Radha Basu, PDG et fondatrice d’iMerit – Série d’entretiens

Radha Basu, fondatrice et PDG d’iMerit a construit sa carrière chez HP, où elle a passé 20 ans et a finalement dirigé son groupe de solutions d’entreprise. Elle a ensuite pris la tête de Support.com et l’a rendu public en tant que PDG. Radha a fondé la Fondation Anudip en 2007 avec Dipak Basu, puis a fondé iMerit en 2012. Elle est considérée comme une entrepreneur et une mentore de premier plan dans le secteur technologique, ainsi qu’une pionnière dans le domaine des logiciels.

iMerit propose des solutions de données multimodales basées sur l’IA en combinant l’automatisation, l’annotation humaine experte et l’analyse avancée pour soutenir la labellisation de données de haute qualité et le réglage fin des modèles à grande échelle.

Vous avez eu un parcours remarquable – de la construction des opérations d’HP en Inde à la fondation d’iMerit avec pour mission de promouvoir les jeunes marginalisés au Bhoutan, en Inde et à La Nouvelle-Orléans. Qu’est-ce qui vous a inspirée pour créer iMerit, et quels défis avez-vous rencontrés pour créer une main-d’œuvre globale et inclusive à partir de zéro ?

Avant de fonder iMerit, j’étais présidente et PDG de SupportSoft, où j’ai dirigé l’entreprise lors de ses introductions en bourse initiale et secondaire, l’établissant comme un leader mondial dans les logiciels de support automation. Cette expérience m’a montré le pouvoir de combiner les personnes et la technologie dès le départ.

Alors que l’essor technologique de l’Inde a créé de nouvelles opportunités, j’ai remarqué que de nombreux jeunes talents dans les zones défavorisées étaient laissés pour compte. Je croyais en leur potentiel et en leur envie d’apprendre. Dès qu’ils ont vu comment les logiciels pouvaient alimenter des technologies avancées comme l’IA, ils ont embrassé ces carrières avec enthousiasme.

Nous avons lancé iMerit avec une petite équipe diverse, dont la moitié sont des femmes, et nous avons grandi rapidement depuis. L’adaptabilité et la capacité d’apprentissage de notre équipe ont été clés, en particulier à mesure que la demande à long terme de spécialistes qualifiés dans les données centrées sur l’IA a augmenté.

Aujourd’hui, iMerit est un fournisseur mondial de solutions de données basées sur l’IA pour des secteurs critiques tels que les véhicules autonomes, l’IA médicale et la technologie. Notre travail garantit que les modèles d’IA de nos clients sont construits sur des données fiables et de haute qualité, essentielles dans les environnements à haute tension.

En fin de compte, notre force réside dans des fondements technologiques solides et une équipe d’employés bien formés et motivés qui prospèrent dans une culture de soutien et d’apprentissage. Cette approche a alimenté notre croissance, nous a maintenus à la positivité des flux de trésorerie et nous a valu des scores NPS élevés et des clients fidèles.

iMerit travaille maintenant avec plus de 200 clients, dont des géants de la technologie comme eBay et Johnson & Johnson (JNJ ). Pouvez-vous nous guider à travers le parcours de croissance de l’entreprise – des premiers jours à son statut de leader mondial dans les services de données basées sur l’IA ?

Nous avons eu un siège au premier rang pour les parcours d’IA de nos clients, en nous associant aux premières expériences jusqu’à la production à grande échelle. Notre travail s’étend aux startups, aux leaders mondiaux des véhicules autonomes et aux grandes entreprises. En formant leurs modèles de base, nous avons acquis une compréhension sans précédent de ce qu’il faut vraiment pour mettre l’IA à l’échelle dans le monde réel.

Le domaine a évolué constamment et rapidement. Je n’ai rarement vu une technologie avancer de manière si dramatique en si peu de temps. Nous sommes passés d’un fournisseur d’annotation de données à une entreprise de données basées sur l’IA à pile complète, proposant des solutions spécialisées dans tout le cycle de vie de l’homme dans la boucle (HITL) : annotation, validation, audit et red teaming. La gestion des cas de bord et des exceptions est vitale pour le déploiement dans le monde réel, nécessitant une expertise et un jugement nuancés à chaque étape.

Notre plus grand secteur vertical est la mobilité autonome, où nous gérons la pile de perception complète, y compris la fusion de capteurs sur 15 capteurs pour les véhicules de passagers, de livraison, de camionnage et d’agriculture. Dans le domaine de la santé, nous dirigeons l’imagerie médicale basée sur l’IA. Dans le secteur high-tech, nous sommes à la pointe de l’ajustement et de la validation de la GenAI, exigeant une sophistication accrue dans nos flux de travail et notre talent.

Le succès dans ces domaines ne consiste pas seulement à avoir des experts – il s’agit de cultiver l’expertise : la capacité cognitive de remettre en question, de coacher et de contextualiser les modèles d’IA. C’est ce qui distingue nos équipes.

Notre croissance est alimentée par des partenariats à long terme, et la plupart de nos dix premiers clients sont avec nous depuis plus de cinq ans. À mesure que leurs besoins deviennent plus complexes, nous élevons constamment nos connaissances de domaine, nos outils, notre formation et nos solutions. À la fois notre pile technologique et nos personnes doivent évoluer constamment.

La fusion du logiciel, de l’automatisation, de l’annotation et de l’analyse crée le cadre pour des interventions humaines dans la boucle très flexibles, rapides et précises. 70 % des nouveaux logos sont sur notre propre pile technologique, ce qui nécessite une énorme transformation interne. À nouveau, notre culture garantit que les équipes sont avides d’apprendre et veulent grandir constamment.

Quels ont été les moments les plus charnières dans l’histoire d’iMerit – qu’il s’agisse de jalons technologiques ou de décisions stratégiques – qui ont contribué à façonner la trajectoire de l’entreprise ?

À une époque où le travail de données basées sur l’IA était considéré comme un travail de foule à court terme, nous avons fait un pari précoce que cela allait grandir en tant que carrière et nécessiterait de la complexité et une orientation entreprise. En construisant des équipes internes dédiées à des cas d’utilisation avancés, nous avons permis à nos clients de mettre l’IA à l’échelle rapidement, aboutissant à notre premier accord de 1 million de dollars de revenu mensuel récurrent dans les véhicules autonomes, un jalon qui a validé notre approche.

Le verrouillage de COVID-19 a testé notre agilité : nous sommes passés d’un bureau entièrement en présentiel à un environnement entièrement distant presque du jour au lendemain, en investissant lourdement dans les infrastructures, la sécurité et la culture. En quelques semaines, les opérations des clients ont rebondi, et nous avons augmenté à la fois les revenus et les effectifs cette année-là. Aujourd’hui, avec 70 % de notre équipe de retour sur site, nous continuons à exploiter le talent distant, en lançant les Scholars, notre réseau mondial d’experts en la matière pour l’ajustement et la validation de la GenAI. Que ce soit un cardiologue ou un mathématicien espagnol, notre culture à forte interaction attire et motive les meilleurs talents, élevant directement la qualité et la cohérence de nos solutions.

En 2023, nous avons acquis Ango.ai, une plate-forme d’étiquetage de données et d’automatisation de flux de travail basée sur l’IA, pour impulser la prochaine génération d’outils de données basées sur l’IA. Ce mouvement charnière a fusionné l’expertise de domaine d’iMerit avec les outils avancés d’Ango, élargissant nos capacités en radiologie, en fusion de capteurs et en réglage fin de la GenAI. Nous travaillons toujours avec les outils des clients, mais de nombreux nouveaux clients sont maintenant intégrés directement à Ango Hub, attirés par ses flux de travail conviviaux et sa sécurité robuste, qui sont des exigences essentielles dans notre secteur.

Les entreprises nous disent constamment qu’elles recherchent le meilleur des deux mondes : une expertise humaine pour garantir la qualité, combinée à une plate-forme sécurisée et évolutivité qui offre l’automatisation et l’analyse. La combinaison des forces avec Ango offre exactement cela, nous positionnant de manière unique pour répondre aux demandes complexes des projets d’IA les plus ambitieux d’aujourd’hui et pour mettre l’IA à l’échelle avec confiance.

iMerit est profondément impliqué dans des domaines avancés tels que les véhicules autonomes, l’IA médicale et la GenAI. Quels sont certains des défis de données uniques auxquels vous êtes confrontés dans ces secteurs, et comment les abordez-vous ?

Les tâches liées aux données représentent généralement près de 80 % du temps consacré aux projets d’IA, les rendant un élément essentiel du pipeline. La partie centrée sur les données de l’IA peut être chronophage et coûteuse si elle n’est pas gérée correctement et à l’échelle.

La qualité des données, et en particulier l’évitement des erreurs flagrantes, est essentielle dans les secteurs critiques que nous opérons. Que ce soit un algorithme de perception ou un détecteur de tumeurs, des données propres sont essentielles dans la boucle d’entraînement et de validation.

La gestion des exceptions est disproportionnellement précieuse. L’insight humain sur la raison pour laquelle quelque chose est en dehors de la norme ou pourquoi un scénario a cassé le modèle crée une valeur massive pour rendre le modèle plus complet et robuste.

En outre, les fenêtres de contexte deviennent plus grandes. Nous résumons les notes de consultation d’un médecin et d’un patient entiers et analysons les anomalies dans les IRM sur la base non seulement de l’image, mais également du contexte médical du patient. Les experts en la matière doivent établir des rubriques pour analyser les données avec précision et garantir la qualité.

La sécurité, la confidentialité et la confidentialité sont des sujets brûlants. Notre directeur de la sécurité doit se protéger contre l’accès non autorisé, la suppression et le stockage des données. Les protocoles d’infosec tels que SOC2, HIPAA et TISAX ont été des domaines d’investissement importants pour nous.

Enfin, nos ingénieurs et architectes de solutions travaillent constamment sur des intégrations et des rapports personnalisés afin que les besoins uniques des clients soient reflétés dans la dernière étape. Une approche unique ne fonctionne pas dans l’IA.

Vous avez parlé de la combinaison de la robotique et de l’intelligence humaine comme d’un chemin plus sûr pour l’IA. Pouvez-vous élargir sur ce flux de travail en pratique – et pourquoi vous pensez qu’il est meilleur que d’essayer d’éliminer la divergence créative de l’IA ?

L’IA offre une mise à l’échelle, ce qui signifie que les entreprises développent des outils pour automatiser des processus longs traditionnellement effectués par des humains. Mais les humains offrent le dernier kilomètre de flexibilité, de certitude et de résilience. À mesure que les services logiciels continuent à proliférer dans l’IA, les entreprises les plus réussies combineront efficacement la robotique avec les pratiques humaines dans la boucle (HITL).

Nous considérons HITL comme une couche cohérente dans chaque phase du cycle de vie de développement et de déploiement de l’IA, ainsi que comme un pilier de confiance et de sécurité. Par conséquent, l’intelligence humaine sera essentielle pour rectifier le cap si les modèles échouent. Ces applications critiques auront besoin de l’esprit humain pour déterminer les changements qui devront être apportés. C’est là que les services HITL deviendront encore plus importants à mesure que nous intégrons l’IA dans la production et les opérations sur le terrain.

Votre plate-forme Ango Hub combine l’automatisation avec l’expertise humaine dans la boucle. Comment ce modèle hybride améliore-t-il la qualité des données et les performances du modèle dans les systèmes d’IA de production ?

L’IA et l’automatisation offrent une mise à l’échelle et une rapidité, tandis que les humains offrent de la nuance, des insights et une supervision. HITL garantit l’implication humaine à des moments critiques du cycle de vie de l’IA – en garantissant des entrées de haute qualité, en validant les sorties, en identifiant les cas de bord et en affinant les modèles pour les domaines, et en fournissant un jugement contextuel. Les humains aident à garantir la précision en examinant et en vérifiant les sorties, en détectant les hallucinations ou les erreurs logiques avant qu’elles ne causent des dommages. Ils fournissent également une supervision dans des contextes sensibles ou à haut risque où les LLM ne devraient pas prendre de décisions finales. Plus important encore, les commentaires humains alimentent l’apprentissage continu, aidant les systèmes d’IA à s’aligner plus étroitement sur les objectifs de l’utilisateur avec le temps.

HITL prend de nombreuses formes. Les experts humains s’engagent dans l’annotation ciblée, appliquent un raisonnement complexe aux cas de bord et examinent le contenu généré par l’IA à l’aide d’interfaces de QA structurées. Plutôt que d’évaluer chaque décision, des systèmes d’escalade contextuels sont souvent mis en œuvre. Ces systèmes acheminent uniquement les sorties à faible confiance ou les anomalies signalées aux réviseurs humains, équilibrant la supervision avec l’efficacité.

Un autre usage critique de HITL est l’ajustement des agents d’IA via l’apprentissage par renforcement à partir des commentaires humains (RLHF). Les réviseurs humains classent, réécrivent ou fournissent des commentaires sur les réponses des agents, ce qui est particulièrement important dans des domaines sensibles comme les soins de santé, les services juridiques ou le support client. En parallèle, les tests de scénario et le red teaming permettent aux évaluateurs humains de tester les agents dans des conditions adverses ou inhabituelles pour identifier et corriger les vulnérabilités avant le déploiement.

Le plein potentiel de l’IA n’est réalisé que lorsque les humains restent dans la boucle, en guidant, en validant et en améliorant chaque étape. Que ce soit en affinant les sorties d’agent, en formant les boucles d’évaluation ou en créant des pipelines de données fiables, la supervision humaine ajoute la structure et la responsabilité dont l’IA a besoin pour être digne de confiance et efficace.

Avec l’évolution rapide des outils de GenAI, comment iMerit reste-t-elle à la pointe de la fourniture de services d’évaluation, de RLHF et de réglage fin ?

Nous avons récemment lancé le laboratoire de raisonnement profond d’Ango Hub (DRL), une plate-forme unifiée pour le réglage et le développement interactif de la GenAI avec des enseignants d’IA. Notre DRL permet des processus en temps réel et des évaluations basées sur les préférences humaines, conduisant à des réponses de modèle plus cohérentes et plus précises à des problèmes complexes.

Les progrès des modèles de GenAI et du développement d’applications mettent en évidence la valeur des données propres, créées par des experts et validées. Avec le laboratoire de raisonnement profond d’Ango Hub, les experts peuvent tester les modèles, identifier les faiblesses et générer des données propres à l’aide de la raison à chaîne de pensée. Ils interagissent avec les modèles en temps réel et envoient des invites et des corrections étape par étape dans une seule interface.

En exploitant les Scholars d’iMerit, le laboratoire de raisonnement profond d’Ango Hub affine les processus de raisonnement des modèles. Il exploite l’expérience approfondie d’iMerit avec les flux de travail HITL. Les experts conçoivent des scénarios à plusieurs étapes pour des tâches complexes, telles que la création d’invites à chaîne de pensée pour des problèmes mathématiques avancés. Les Scholars d’iMerit examinent les sorties, corrigent les erreurs et capturent les interactions de manière transparente. La magie ne réside pas dans l’intégration d’un grand nombre de personnes de manière indiscriminée. Les meilleurs mathématiciens ne sont pas nécessairement les meilleurs enseignants. On ne devrait pas non plus traiter un cardiologue comme un travailleur à court terme. L’ajustement et le coaching des experts en la matière pour penser de la manière qui profite le plus au processus de formation du modèle font la différence.

Qu’est-ce que « l’expert dans la boucle » signifie dans le contexte du réglage fin de la GenAI ? Pouvez-vous partager des exemples où l’expertise humaine a considérablement amélioré les sorties du modèle ?

L’expert dans la boucle combine l’intelligence humaine avec l’intelligence robotique pour faire progresser l’IA dans la production. Cela implique des experts humains qui valident, raffinent et améliorent les sorties des systèmes automatisés.

Plus précisément, l’annotation de données menée par des experts garantit que les données de formation sont étiquetées avec précision avec des connaissances spécifiques au domaine, améliorant ainsi la précision et la fiabilité des modèles d’IA prédictifs. En réduisant les préjugés et les fausses classifications, l’annotation menée par des experts améliore la capacité du modèle à généraliser efficacement dans des scénarios du monde réel. Cela donne lieu à des systèmes d’IA plus fiables, plus interprétables et plus alignés sur les besoins spécifiques à l’industrie.

Par exemple, après avoir acquis un grand corpus de données médicales, une société de technologie américaine multinationale devait évaluer les données pour les utiliser dans son chatbot médical à destination des consommateurs pour garantir des conseils médicaux sûrs et précis pour les utilisateurs. En s’appuyant sur iMerit, ils ont exploité notre réseau étendu d’experts en soins de santé basés aux États-Unis et ont rassemblé une équipe d’infirmières pour travailler dans un flux de travail de consensus avec des escalades et des arbitrages fournis par un médecin agréé par le conseil d’administration américain. Les infirmières ont commencé par évaluer la base de connaissances présentant des définitions pour évaluer l’exactitude et le risque.

Grâce à la discussion sur les cas de bord et à la révision des directives, les infirmières pouvaient parvenir à un consensus dans 99 % des cas. Cela a permis à l’équipe de réviser la conception du projet pour une structure à vote unique avec un audit de 10 %, réduisant ainsi les coûts du projet de plus de 72 %. Le travail avec iMerit a permis à cette société d’identifier constamment des moyens de mettre à l’échelle l’annotation des données médicales de manière éthique et efficace.

Avec plus de 8 000 experts à plein temps dans le monde, comment maintenez-vous la qualité, les performances et le développement des employés à grande échelle ?

La définition de la qualité est toujours adaptée à chaque cas d’utilisation spécifique du client. Nos équipes collaborent étroitement avec les clients pour définir et calibrer les normes de qualité, en employant des processus personnalisés qui garantissent que chaque annotation est rapidement validée par des experts en la matière. La cohérence est importante pour le développement de l’IA de haute qualité. Cela est soutenu par un taux de rétention élevé des employés (90 %) et un fort accent sur l’analyse de production, un facteur clé de la conception d’Ango Hub, façonné par les commentaires quotidiens des utilisateurs de notre équipe.

Nous investissons constamment dans l’automatisation, l’optimisation et la gestion des connaissances, sous-tendus par notre plate-forme de formation propriétaire iMerit One. Cet engagement en faveur de l’apprentissage et du développement ne stimule pas seulement l’excellence opérationnelle, mais soutient également la progression de carrière à long terme de nos employés, favorisant une culture d’expertise et de croissance.

Quels conseils donneriez-vous aux entrepreneurs en IA qui souhaitent construire quelque chose de significatif – à la fois en technologie et en impact social ?

L’IA évolue à un rythme vertigineux. Allez au-delà de la pile technologique et écoutez vos clients pour comprendre ce qui compte pour leur entreprise. Comprenez leur appétit pour la vitesse, le changement et le risque. Les premiers clients peuvent essayer des choses. Les plus grands clients ont besoin de savoir que vous êtes là pour rester et que vous continuerez à les prioriser. Mettez-les à l’aise avec votre approche proactive en matière de transparence, de sécurité et de responsabilité.

En outre, sélectionnez soigneusement vos investisseurs et vos membres du conseil d’administration pour garantir l’alignement sur les valeurs et les préoccupations partagées. Chez iMerit, nous avons connu un soutien significatif de notre conseil d’administration et de nos investisseurs pendant des périodes difficiles telles que COVID-19, que nous attribuons à cet alignement.

Les qualités clés qui contribuent au succès d’un entrepreneur dans l’industrie technologique vont au-delà de la prise de risques ; elles impliquent la construction d’une entreprise rentable et inclusive.

Je vous remercie pour cette grande interview. Les lecteurs qui souhaitent en savoir plus peuvent visiter iMerit.