Sarah Nagy, Pendiri & CEO Seek AI – Seri Wawancara

Sarah Nagy adalah pendiri dan CEO Seek AI, sebuah platform yang memungkinkan pengguna akhir bisnis untuk mengajukan pertanyaan yang sama kepada Seek yang mereka ajukan kepada tim data, langsung 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, mempelajari beberapa galaksi yang paling jauh yang dapat diamati dengan teleskop, dan bekerja pada menganalisis beberapa sifatnya seperti massa dan ukuran. Tujuan penelitian ini adalah untuk membantu kita memahami perbedaan antara galaksi yang sangat jauh versus galaksi yang lebih dekat dengan kita, dan mengembangkan model untuk bagaimana galaksi ini terbentuk seiring waktu.

Kemudian Anda bekerja sebagai ilmuwan data di berbagai perusahaan rintisan. Apa beberapa proyek yang lebih 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 menandainya sebagai merek yang diperkirakan (“Nike”). Saya memiliki rekan yang mengkhususkan diri dalam NLP yang sibuk dengan proyek lain, jadi saya sebenarnya tidak dimaksudkan untuk bekerja pada proyek ini. Ini berakhir dengan 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 benar-benar menikmati mempelajari NLP dan mulai memahami mengapa ini sangat penting, dan mengapa kecerdasan buatan (AI) yang dapat memahami bahasa adalah langkah besar menuju apa yang disebut “AI umum”. Pengalaman ini pasti mempersiapkan saya untuk cepat memahami pentingnya GPT-3 ketika itu pertama kali keluar.

Apakah Anda bisa membagikan kisah asal-usul di balik Seek AI?

Ketika model GPT-3 OpenAI keluar, saya langsung mengenali apa keajaiban itu 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 menakjubkan. Saya akan membandingkan reaksi saya terhadap GPT-3 dengan pertama kali belajar tentang VR pada tahun 2013, yang juga merupakan pengalaman menakjubkan bagi saya. Saya akhirnya memutuskan bahwa saya perlu membentuk perusahaan rintisan untuk bertaruh pada teknologi ini. Saya tidak tahu pasti apa yang akan saya bangun, tetapi saya memiliki perasaan bahwa jika saya belajar lebih banyak tentang model ini, sesuatu yang berharga akan jatuh tempat.

Setelah saya benar-benar mempelajari tentang model ini, itulah saat saya menyadari saya bisa menyelesaikan masalah yang saya temui di mana-mana saya bekerja sebagai kuantitatif atau sebagai ilmuwan data. Masalah yang saya hadapi 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 terganggu oleh 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. Bisakah Anda menjelaskan kepada pembaca kami apa itu?

“Kecerdasan buatan generatif” adalah kata-kata yang sangat dibesar-besarkan, tetapi tidak seperti kata-kata lain, saya tidak percaya bahwa sensasi itu tidak tepat. Istilah ini merujuk pada model pembelajaran mesin besar dengan ratusan miliar parameter, seperti DALL-E dan GPT-3 dari 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 dengan cepat 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 diorganisir secara manual oleh manusia. Namun, ada banyak informasi yang dikodekan dalam data ini. Informasi ini tidak hanya berdaya guna bagi organisasi, tetapi juga dapat menyebabkan terobosan 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 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 pembelajaran mesin lain yang digunakan di Seek AI?

Sementara kecerdasan buatan generatif adalah bagian dari arsitektur pembelajaran mesin kami, arsitektur kami juga mencakup beberapa fork dari model pembelajaran dalam yang open-source. Model transformer (yang merupakan varian dari “kecerdasan buatan generatif”) membentuk sebagian besar (tetapi tidak semua) 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 berorientasi bisnis tidak dapat mengaksesnya? Ini adalah mengapa sangat penting untuk memberikan akses kepada sebanyak mungkin orang, tanpa mengorbankan 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 menginginkan data di ujung jari saya sehingga saya dapat membuat keputusan lebih cepat. Ini adalah contoh dari apa yang kami selesaikan di Seek.

Bagaimana Seek AI membuat data ini sehingga 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 dapat 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 dapat menemukannya. Semakin besar dataset, semakin sering ini terjadi.

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

Bagaimana perusahaan memastikan bahwa data yang mereka gunakan akurat?

Mengelola keseimbangan 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 yang kurang teknis untuk mulai berinteraksi dengan sumber pengetahuan yang merupakan data perusahaan. Di sisi lain, apa gunanya sumber air yang tercemar (yaitu data buruk)?

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

Apa contoh kasus penggunaan platform Seek AI?

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

Battlefin, misalnya, adalah marketplace terkemuka untuk dataset keuangan alternatif. Mereka percaya bahwa memberikan jawaban yang cepat dan berkualitas tinggi atas 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 dari Seek AI sekitar 10 kali lipat berdasarkan apa yang akan kami belanjakan untuk mencapai tingkat efisiensi ini tanpa platform.”

Apakah ada yang lain yang ingin Anda bagikan tentang Seek AI?

Ini mungkin tempat yang tepat untuk promosi yang tidak pantas. 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 bagus, pembaca yang ingin mempelajari lebih lanjut harus mengunjungi Seek AI.