Ryan Kolln, CEO di Appen – Seri Wawancara

Bergabung dengan Appen AI pada 2018 sebagai VP of Corporate Development, ia memimpin akuisisi strategis seperti Figure Eight dan Quadrant, dan mendukung pembentukan divisi China dan Federal. Sebelum pengangkatannya sebagai CEO, ia menjabat sebagai Chief Operating Officer, mengawasi operasi global dan strategi.

Dengan lebih dari 20 tahun pengalaman di teknologi dan telekomunikasi, bagaimana jalur karir Anda telah membentuk pendekatan Anda dalam memimpin Appen melalui lanskap AI yang berkembang pesat?

Karir saya dimulai sebagai insinyur telekomunikasi, di mana peran saya adalah membangun dan mengoptimalkan jaringan dan melibatkan sejumlah besar data, analitik, dan menemukan solusi inovatif untuk mengoptimalkan kinerja jaringan dan pengalaman pelanggan.

Setelah menyelesaikan MBA di NYU, ini berkembang menjadi peran kepemimpinan di strategi teknologi dan merger & akuisisi, di mana saya fokus pada pertanyaan strategis yang lebih besar, seperti tren yang muncul, peluang investasi, dan model bisnis. Latar belakang ini telah memberi saya pemahaman yang mendalam tentang aspek teknis dan bisnis dari teknologi yang muncul.

Di Appen, kami bekerja di persimpangan AI dan data, dan pengalaman saya telah memungkinkan saya untuk memimpin perusahaan dan menavigasi kompleksitas di ruang AI yang berkembang pesat, melewati perkembangan besar seperti pengenalan suara, NLP, sistem rekomendasi, dan sekarang generative AI. Visi strategis ini sangat penting karena AI terus mengubah industri global.

Anda telah bergabung dengan Appen sejak 2018, mengemudi akuisisi besar seperti Figure Eight dan Quadrant. Bagaimana langkah-langkah strategis ini telah memposisikan Appen sebagai pemimpin di layanan data AI, dan apa yang Anda lihat sebagai peluang besar berikutnya untuk perusahaan?

Akuisisi Figure Eight dan Quadrant adalah kunci untuk memperluas kemampuan data AI kami, terutama di bidang anotasi data dan intelijen geolokasi. Platform anotasi data Figure Eight sangat berdampak. Platform ini sangat dapat disesuaikan, dan kami telah menggunakannya untuk pekerjaan di banyak domain yang berbeda. Lebih baru-baru ini, kami telah menggunakan platform untuk menjalankan sebagian besar aliran data generatif kami.

Selain akuisisi, sekitar 5 tahun yang lalu kami memulai operasi di Cina yang disebut Appen Cina. Kami sekarang adalah perusahaan data AI terbesar di Cina, dengan pendapatan hampir dua kali lipat dari pesaing terdekat kami.

Menatap ke depan, fokus untuk Appen adalah pada mendukung pengembangan dan adopsi generative AI. Ada peluang pertumbuhan besar di kedua pembangun model dan perusahaan yang mencari untuk mengadopsi generative AI ke dalam produk dan operasi mereka. Kami merasa kami baru saja memulai gelombang AI terbesar.

Kualitas data memainkan peran kritis dalam pengembangan model AI. Bagaimana Appen memastikan akurasi, keragaman, dan relevansi dataset, terutama dengan meningkatnya permintaan akan data pelatihan LLM berkualitas tinggi?

Kelebihan Appen adalah kemampuan kami untuk menciptakan data berkualitas tinggi secara konsisten dan dalam skala besar. Kami bekerja sama dengan pelanggan kami untuk memahami tujuan model AI mereka dan mengembangkan data berkualitas tinggi untuk kebutuhan mereka melalui pendekatan berlapis yang menggabungkan alat otomatis dan umpan balik manusia. Kami memiliki tenaga kerja global lebih dari 1 juta di lebih dari 200 negara, yang memungkinkan kami untuk mengkurasi sekelompok kontributor yang berkualitas dan beragam. Melalui kontrol kualitas yang ketat dan umpan balik, kami memastikan bahwa data akurat, konsisten, dan relevan, dan dapat digunakan untuk meningkatkan kinerja model AI. Ini memungkinkan sistem AI untuk beroperasi secara efektif di lingkungan dunia nyata dan juga dapat digunakan untuk meningkatkan kekuatan dan mengurangi bias, terutama untuk LLM.

Data sintetis semakin populer, dan investasi Appen di Mindtech menunjukkan minat Anda di bidang ini. Bagaimana kelebihan dan kekurangan menggunakan data sintetis atau web-scraped dibandingkan dengan data crowdsourced untuk melatih model AI, dan bagaimana Anda melihat data sintetis melengkapi data crowdsourced yang dikenal Appen?

Data berkualitas tinggi sangat penting tetapi dapat mahal dan memakan waktu untuk diproduksi, itulah mengapa data sintetis mendapat perhatian. Ini bekerja dengan baik untuk data terstruktur dalam tugas AI/ML tradisional, terutama di industri dengan peraturan privasi yang ketat seperti kesehatan dan keuangan, karena itu menghindari penggunaan informasi pribadi.

Namun, data sintetis seringkali kekurangan kedalaman dan nuansa data dunia nyata, terutama untuk tugas AI Generatif yang kompleks yang memerlukan keragaman dan keahlian yang mendalam. Ini juga dapat memperkuat kesalahan atau bias dari data asli. Data web-scraped, yang umum digunakan untuk LLM, memiliki tantangan tersendiri dengan konten berkualitas rendah, bias, dan informasi yang salah, yang memerlukan kurasi yang hati-hati.

Data crowdsourced, yang Appen spesialisasikan, tetap menjadi “kebenaran dasar.” Keahlian manusia sangat penting untuk menghasilkan data yang beragam dan kompleks yang diperlukan untuk meningkatkan akurasi model AI dan memastikan keselarasan dengan nilai-nilai manusia.

Kami melihat data sintetis sebagai pelengkap data anotasi manusia kami. Sementara data sintetis dapat mempercepat bagian dari proses, data yang diberi label manusia memastikan model mencerminkan keragaman dunia nyata. Bersama-sama, mereka menyediakan pendekatan seimbang untuk membuat data pelatihan AI berkualitas tinggi.

EU AI Act dan peraturan global lainnya membentuk standar etika sekitar pengembangan AI. Bagaimana Anda melihat peraturan ini mempengaruhi operasi Appen dan industri AI yang lebih luas ke depan?

EU AI Act dan peraturan global lainnya kemungkinan akan mempengaruhi operasi Appen dengan menetapkan standar etika baru untuk pengembangan dan kinerja model AI. Kami mungkin melihat perubahan dalam cara kami menangani data, memastikan keadilan model, dan mengatasi pertimbangan etika. Ini dapat menyebabkan proses yang lebih ketat dan penyesuaian potensial dalam pendekatan kami terhadap pelatihan dan validasi model.

Lebih luas, peraturan ini kemungkinan akan mendorong industri menuju standar etika yang lebih tinggi, meningkatkan biaya kepatuhan, dan memperlambat beberapa aspek inovasi. Namun, mereka juga akan mendorong akuntabilitas dan transparansi yang lebih besar, yang pada akhirnya dapat menyebabkan pengembangan AI yang lebih bertanggung jawab dan berkelanjutan.

Dengan meningkatnya kekhawatiran sekitar bias di AI, bagaimana Appen bekerja untuk memastikan bahwa dataset yang digunakan untuk melatih model AI bersumber etis dan bebas dari bias, terutama di area sensitif seperti pemrosesan bahasa alami dan penglihatan komputer?

Kami secara aktif bekerja untuk mengurangi bias dengan mempromosikan keragaman dan inklusi di seluruh proyek kami. Ini sangat menggembirakan untuk melihat bahwa banyak pelanggan kami fokus pada menangkap demografi yang luas dalam tugas pengumpulan dan evaluasi model. Memiliki kerumunan global yang tinggal di sebagian besar negara memungkinkan kami untuk mengumpulkan data dari berbagai perspektif dan pengalaman, yang sangat penting di area sensitif seperti pemrosesan bahasa alami dan penglihatan komputer.

Sejak 2019, kami meresmikan praktik terbaik kami dalam Kode Etika Kerumunan, menunjukkan komitmen kami terhadap keragaman, keadilan, dan kesejahteraan kerumunan. Ini termasuk komitmen kami terhadap gaji yang adil, memastikan suara kerumunan kami terdengar, dan mempertahankan perlindungan privasi yang ketat. Dengan mempertahankan prinsip-prinsip ini, kami bertujuan untuk menyampaikan data yang bersumber etis dan berkualitas tinggi yang mendukung pengembangan AI yang bertanggung jawab.

Bagaimana Appen memposisikan diri untuk memenuhi permintaan yang meningkat akan data pelatihan khusus di sektor seperti otomotif, periklanan, dan AR/VR?

Selama 27 tahun terakhir, kami telah menyediakan data pelatihan khusus untuk berbagai industri dan kasus penggunaan, dan kami terus berkembang seiring dengan evolusi kebutuhan pelanggan kami.

Sebagai contoh, di otomotif, kami bekerja sama dengan perusahaan otomotif terkemuka dan penyedia solusi dalam kabin untuk membangun sistem suara dalam kendaraan. Sekarang, kami membantu pelanggan kami di area baru seperti pengumpulan data video pengemudi untuk membantu keamanan dengan memantau gangguan pengemudi.

Di periklanan, kami membantu platform periklanan global terkemuka untuk meningkatkan kualitas dan akurasi iklan untuk relevansi pengguna selama program global multi-tahun dengan 7M+ evaluasi. Sekarang, karena banyak platform mengadopsi solusi AI generatif, kerumunan kami tidak hanya menilai relevansi iklan tetapi juga membantu mengevaluasi kualitas iklan yang dihasilkan.

Kami telah dapat melakukan semua ini melalui platform anotasi yang kuat yang dapat disesuaikan untuk mendukung alur kerja yang kompleks dan berbagai modalitas data termasuk teks, audio, gambar, video, dan anotasi multimodal. Namun, kemampuan kami untuk bergerak dengan perubahan industri pada akhirnya bergantung pada keahlian kami yang mendalam dalam data untuk pengembangan AI dan kemitraan yang kuat dengan pelanggan kami.

Appen telah menjadi pemimpin dalam menyediakan data berkualitas tinggi untuk berbagai aplikasi AI. Bagaimana Anda melihat peran Appen berkembang ketika AI generatif dan LLM terus berkembang dan mempengaruhi pasar global?

AI generatif dan LLM mengubah industri, dan kami akan terus memainkan peran kritis dalam menyediakan data berkualitas tinggi untuk mendukung kemajuan ini. Ketika datang ke pasar global, kemampuan kami untuk mengumpulkan data dari 200 negara dan lebih dari 500 bahasa akan menjadi semakin berharga, dan kami memiliki sejarah yang kuat dalam hal ini karena kami telah membantu perusahaan seperti Microsoft (MSFT ) meluncurkan model Terjemahan Mesin untuk lebih dari 110 bahasa.

Ketika penerapan aplikasi LLM tumbuh, kami melihat permintaan yang meningkat untuk memenuhi kebutuhan pengguna akhir, termasuk kemampuan lokal untuk memastikan nuansa bahasa dan budaya ditangani dalam berbagai pasar global. Kami berkomitmen untuk membantu perusahaan mengembangkan sistem AI yang tidak hanya berkinerja tinggi tetapi juga bertanggung jawab dengan memastikan bahwa data yang digunakan untuk melatih model ini beragam, relevan, dan bersumber etis.

Appen dikenal karena memberdayakan beberapa LLM paling canggih di dunia. Apa yang menjadi inovasi di bidang anotasi data dan pengumpulan yang Appen fokuskan untuk meningkatkan kinerja model ini?

Kami terus-menerus berinovasi dalam proses anotasi data dan pengumpulan kami untuk meningkatkan kinerja LLM. Salah satu area fokus adalah meningkatkan efisiensi dan akurasi anotasi data melalui alat AI yang canggih, yang membantu untuk mempercepat dan mengotomatisasi bagian dari proses sambil mempertahankan standar kualitas yang tinggi.

Kami dapat mengidentifikasi poin data yang memerlukan input manusia lebih lanjut, memastikan bahwa upaya anotasi ditargetkan di mana mereka akan memiliki dampak terbesar. Kami telah mengintegrasikan fitur-fitur di platform kami seperti Model Mate yang dapat digunakan untuk membantu mempercepat produksi data dan meningkatkan kualitas data. Kami juga fokus pada praktik terbaik dalam manajemen kontributor, yang penting karena kompleksitas tugas meningkat.

Kemampuan untuk memahami kinerja kontributor dan memberikan umpan balik untuk terus meningkatkan kualitas data yang dihasilkan manusia. Inovasi-inovasi ini memungkinkan kami untuk menyediakan data berkualitas tinggi dan skala besar yang diperlukan untuk memberdayakan dan menghaluskan LLM terkemuka di dunia.

Bagaimana prioritas utama Anda untuk Appen dalam beberapa tahun ke depan, dan bagaimana Anda berencana untuk mengarahkan pertumbuhan perusahaan di ruang AI yang sangat kompetitif?

Sebagai saya memasuki peran baru sebagai CEO, prioritas strategis saya dirancang untuk memastikan kepemimpinan Appen di lanskap AI yang kompetitif:

• Mendukung pengembangan model AI generatif: Selama 18 bulan terakhir, AI generatif telah menjadi komponen kunci dari penawaran layanan kami, dengan 28% dari pendapatan grup berasal dari proyek terkait AI generatif pada Juni 2024 dibandingkan dengan 8% pada Januari. Kami melihat potensi signifikan di pasar AI generatif, yang diperkirakan akan mencapai $1,3 triliun pada 2032 menurut perkiraan industri.
• Mendukung adopsi model AI generatif: Kami melihat pertumbuhan di segmen baru karena perusahaan menggunakan solusi AI generatif untuk kasus penggunaan mereka. Meskipun persentase proyek AI generatif yang mencapai tahap penerapan masih rendah, kami antisipasi bahwa FY24/25 akan menjadi periode transisi di mana eksperimen bergerak ke produksi dan mengarahkan permintaan untuk data khusus dan berkualitas tinggi.
• Mengoptimalkan dan mengotomatisasi cara kami mempersiapkan data: Dengan menggunakan AI untuk jaminan kualitas dan mengotomatisasi langkah-langkah tertentu dari proses persiapan data. Ini akan memungkinkan kami untuk meningkatkan kualitas data sambil juga meningkatkan efisiensi operasional, meningkatkan margin grosir kami.
• Mengembangkan pengalaman untuk pekerja kerumunan kami: Platform CrowdGen baru kami memungkinkan kami untuk menskalakan proyek dengan cepat dan fleksibel sesuai dengan kebutuhan pelanggan kami, menggunakan AI untuk penyaringan otomatis dan pencocokan proyek. Ini juga akan meningkatkan pengalaman kontributor kami dengan dukungan yang dipersonalisasi. Appen telah menjadi pelopor dalam mempromosikan transparansi, keragaman, dan keadilan dalam sumber data kami, dan kami tetap berkomitmen pada Kode Etika Kerumunan kami.

Prioritas-prioritas ini akan memposisikan Appen untuk pertumbuhan berkelanjutan dan inovasi di lanskap AI yang berkembang.

Terima kasih atas wawancara yang luar biasa, kami mendorong pembaca yang ingin mempelajari lebih lanjut untuk mengunjungi Appen.