Sujatha Sagiraju, Chief Product Officer di Appen – Seri Wawancara

Sujatha Sagiraju adalah Chief Product Officer di Appen, ia bergabung dengan Appen pada September 2021 sebagai SVP of Product dan ia bertanggung jawab atas strategi produk. Ia adalah pelopor teknologi dengan pengalaman luas lebih dari 20 tahun dalam membangun layanan online skala besar dan platform AI/ML dan data. Ia bergabung dengan Appen dari Microsoft (MSFT ) di mana ia memegang peran kepemimpinan di beberapa grup termasuk Bing dan Azure AI Platform.

Appen adalah pemimpin global dalam data untuk AI Lifecycle. Dengan lebih dari 25 tahun pengalaman dalam sumber data, anotasi data, dan evaluasi model oleh manusia, mereka memungkinkan organisasi untuk meluncurkan sistem kecerdasan buatan paling inovatif di dunia.

Apa yang awalnya menarik Anda ke AI?

Ketika saya berada di Microsoft, saya bekerja di organisasi Azure AI. Saya familiar dengan lanskap industri, pelanggan, dan transformasi AI yang terjadi di berbagai industri. Saya bisa melihat dari sudut pandang pelanggan bahwa data pelatihan adalah hambatan untuk membangun model pembelajaran mesin dan saya melihat Appen sebagai kesempatan untuk memecahkan masalah itu – tautan yang hilang yang bisa menghubungkan semua tahap AI lifecycle.

Anda saat ini adalah Chief Product Officer di Appen, bisa Anda jelaskan apa yang dimaksud dengan posisi ini?

Pada tingkat tertinggi, tim saya membangun visi produk, strategi, dan menyelaraskan dengan berbagai pemangku kepentingan di seluruh organisasi dalam melaksanakan strategi tersebut. Pada tingkat pribadi, saya menghabiskan waktu yang cukup untuk memahami industri dan pelanggan. Dengan beberapa perusahaan terbesar sebagai pelanggan kita seperti Amazon (AMZN ), Google (GOOGL ), Microsoft, Salesforce (CRM ), Boeing, sangat penting bagi tim saya untuk memahami skenario pelanggan dan poin-poin kesulitan dan membangun strategi produk yang memberikan rencana pertumbuhan. Membangun budaya yang aman dan inklusif juga merupakan bagian besar dari peran saya karena saya fokus pada menciptakan ruang bagi karyawan untuk berbagi ide, berkolaborasi, dan mengembangkan karir mereka.

Seberapa pentingnya memupuk tim yang beragam dalam pengembangan AI?

Sangat penting untuk pengembangan AI memiliki tim yang beragam. Ada beberapa cara untuk memikirkan keberagaman – gender, usia, ras, perspektif. Keberagaman perspektif dapat menjadi bagian paling penting untuk memastikan Anda memiliki latar belakang dan pengalaman yang beragam dalam tim. Pengalaman tersebut membawa ide-ide baru dan berbeda untuk membangun produk terbaik untuk semua pelanggan yang sangat beragam.

Bagaimana Anda menciptakan budaya kerja yang menggabungkan keberagaman ini?

Budaya yang mempromosikan keberagaman mengundang karyawan untuk berbagi ide dan perspektif mereka. Saya suka mempertimbangkan metode komunikasi yang berbeda ketika mengadakan pertemuan tim. Misalnya, ketika meminta umpan balik dalam pertemuan tim, saya meminta karyawan untuk berbicara langsung dalam pertemuan atau mengirimkan pesan setelah mereka telah memikirkannya. Saya mengakui bahwa tidak semua orang ingin berbicara atau berbagi umpan balik segera, dan saya ingin menciptakan budaya di mana itu diterima. Saya ingin menciptakan lingkungan yang aman bagi orang untuk mengungkapkan pendapat mereka dan berbagi ide mereka dengan cara yang mereka sukai. Ide-ide hebat datang dari berbagai tim di seluruh organisasi. Saya bertemu dengan tim penjualan, pemasaran, dan tim lain yang berinteraksi dengan pelanggan untuk memahami kebutuhan mereka dengan produk dan perspektif mereka dalam bekerja sama dengan pelanggan setiap hari.

Di luar memiliki tim yang beragam, apa cara lain untuk melawan bias dalam algoritma pembelajaran mesin?

Sumber data yang inklusif, persiapan data, dan evaluasi model adalah kritis untuk melawan bias. Data yang digunakan untuk melatih algoritma harus inklusif dari semua pengguna akhir potensial atau hasil. Ketika melewati berbagai tahap AI lifecycle, setiap tahap harus diperiksa untuk bias. AI yang bertanggung jawab juga dibangun dengan dataset yang bersumber secara bertanggung jawab, artinya kontributor diperlakukan adil. Appen membangun Crowd Code of Ethics untuk menunjukkan komitmen kami terhadap kesejahteraan Crowd kami.

Anda baru-baru ini mempublikasikan artikel yang membahas disiplin baru, yang disebut Data untuk AI Lifecycle. Bisa Anda jelaskan singkat apa itu?

Data untuk AI lifecycle mencakup empat tahap dalam siklus yang berkelanjutan; sumber data, persiapan data, pembangunan model, dan evaluasi model oleh manusia. Tahap-tahap ini diperlukan untuk memberikan data berkualitas tinggi untuk membangun proyek AI. Sumber data, persiapan data, dan evaluasi model adalah tahap yang paling memakan waktu dan intensif data, dan jika tidak dilakukan dengan baik, dapat menyebabkan masalah kualitas proyek dan penundaan peluncuran. Appen berspesialisasi dalam tiga tahap tersebut dan bermitra strategis dengan penyedia yang berspesialisasi dalam pelatihan model dan penerapan.

Apa peran data sintetis dalam Data untuk AI lifecycle?

Solusi sumber data termasuk data yang dianotasi oleh manusia, dataset yang sudah diberi label, dan data sintetis. Data sintetis digunakan dalam kasus di mana data sulit ditemukan. Dataset yang inklusif mencakup semua kasus penggunaan dan pengguna akhir potensial dari model AI, dan beberapa memerlukan data sintetis untuk mencapai tujuan tersebut. Kombinasi data yang dianotasi oleh manusia dan data sintetis akan menjadi kritis untuk kesuksesan model.

Seberapa besar masalah drift model atau overfitting dengan Data untuk AI lifecycle?

Drift model dapat menjadi masalah besar dan perlu ditangani pada tahap keempat AI lifecycle, yaitu Evaluasi Model oleh Manusia. Sangat penting bahwa model terus berfungsi di dunia nyata dan untuk mengetahui bahwa itu harus melalui pengujian manusia. Ketika lingkungan berubah dan berkembang, model perlu berubah juga. Sangat penting bahwa praktisi terus mengevaluasi model mereka untuk mencegah model menjadi usang atau bias. Microsoft Bing adalah pelanggan yang menggunakan evaluasi model untuk memastikan hasil pencarian berfungsi sesuai dengan standar mereka dan model terus dievaluasi.

Apakah ada yang ingin Anda bagikan tentang pekerjaan Anda di Appen?

Pekerjaan paling berharga di Appen adalah oleh orang-orang dan keahlian mereka. Dengan 25 tahun pengalaman, Appen telah membangun fondasi yang kuat dengannya. Pelanggan kami percaya pada keahlian kami untuk memberikan hasil berkualitas tinggi, cepat, dan skala besar. Appen memungkinkan transformasi industri AI dengan menyediakan solusi untuk mengelola Data untuk AI lifecycle dengan lancar.

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