Donny White, CEO & Salah Satu Pendiri Satisfi Labs – Seri Wawancara

Didirikan pada tahun 2016, Satisfi Labs adalah perusahaan AI percakapan terkemuka. Kesuksesan awal datang dari kerja samanya dengan New York Mets, Macy's, dan US Open, yang memungkinkan akses mudah ke informasi yang seringkali tidak tersedia di situs web.

Donny menghabiskan 15 tahun di Bloomberg sebelum memasuki dunia start-up dan meraih gelar MBA dari Cornell University dan BA dari Baruch College. Di bawah kepemimpinan Donny, Satisfi Labs telah mengalami pertumbuhan signifikan di sektor olahraga, hiburan, dan pariwisata, menerima investasi dari Google, MLB, dan Red Light Management.

Anda berada di Bloomberg selama 14 tahun ketika Anda pertama kali merasakan keinginan berwirausaha. Mengapa menjadi wirausaha tiba-tiba masuk dalam radar Anda?

Selama tahun pertama kuliah saya, saya melamar pekerjaan sebagai resepsionis di Bloomberg. Begitu saya mulai belajar, saya memberi tahu rekan-rekan saya bahwa jika mereka bersedia mengajari saya, saya bisa belajar dengan cepat. Pada tahun terakhir saya, saya adalah karyawan penuh waktu dan telah mengalihkan semua kelas saya ke kelas malam sehingga saya bisa melakukan keduanya. Alih-alih menghadiri wisuda perguruan tinggi pada usia 21 tahun, saya menghabiskan waktu itu mengelola tim utama saya. Sejak saat itu, saya beruntung bisa bekerja di sistem meritokrasi dan diangkat berkali-kali. Pada usia 25, saya menjalankan departemen saya sendiri. Dari sana, saya pindah ke manajemen regional dan kemudian pengembangan produk, hingga akhirnya, saya menjalankan penjualan di seluruh Amerika. Pada tahun 2013, saya mulai bertanya-tanya apakah saya bisa melakukan sesuatu yang lebih besar. Saya melakukan beberapa wawancara di perusahaan teknologi muda dan salah satu pendiri berkata kepada saya, “Kami tidak tahu apakah Anda bagus atau Bloomberg bagus.” Saat itulah saya tahu sesuatu harus berubah dan enam bulan kemudian saya menjadi VP penjualan di startup pertama saya, Datahug. Tak lama kemudian, saya direkrut oleh sekelompok investor yang ingin mengganggu Yelp. Meskipun Yelp masih bagus dan baik, pada tahun 2016 kami menyelaraskan visi baru dan saya mendirikan Satisfi Labs dengan investor yang sama.

Bisakah Anda berbagi kisah asal usul Satisfi Labs?

Saya sedang menghadiri pertandingan bisbol di Citi Field bersama Randy, CTO dan salah satu pendiri Satisfi saat ini, ketika saya mendengar tentang salah satu spesialisasi mereka, bacon on a stick. Kami berjalan mengitari ruang pertemuan dan bertanya kepada staf tentang hal itu, tetapi tidak dapat menemukannya di mana pun. Ternyata benda itu terletak di salah satu ujung stadion, yang mendorong kesadaran bahwa akan jauh lebih mudah untuk bertanya langsung kepada tim melalui obrolan. Di sinilah ide pertama kami lahir. Randy dan saya sama-sama berasal dari latar belakang keuangan dan perdagangan algoritmik, yang mengarahkan kami untuk mengambil konsep mencocokkan permintaan dengan jawaban untuk membangun NLP kami sendiri untuk pertanyaan yang sangat spesifik yang akan ditanyakan di lokasi. Ide awalnya adalah untuk membangun bot individu yang masing-masing akan menjadi ahli dalam bidang pengetahuan tertentu, terutama pengetahuan yang tidak mudah diakses di situs web. Dari sana, sistem kami akan memiliki “konduktor” yang dapat memanfaatkan setiap bot bila diperlukan. Ini adalah arsitektur sistem asli yang masih digunakan sampai sekarang.

Satisfi Labs telah merancang mesin NLP-nya sendiri dan hampir menerbitkan siaran pers ketika OpenAI mengganggu tumpukan teknologi Anda dengan dirilisnya ChatGPT. Bisakah Anda mendiskusikan periode waktu ini dan bagaimana hal ini memaksa Satisfi Labs mengubah bisnisnya?

Kami memiliki siaran pers terjadwal untuk mengumumkan pemutakhiran NLP berbasis Konteks yang menunggu paten untuk tanggal 6 Desember 2022. Pada tanggal 30 November 2022, OpenAI mengumumkan ChatGPT. Pengumuman ChatGPT tidak hanya mengubah peta jalan kami tetapi juga dunia. Awalnya, kami, seperti orang lain, berlomba untuk memahami kekuatan dan batasan ChatGPT serta memahami apa artinya bagi kami. Kami segera menyadari bahwa sistem NLP kontekstual kami tidak bersaing dengan ChatGPT, namun sebenarnya dapat meningkatkan pengalaman LLM. Hal ini menghasilkan keputusan cepat untuk menjadi mitra perusahaan OpenAI. Karena sistem kami dimulai dengan gagasan untuk memahami dan menjawab pertanyaan pada tingkat yang terperinci, kami dapat menggabungkan desain sistem “konduktor bot” dan data tujuan selama tujuh tahun untuk meningkatkan sistem guna menggabungkan LLM.

Satisfi Labs baru-baru ini meluncurkan a paten untuk Sistem Respons LLM Konteks, apa ini secara spesifik?

Bulan Juli ini, kami meluncurkan Sistem Respons LLM Konteks yang masih dalam proses paten. Sistem baru ini menggabungkan kekuatan sistem respons kontekstual kami yang masih dalam proses paten dengan kemampuan model bahasa yang besar untuk memperkuat keseluruhan sistem Mesin Penjawab. Teknologi Context LLM yang baru mengintegrasikan kemampuan model bahasa yang luas di seluruh platform, mulai dari peningkatan perutean maksud hingga pembuatan jawaban dan pengindeksan maksud, yang juga mendorong kemampuan pelaporannya yang unik. Platform ini membawa AI percakapan melampaui chatbot tradisional dengan memanfaatkan kekuatan LLM seperti GPT-4. Platform kami memungkinkan merek untuk menjawab dengan jawaban AI generatif atau jawaban yang telah ditulis sebelumnya, bergantung pada kebutuhan kontrol dalam respons.

Bisakah Anda mendiskusikan keterputusan saat ini antara sebagian besar situs web perusahaan dan platform LLM dalam memberikan jawaban sesuai merek?

ChatGPT dilatih untuk memahami berbagai informasi dan oleh karena itu tidak memiliki tingkat pelatihan terperinci yang diperlukan untuk menjawab pertanyaan spesifik industri dengan tingkat kekhususan yang diharapkan sebagian besar merek. Selain itu, keakuratan jawaban yang diberikan LLM hanya sebaik data yang diberikan. Saat Anda menggunakan ChatGPT, datanya diambil dari internet, dan hal ini mungkin tidak akurat. ChatGPT tidak memprioritaskan data dari suatu merek dibandingkan data lainnya. Kami telah melayani berbagai industri selama tujuh tahun terakhir, mendapatkan wawasan berharga tentang jutaan pertanyaan yang diajukan pelanggan setiap hari. Hal ini memungkinkan kami memahami cara menyesuaikan sistem dengan konteks yang lebih luas untuk setiap industri dan menyediakan kemampuan pelaporan maksud yang kuat dan terperinci, yang sangat penting mengingat semakin banyaknya model bahasa yang besar. Meskipun LLM efektif dalam memahami maksud dan menghasilkan jawaban, mereka tidak dapat melaporkan pertanyaan yang diajukan. Dengan menggunakan data niat yang ekstensif selama bertahun-tahun, kami telah secara efisien membuat pelaporan standar melalui Sistem Pengindeksan Niat mereka.

Peran apa yang dimainkan ahli bahasa dalam meningkatkan kemampuan teknologi LLM?

Peran insinyur yang cepat telah muncul dengan teknologi baru ini, yang mengharuskan seseorang untuk merancang dan menyempurnakan perintah yang menghasilkan respons spesifik dari AI. Ahli bahasa memiliki pemahaman yang baik tentang struktur bahasa seperti sintaksis dan semantik, antara lain. Salah satu Insinyur AI kami yang paling sukses memiliki latar belakang Linguistik, yang memungkinkannya menjadi sangat efektif dalam menemukan cara-cara baru dan berbeda untuk mendorong AI. Perubahan kecil pada perintah dapat berdampak besar pada keakuratan dan efisiensi jawaban yang dihasilkan, yang membuat perbedaan besar saat kami menangani jutaan pertanyaan di banyak klien.

Seperti apa tampilan penyesuaian di bagian belakang?

Kami memiliki model data milik kami sendiri yang kami gunakan untuk menjaga LLM tetap sejalan. Hal ini memungkinkan kami membangun pagar sendiri untuk menjaga LLM tetap terkendali, dibandingkan harus mencari pagar. Kedua, kami dapat memanfaatkan alat dan fitur yang dimanfaatkan oleh platform lain, sehingga memungkinkan kami untuk mendukungnya di platform kami.

Menyempurnakan data pelatihan dan menggunakan Reinforcement Learning (RL) di platform kami dapat membantu mengurangi risiko misinformasi. Penyempurnaan, bukan menanyakan basis pengetahuan untuk menambahkan fakta spesifik, menciptakan versi baru LLM yang dilatih berdasarkan pengetahuan tambahan ini. Di sisi lain, RL melatih agen dengan umpan balik manusia dan mempelajari kebijakan tentang cara menjawab pertanyaan. Hal ini terbukti berhasil dalam membangun model yang lebih kecil dan menjadi ahli dalam tugas-tugas tertentu.

Bisakah Anda mendiskusikan proses penerimaan klien baru dan mengintegrasikan solusi AI percakapan?

Karena kami fokus pada destinasi dan pengalaman seperti olahraga, hiburan, dan pariwisata, klien baru mendapatkan manfaat dari klien yang sudah ada di komunitas, sehingga proses orientasi menjadi sangat sederhana. Klien baru mengidentifikasi di mana sumber data terkini mereka berada seperti situs web, buku pegangan karyawan, blog, dll. Kami menyerap data dan melatih sistem secara real-time. Karena kami bekerja dengan ratusan klien di industri yang sama, tim kami dapat dengan cepat memberikan rekomendasi mengenai jawaban mana yang paling cocok untuk tanggapan yang telah ditulis sebelumnya versus jawaban yang dihasilkan. Selain itu, kami menyiapkan alur terpandu seperti Pencari Makanan & Minuman kami yang dinamis sehingga klien tidak perlu berurusan dengan pembuat bot.

Satisfi Labs saat ini bekerja sama dengan tim dan perusahaan olahraga, apa visi Anda untuk masa depan perusahaan?

Kami melihat masa depan di mana semakin banyak merek yang ingin mengontrol lebih banyak aspek pengalaman obrolan mereka. Hal ini akan mengakibatkan peningkatan kebutuhan sistem kami untuk menyediakan lebih banyak akses tingkat pengembang. Tidak masuk akal bagi merek untuk mempekerjakan pengembang untuk membangun sistem AI percakapan mereka sendiri karena keahlian yang dibutuhkan akan langka dan mahal. Namun, dengan sistem kami yang menyediakan backend, pengembang mereka dapat lebih fokus pada pengalaman dan perjalanan pelanggan dengan memiliki kontrol yang lebih besar terhadap perintah, menghubungkan data kepemilikan untuk memungkinkan lebih banyak personalisasi, dan mengelola UI obrolan untuk kebutuhan pengguna tertentu. Satisfi Labs akan menjadi tulang punggung teknis pengalaman percakapan merek.

Terima kasih atas wawancaranya yang luar biasa, pembaca yang ingin belajar lebih banyak harus berkunjung Satisfi Labs.