on omalla teknologiapinolla, mikä edellyttää suurta sisäistä muodonmuutosta. Taas kulttuurimme varmistaa, että tiimimme on oppimishaluinen ja haluaa jatkuvasti kasvaa.

Mitkä ovat olleet iMeritin historian merkittävimmät hetket – joko teknologiset saavutukset tai strategiset päätökset – jotka ovat auttaneet muotoilemaan yrityksen uraa?

Aikana, jolloin tekoälydatatyö nähtiin joukkorahoituksena, asetuin varhain panostamaan siihen, että tämä kasvaa uraksi, joka vaatii monimutkaisuutta ja yrityskeskeisyyttä. Rakentamalla sisäisiä tiimejä edistyneisiin käyttötapauksiin, mahdollistimme asiakkaiden nopean skaalautumisen, mikä kulminoitui ensimmäiseen 1 miljoonan dollarin kuukausittaiseen tulokseen itseohjautuvissa ajoneuvoissa, mikä vahvisti lähestymistapamme.

COVID-19 -sulkeminen testasi joustavuuttamme: siirryimme täysin toimistosta täysin etätyöhön lähes yhdessä yössä, investoimalla voimakkaasti infrastruktuuriin, tietoturvaan ja kulttuuriin. Viikkojen kuluttua asiakastoiminnat palautuivat, ja kasvimme sekä liikevaihtoa että henkilöstöä samana vuonna. Nykyään, kun 70 %:ssa tiimistämme on palannut toimistolle, jatkamme etätyöntekijöiden hyödyntämistä, käynnistämällä Scholars -ohjelman, joka on globaali verkosto aihekohtaisille asiantuntijoille GenAI-säätöön ja validointiin. Olipa kyseessä sitten kardiologi tai espanjalainen matemaatikko, korkean kosketuksen kulttuurimme houkuttelee ja motivoi parhaimman osaamisen, suoraan korostaen ratkaisujen laatua ja johdonmukaisuutta.

Vuonna 2023 hankimme Ango.ai:n, tekoälyvoiman datatunnisteen ja työnkulkujen automaatioalustan, jotta voimme ajaa seuraavan sukupolven tekoälydata-työkaluja. Tämä ratkaiseva siirto yhdisti iMeritin toimialatietämyksen Angon edistyneeseen työkaluun, laajentaen kykyjämme radiologiaan, aistikietoihin ja GenAI-hienosäätöön. Työskentelemme edelleen asiakkaiden työkalujen kanssa, mutta monet uudet asiakkaat ovat nyt otettu suoraan Ango Hubiin, jonne heidät houkuttelee sen käyttäjäystävällinen työnkulku ja vankka turvallisuus, jotka ovat olennaisia vaatimuksia alallamme.

Suuret yritykset kertovat meille jatkuvasti, että he etsivät parasta molemmista maailmoista: asiantuntija-ihmisen näkemystä varmistamaan laadun, yhdistettynä turvalliseen ja skaalautuvaan alustaan, joka tarjoaa automaation ja analytiikan. Angon kanssa yhdistyminen tarjoaa täsmälleen tämän, asettamalla meidät ainutlaatuisesti kohtaamaan nykypäivän haastavimpien tekoälyprojektien monimutkaiset vaatimukset ja skaalautumaan luottavaisesti.

iMerit on syvästi mukana edistyneissä aloissa, kuten itseohjautuvissa ajoneuvoissa, lääketieteellisessä tekoälyssä ja GenAI:ssa. Mitkä ovat joitakin ainutlaatuisia datahaasteita, joita kohtaatte näillä aloilla, ja miten niitä ratkaistaan?

Datatietoihin liittyvät tehtävät vastaavat yleensä noin 80 %:ia ajasta, jota vietetään tekoälyprojekteissa, mikä tekee niistä kriittisen osan putkea. Datapohjainen osuus tekoälyssä voi olla aikaa vievää ja kallista, jos sitä ei käsitellä asianmukaisesti ja skaalautuvasti.

Datatietojen laatu, erityisesti ilmiselvien virheiden välttäminen, on olennainen kriittisissä aloissa, joilla toimimme. Olipa kyseessä sitten havaintoalgoritmi tai kasvainhavainnontekijä, puhdas data on välttämätöntä koulutus- ja validointisilmukassa.

Poikkeusten käsittely on epäsuhteellisen arvokasta. Ihmisen näkemys siitä, miksi jokin asia on poikkeus tai miksi skenaario rikkoi mallin, luo valtavan arvon mallin tekemiseksi täydellisemmäksi ja vankemmaksi.

Lisäksi kontekstiuudet kasvavat. Tiivistelemme kliinisiä muistiinpanoja koko lääkäri-potilas-konsultoinnista ja analysoimme poikkeamia MRI:stä, jotka perustuvat sekä kuvan että potilaan lääkärintarpeisiin. Aihekohtaiset asiantuntijat on asetettava rubriikkeja analysoimaan dataa tarkasti ja varmistamaan laadun.

Turvallisuus, yksityisyys ja salassapito ovat kuumia aiheita. Turvallisuuspäällikkömme on estettävä luvattoman pääsyn, poistamisen ja datan varastoinnin. Tietoturva-ohjeet, kuten SOC2, HIPAA ja TISAX, ovat olleet suuria investointeja meille.

Lopulta insinöörimme ja ratkaisuarkkitehtimme työskentelevät jatkuvasti asiakkaiden mukautettujen integraatioiden ja raporttien parissa, jotta ainutlaatuiset asiakastarpeet heijastuvat viimeisessä mailissa. Yksi kokoa sopii kaikille -lähestymistapa ei toimi tekoälyssä.

Olet puhunut tekoälyn ja ihmisen älymän yhdistämisestä turvallisempana tekoälyn kehittämisen polkuna. Voitko laajentaa sitä, miltä tämä työnkulku näyttää käytännössä – ja miksi uskot, että se on parempi kuin yrittää eliminoida tekoälyn luovan poikkeaman?

Tekoäly tarjoaa skaalautuvuutta, tarkoittaen, että yritykset kehittävät työkaluja automatisoidaikaa vieviä prosesseja, jotka perinteisesti toteutetaan ihmisvoimin. Ihmiset tarjoavat viimeisen mailin joustavuutta, varmuutta ja kestävyyttä. Koska ohjelmistopalvelut jatkavat lisääntymistä tekoälyssä, menestyvimmät yritykset yhdistävät tehokkaasti robotiikkaa ihmisen silmän (HITL) käytäntöihin.

Näemme HITL:n johdonmukaisena kerroksena jokaisessa tekoälyn kehitys- ja käyttöönottoelinkaaren vaiheessa, ja myös luottamuksen ja turvallisuuden perustana. Seuraavaksi ihmisen äly on välttämätöntä korjata, jos mallit epäonnistuvat. Nämä kriittiset sovellukset tarvitsevat ihmismieltä määrittämään, mitkä muutokset on tehtävä. Tässä vaiheessa HITL-palvelut tulevat entistä tärkeämmiksi, kun integroidaan tekoälyä tuotantoon ja kenttäoperaatioihin.

Ango Hub -alustanne yhdistää automaation ja ihmisen silmän asiantuntijuuden. Miten tämä hybridimalli parantaa datan laatua ja mallin suorituskykyä tuotantotekoälyjärjestelmissä?

Tekoäly ja automaatio tarjoavat skaalautuvuutta ja nopeutta, kun taas ihmiset tarjoavat hienostuneisuutta, tarkkuutta ja valvontaa. HITL varmistaa ihmisen osallistumisen kriittisissä vaiheissa tekoälyn elinkaaren aikana – varmistaen korkealaatuiset syötteet, validoiden tulokset, tunnistamalla reuna- ja poikkeustapauksia, hienosäätäen malleja toimialoille ja tarjoamalla kontekstualisoitua arvostelukykyä. Ihmiset auttavat varmistamaan tarkkuuden tarkastamalla ja vahvistamalla tulokset, havaitsemalla hallucinaatioita tai loogisia virheitä ennen kuin ne aiheuttavat vahinkoa. He myös tarjoavat valvontaa eettisesti herkillä tai korkean riskin tilanteissa, joissa LLM:eiden ei pitäisi tehdä lopullisia päätöksiä. Lisäksi ihmisten palautteen avulla jatkuvasti oppiminen auttaa tekoälyjärjestelmiä vastaamaan käyttäjien tavoitteita paremmin ajan myötä.

HITL ilmenee monissa muodoissa. Asiantuntijat osallistuvat kohdennettuun annotaatioon, soveltavat monimutkaista päättelyä reuna- ja poikkeustapauksiin ja tarkastelevat tekoälyluotuja käyttäen rakenteisia QA-liittymiä. Sen sijaan, että arvioisimme jokaisen päätöksen, toteutamme usein kontekstuaalisia eskaloimisjärjestelmiä. Nämä järjestelmät ohjaavat ainoastaan matalan luottamuksen tulokset tai merkityt poikkeamat ihmisten tarkastelijoille, tasapainottaen valvontaa tehokkuuden kanssa.

Toinen tärkeä HITL:n käyttö on tekoälyagenttien hienosäätö vahvistamalla palautetta ihmisiltä (RLHF). Ihmisten arvostelijat arvioivat, uudelleenkirjoittavat tai antavat palautetta agenttien vastauksista, mikä on erityisen tärkeää herkillä aloilla, kuten terveydenhuollossa, oikeudellisissa palveluissa tai asiakastuessa. Skenaariopohjaisen testauksen ja vastavirtauksen avulla ihmiset voivat testata agentteja vastakkaisissa tai epätavallisissa olosuhteissa havaitsemalla ja korjaamalla haavoittuvuuksia ennen käyttöönottoa.

Tekoälyn täysi potentiaali toteutuu vasta, kun ihmiset pysyvät silmässä, ohjaten, validoiden ja parantaen jokaista askelta. Riippumatta siitä, onko kyse mallin viimeistelyssä, koulutuskehysten kehittämisessä tai luotettavien datavirtojen kuratoinnissa, ihmisten valvonta lisää rakennetta ja vastuuta, mitä tekoäly tarvitsee luotettavuuden ja tehokkuuden saavuttamiseksi.

Generatiivisen tekoälyn työkalujen nopean kehityksen valossa, miten iMerit pysyy edellä arviointi-, RLHF- ja hienosäätöratkaisujen tarjoamisessa?

Lanseerasimme äskettäin Ango Hub Deep Reasoning Lab (DRL) -ympäristön, joka on yhdistetty alusta generatiivisen tekoälyn säätöön ja ketjuajattelun kehittämiseen tekoälyopettajien kanssa. DRL-mme mahdollistaa reaaliaikaisen, vuoropohjaisen prosessin ja arvioinnin perustuen ihmisten preferensseihin, johtaen yhdenmukaisempiin ja tarkempiin mallivastauksiin monimutkaisiin ongelmiin.

Edistysaskeleet GenAI-malleissa ja sovelluskehityksessä korostavat puhdistettujen, asiantuntijoiden luomien ja validoiden datan arvoa. Ango Hub DRL:llä asiantuntijat voivat testata malleja, tunnistaa heikkoudet ja generoida puhdasta dataa ketjuajattelun avulla. He voivat vuorovaikuttaa malleilla reaaliajassa ja lähettää ohjeita ja korjauksia askel kerrallaan yhdessä liittymässä.

Hyödyntämällä iMerit Scholarsia, Ango Hub DRL parantaa mallin päättelyprosesseja. Se hyödyntää iMeritin laajaa kokemusta HITL-työnkuluista. Asiantuntijat suunnittelevat monivaiheisia skenaarioita monimutkaisiin tehtäviin, kuten luomalla ketjuajattelupromptteja edistyneisiin matemaattisiin ongelmiin. iMerit Scholars tarkastelevat tulokset, korjaavat virheitä ja kaappaavat vuorovaikutukset vaivattomasti. Taika ei ole siinä, että otetaan käyttöön suuri määrä ihmisiä, vaan siinä, että asiantuntijat on valittu ja koulutettu niin, että he ajattelevat tavalla, joka hyödyttää eniten mallin koulutusprosessia, sekä sitoutumisessa ja ohjauksessa.

Mitä tarkoittaa “asiantuntija silmässä” generatiivisen tekoälyn hienosäätössä? Voitko jakaa esimerkkejä, joissa ihmisten asiantuntijuus on merkittävästi parantanut mallin tuloksia?

Asiantuntija silmässä yhdistää ihmisen älymän ja robotiikan älymän edistääkseen tekoälyä tuotantoon. Se käsittää asiantuntijoita, jotka validoi, jalostaa ja parantaa automaattisten järjestelmien tuloksia.

Nimenomaan asiantuntijajohtoinen datatunniste varmistaa, että koulutusdata on oikein merkitty toimialakohtaisella tiedolla, parantaen ennustavien tekoälymallien tarkkuutta ja luotettavuutta. Vähentämällä harhaa ja virheitä, asiantuntijapohjainen annotaatio parantaa mallin kykyä yleistää tehokkaasti todellisen maailman skenaarioihin. Tämä johtaa tekoälyjärjestelmiin, jotka ovat luotettavampia, selkeämpiä ja sovellettavissa toimialakohtaisiin vaatimuksiin.

Esimerkiksi suuren amerikkalaisen teknologiayrityksen ollessa hankkimassa laajaa lääketieteellistä datayritystä käyttääkseen sitä kuluttajien lääketieteellisessä chatbotissa, he tarvitsivat arvioida datan turvallisuuden ja tarkkuuden varmistamiseksi. Kääntyessään iMeritin puoleen, he hyödynsivät laajaa verkostoaamme terveydenhuollon asiantuntijoista ja kokoamalla tiimin Yhdysvalloissa toimivista terveydenhuollon ammattilaisista työskentelemään konsensus-työnkulussa, jossa oli mukana Yhdysvaltain lääkäriliiton sertifioitu lääkäri. Hoitajat alkoivat arvioimalla tietokannan määritelmiä tarkkuuden ja riskin arvioimiseksi.

Reuna- ja poikkeustapausten käsittelyssä ja ohjeiden tarkistuksessa hoitajat pystyivät saavuttamaan konsensuksen 99 %:ssa tapauksista. Tämä mahdollisti tiimin muuttaa projektin suunnitelman yhden äänen rakenteeksi 10 %:n auditoinnilla, mikä laski projektikustannuksia yli 72 %:lla. Työskennellessään iMeritin kanssa tämä yritys on pystynyt jatkuvasti tunnistamaan keinoja skaalata lääketieteellistä datatunnistetta eettisesti ja tehokkaasti.

Yli 8 000 täysipäiväisen asiantuntijan kanssa maailmanlaajuisesti, miten ylläpidätte laatu, suorituskyky ja työntekijöiden kehitystä skaalautuvasti?

Laadun määritelmä on aina sovellettavissa kullekin asiakkaan tiettyyn käyttötapaukseen. Tiimimme työskentelee läheisesti asiakkaiden kanssa määrittääkseen ja kalibroikseen laatusäännöt, käyttäen mukautettuja prosesseja, jotka varmistavat, että jokainen annotaatio on nopeasti validoitavissa aihekohtaisilta asiantuntijoilta. Jatkuvuus on tärkeää korkealaatuisen tekoälyn kehittämisessä. Tämä tuetaan korkealla työntekijöiden pidättävyydellä (90 %) ja vahvalla painopisteen analytiikassa, joka on avain Ango Hubin suunnittelussa, muotoiltuna päivittäisistä käyttäjien palautteista tiimiltämme.

Jatkuvasti investoimme automaatioon, optimointiin ja tietämyksen hallintaan, jota tukee oman iMerit One -koulutusalustamme. Tämä sitoutuminen oppimiseen ja kehitykseen ei ainoastaan ajaa operatiivista erinomaisuutta, vaan myös tukee pitkäaikaisen urakehitystä työntekijöillemme, lujittaen asiantuntijuuden ja kasvun kulttuuria.

Mitä neuvoja antaisit tekoäly-yrityksille, jotka haluavat luoda jotain merkittävää – sekä teknologisesti että sosiaalisessa vaikuttavuudessa?

Tekoäly kehittyy hämmästyttävän nopeasti. Mene teknologian ulkopuolelle ja kuuntele asiakkaitasi ymmärtääksesi, mitä heidän liiketoiminnalleen on tärkeää. Ymmärrä heidän halunsa nopeuteen, muutokseen ja riskiin. Varhaiset asiakkaat voivat kokeilla asioita. Suuremmat asiakkaat tarvitsevat tietää, että olet täällä pysyvästi ja että priorisoit heitä. Varmista, että he ovat turvassa proaktiivisella lähestymistavallasi transparenssein, turvallisuuden ja vastuun suhteen.

Lisäksi valitse huolellisesti sijoittajasi ja hallituksen jäseniä, varmistaaksesi, että jaat samat arvot ja huolenaiheet. iMeritin kokemus oli merkittävää tukea hallitukseelta ja sijoittajilta haasteellisina aikoina, kuten COVID-19, mikä johtui tästä suhteesta.

Avainominaisuudet, jotka johtavat tekoäly-yritysten menestykseen, eivät rajoitu riskin ottoon; ne käsittävät myös kannattavan ja kattavan yrityksen rakentamisen.

Kiitos hienosta haastattelusta. Lukijat, jotka haluavat oppia lisää, voivat vierailla iMeritin sivustolla.