Radha Basu, iMeritin CEO ja perustaja – Haastattelusarja

Radha Basu, iMeritin perustaja ja CEO on rakentanut uransa HP:llä, jossa hän on viettänyt 20 vuotta ja lopulta johtanut 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 tekoälydataratkaisuja yhdistämällä automaation, asiantuntijoiden merkinnän ja edistyneen analytiikan tukemaan laadukkaita datamerkintöjä ja mallien hienosäätöä suuressa mittakaavassa.

Olet ollut osallisena merkittävän matkan – rakentamalla HP:n toimintoja Intiassa perustamiseen iMerit ja tehtävään, jossa on tavoitteena parantaa syrjäytyneiden nuorten asemaa Bhutanissa, Intiassa ja New Orleansissa. Mikä innoitti sinua perustamaan iMeritin, ja mitkä haasteet sinun täytyi kohtaaminen luodessasi inklusiivisen, globaalin työvoiman alusta alkaen?

Ennen iMeritin perustamista olin SupportSoftin hallituksen puheenjohtaja ja toimitusjohtaja, jossa johtaminen vei yhtiön alkuvaiheen ja toisen julkisen listautumisen, vakiinnuttaen sen johtavana tukipalveluohjelmistoyhtiönä. Tämä kokemus osoitti minulle ihmisten ja teknologian yhdistämisen voiman alusta alkaen.

Intian teknologisen nousun luodessa uusia mahdollisuuksia, huomasin, että moni lahjakkas nuori syrjäytyneillä alueilla jäi jälkeen. Uskoin heidän potentiaalissaan ja halussaan oppia. Kun he näkivät, miten ohjelmisto voi mahdollistaa edistyneitä teknologioita, kuten tekoälyä, he omaksuivat innostuneesti nämä urat.

Lansimme iMeritin pienellä, monikulttuurisella tiimillä, josta puolet ovat naisia, ja olemme kasvaneet nopeasti siitä lähtien. Tiimimme sopeutumiskyky ja valmennettavuus ovat olleet avainasemassa, erityisesti kun datakeskeinen tekoäly on lisännyt pitkäaikaisen kysynnän taitavista erikoisosalaisuuksista.

Nykyään iMerit on globaali tekoälydataratkaisujen tarjoaja kriittisille aloille, kuten itseohjautuvat ajoneuvot, lääketieteellinen tekoäly ja teknologia. Työmme varmistaa, että asiakkaiden tekoälymallit perustuvat laadukkaisiin ja luotettaviin tietoihin, mikä on välttämätöntä korkean panoksen ympäristöissä.

Lopulta, voimamme perustuu vahvoihin teknologisiin perusteisiin ja hyvin koulutettuihin, motivoituneisiin työntekijöihin, jotka menestyvät tukemisessa ja oppimisessa. Tämä lähestymistapa on vauhdittanut kasvua, pitänyt meidät rahallisesti positiivisina ja ansainnut meille korkeat NPS-lukemat ja uskolliset asiakkaat.

iMerit työskentelee yli 200 asiakkaan kanssa, mukaan lukien teknologian jätit, kuten eBay ja Johnson & Johnson. Voitko kertoa yrityksen kasvutarinan – alkuvaiheista globaaleksi tekoälydatapalvelujen johtajaksi?

Olemme olleet eturintamassa asiakkaidemme tekoälymatkoilla, kumppanuksissa alusta alkaen kokeiluista suurelle tuotannolle. Työmme kattaa startupit, johtavat itseohjautuvat ajoneuvot, suuryritykset ja muut. Kouluttaessamme heidän mallejaan alusta alkaen, olemme saaneet ainutlaatuisen näkymän siihen, mitä se todella vaatii tekoälyn skaalaukseen todellisessa maailmassa.

Ala on kehittynyt jatkuvasti ja nopeasti. Harvoin olen nähnyt teknologian edetessä niin dramaattisesti niin lyhyessä ajassa. Olemme muuntuneet datamerkintäpalveluntarjoajasta täyden tekoälydatayritykseksi, joka tarjoaa erikoistuneita ratkaisuja koko ihmisen silmän (HITL) elinkaaren aikana: merkintä, validointi, tarkastus ja punainen joukkue. Reunatapausten ja poikkeusten käsittely on olennaisen tärkeää todellisen maailman käyttöönotossa, vaatiessaan syvää asiantuntijuutta ja hienostunutta tuomiovaltaa jokaisessa vaiheessa.

Suurin pystymme on itseohjautuva liikenne, jossa hallitsemme koko havaintopinoa, mukaan lukien aistinten yhdistäminen 15 aistimeen matkustaja-, toimitus-, kuorma- ja maatalousajoneuvoille. Terveydenhuollossa ajamme kliinistä kuvantamisen tekoälyä. Teknologiassa olemme GenAI-säätö- ja validoinnin edelläkävijöitä, vaatiessaan suurempaa monimutkaisuutta työprosesseissamme ja osaamisessamme.

Menestys näissä aloissa ei ole vain asiantuntijoiden omistamista – se on asiantuntemuksen kasvattamista: kognitiivinen kyky haastaa, valmentaa ja kontekstualisoida tekoälymalleja. Tämä erottaa tiimimme.

Kasvumme on pitkäaikaisia kumppanuuksia. Useimmat kymmenen parhaan asiakkaamme ovat olleet kanssamme yli viisi vuotta. Kun heidän tarpeensa kasvavat monimutkaisemmiksi, jatkuvasti korotamme toimialatietoutta, työkaluja, koulutusta ja ratkaisuja. Sekä teknologiamme että ihmistemme on jatkuvasti kehittymässä.

Ohjelmistojen, automaation, merkinnän ja analytiikan yhdistäminen luo hyvin joustavan, nopean, tarkkaan ihmisen silmän väliintulon. 70 % uusista logoista on omalla teknologiamme, mikä vaatii suuren sisäisen muodonmuutoksen. Taas kulttuurimme varmistaa, että tiimimme ovat nälkäisiä oppimaan ja haluavat jatkuvasti kasvaa.

Mitkä ovat olleet iMeritin historian merkittävimmät käänteet – sekä teknologiset merkkipaalut että strategiset päätökset – jotka ovat muokanneet yrityksen trajektoriaa?

Aikana, jolloin tekoälydatatyö nähtiin joukkorahoituksena, teimme varhaisen vedon, että se kasvaisi uraksi ja vaatisi monimutkaisuutta ja yritysten fokusta. Rakentamalla sisäisiä tiimejä edistyneisiin käyttötapauksiin, mahdollistimme asiakkaiden nopean skaalauksen, joka huipentui ensimmäiseen 1 miljoonan dollarin kuukausittaiseen tulokseen itseohjautuvissa ajoneuvoissa, mikä vahvisti lähestymistapaamme.

COVID-19 -sulkeminen testasi joustavuuttamme: siirryimme täysin toimistosta täysin etätyöhön lähes yhdessä yössä, investoimalla voimakkaasti infrastruktuuriin, tietoturvaan ja kulttuuriin. Asiakkaiden toimintojen palautuminen ja kasvu sekä liikevaihto ja henkilöstön määrä kasvoivat samana vuonna. Nykyään, kun 70 % tiimistämme on palannut paikalliseen toimintaan, jatkamme etätyöntekijöiden hyödyntämistä, lanseeramalla Scholars, globaalin asiantuntijaverkoston GenAI-säätö- ja validointiin. Olipa kyseessä sitten kardiologi tai espanjalainen matemaatikko, korkean kosketuksen kulttuurimme houkuttelee ja motivoi parhaimman osaamisen, suoraan korottaa ratkaisujen laatua ja johdonmukaisuutta.

Vuonna 2023 hankimme Ango.ai:n, tekoälyvoiman datamerkinnän ja työnkulkujen automaatioalustan, ajamaan seuraavan sukupolven tekoälydatatyökaluja. Tämä ratkaiseva siirto yhdisti iMeritin toimialatietämys Angon edistyneeseen työkaluihin, laajentaen kykyjämme radiologiaan, aistinten yhdistämiseen ja GenAI-hienosäätöön. Työskentelemme edelleen asiakkaiden työkalujen kanssa, mutta monet uudet asiakkaat ovat nyt siirtymässä suoraan Ango Hubiin, joka houkuttelee sen käyttäjäystävällisillä työnkulkujen ja vankkojen turvallisuusvaatimusten kautta, jotka ovat olennaisia vaatimuksia alallamme.

Suuryritykset kertovat jatkuvasti etsivänsä parasta molemmista maailmoista: asiantuntijan silmän tarkkuutta varmistamaan laadun ja tekoälyjärjestelmien suorituskyvyn tuotannossa. Angon kanssa yhdistyminen tarjoaa täsmälleen sen, mikä asettaa meidät ainutlaatuisesti kohtaamaan tänä päivänä haastavimpien tekoälyprojektien monimutkaiset vaatimukset ja skaalautumaan luottavaisesti.

iMerit on syvällisesti mukana edistyneillä aloilla, kuten itseohjautuvat ajoneuvot, lääketieteellinen tekoäly ja GenAI. Mitkä ovat joitain yksilöllisiä datahaasteita, joita kohtaatte näillä aloilla, ja miten ne ratkaistaan?

Datatyöskentelyyn liittyvät tehtävät ovat tyypillisesti noin 80 % ajasta, joka kuluu tekoälyprojekteihin, mikä tekee niistä kriittisen osan putkea. Tekoälyyn liittyvät datat voivat olla aikaa vieviä ja kalliita, jos niitä ei käsitellä oikein ja skaalautuvasti.

Datatietojen laatu, ja erityisesti ilmiselvien virheiden välttäminen, on olennaisen tärkeää kriittisillä aloilla, joilla toimimme. Onpa kyseessä sitten havaintoalgoritmi tai kasvainilmaisin, puhdas data on välttämätöntä koulutus- ja validointisilmukassa.

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

Lisäksi kontekstiuudet kasvavat. Tiivistelemme kliinisiä muistiinpanoja koko lääkäri-potilas-konsultoinnista ja analysoimme poikkeamia magneettikuvauskuvaissa, jotka perustuvat paitsi kuvan myös potilaan lääketieteelliseen kontekstiin. Asiantuntijoiden on asetettava rubrikit datan analysointiin tarkasti ja varmistettava laatu.

Turvallisuus, yksityisyys ja luottamuksellisuus ovat kuumia aiheita. Turvallisuuspäällikkömme on estettävä sallimattoman pääsyn, poiston ja datan säilyttämisen. Tietoturvaohjeet, kuten SOC2, HIPAA ja TISAX, ovat olleet tärkeitä panostuskohteita meille.

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

Olet puhunut robotti- ja ihmisen älyllisen yhdistämisen turvallisemmasta polusta tekoälylle. Voitko laajentaa, miltä tämä työnkulku näyttää käytännössä – ja miksi uskot, että se on parempi kuin yrittää poistaa tekoälyn luovan poikkeaman?

Tekoäly tarjoaa skaalautuvuuden, mikä tarkoittaa, että yritykset kehittävät työkaluja automatisoida pitkiä prosesseja, jotka perinteisesti on tehty ihmisvoimin. Mutta ihmiset tarjoavat viimeisen mailin joustavuutta, varmuutta ja kestävyyttä. Teknologiapalvelujen jatkuva lisääntyminen tekoälyssä tulee johtamaan menestyvimmät yritykset yhdistämään tehokkaasti robotiikkaa ja ihmisen silmän (HITL) käytäntöjä.

Näemme HITL:n jatkuvana kerroksena jokaisessa vaiheessa tekoälyn kehitys- ja käyttöönottoelinkaarta, ja myös luottamuksen ja turvallisuuden perustana. Seuraavaksi, ihmisen äly on olennaisen tärkeää, kun mallit epäonnistuvat. Nämä kriittiset sovellukset tarvitsevat ihmisen mieltä määrittämään, mitkä muutokset tarvitaan. Tässä vaiheessa HITL-palvelut tulevat olemaan vielä tärkeämmäksi, 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 skaalautuvuuden ja nopeuden, kun taas ihmiset tarjoavat hienostuneisuutta, tarkkuutta ja valvontaa. HITL varmistaa ihmisen osallistumisen kriittisissä vaiheissa tekoälyn elinkaarta – varmistaen korkealaatuiset sisääntulot, validoiden tulokset, tunnistaa reunatapaukset, hienosäätää malleja toimialoille ja tarjoaa kontekstuaalisen tuomiovaltan. Ihmiset varmistavat tarkkuuden tarkistamalla ja vahvistamalla tulokset, havaitsemalla hallucinaatioita tai logiikkavirheitä ennen kuin ne aiheuttavat vahinkoa. He myös tarjoavat valvontaa eettisesti herkillä tai korkean riskin tilanteissa, joissa LLM:eiden ei pitäisi tehdä lopullisia päätöksiä. Ennen kaikkea, ihmisen palautteen avulla tekoälyjärjestelmät oppivat jatkuvasti, auttaen tekoälyjärjestelmiä vastaamaan käyttäjien tavoitteita ajan myötä.

HITL ilmenee monissa muodoissa. Asiantuntijat osallistuvat kohdennettuun merkintään, soveltavat monimutkaista päättelyä reunatapauksiin ja tarkastavat tekoälyluotujen sisältöä rakenteellisten QA-liittymien avulla. Sen sijaan, että arvioisimme jokaisen päätöksen, toteutamme usein kontekstuaalisen eskalaatiolaitteiston. Nämä järjestelmät reitittävät ainoastaan matalan luottamuksen tulokset tai merkittyjä poikkeamia ihmisen tarkastajille, tasapainottaen valvontaa tehokkuuden kanssa.

Toinen kriittinen HITL:n käyttö on tekoälyagenttien hienosäätö tekoälypalautteen avulla (RLHF). Ihmisen tarkastajat arvioivat, uudelleenkirjoittavat tai antavat palautetta agenttien vastauksista, mikä on erityisen tärkeää herkillä aloilla, kuten terveydenhuollossa, oikeudellisissa palveluissa tai asiakastuessa. Yhtäaikaisesti skenaariopohjainen testaus ja punainen joukkue sallivat ihmisarvioijien testata agentteja vastakkaisissa tai epätavallisissa olosuhteissa tunnistamaan ja korjaamaan haavoittuvuuksia ennen käyttöönottoa.

Tekoälyn täysi potentiaali toteutuu vain, kun ihmiset pysyvät silmässä, ohjaamassa, validoiden ja parantamassa jokaista askelta. Onpa kyse sitten mallin tulosten hienosäätöä, koulutusarviointien kehittämistä tai luotettavien dataputkien kuratointia, ihmisen valvonta lisää rakenteen ja vastuun, joita tekoäly tarvitsee luotettavuuden ja tehokkuuden saavuttamiseksi.

Generatiivisen tekoälytyökalun nopean kehityksen myötä, miten iMerit pysyy edellä arviointi-, RLHF- ja hienosäätöratkaisujen tarjoamisessa?

Lansimme äskettäin Ango Hub Deep Reasoning Lab (DRL):n, yhdistetyn alustan Generatiivisen tekoälyn säätöön ja ketjuajattelun kehittämiseen tekoälyopettajien kanssa. DRL-mme mahdollistaa reaaliaikaisen, vuoropuhelupohjaisen prosessin ja arvioinnin perustuen ihmisten preferensseihin, johtaen koherentimpiin ja tarkempiin mallivastauksiin monimutkaisiin ongelmiin.

GenAI-mallien ja sovelluskehityksen edistys korostaa puhdasta, asiantuntijoiden luomaa, validoitua datan arvoa. Ango Hub DRL:llä asiantuntijat voivat testata malleja, tunnistaa heikkoudet ja luoda puhdasta dataa ketjuajattelun avulla. He voivat vuorovaikuttaa mallien kanssa reaaliajassa ja lähettää ohjeita ja korjauksia takaisin askel kerrallaan yhdessä käyttöliittymässä.

Hyödyntämällä iMerit Scholarsia, Ango Hub DRL parantaa mallin päättelyprosesseja. Se hyödyntää iMeritin laajaa kokemusta HITL-työnkulkujen parissa. Asiantuntijat suunnittelevat monivaiheisia skenaarioita monimutkaisiin tehtäviin, kuten luomalla ketjuajattelupohjaisia aloitteita edistyneisiin matemaattisiin ongelmiin. iMerit Scholars tarkastavat tulokset, korjaavat virheitä ja kaappaavat vuorovaikutukset saumattomasti. Magia ei olekaan siinä, että otetaan suuri määrä ihmisiä, vaan siinä, että valitaan oikeat asiantuntijat ja valmentaa heitä niin, että he hyödyttävät mallin koulutusprosessia parhaalla tavalla, sekä sitouttaa ja motivoi heitä.

Mitä ”asiantuntija silmässä” tarkoittaa Generatiivisen tekoälyn hienosäätössä? Voitko jakaa esimerkkejä, joissa ihmisen asiantuntijuus paransi merkittävästi mallin tuloksia?

Asiantuntija silmässä yhdistää ihmisen älymystön robottiälyyn edistääkseen tekoälyä tuotantoon. Se käsittää asiantuntijoita, jotka validoi, jalostavat ja parantavat automaattisten järjestelmien tuloksia.

Nimenomaan asiantuntijoiden johtama datamerkintä varmistaa, että koulutusdata on oikein merkitty toimialakohtaisella tiedolla, parantaen ennustavien tekoälymallien tarkkuutta ja luotettavuutta. Vähentämällä harhaa ja väärän luokittelun, asiantuntijoiden johtama merkintä parantaa mallin kykyä yleistää tehokkaasti todellisen maailman skenaarioihin. Tämä johtaa tekoälyjärjestelmiin, jotka ovat luotettavampia, tulkittavampia ja sovellettavissa toimialakohtaisiin tarpeisiin.

Esimerkiksi hankittuaan suuren määrän terveydenhuollon dataa, yhdysvaltalainen monikansallinen teknologiayritys tarvitsi arvioida dataa kuluttajien terveydenhuollon chatbottiin, jotta voitiin varmistaa turvallinen ja tarkka terveydenhuollon neuvonta käyttäjille. Kääntyessään iMeritiin, he hyödynsivät laajaa verkostoaamme Yhdysvalloissa olevista terveydenhuollon asiantuntijoista ja kokosivat tiimin sairaanhoitajista, jotka työskentelivät konsensuksen työnkulussa, jossa oli eskalaatioita ja välimiesmenettelyä Yhdysvaltain lääkäriliiton sertifioitu lääkäri. Sairaanhoitajat alkoivat arvioimalla tietokannan määritelmiä arvioidakseen tarkkuuden ja riskin.

Reunatapausten käsittely ja ohjeiden tarkistus mahdollivat sairaanhoitajien saavuttaa konsensuksen 99 % tapauksissa. Tämä mahdollisti tiimin muuttaa projektin suunnitelman yksinkertaiseen äänestämiseen 10 %:n auditoinnilla, mikä laski projektikustannuksia yli 72 %:lla. Työskennellessä iMeritin kanssa, tämä yritys on pystynyt jatkuvasti tunnistamaan tavoitteita skaalata terveydenhuollon datan merkintää eettisesti ja tehokkaasti.

Yli 8 000 täysipäiväistä asiantuntijaa maailmanlaajuisesti, miten ylläpidätte laatu, suorituskyvyn ja työntekijöiden kehittymistä skaalassa?

Laadun määritelmä on aina sovitettu kunkin asiakkaan tiettyyn käyttötapaukseen. Tiimimme työskentelevät läheisesti asiakkaiden kanssa määrittääkseen ja kalibroidakseen laadun standardeja, käyttäen mukautettuja prosesseja, jotka varmistavat, että jokainen merkintä on nopeasti validoituna asiantuntijoilta. Jatkuvuus on tärkeää korkealaatuisten tekoälyjen kehittämisessä. Tämä tuetaan korkealla työntekijöiden pidätyksellä (90 %) ja vahvalla panostuksella tuotantoon perustuvassa analytiikassa, joka on avain Ango Hubin suunnittelussa, jota muotoilee päivittäin käyttäjien palautteen tiimiltämme.

Jatkuvasti investoimme automaatioon, optimointiin ja tietämyksen hallintaan, jota tukee oman iMerit One -koulutusohjelmamme. Tämä sitoutuminen oppimiseen ja kehittymiseen ei ainoastaan ajaa operatiivista erinomaisuutta, vaan myös tukee työntekijöidemme pitkäaikaista urakehitystä, lujittaen asiantuntijuuden ja kasvun kulttuuria.

Mitä neuvoa antaisit tekoälylle pyrkiville yrittäjille, jotka haluavat rakentaa jotain merkittävää – sekä teknologiassa että sosiaalisessa vaikuttavuudessa?

Tekoäly on kehittymässä uskomattoman nopeasti. Mene teknologiapinojen ulkopuolelle ja kuuntele asiakkaitasi ymmärtääksesi, mitä heidän liiketoiminnalleen merkitsee. Ymmärrä heidän ruokahalunsa nopeudelle, muutokselle ja riskille. Varhaiset asiakkaat voivat kokeilla asioita. Suuremmat asiakkaat tarvitsevat tietää, että olet täällä pysyvästi ja että priorisoidit heitä. Varmista heille, että olet proaktiivinen läpinäkyvyyden, turvallisuuden ja vastuun suhteen.

Lisäksi valitse sijoittajat ja hallituksen jäsenet huolellisesti, jotta varmistat, että jaat samat arvot ja huolenaiheet. iMeritissä kokeneemme merkittävää tukea hallituksesta ja sijoittajilta haasteellisina aikoina, kuten COVID-19, mikä johtui tästä linjauksesta.

Avainominaisuudet, jotka vaikuttavat yrittäjän menestykseen teknologiassa, ulottuvat riskin ottamisen lisäksi kannattavan, inklusiivisen yrityksen rakentamiseen.

Kiitos haastattelusta, lukijat, jotka haluavat oppia lisää, kannattaa vierailla iMeritin sivustolla.