Sarah Nagy, Pendiri & CEO Seek AI – Seri Wawancara

Sarah Nagy adalah pendiri dan CEO Seek AI, sebuah platform yang memungkinkan pengguna bisnis untuk mengajukan pertanyaan yang sama kepada Seek di Slack, Teams, dan email. Tidak perlu “menghaluskan” cara mereka menulis pertanyaan, dan tidak perlu mempelajari platform baru.

Anda awalnya memulai sebagai peneliti dengan data dari Teleskop Luar Angkasa Hubble. Apa yang Anda kerjakan?

Saya melakukan penelitian di UCLA dan Caltech, melihat beberapa galaksi yang paling jauh yang dapat diamati dengan teleskop, dan menganalisis beberapa sifat mereka seperti massa dan ukuran. Tujuan penelitian ini adalah untuk membantu kita memahami perbedaan antara galaksi yang sangat jauh dan galaksi yang lebih dekat dengan kita, serta mengembangkan model untuk bagaimana galaksi ini terbentuk seiring waktu.

Kemudian Anda bekerja sebagai ilmuwan data di beberapa perusahaan rintisan. Apa beberapa proyek yang paling menarik?

Satu proyek yang menonjol melibatkan menggunakan pemrosesan bahasa alami (NLP) untuk mengklasifikasikan teks tak terstruktur yang terkait dengan barang-barang ritel. Misalnya, mengambil teks mentah (misalnya “air jordans hijau”) dan melabelinya sebagai merek yang diperkirakan (“Nike”). Saya memiliki seorang rekan yang mengkhususkan diri dalam NLP yang sibuk dengan proyek lain, jadi saya tidak seharusnya bekerja pada proyek ini. Namun, proyek ini akhirnya diserahkan kepada saya karena mereka sibuk. Saya bahkan tidak tahu apa-apa tentang NLP pada saat itu, jadi saya mengikuti beberapa kursus gratis dari Stanford dan Fast.ai untuk meningkatkan pengetahuan saya. Saya sangat menikmati mempelajari NLP dan mulai memahami mengapa ini sangat penting, dan mengapa kecerdasan buatan (AI) yang dapat memahami bahasa adalah langkah besar menuju “kecerdasan buatan umum”. Pengalaman ini pasti membuat saya siap untuk memahami pentingnya GPT-3 ketika pertama kali dirilis.

Bagaimana cerita di balik Seek AI?

Ketika model GPT-3 OpenAI dirilis, saya langsung mengenali betapa hebatnya kemajuan ini dan sangat bersemangat tentang aplikasi yang melibatkan GPT-3 menulis kode. Setelah semua, saya menulis kode sepanjang hari sebagai ilmuwan data, dan melihat AI melakukan ini – dan menghasilkan kode dengan sempurna – sangat mengagumkan. Saya akan membandingkan reaksi saya terhadap GPT-3 dengan pertama kali mempelajari tentang VR pada tahun 2013, yang juga merupakan pengalaman yang mengagumkan bagi saya. Saya akhirnya memutuskan bahwa saya perlu membentuk sebuah perusahaan rintisan untuk bertaruh pada teknologi ini. Saya tidak tahu pasti apa yang akan saya bangun, tetapi saya memiliki perasaan bahwa jika saya mempelajari lebih lanjut tentang model ini, sesuatu yang berharga akan terjadi.

Ketika saya telah benar-benar mempelajari tentang model ini, itulah saat saya menyadari bahwa saya bisa menyelesaikan masalah yang saya temui di mana-mana saya bekerja sebagai kuantitatif atau sebagai ilmuwan data. Masalah yang dimaksud adalah orang-orang bisnis tidak memiliki alat yang tepat untuk menjawab pertanyaan data mereka sendiri. Sebagai ilmuwan data, saya sering bekerja pada masalah yang memerlukan banyak fokus, tetapi saya sering kali terganggu oleh rekan-rekan di sisi bisnis yang memiliki pertanyaan tentang data, memaksa saya untuk berhenti dari apa yang saya lakukan. Proses ini tampak kuno dan tidak efisien. Saya menyadari bahwa jika saya fokus pada teknologi baru ini untuk menyelesaikan masalah, itu akan menjadi solusi yang mendefinisikan kategori untuk masalah yang sangat penting dan universal ini.

Seek AI menggunakan kecerdasan buatan generatif. Bagaimana Anda menjelaskannya kepada pembaca kita?

“Kecerdasan buatan generatif” adalah kata-kata yang sangat dibesar-besarkan, tetapi tidak seperti kata-kata lain, saya tidak percaya bahwa pembesar-besaran itu tidak tepat. Istilah ini merujuk pada model pembelajaran mesin besar dengan ratusan miliar parameter, seperti DALL-E dan GPT-3 milik Open AI. Inovasi dari model ini adalah bahwa mereka dapat memahami bahasa alami dan menghasilkan teks, gambar, kode, dan lain-lain. Jika Anda pernah bermain dengan DALL-E atau Stable Diffusion, misalnya, Anda akan segera memahami mengapa model ini sangat dibesar-besarkan; mereka memiliki kemampuan yang sangat manusiawi untuk memahami perintah bahasa alami dan dapat menghasilkan seni yang setara dengan seniman manusia terbaik.

Penghasilan kode adalah salah satu aplikasi yang paling khusus, tetapi paling penting, dari kecerdasan buatan generatif. Data menjadi lebih besar dan lebih kompleks, dan oleh karena itu, lebih sulit untuk dianalisis dan diatur oleh manusia. Namun, ada banyak informasi yang dikodekan dalam data ini. Informasi ini tidak hanya berdaya guna bagi organisasi, tetapi juga dapat menyebabkan kemajuan ilmiah yang luar biasa di sisi akademis. Membangun AI untuk mengekstrak nilai dari data akan membuka nilai yang luar biasa dalam bentuk informasi yang berguna.

Seek AI membangun antarmuka yang memungkinkan pengguna untuk berinteraksi dengan data menggunakan bahasa alami. Pengguna dapat mengakses antarmuka bahasa alami Seek AI melalui email, Slack, teks, dan berbagai sistem manajemen hubungan pelanggan (CRM).

Apa jenis kecerdasan buatan lain yang digunakan di Seek AI?

Meskipun kecerdasan buatan generatif adalah bagian dari arsitektur pembelajaran mesin kami, arsitektur kami juga mencakup beberapa cabang model pembelajaran mesin dalam terbuka. Model transformer (yang merupakan varian dari “kecerdasan buatan generatif”) membentuk sebagian besar model yang digunakan Seek.

Mengapa sangat penting bagi pengguna non-teknis untuk dapat mengakses data dengan cepat?

Apa gunanya data jika tidak menghasilkan ROI, dan bagaimana bisnis dapat mendapatkan ROI ini jika pengguna yang menghadap bisnis tidak dapat mengaksesnya? Ini adalah mengapa sangat penting untuk memberikan akses kepada sebanyak mungkin orang, tanpa mengompromikan akurasi.

Ketika saya menjadi ilmuwan data, terkadang saya mendapatkan permintaan dari CEO untuk menganalisis beberapa data untuk membantu strategi produk atau pemasaran perusahaan. Proyek-proyek ini bisa memakan waktu beberapa minggu atau lebih lama. Sebagai CEO sekarang, saya pasti memahami pentingnya proyek-proyek ini pada tingkat yang lebih dalam daripada ketika saya berada di sisi data. Saya sering menemukan diri saya berharap bahwa saya bisa mendapatkan data di ujung jari saya sehingga saya bisa membuat keputusan lebih cepat. Ini adalah contoh dari apa yang kami selesaikan di Seek.

Bagaimana Seek AI membuat data ini begitu mudah diakses?

Sesuatu yang menarik untuk dipikirkan adalah bahwa data hanya dapat dianalisis dengan kode. Ini benar bahwa ada platform yang merupakan abstraksi atas kode ini (misalnya, dasbor data), tetapi di balik layar, ada kode yang ditulis secara manual oleh analis data yang memungkinkan data disajikan kepada pengguna akhir bisnis.

Sebagian besar pekerja pengetahuan tidak tahu cara mengkode, tidak ingin mengkode, atau bahkan tidak bisa mengakses data bahkan jika mereka ingin menulis kode untuk menganalisisnya. Oleh karena itu, ketika mereka membutuhkan data, mereka harus mencarinya di dasbor atau meminta tim data jika mereka tidak bisa menemukannya. Semakin besar dataset, semakin sering ini akan terjadi.

Tim data oleh karena itu perlu menjadi “penerjemah” dari pertanyaan bahasa alami yang ditujukan kepada mereka, dan data itu sendiri, yang mereka kueri menggunakan kode. Menghilangkan “penerjemah” perantara ini adalah inti dari apa yang Seek lakukan.

Bagaimana perusahaan memastikan bahwa data yang mereka gunakan akurat?

Mengelola tradeoff antara akurasi data dan aksesibilitas adalah tantangan besar. Seperti yang saya nyatakan dalam sebuah wawancara baru-baru ini, di satu sisi, aksesibilitas memungkinkan orang-orang non-teknis untuk mulai berinteraksi dengan sumber pengetahuan yang merupakan data perusahaan. Di sisi lain, apa gunanya sumber daya yang penuh dengan air yang tercemar (yaitu data buruk)?

Tim data terbaik adalah mereka yang mengelola tradeoff ini dengan cara yang paling optimal, dan bagian besar dari itu adalah mengkalibrasi dan memverifikasi alat-alat yang dapat diakses oleh pengguna non-teknis.

Apa contoh kasus penggunaan untuk platform Seek AI?

Kami sudah memberikan nilai kepada pelanggan dan mitra desain di pasar vertikal B2B SaaS, Fintech, Konsumen Produk (CPG), dan e-commerce B2C.

Battlefin, misalnya, adalah marketplace utama dataset keuangan alternatif. Mereka percaya bahwa memberikan jawaban yang cepat dan berkualitas tinggi kepada pertanyaan pelanggan mereka adalah perbedaan antara menang dan kalah dari pesaing mereka. CEO perusahaan, Tim Harrington, mencatat, “Seek AI memainkan peran kritis dalam strategi perusahaan kami pada tahun 2023 karena keunggulan yang diberikannya dalam mengakses dan menganalisis lebih dari 2.400 dataset kami dalam menanggapi pertanyaan pelanggan. Saya perkirakan ROI kami pada Seek AI sekitar 10x berdasarkan apa yang akan kami belanjakan untuk mencapai tingkat efisiensi ini tanpa platform.”

Apakah ada yang ingin Anda bagikan tentang Seek AI?

Ini mungkin tempat yang tepat untuk promosi yang tidak memalukan. Seek saat ini menawarkan percobaan gratis platform kami, yang dapat diakses di seek.ai. Kami bersemangat untuk menjadi pelopor dalam membawa kecerdasan buatan generatif ke tim data, dan saya berharap untuk melanjutkan perjalanan ini dengan pelanggan kami.

Terima kasih atas wawancara yang luar biasa, pembaca yang ingin mempelajari lebih lanjut harus mengunjungi Seek AI.