रयान कोलन, एपेन के सीईओ – साक्षात्कार श्रृंखला

एपेन एआई में 2018 में वीपी ऑफ कॉर्पोरेट डेवलपमेंट के रूप में शामिल होने के बाद, उन्होंने फिगर एट और क्वाड्रंट जैसे रणनीतिक अधिग्रहण का नेतृत्व किया और चीन और संघीय प्रभागों की स्थापना का समर्थन किया। सीईओ के रूप में अपनी नियुक्ति से पहले, उन्होंने मुख्य संचालन अधिकारी के रूप में कार्य किया, जिसमें वैश्विक संचालन और रणनीति की देखरेख की।

प्रौद्योगिकी और दूरसंचार में 20 वर्षों से अधिक के अनुभव के साथ, आपके करियर के मार्ग ने आपको एपेन का नेतृत्व करने और तेजी से बदलते एआई परिदृश्य में नेविगेट करने के लिए कैसे आकार दिया है?

मेरा करियर एक दूरसंचार इंजीनियर के रूप में शुरू हुआ, जहां मेरी भूमिका नेटवर्क और डेटा को बनाने और अनुकूलित करने की थी, जिसमें डेटा, विश्लेषण और नेटवर्क प्रदर्शन और ग्राहक अनुभव को अनुकूलित करने के लिए नवाचारी समाधान खोजने में बहुत काम शामिल था।

एनवाईयू में एमबीए पूरा करने के बाद, यह तकनीकी रणनीति और विलय और अधिग्रहण में नेतृत्व भूमिकाओं में विकसित हुआ, जहां मैं उभरते रुझानों, निवेश अवसरों और व्यवसाय मॉडल जैसे बड़े रणनीतिक प्रश्नों पर ध्यान केंद्रित करता था। इस पृष्ठभूमि ने मुझे उभरती प्रौद्योगिकियों के तकनीकी और व्यावसायिक दोनों पहलुओं की गहरी समझ प्रदान की है।

एपेन में, हम एआई और डेटा के बीच के交section पर काम करते हैं, और मेरा अनुभव मुझे कंपनी का नेतृत्व करने और तेजी से बदलते एआई स्थान में जटिलताओं को नेविगेट करने में सक्षम बनाता है, जो वॉइस रिकग्निशन, एनएलपी, रिकमेंडेशन सिस्टम और अब जेनरेटिव एआई जैसे प्रमुख विकास के माध्यम से आगे बढ़ रहा है। यह रणनीतिक दृष्टि तब महत्वपूर्ण है जब एआई वैश्विक स्तर पर उद्योगों को बदल रहा है।

आप 2018 से एपेन के साथ हैं, और आपने फिगर एट और क्वाड्रंट जैसे प्रमुख अधिग्रहण को चलाया है। इन रणनीतिक कदमों ने एपेन को एआई डेटा सेवाओं में एक नेता के रूप में कैसे स्थिति दिलाई है, और आप कंपनी के लिए अगले बड़े अवसर को क्या देखते हैं?

फिगर एट और क्वाड्रंट के अधिग्रहण हमारी एआई डेटा क्षमताओं को विस्तारित करने के लिए महत्वपूर्ण थे, विशेष रूप से डेटा एनोटेशन और जियोलोकेशन इंटेलिजेंस जैसे क्षेत्रों में। फिगर एट का डेटा एनोटेशन प्लेटफ़ॉर्म विशेष रूप से प्रभावशाली था। प्लेटफ़ॉर्म अत्यधिक अनुकूलन योग्य है, और हमने इसका उपयोग विभिन्न डोमेन में काम के लिए किया है। हाल ही में, हमने जेनरेटिव एआई डेटाफ्लो चलाने के लिए इस प्लेटफ़ॉर्म का उपयोग किया है।

अधिग्रहण के अलावा, लगभग 5 साल पहले हमने चीन में एक ऑपरेशन स्थापित किया जिसे एपेन चीन कहा जाता है। हम अब चीन में सबसे बड़ी एआई डेटा कंपनी हैं, जिसका राजस्व हमारे निकटतम प्रतियोगियों की तुलना में लगभग दोगुना है।

आगे देखते हुए, एपेन के लिए ध्यान जेनरेटिव एआई के विकास और अपनाने का समर्थन करने पर है। दोनों मॉडल बिल्डरों और जेनरेटिव एआई को अपने उत्पादों और संचालन में अपनाने वाली कंपनियों में महत्वपूर्ण विकास के अवसर हैं। हम महसूस करते हैं कि हम एआई की सबसे बड़ी लहर की शुरुआत में हैं।

एआई मॉडल विकास में डेटा गुणवत्ता एक महत्वपूर्ण भूमिका निभाती है। आप एपेन के डेटासेट की सटीकता, विविधता और प्रासंगिकता को कैसे सुनिश्चित करते हैं, विशेष रूप से उच्च गुणवत्ता वाले एलएलएम प्रशिक्षण डेटा की बढ़ती मांग के साथ?

एपेन की ताकत हमारी क्षमता है जो लगातार उच्च गुणवत्ता वाले डेटा बनाती है और पैमाने पर है। हम अपने ग्राहकों के साथ मिलकर काम करते हैं ताकि उनके एआई मॉडल के उद्देश्यों को समझा जा सके और उनकी जरूरतों के लिए उच्च गुणवत्ता वाले डेटा विकसित किए जा सकें। हमारे पास 200 से अधिक देशों में 1 मिलियन से अधिक वैश्विक कार्यबल है, जो हमें विभिन्न दृष्टिकोणों और अनुभवों से डेटा क्यूरेट करने में सक्षम बनाता है। सख्त गुणवत्ता नियंत्रण और प्रतिक्रिया लूप के माध्यम से, हम यह सुनिश्चित करते हैं कि डेटा सटीक, सुसंगत और प्रासंगिक है, और एआई मॉडल के प्रदर्शन में सुधार के लिए प्रभावी ढंग से उपयोग किया जा सकता है। यह एआई सिस्टम को वास्तविक दुनिया के वातावरण में प्रभावी ढंग से संचालित करने में सक्षम बनाता है और एलएलएम के लिए विशेष रूप से लचीलापन और पूर्वाग्रह को कम करने में मदद कर सकता है।

सिंथेटिक डेटा उत्पादन लोकप्रियता प्राप्त कर रहा है, और एपेन का माइंडटेक में निवेश इस क्षेत्र में आपकी रुचि को दर्शाता है। सिंथेटिक या वेब-स्क्रैप्ड डेटा का उपयोग करने के फायदे और नुकसान पर चर्चा करें और बताएं कि आप सिंथेटिक डेटा को एपेन द्वारा जाने जाने वाले भीड़-स्रोत वाले डेटा के पूरक के रूप में कैसे देखते हैं?

उच्च गुणवत्ता वाले डेटा महत्वपूर्ण है, लेकिन इसका उत्पादन महंगा और समय लेने वाला हो सकता है, जो सिंथेटिक डेटा को ध्यान देने योग्य बनाता है। यह पारंपरिक एआई/एमएल कार्यों में संरचित डेटा के लिए अच्छा काम करता है, विशेष रूप से स्वास्थ्य सेवा और वित्त जैसे उद्योगों में जहां सख्त गोपनीयता नियम हैं।

हालांकि, सिंथेटिक डेटा अक्सर वास्तविक दुनिया के डेटा की गहराई और सूक्ष्मता की कमी होती है, विशेष रूप से जेनरेटिव एआई कार्यों के लिए जो विविधता और गहरी विशेषज्ञता की मांग करते हैं। यह मूल डेटा से त्रुटियों या पूर्वाग्रहों को भी बढ़ावा दे सकता है। वेब-स्क्रैप्ड डेटा, जो अक्सर एलएलएम के लिए उपयोग किया जाता है, कम गुणवत्ता वाली सामग्री, पूर्वाग्रह और गलत सूचना के अपने चुनौतियों को प्रस्तुत करता है, जिसमें सावधानीपूर्वक क्यूरेशन की आवश्यकता होती है।

भीड़-स्रोत वाले डेटा, जिसमें एपेन विशेषज्ञता रखता है, अभी भी “ग्राउंड ट्रुथ” बना हुआ है। मानव विशेषज्ञता जेनरेटिव एआई कार्यों के लिए आवश्यक विविध और जटिल डेटा उत्पन्न करने के लिए महत्वपूर्ण है। हम सिंथेटिक डेटा को अपने मानव-अनुकूलित डेटा के पूरक के रूप में देखते हैं। जबकि सिंथेटिक डेटा प्रक्रिया के कुछ हिस्सों को तेज कर सकता है, मानव-लेबल वाले डेटा सुनिश्चित करते हैं कि मॉडल वास्तविक दुनिया की विविधता को प्रतिबिंबित करते हैं। दोनों एक संतुलित दृष्टिकोण प्रदान करते हैं जो एआई के लिए उच्च गुणवत्ता वाले प्रशिक्षण डेटा बनाने में मदद करता है।

यूरोपीय संघ के एआई अधिनियम और अन्य वैश्विक नियम एआई विकास के आसपास के नैतिक मानकों को आकार दे रहे हैं। आप इन नियमों को एपेन के संचालन और व्यापक एआई उद्योग पर कैसे प्रभाव डालते हुए देखते हैं?

यूरोपीय संघ के एआई अधिनियम और समान वैश्विक नियम संभावित रूप से एपेन के संचालन को प्रभावित करेंगे जो एआई मॉडल विकास और प्रदर्शन के लिए नए नैतिक मानकों को निर्धारित करते हैं। हम डेटा को कैसे संभालते हैं, मॉडल न्याय को सुनिश्चित करते हैं और नैतिक विचारों को संबोधित करते हैं, इस पर बदलाव देख सकते हैं। यह हमारे दृष्टिकोण में समायोजन और संभावित रूप से हमारे मॉडल प्रशिक्षण और मान्यकरण के तरीके में बदलाव ला सकता है।

व्यापक रूप से, ये नियम उद्योग को उच्च नैतिक मानकों की ओर ले जाएंगे, अनुपालन लागत में वृद्धि करेंगे और संभावित रूप से कुछ नवाचारों को धीमा कर सकते हैं। हालांकि, वे अधिक जिम्मेदारी और पारदर्शिता की मांग करेंगे, जो अंततः अधिक जिम्मेदार और स्थायी एआई विकास की ओर ले जा सकते हैं।

एआई में पूर्वाग्रह के बढ़ते चिंताओं के साथ, आप बताएं कि एपेन एआई मॉडल को प्रशिक्षित करने के लिए उपयोग किए जाने वाले डेटासेट को नैतिक रूप से स्रोत और पूर्वाग्रह से मुक्त होने के लिए कैसे काम करता है, विशेष रूप से प्राकृतिक भाषा प्रसंस्करण और कंप्यूटर दृष्टि जैसे संवेदनशील क्षेत्रों में?

हम पूर्वाग्रह को कम करने के लिए विविधता और समावेश को बढ़ावा देने के लिए सक्रिय रूप से काम करते हैं। यह देखकर प्रोत्साहित किया जाता है कि हमारे कई ग्राहक डेटा संग्रह और मॉडल मूल्यांकन कार्यों में व्यापक जनसांख्यिकी को कैप्चर करने पर ध्यान केंद्रित कर रहे हैं। 200 से अधिक देशों में रहने वाले वैश्विक भीड़ के साथ, हम विभिन्न दृष्टिकोणों और अनुभवों से डेटा स्रोत करने में सक्षम हैं, जो प्राकृतिक भाषा प्रसंस्करण और कंप्यूटर दृष्टि जैसे संवेदनशील क्षेत्रों में विशेष रूप से महत्वपूर्ण है।

2019 से, हमने अपने सर्वोत्तम अभ्यासों को क्राउड कोड ऑफ एथिक्स में औपचारिक रूप दिया है, जो विविधता, न्याय और भीड़ के कल्याण के प्रति हमारी प्रतिबद्धता को दर्शाता है। इसमें न्यायपूर्ण वेतन, हमारी भीड़ की आवाज सुनने और सख्त गोपनीयता सुरक्षा सुनिश्चित करने के लिए हमारी प्रतिबद्धता शामिल है। इन सिद्धांतों का पालन करके, हम जिम्मेदार एआई विकास का समर्थन करने वाले उच्च गुणवत्ता वाले, नैतिक रूप से स्रोत वाले डेटा वितरित करने का लक्ष्य रखते हैं।

एआई ऑटोमोटिव, विज्ञापन और एआर/वीआर जैसे उद्योगों में अधिक एकीकृत होता जा रहा है। एपेन इन क्षेत्रों में विशेषज्ञता वाले प्रशिक्षण डेटा की बढ़ती मांग को पूरा करने के लिए खुद को कैसे स्थिति दे रहा है?

पिछले 27 वर्षों में, हमने विभिन्न उद्योगों और उपयोग के मामलों के लिए विशेषज्ञता वाले प्रशिक्षण डेटा प्रदान किए हैं, और हम अपने ग्राहकों की जरूरतों के अनुसार विकसित होते रहते हैं।

उदाहरण के लिए, ऑटोमोटिव में, हमने प्रमुख ऑटोमोटिव कंपनियों और इन-केबिन समाधान प्रदाताओं के साथ मिलकर वाहन में भाषा प्रणाली बनाने के लिए काम किया। अब, हम अपने ग्राहकों को नए क्षेत्रों में मदद कर रहे हैं, जैसे कि ड्राइवरों की सुरक्षा की निगरानी के लिए ड्राइवरों के वीडियो डेटा संग्रह।

विज्ञापन में, हमने एक प्रमुख वैश्विक विज्ञापन प्लेटफ़ॉर्म के साथ काम किया ताकि उपयोगकर्ता प्रासंगिकता के लिए विज्ञापनों की गुणवत्ता और सटीकता में सुधार किया जा सके, जो एक बड़े वैश्विक कार्यक्रम में 7 मिलियन से अधिक मूल्यांकन के साथ एक लंबे समय तक चलने वाला कार्यक्रम था। अब, जब कई प्लेटफ़ॉर्म जेनरेटिव एआई समाधानों को अपना रहे हैं, तो हमारी भीड़ न केवल विज्ञापनों की प्रासंगिकता का मूल्यांकन कर रही है, बल्कि उत्पन्न विज्ञापनों की गुणवत्ता में भी मदद कर रही है।

हमने अपने मजबूत एनोटेशन प्लेटफ़ॉर्म के माध्यम से यह सब किया है, जिसे जटिल कार्यों और विभिन्न डेटा मॉडलिटी के लिए अनुकूलित किया जा सकता है, जिसमें पाठ, ऑडियो, छवि, वीडियो और बहु-मॉडल एनोटेशन शामिल हैं। लेकिन अंततः, हमारी क्षमता हमारे ग्राहकों के साथ मजबूत साझेदारी और एआई विकास के लिए डेटा में गहरी विशेषज्ञता पर निर्भर करती है।

एपेन एआई के विभिन्न अनुप्रयोगों के लिए उच्च गुणवत्ता वाले डेटा प्रदान करने में एक नेता रहा है। आगे देखते हुए, आप एपेन की भूमिका को जेनरेटिव एआई और एलएलएम के विकास और वैश्विक बाजारों पर प्रभाव के साथ कैसे बदलते हुए देखते हैं?

जेनरेटिव एआई और एलएलएम उद्योगों को बदल रहे हैं, और हम इन प्रगति का समर्थन करने के लिए उच्च गुणवत्ता वाले डेटा प्रदान करने में एक महत्वपूर्ण भूमिका निभाते रहेंगे। जब वैश्विक बाजारों की बात आती है, तो 200 देशों और 500 से अधिक भाषाओं में स्रोत करने की हमारी क्षमता और भी मूल्यवान हो जाएगी। हमारे पास इसका एक मजबूत इतिहास है, क्योंकि हमने माइक्रोसॉफ्ट जैसी कंपनियों को 110 से अधिक भाषाओं के लिए मशीन अनुवाद मॉडल लॉन्च करने में मदद की है।

एलएलएम अनुप्रयोगों के तैनाती बढ़ने के साथ, हम मानव अंत-उपयोगकर्ताओं के साथ संरेखण के लिए बढ़ती मांग देखते हैं, जिसमें विभिन्न वैश्विक बाजारों में भाषा और सांस्कृतिक बारीकियों को संबोधित करने के लिए स्थानीयकरण क्षमता शामिल है। हम जिम्मेदार और प्रदर्शनकारी एआई सिस्टम विकसित करने में मदद करने के लिए प्रतिबद्ध हैं जो नैतिक रूप से स्रोत और विविध डेटा का उपयोग करते हैं।

एपेन दुनिया के सबसे उन्नत एलएलएम में से कुछ को शक्ति प्रदान करता है। एलएलएम के प्रदर्शन को बढ़ाने के लिए डेटा एनोटेशन और संग्रह में आप कौन से नवाचार पर ध्यान केंद्रित कर रहे हैं?

हम एलएलएम के प्रदर्शन को बढ़ाने के लिए डेटा एनोटेशन और संग्रह प्रक्रियाओं में निरंतर नवाचार कर रहे हैं। एक क्षेत्र जिस पर हम ध्यान केंद्रित कर रहे हैं वह है उन्नत एआई-सहायता प्रौद्योगिकी के माध्यम से डेटा एनोटेशन और संग्रह की दक्षता और सटीकता में सुधार करना।

हम उन डेटा बिंदुओं की पहचान कर सकते हैं जिन्हें आगे मानव इनपुट की आवश्यकता है, यह सुनिश्चित करते हुए कि एनोटेशन प्रयास उन क्षेत्रों पर केंद्रित हैं जहां वे सबसे अधिक प्रभाव डालेंगे। हमने अपने प्लेटफ़ॉर्म में सुविधाओं को एकीकृत किया है, जैसे कि मॉडल मेट, जो डेटा उत्पादन को तेज करने और डेटा गुणवत्ता में सुधार करने में मदद कर सकता है। हम योगदानकर्ता प्रबंधन में सर्वोत्तम प्रथाओं पर भी ध्यान केंद्रित कर रहे हैं, जो कार्यों की जटिलता बढ़ने के साथ महत्वपूर्ण है।

योगदानकर्ता स्तर के प्रदर्शन को समझने और निरंतर गुणवत्ता में सुधार के लिए प्रतिक्रिया प्रदान करने की क्षमता। ये नवाचार हमें दुनिया के अग्रणी एलएलएम को शक्ति प्रदान करने के लिए आवश्यक उच्च गुणवत्ता वाले और बड़े पैमाने पर डेटा प्रदान करने में सक्षम बनाते हैं।

जैसा कि आप अपनी नई भूमिका में सीईओ के रूप में कदम रखते हैं, एपेन के लिए आपकी शीर्ष प्राथमिकताएं अगले कुछ वर्षों में क्या हैं, और आप एआई के अत्यधिक प्रतिस्पर्धी स्थान में कंपनी की वृद्धि को कैसे बढ़ावा देने की योजना बना रहे हैं?

सीईओ के रूप में मेरी रणनीतिक प्राथमिकताएं एपेन को प्रतिस्पर्धी एआई परिदृश्य में नेतृत्व सुनिश्चित करने के लिए डिज़ाइन की गई हैं:

• जेनरेटिव एआई मॉडल के विकास का समर्थन: पिछले 18 महीनों में, जेनरेटिव एआई हमारी सेवा पेशकश का एक प्रमुख घटक बन गया है, जिसमें जून 2024 में 28% समूह राजस्व जेनरेटिव एआई से संबंधित परियोजनाओं से आया है, जनवरी में 8% की तुलना में। हम जेनरेटिव एआई बाजार में महत्वपूर्ण क्षमता देखते हैं, जो 2032 तक $1.3 ट्रिलियन तक पहुंच जाने का अनुमान है।
• जेनरेटिव एआई मॉडल को अपनाने का समर्थन: हम नए खंडों में वृद्धि देखते हैं क्योंकि उद्यम जेनरेटिव एआई समाधानों को अपने उपयोग के मामलों के लिए लागू करते हैं। हालांकि जेनरेटिव एआई परियोजनाओं को तैनाती तक पहुंचने वाली प्रतिशत कम है, हमें उम्मीद है कि वित्त वर्ष 24/25 एक परिवर्तनकारी अवधि होगी जहां प्रयोग उत्पादन में स्थानांतरित हो जाएंगे और विशेषज्ञता वाले डेटा की मांग को बढ़ावा देंगे।
• डेटा तैयारी के तरीके को अनुकूलित और स्वचालित करना: एआई का उपयोग गुणवत्ता आश्वासन के लिए और डेटा तैयारी प्रक्रिया के कुछ चरणों को स्वचालित करने के लिए। यह हमें डेटा गुणवत्ता में सुधार करने की अनुमति देगा जबकि संचालन की दक्षता में भी सुधार होगा, जिससे हमारे ग्रॉस मार्जिन में सुधार होगा।
• हमारे क्राउड वर्कर्स के लिए अनुभव को विकसित करना: हमारा नया क्राउडजेन प्लेटफ़ॉर्म हमें ग्राहकों की जरूरतों के अनुसार परियोजनाओं को तेजी से और लचीले ढंग से स्केल करने में सक्षम बनाता है, जिसमें एआई के लिए स्वचालित स्क्रीनिंग और परियोजना मिलान शामिल है। यह हमारे योगदानकर्ताओं के लिए व्यक्तिगत समर्थन के साथ अनुभव में भी सुधार करेगा। एपेन ने डेटा स्रोत में पारदर्शिता, विविधता और न्याय को बढ़ावा देने में एक अग्रणी रहा है, और हम अपने क्राउड कोड ऑफ एथिक्स के प्रति प्रतिबद्ध हैं।

इन प्राथमिकताओं से एपेन को विकसित होते एआई परिदृश्य में स्थायी विकास और नवाचार के लिए स्थिति मिलेगी।

धन्यवाद इस महान साक्षात्कार के लिए, हम पाठकों को जो और जानना चाहते हैं उन्हें एपेन पर जाने के लिए प्रोत्साहित करते हैं।