Radha Basu, izvršna direktorica i osnivačica tvrtke iMerit – serija intervjua

Radha Basu, osnivačica i izvršna direktorica tvrtke iMerit, izgradila je karijeru u HP-u, provevši 20 godina s tehnološkim divom i na kraju vodeći njegovu grupu za Enterprise Solutions. Zatim je kao izvršna direktorica preuzela Support.com. Radha je 2007. godine s Dipakom Basuom osnovala Anudip Foundation, a zatim je 2012. godine osnovala iMerit. Smatra se vodećom tehnološkom poduzetnicom i mentoricom te pionirom u softverskom poslovanju.

iMerit pruža multimodalna AI rješenja za podatke kombinirajući automatizaciju, stručne ljudske anotacije i naprednu analitiku kako bi podržao visokokvalitetno označavanje podataka i fino podešavanje modela u velikim razmjerima.

Prošli ste izvanredno putovanje - od izgradnje HP-ovih operacija u Indiji do osnivanja iMerita s misijom podizanja podrške marginaliziranoj mladeži u Butanu, Indiji i New Orleansu. Što vas je inspiriralo da pokrenete iMerit i s kojim ste se izazovima suočili u stvaranju uključive, globalne radne snage od temelja?

Prije osnivanja iMerita, bio sam predsjednik uprave i izvršni direktor tvrtke SupportSoft, gdje sam vodio tvrtku kroz njezine inicijalne i sekundarne javne ponude, etablirajući je kao globalnog lidera u softveru za automatizaciju podrške. To iskustvo mi je od prvog dana pokazalo moć kombiniranja ljudi i tehnologije.

Dok je indijski tehnološki procvat stvorio nove prilike, primijetio sam da su mnogi talentirani mladi ljudi u nedovoljno opskrbljenim područjima zapostavljeni. Vjerovao sam u njihov potencijal i želju za učenjem. Nakon što su vidjeli kako softver može pokretati napredne tehnologije poput umjetne inteligencije, s oduševljenjem su prihvatili te karijere.

iMerit smo pokrenuli s malim, raznolikim timom, od kojeg je polovica žena, i od tada brzo rastemo. Prilagodljivost i sposobnost treniranja našeg tima bile su ključne, posebno zato što je umjetna inteligencija usmjerena na podatke povećala dugoročnu potražnju za vještim stručnjacima.

Danas je iMerit globalni pružatelj AI podatkovnih rješenja za kritične sektore poput autonomnih vozila, medicinske AI i tehnologije. Naš rad osigurava da su AI modeli kupaca izgrađeni na visokokvalitetnim i pouzdanim podacima, što je ključno u okruženjima s visokim ulozima.

U konačnici, naša snaga leži u snažnim tehnološkim temeljima i timu dobro obučenih, motiviranih zaposlenika koji napreduju u podržavajućoj kulturi vođenoj učenjem. Ovaj pristup potaknuo je naš rast, održao nam je pozitivan novčani tok te nam donio visoke NPS ocjene i lojalne klijente.

iMerit sada radi s više od 200 klijenata, uključujući tehnološke divove poput eBaya i Johnson & Johnsona. Možete li nam opisati put rasta tvrtke - od tih ranih dana do toga da postane globalni lider u uslugama podataka umjetne inteligencije?

Iz prve ruke pratili smo putovanja naših klijenata u umjetnu inteligenciju, surađujući s njima od ranih eksperimenata do masovne proizvodnje. Naš rad obuhvaća startupove, globalne lidere u autonomnim vozilima i velika poduzeća. Obučavanjem njihovih modela od temelja stekli smo neusporediv uvid u ono što je zaista potrebno za skaliranje umjetne inteligencije u stvarnom svijetu.

Područje se stalno i brzo razvija. Rijetko sam vidio da tehnologija tako dramatično napreduje u tako kratkom vremenu. Transformirali smo se od pružatelja usluga anotacije podataka u tvrtku za sveobuhvatnu umjetnu inteligenciju, pružajući specijalizirana rješenja za cijeli životni ciklus čovjeka u petlji (HITL): anotacije, validacije, revizije i red-teaming. Rješavanje rubnih slučajeva i iznimki ključno je za implementaciju u stvarnom svijetu, što zahtijeva duboko stručno znanje i nijansiranu prosudbu u svakom koraku.

Naša najveća vertikala je autonomna mobilnost, gdje upravljamo cijelim sustavom percepcije, uključujući fuziju senzora preko 15 senzora za putnička, dostavna, kamionska i poljoprivredna vozila. U zdravstvu pokrećemo kliničku umjetnu inteligenciju za snimanje. U visokoj tehnologiji smo u prvim redovima podešavanja i validacije GenAI-a, što zahtijeva veću sofisticiranost u našim tijekovima rada i talentima.

Uspjeh u ovim područjima nije samo stvar posjedovanja stručnjaka - radi se o njegovanju stručnosti: kognitivne sposobnosti izazivanja, podučavanja i kontekstualizacije modela umjetne inteligencije. To je ono što izdvaja naše timove.

Naš rast potiču dugoročna partnerstva, a većina od naših deset najvećih klijenata s nama je više od pet godina. Kako njihove potrebe postaju sve složenije, kontinuirano unapređujemo naše znanje o domeni, alate, obuku i rješenja. I naš tehnološki paket i naši ljudi moraju se stalno razvijati.

Spoj softvera, automatizacije, anotacija i analitike stvara rubriku za vrlo fleksibilne, brze, visoko precizne intervencije uz uključivanje čovjeka. 70% novih logotipa nalazi se na našem vlastitom tehnološkom paketu, što zahtijeva ogromnu internu transformaciju. Naša kultura ponovno osigurava da su timovi željni učenja i žele stalno rasti.

Koji su bili najvažniji trenuci u povijesti iMerita - bilo da se radi o tehnološkim prekretnicama ili strateškim odlukama - koji su pomogli oblikovati putanju tvrtke?

U vrijeme kada se rad s umjetnom inteligencijom na temelju podataka smatrao grupnim poslom, rano smo se kladili da će se to razviti kao karijera i da će zahtijevati složenost i usmjerenost na poduzeće. Izgradnjom internih timova posvećenih naprednim slučajevima upotrebe omogućili smo našim klijentima brzo skaliranje, što je kulminiralo našim prvim ugovorom o MRR-u vrijednim milijun dolara za autonomna vozila, što je bila prekretnica koja je potvrdila naš pristup.

Karantena uzrokovana COVID-om-19 testirala je našu agilnost: gotovo preko noći smo prešli s potpunog rada u uredu na potpuno rad na daljinu, ulažući velika sredstva u infrastrukturu, sigurnost i kulturu. U roku od nekoliko tjedana, poslovanje s klijentima se oporavilo, a te smo godine povećali i prihod i broj zaposlenika. Danas, sa 70% našeg tima natrag na lokaciji, nastavljamo koristiti talente na daljinu, pokrećući Scholars, našu globalnu mrežu stručnjaka za podešavanje i validaciju GenAI-a. Bilo da se radi o kardiologu ili španjolskom matematičaru, naša kultura visokog kontakta privlači i motivira vrhunske talente, izravno podižući kvalitetu i dosljednost naših rješenja.

U 2023. godini preuzeli smo Ango.ai, platformu za označavanje podataka i automatizaciju tijeka rada temeljenu na umjetnoj inteligenciji, kako bismo pokrenuli sljedeću generaciju alata za podatke temeljenih na umjetnoj inteligenciji. Ovaj ključni potez spojio je iMeritovu stručnost u domeni s Angoovim naprednim alatima, proširujući naše mogućnosti u radiologiji, fuziji senzora i finom podešavanju GenAI-a. I dalje radimo i s alatima kupaca, ali mnogi novi klijenti sada su izravno uključeni u Ango Hub, privučeni njegovim jednostavnim tijekovima rada i robusnom sigurnošću, što su bitni zahtjevi u našoj industriji.

Poduzeća nam stalno govore da traže najbolje iz oba svijeta: stručni ljudski uvid kako bi se osigurala kvaliteta, u kombinaciji sa sigurnom, skalabilnom platformom koja pruža automatizaciju i analitiku. Udruživanje snaga s Angom pruža upravo to, jedinstveno nas pozicionirajući da zadovoljimo složene zahtjeve današnjih najambicioznijih AI projekata i skaliramo s povjerenjem.

iMerit je duboko uključen u napredne domene poput autonomnih vozila, medicinske umjetne inteligencije i GenAI-a. Koji su neki od jedinstvenih izazova s ​​podacima s kojima se suočavate u tim sektorima i kako ih rješavate?

Zadaci povezani s podacima obično čine gotovo 80% vremena utrošenog na AI projekte, što ih čini ključnom komponentom procesa. Dio umjetne inteligencije usmjeren na podatke može biti dugotrajan i skup ako se ne rješava na odgovarajući i skalabilni način.

Kvaliteta podataka, a posebno izbjegavanje teških pogrešaka, ključna je u sektorima u kojima poslujemo, a posebno u sektorima od kritične važnosti. Bilo da se radi o algoritmu percepcije ili detektoru tumora, čisti podaci ključni su u petlji od učenja do validacije.

Obrada iznimki je nesrazmjerno vrijedna. Ljudski uvid u to zašto je nešto izvan norme ili zašto je neki scenarij narušio model stvara ogromnu vrijednost u postizanju cjelovitijeg i robusnijeg modela.

Osim toga, kontekstualni prozori postaju sve veći. Sažimamo kliničke bilješke cijelog konzultacijskog razgovora između liječnika i pacijenta te analiziramo anomalije na magnetskoj rezonanciji ne samo na temelju slike već i na temelju medicinskog konteksta pacijenta. Stručnjaci za predmetnu materiju moraju postaviti rubrike kako bi točno analizirali podatke i osigurali kvalitetu.

Sigurnost, privatnost i povjerljivost su vruće teme. Naš glavni sigurnosni službenik mora se zaštititi od neovlaštenog pristupa, brisanja i pohrane podataka. Infosec protokoli poput SOC2, HIPAA i TISAX glavna su područja ulaganja za nas.

Konačno, naši inženjeri i arhitekti rješenja neprestano rade na prilagođenim integracijama i izvješćima kako bi se jedinstvene potrebe kupaca odrazile u posljednjoj milji. Univerzalni pristup ne funkcionira u umjetnoj inteligenciji.

Govorili ste o kombiniranju robotike i ljudske inteligencije kao sigurnijem putu za umjetnu inteligenciju. Možete li pojasniti kako taj tijek rada izgleda u praksi - i zašto mislite da je bolji od pokušaja uklanjanja kreativne divergencije umjetne inteligencije?

Umjetna inteligencija pruža skalabilnost, što znači da tvrtke razvijaju alate za automatizaciju dugotrajnih procesa koje su tradicionalno obavljali ljudi. Ali ljudi pružaju posljednju milju fleksibilnosti, sigurnosti i otpornosti. Kako se softverski isporučene usluge nastavljaju širiti u umjetnoj inteligenciji, najuspješnije tvrtke učinkovito će kombinirati robotiku s praksama "čovjek u petlji" (HITL).

HITL vidimo kao konzistentan sloj u svakoj fazi razvoja i životnog ciklusa implementacije umjetne inteligencije, a ujedno i kao stup povjerenja i sigurnosti. Posljedično, ljudska inteligencija bit će ključna za ispravljanje smjera ako modeli zakažu. Ove kritične aplikacije trebat će ljudski um kako bi se utvrdilo koje će promjene trebati napraviti. Ovdje će HITL usluge postati još značajnije kako integriramo umjetnu inteligenciju u proizvodnju i terenske operacije.

Vaša Ango Hub platforma spaja automatizaciju s ekspertizom ljudskog djelovanja. Kako ovaj hibridni model poboljšava kvalitetu podataka i performanse modela u produkcijskim AI sustavima?

Umjetna inteligencija i automatizacija pružaju opseg i brzinu, dok ljudi pružaju nijanse, uvid i nadzor. HITL osigurava ljudsko sudjelovanje u kritičnim trenucima životnog ciklusa umjetne inteligencije – osiguravajući visokokvalitetne ulaze, validirajući izlaze, identificirajući rubne slučajeve, fino podešavajući modele za domene i pružajući kontekstualnu prosudbu. Ljudi pomažu u osiguravanju točnosti pregledavanjem i provjeravanjem izlaza, hvatajući halucinacije ili logičke pogreške prije nego što uzrokuju štetu. Također pružaju nadzor u etički osjetljivim ili visokorizičnim kontekstima gdje LLM-ovi ne bi trebali donositi konačne odluke. Što je još važnije, ljudske povratne informacije potiču kontinuirano učenje, pomažući AI sustavima da se s vremenom bolje usklade s ciljevima korisnika.

HITL se javlja u mnogim oblicima. Ljudski stručnjaci se bave ciljanim anotacijama, primjenjuju složeno zaključivanje na rubne slučajeve i pregledavaju sadržaj generiran umjetnom inteligencijom koristeći strukturirana QA sučelja. Umjesto procjene svake odluke, često se implementiraju sustavi kontekstualne eskalacije. Ovi sustavi usmjeravaju samo rezultate niske pouzdanosti ili označene anomalije ljudskim recenzentima, balansirajući nadzor s učinkovitošću.

Još jedna ključna upotreba HITL-a je fino podešavanje AI agenata putem učenja s potkrepljenjem iz ljudskih povratnih informacija (RLHF). Ljudski recenzenti rangiraju, prepisuju ili daju povratne informacije o odgovorima agenata, što je posebno važno u osjetljivim područjima poput zdravstva, pravnih usluga ili korisničke podrške. U tandemu, testiranje temeljeno na scenarijima i crveno timsko djelovanje omogućuju ljudskim evaluatorima da testiraju agente u suparničkim ili neuobičajenim uvjetima kako bi identificirali i zakrpali ranjivosti prije implementacije.

Puni potencijal umjetne inteligencije ostvaruje se samo kada ljudi ostaju uključeni, vodeći, potvrđujući i poboljšavajući svaki korak. Bilo da se radi o usavršavanju izlaznih podataka agenata, obučavanju petlji evaluacije ili kuriranju pouzdanih podatkovnih kanala, ljudski nadzor dodaje strukturu i odgovornost potrebne za pouzdanost i učinkovitost umjetne inteligencije.

S obzirom na brzi razvoj generativnih AI alata, kako iMerit ostaje vodeći u pružanju usluga evaluacije, RLHF-a i finog podešavanja?

Nedavno smo pokrenuli Ango Hub Deep Reasoning Lab (DRL), objedinjenu platformu za generativno podešavanje umjetne inteligencije i interaktivni razvoj zaključivanja nizom misli s nastavnicima umjetne inteligencije. Naš DRL omogućuje procese u stvarnom vremenu, korak po korak, i evaluaciju temeljenu na ljudskim preferencijama, što dovodi do koherentnijih i točnijih odgovora modela na složene probleme.

Napredak u GenAI modelima i razvoju aplikacija ističe vrijednost čistih, stručno kreiranih i validiranih podataka. Pomoću Ango Hub DRL-a, stručnjaci mogu testirati modele, identificirati slabosti i generirati čiste podatke koristeći zaključivanje lanca misli. Oni komuniciraju s modelima u stvarnom vremenu i šalju upute i ispravke korak po korak u jednom sučelju.

Koristeći iMerit Scholars, Ango Hub DRL poboljšava procese zaključivanja modela. Koristi iMeritovo opsežno iskustvo s HITL tijekovima rada. Stručnjaci dizajniraju višekoračne scenarije za složene zadatke, kao što je stvaranje niza misli za napredne matematičke probleme. iMerit Scholars pregledavaju rezultate, ispravljaju pogreške i besprijekorno bilježe interakcije. Čarolija nije u neselektivnom uključivanju velikog broja. Najbolji matematičari nisu nužno i najbolji učitelji. Također, ne treba se prema kardiologu odnositi kao prema honorarnom radniku. Osposobljavanje i podučavanje stručnjaka za predmet da razmišljaju na načine koji najviše koriste procesu obuke modela, kao i angažman, čine razliku.

Što znači „stručnjak u krugu“ u kontekstu finog podešavanja generativne umjetne inteligencije? Možete li podijeliti primjere gdje je ta ljudska stručnost značajno poboljšala rezultate modela?

Stručnjak u petlji kombinira ljudsku inteligenciju s robotskom inteligencijom kako bi unaprijedio umjetnu inteligenciju u proizvodnju. Uključuje ljudske stručnjake koji potvrđuju, usavršavaju i poboljšavaju rezultate automatiziranih sustava.

Točnije, stručno vođena anotacija podataka osigurava da su podaci za obuku točno označeni znanjem specifičnim za domenu, čime se poboljšava preciznost i pouzdanost prediktivnih modela umjetne inteligencije. Smanjenjem pristranosti i pogrešnih klasifikacija, stručno vođena anotacija poboljšava sposobnost modela da učinkovito generalizira u scenarijima iz stvarnog svijeta. To rezultira sustavima umjetne inteligencije koji su pouzdaniji, interpretabilniji i usklađeniji s potrebama specifične za industriju.

Na primjer, nakon što je prikupila veliki korpus medicinskih podataka, američka multinacionalna tehnološka tvrtka trebala je procijeniti podatke za upotrebu u svom medicinskom chatbotu usmjerenom na potrošače kako bi osigurala sigurne i točne medicinske savjete za korisnike. Obraćajući se tvrtki iMerit, iskoristili su našu opsežnu mrežu američkih zdravstvenih stručnjaka i okupili tim medicinskih sestara za rad u konsenzusnom tijeku rada s eskalacijama i arbitražom koju je osigurao liječnik s američkim certifikatom. Medicinske sestre su započele s procjenom baze znanja koja sadrži definicije kako bi procijenile točnost i rizik.

Kroz raspravu o rubnim slučajevima i reviziju smjernica, medicinske sestre su mogle postići konsenzus u 99% slučajeva. To je omogućilo timu da revidira dizajn projekta na strukturu s jednim glasom i 10% revizije, čime se smanjuju troškovi projekta za više od 72%. Suradnja s iMeritom omogućila je ovoj tvrtki da kontinuirano identificira načine za etički i učinkovito skaliranje anotacija medicinskih podataka.

S više od 8,000 stručnjaka s punim radnim vremenom diljem svijeta, kako održavate kvalitetu, učinkovitost i razvoj zaposlenika u velikim razmjerima?

Definicija kvalitete uvijek je prilagođena specifičnom slučaju korištenja svakog klijenta. Naši timovi blisko surađuju s klijentima kako bi definirali i kalibrirali standarde kvalitete, primjenjujući prilagođene procese koji osiguravaju da svaku napomenu brzo potvrde stručnjaci za predmetno područje. Dosljednost je važna za razvoj visokokvalitetne umjetne inteligencije. To je podržano visokim zadržavanjem zaposlenika (90%) i snažnim fokusom na analitiku proizvodnje, ključnim diferencijalnim faktorom u dizajnu Ango Huba, oblikovanim svakodnevnim korisničkim doprinosom našeg tima.

Neprestano ulažemo u automatizaciju, optimizaciju i upravljanje znanjem, što je potkrijepljeno našom vlasničkom platformom za obuku iMerit One. Ova predanost učenju i razvoju ne samo da potiče operativnu izvrsnost, već i podržava dugoročni napredak u karijeri naših zaposlenika, potičući kulturu stručnosti i rasta.

Koji biste savjet dali ambicioznim poduzetnicima u području umjetne inteligencije koji žele izgraditi nešto značajno - i u tehnologiji i u društvenom utjecaju?

Umjetna inteligencija se vrtoglavo brzo razvija. Idite dalje od tehnološkog paketa i slušajte svoje kupce kako biste razumjeli što je važno za njihovo poslovanje. Razumite njihovu želju za brzinom, promjenama i rizikom. Rani kupci mogu isprobati stvari. Veći kupci moraju znati da ste tu da ostanete i da ćete im i dalje davati prioritet. Umirite ih svojim proaktivnim pristupom transparentnosti, sigurnosti i odgovornosti.

Osim toga, pažljivo birajte svoje investitore i članove uprave kako biste osigurali usklađenost oko zajedničkih vrijednosti i briga. U iMeritu smo dobili značajnu podršku naše uprave i investitora tijekom izazovnih vremena poput COVID-19, što pripisujemo toj usklađenosti.

Ključne kvalitete koje doprinose uspjehu poduzetnika u tehnološkoj industriji nadilaze preuzimanje rizika; one uključuju izgradnju profitabilne i uključive tvrtke.

Hvala vam na sjajnom intervjuu, čitatelji koji žele saznati više neka ga posjete iMerit.