ओल्गा मेगोर्सकाया, टोलोका की संस्थापक और सीईओ – साक्षात्कार श्रृंखला

ओल्गा मेगोर्सकाया, टोलोका की संस्थापक और सीईओ, ने 2020 से कंपनी का नेतृत्व किया है, इसे अपनी मूल भीड़-लेबलिंग जड़ों से एक प्रमुख खिलाड़ी में बदल दिया है एआई डेटा सेवाओं में। टोलोका की स्थापना और नेतृत्व करने से पहले, उन्होंने यांडेक्स में एक दशक से अधिक समय बिताया, जिसमें क्राउडसोर्सिंग और प्लेटफ़ॉर्म के प्रमुख के रूप में अपनी भूमिका में समाप्त हुआ, जहां उन्होंने मशीन-लर्निंग उत्पादों के लिए क्राउडसोर्स्ड डेटा-लेबलिंग इन्फ्रास्ट्रक्चर बनाया और स्केल किया, जिसमें खोज, वॉयस, भाषण, स्व-ड्राइविंग, सामग्री मॉडरेशन और अधिक शामिल हैं। उनके नेतृत्व में, टोलोका ने खुद को एक वैश्विक डेटा भागीदार के रूप में स्थापित किया है – मशीन-लर्निंग प्रौद्योगिकी को मानव विशेषज्ञता के साथ जोड़कर बड़े पैमाने पर एआई मॉडल और एजेंटों के लिए प्रशिक्षण, मूल्यांकन और सुरक्षा का समर्थन करता है।

टोलोका एक नीदरलैंड स्थित कंपनी है जो एम्स्टर्डम में मुख्यालय है जो एआई विकास के लिए उच्च गुणवत्ता, विशेषज्ञ रूप से क्यूरेटेड डेटा प्रदान करती है, जिसमें एनोटेशन और लेबलिंग से लेकर सुपरवाइज्ड फाइन-ट्यूनिंग (एसएफटी) और मानव प्रतिक्रिया से प्रशिक्षण (आरएलएचएफ) के लिए कस्टम डेटासेट शामिल हैं। कंपनी विभिन्न मोडलिटी – पाठ, छवि, ऑडियो, वीडियो – का समर्थन करती है और डोमेन विशेषज्ञों के साथ एक वैश्विक भीड़ को शामिल करती है ताकि उन्नत एआई एजेंटों और बड़े भाषा मॉडलों के प्रशिक्षण और मूल्यांकन के लिए स्केलेबल, सटीक डेटासेट प्रदान किए जा सकें। उनकी सेवाएं तर्क, बहुस्तरीय समझ, छवि/ऑडियो जनरेशन और एआई सुरक्षा जैसी क्षमताओं में सुधार करने में मदद करती हैं उद्योगों और अनुप्रयोगों में।

आपने यांडेक्स में मानव-इन-द-लूप सिस्टम बनाने में वर्ष बिताए, फिर 2020 में टोलोका की सह-स्थापना की। क्या क्षण था जिसने आपको यह महसूस कराया कि इसे अपनी कंपनी बनने की आवश्यकता है, और उस अनुभव ने टोलोका की भूमिका के लिए आपके दृष्टिकोण को कैसे आकार दिया?

एक निश्चित बिंदु पर, हमने महसूस किया कि टोलोका ने अपनी मूल कंपनी से आगे निकल गया है। दुनिया भर के एआई शोधकर्ता मंच का उपयोग कर रहे थे, और हमें एहसास हुआ कि कंपनी एक स्वतंत्र इकाई के रूप में अधिक हासिल कर सकती है। परिणामस्वरूप, टोलोका अपने संचयी अनुभव पर भरोसा कर सकता था जो एआई समाधानों के पूरे स्पेक्ट्रम के लिए प्रशिक्षण डेटा एकत्र करने वाली सैकड़ों एआई टीमों का था – वेब खोज और वॉयस सहायकों से लेकर जेनएआई चैटबॉट और एआई एजेंटों तक। हमने तब अपनी विशेषज्ञता को मानव प्रयास के प्रबंधन में जोड़कर एआई एजेंटों का निर्माण और प्रशिक्षण किया और हमारे नए उत्पाद, टेंडेम का निर्माण किया।

आपने कहा है कि आगे का वास्तविक विघटन पूरी तरह से स्वचालित एजेंटों से नहीं आएगा। आपको यह निष्कर्ष निकालने के लिए क्या प्रेरित किया कि हाइब्रिड एजेंट – एआई स्वचालन के साथ मानव निर्णय को जोड़ती हैं – वह मॉडल हैं जो अंततः जीतेंगे?

मैं मानता हूं कि एआई-केवल समाधान जल्द ही कई क्षेत्रों में ग्राहकों की जरूरतों को पूरी तरह से संतुष्ट करने के लिए अद्भुत स्तर की गुणवत्ता तक पहुंच जाएगा, लेकिन हमेशा उपयोग के मामलों का एक लंबा पूंछ होगा जिसके लिए बुनियादी मॉडल कभी भी अनुकूलित नहीं होंगे। यहीं हाइब्रिड दृष्टिकोण पूरी तरह से एआई-केवल और मानव-केवल समाधानों को पार कर जाएगा। हमने पिछले दशक में बार-बार इसी पैटर्न को देखा है: एआई कार्यों को सुंदरता से स्केल कर सकता है, लेकिन यह सूक्ष्मता, संदर्भ और निर्णय लेने के लिए संघर्ष करता है जो वास्तविक व्यावसायिक सेटिंग्स में महत्वपूर्ण है। पेशेवर गति चाहते हैं, लेकिन उन्हें विश्वसनीयता की भी आवश्यकता है – पूरी तरह से स्वचालित एजेंट आज यह गारंटी नहीं दे सकते हैं। हाइब्रिड सिस्टम जीतते हैं क्योंकि वे दोनों पक्षों का समाधान करते हैं। एआई वह संभालता है जिसमें यह सर्वश्रेष्ठ है: गति, संरचना और पुनरावृत्ति। मानव विशेषज्ञता अंतराल को भरती है: अस्पष्टता, किनारे के मामले और व्याख्या। जब आप दोनों को स्वाभाविक रूप से जोड़ते हैं, तो आपको एक ऐसा कार्यप्रवाह मिलता है जो तेज़ और विश्वसनीय दोनों है। यह वह मॉडल है जिस पर पेशेवर अंततः भरोसा करेंगे।

आपने कहा है कि एआई अस्पष्टता और बहु-दस्तावेज़ तर्क पर टूट जाता है। ये सीमाएं किस प्रकार के कार्यों को सबसे अधिक प्रकट करती हैं?

लंबी अवधि के कार्य – जिनमें कई स्रोतों को संश्लेषित करना, विरोधाभासी जानकारी को सुलझाना, संदर्भ की व्याख्या करना और जो कार्य मानवों को घंटों या यहां तक ​​कि दिनों का समय ले सकते हैं – एआई की वर्तमान सीमाओं को उजागर करने के लिए प्रवण होते हैं। उदाहरणों में बाजार अनुसंधान, प्रतिस्पर्धी विश्लेषण, लंबे फॉर्म दस्तावेजों का सारांश, मिश्रित इनपुट से मूल सामग्री का मसौदा तैयार करना या मानव सूक्ष्मता के बजाय पैटर्न मान्यता पर निर्भर करने वाले अंतर्दृष्टि निकालना शामिल है। एआई पहले पास बनाने में उत्कृष्ट है। लेकिन जैसे ही कार्य प्राथमिकता, निर्णय या अस्पष्टता को सुलझाने की आवश्यकता होती है, विश्वसनीयता तेजी से गिरती है। यहीं मानव विशेषज्ञ आवश्यक हैं।

कई पेशेवर एआई का उपयोग करते हैं लेकिन अभी भी इस पर पूरी तरह से भरोसा नहीं करते हैं। आपके दृष्टिकोण से एआई-सहायता प्राप्त प्रणालियों को वास्तविक कार्य सौंपने में विश्वास कैसे बहाल किया जाता है?

विश्वास में सुधार होता है जब लोगों को एआई आउटपुट को ठीक करना बंद करना होता है। हमारा दृष्टिकोण विश्वास को फिर से बनाने के लिए लोगों को कार्यप्रवाह में शामिल करता है, न कि जब एआई विफल हो जाता है तो एक एस्केलेशन पथ के रूप में। टेंडेम में प्रत्येक कार्य एक एआई परियोजना प्रबंधक के माध्यम से प्रवाहित होता है जो यह निर्णय लेता है कि क्या स्वचालित किया जाना चाहिए और क्या मानव विशेषज्ञता की आवश्यकता है। उसके बाद, स्वचालित जांच और मानव जीक्यू दोनों यह सुनिश्चित करते हैं कि अंतिम आउटपुट सटीक, पूर्ण और व्यावसायिक रूप से तैयार है। पेशेवरों के लिए, इसका मतलब है कि वे कार्य सौंप सकते हैं और वास्तव में एक सत्यापित परिणाम की अपेक्षा कर सकते हैं, न कि एक मसौदा जिसे उन्हें ठीक करना होगा।

कार्यप्रवाह में शामिल मानव विशेषज्ञों को उच्च गुणवत्ता वाला आउटपुट बनाए रखने के लिए कौन से तंत्र सुनिश्चित करते हैं बिना कार्यप्रवाह को धीमा किए?

दो चीजें इसे संभव बनाती हैं:

• पैमाने पर विशेषज्ञता। टेंडेम के नेटवर्क में विशेषज्ञ पूर्व-वेटेड, प्रशिक्षित और डोमेन विशेषज्ञता के आधार पर मेल खाते हैं। वे सामान्य फ्रीलांसर नहीं हैं जो उड़ान में अनुकूलन करने की कोशिश कर रहे हैं – वे विशिष्ट प्रकार के कार्यों के लिए पहले से ही योग्य हैं।
• परतदार जीक्यू और स्मार्ट राउटिंग। एआई रोटी कदम संभालता है ताकि मानव विशेषज्ञ केवल उन हिस्सों पर ध्यान केंद्रित करें जिन्हें निर्णय लेने की आवश्यकता होती है। फिर एक दूसरी परत है स्वचालित जीक्यू और मानव-वेरिफिकेशन जहां आवश्यक हो। यह मानवों को वहां शामिल रखता है जहां वे सबसे अधिक मूल्य जोड़ते हैं, न कि जहां वे बोतलनेक बनाते हैं।

परिणाम गति है जो स्वचालन को पार करती है, साथ ही साथ विशेषज्ञ समीक्षा के बराबर सटीकता है।

सटीकता और अनुपालन की मांग वाले उद्योगों में, हाइब्रिड सिस्टम व्यवसायों के लिए विश्वसनीयता और लेखा परीक्षा की पेशकश कैसे कर सकते हैं?

हाइब्रिड सिस्टम में लेखा परीक्षा की अनुमति देने के लिए स्वाभाविक रूप से अनुमति दी जाती है क्योंकि कार्यप्रवाह में प्रत्येक चरण ट्रैक किया जाता है, विशेषता और गुणवत्ता जांच की जाती है। आपको पता है कि कौन से हिस्से स्वचालित किए गए थे, कौन से वेटेड विशेषज्ञों द्वारा किए गए थे, और कौन से गुणवत्ता जांच कदम आउटपुट को मान्य करते थे। उच्च नियामक उद्योगों में, यह प्रक्रिया आवश्यक हो जाती है। आप अब एक ब्लैक-बॉक्स एआई निर्णय पर भरोसा नहीं कर रहे हैं; आपके पास एक सत्यापन योग्य निर्णय लेने की श्रृंखला है, सुधार और अनुमोदन। यही हाइब्रिड सिस्टम को उन डोमेन के लिए उपयुक्त बनाता है जहां सटीकता और अनुपालन वैकल्पिक नहीं हो सकते हैं।

आप किन ज्ञान कार्य श्रेणियों को हाइब्रिड एजेंटों में पहले स्थानांतरित होने की उम्मीद करते हैं, और कौन से सबसे धीमे अपनाने वाले होंगे?

कुल मिलाकर, मुझे लगता है कि हाइब्रिड दृष्टिकोण को अपनाना एआई-केवल दृष्टिकोण से आसान है, इसलिए मुझे लगता है कि लगभग कोई भी डोमेन इस मॉडल को कवर कर सकता है – अंतर केवल एआई और मानव शामिल होने के अनुपात में होगा। सबसे पहले अपनाने वाले भूमिकाएं वे हैं जहां गति और सटीकता दोनों महत्वपूर्ण हैं, फिर भी काम अभी भी अत्यधिक पुनरावृत्ति है। हम परामर्श, विपणन, बिक्री संचालन, अनुसंधान और सामग्री निर्माण से मजबूत खिंचाव देख रहे हैं। सबसे जटिल (और शायद सबसे दिलचस्प) क्षेत्रों को हल करने के लिए वास्तविक दुनिया के करीब हैं, जैसे कि वास्तुकला और निर्माण। लेकिन मुझे एक स्पष्ट तकनीकी मार्ग दिखाई दे रहा है जो हमें वहां ले जाने के लिए है।

एक परिचालन दृष्टिकोण से, संगठन फ्रीलांसर-प्रबंधित कार्य से हाइब्रिड एजेंटों में स्थानांतरित होने पर कैसे लाभान्वित होते हैं?

हाइब्रिड एजेंट फ्रीलांसर-प्रबंधित कार्य में दो सबसे बड़ी अक्षमताओं को समाप्त करते हैं: प्रबंधन ओवरहेड और असंगत गुणवत्ता। संगठन और पेशेवर अब फ्रीलांसरों को भर्ती करने, मूल्यांकन करने, ब्रीफ करने, प्रबंधित करने या सही करने की आवश्यकता नहीं है। हाइब्रिड एजेंट स्वचालित रूप से कार्यप्रवाह ऑर्केस्ट्रेशन संभालता है, प्रत्येक चरण के लिए सही एआई और मानव विशेषज्ञता के संयोजन को सौंपता है। इससे टर्नअराउंड समय कम होता है, आउटपुट गुणवत्ता मानकीकृत होती है, और कार्य को बढ़ाया जा सकता है बिना हेडकाउंट बढ़ाए। संक्षेप में, आपको स्वचालन की गति मिलती है, लेकिन विशेषज्ञ टीम की विश्वसनीयता के साथ, लेकिन किसी का प्रबंधन नहीं।

हाइब्रिड सिस्टम मुख्यधारा में पकड़ बनाने के medida के रूप में फ्रीलांस और गिग अर्थव्यवस्था पर क्या प्रभाव पड़ेगा?

हमें लगता है कि यह फ्रीलांस अर्थव्यवस्था को फिर से आकार देगा, इसे प्रतिस्थापित नहीं करेगा। इसके बजाय कम-स्तरीय, पुनरावृत्ति कार्यों पर समय बिताने के बजाय, फ्रीलांसर विशिष्ट डोमेन में विशेषज्ञ के रूप में हाइब्रिड सिस्टम में प्लग इन कर सकते हैं। काम अधिक संरचित हो जाता है: उच्च मूल्य, अधिक पूर्वानुमानयोग्य और अधिक स्थिर। विशेषज्ञों को अब असंगत परियोजनाओं का पीछा नहीं करना पड़ता है; वे टेंडेम जैसे प्लेटफ़ॉर्म के माध्यम से योगदान कर सकते हैं, जहां उनके कौशल को सही कार्यों से मेल खाता है और एआई प्रणालियों द्वारा समर्थित होता है जो कार्यभार को दूर करती हैं।

कुछ वर्षों के अंत में, “एआई को प्रतिनिधित्व” क्या दिखता है जब हाइब्रिड एजेंट डिजिटल कार्य में मानक बन जाते हैं?

प्रतिनिधित्व अब एक उपकरण का उपयोग करने जैसा महसूस नहीं होगा, बल्कि एक सक्षम टीम को काम सौंपने जैसा होगा। आप परिणाम का वर्णन करेंगे जो आप चाहते हैं, और हाइब्रिड एजेंट इसे तोड़ देगा, उप-कार्यों को मार्गदर्शन करेगा, सही मिश्रण का आवेदन करेगा एआई और मानव विशेषज्ञता, परिणामों को सत्यापित करेगा और एक समाप्त उत्पाद वितरित करेगा – सब कुछ कुछ घंटों के भीतर। परिवर्तन एआई का उपयोग करने से एक ड्राफ्टिंग सहायक के रूप में होगा, एआई पर एक पूरे कार्यप्रवाह के प्रबंधन के लिए एक परियोजना प्रबंधक के रूप में विश्वास करने के लिए। यह तब सच्चा प्रतिनिधित्व होता है: जब पेशेवरों को विश्वास हो सकता है कि प्रणाली अंतिम आउटपुट वितरित करेगी, न कि केवल एक प्रारंभिक बिंदु।

साक्षात्कार के लिए धन्यवाद, पाठक जो अधिक जानना चाहते हैं उन्हें टोलोका पर जाना चाहिए।