Bobby Samuels, Co-Fondatore e Amministratore Delegato di Protege – Serie di Interviste

Bobby Samuels guida la strategia e l’esecuzione di Protege in materia di prodotto, mercato e formazione di capitali. Ha co-fondato Protege nel 2024 e ne è stato amministratore delegato fin dall’inizio. Sotto la sua guida, Protege ha raccolto 35 milioni di dollari di finanziamenti e ha raggiunto un fatturato di 30 milioni di dollari nel suo primo anno di attività. In precedenza, Bobby era il direttore generale di Privacy Hub presso Datavant, dove ha contribuito a far crescere l’azienda prima della sua fusione da 7,0 miliardi di dollari con Ciox Health per creare il più grande ecosistema di dati sanitari neutrali negli Stati Uniti. In precedenza, aveva guidato le partnership presso LiveRamp (RAMP ), dove ha sviluppato competenze nel creare reti di dati neutrali. Bobby ha un master in business administration presso la Stanford Graduate School of Business e un diploma di laurea presso Harvard College, dove è stato presidente di The Harvard Crimson. Porta una profonda competenza nell’ambito dello scambio di dati regolamentati e nella trasformazione di infrastrutture complesse in abilitazione AI affidabile per i partner aziendali.

Protege è un’azienda di infrastrutture di dati che collega i proprietari di set di dati di alto valore e proprietari con gli sviluppatori di modelli di intelligenza artificiale, offrendo un modo governato e rispettoso della privacy per concedere in licenza e accedere ai dati di formazione su larga scala. Fondata nel 2024, la piattaforma si concentra sull’apertura di dati multimodali – come registri medici, immagini, video e audio – che sono tradizionalmente difficili da reperire per i team di intelligenza artificiale, mentre ai proprietari dei dati fornisce il pieno controllo sulla privacy, sulla conformità e sulla monetizzazione. Per gli sviluppatori di intelligenza artificiale, Protege semplifica la scoperta e l’acquisizione attraverso un catalogo curato e strumenti per filtrare e combinare set di dati, aiutando ad accelerare lo sviluppo in settori come sanità, media e altri. In sostanza, l’azienda mira a diventare il livello di dati affidabile per l’intelligenza artificiale, riducendo uno dei principali colli di bottiglia nello sviluppo dei modelli moderni.

Cosa ti ha ispirato a fondare Protege e come le tue esperienze alla guida di iniziative di dati, privacy e trasformazione organizzativa presso Datavant – nonché i ruoli precedenti presso LiveRamp – hanno plasmato la tua visione per costruire l’azienda?

La mia esperienza presso Datavant mi ha mostrato sia la potenza che la complessità di collegare i dati in modo responsabile su larga scala. Datavant ha costruito una piattaforma che aiutava a collegare le informazioni sanitarie sensibili mantenendo la privacy dei pazienti, e mi è diventato chiaro che i dati ben governati possono portare a enormi progressi sociali. Ma quando non lo sono, possono fare danni reali.

Man mano che l’intelligenza artificiale accelerava, vedevo lo stesso schema ripetersi: una concentrazione su calcolo e architetture di intelligenza artificiale, ma non così tanto sui dati che guidano i modelli stessi. La nostra ipotesi è che il prossimo grande collo di bottiglia sia l’accesso ai dati giusti. Volevo costruire un livello di infrastrutture di dati che rendesse la condivisione dei dati sicura, trasparente e mutualmente vantaggiosa per i detentori di dati e gli sviluppatori di intelligenza artificiale, fornendo anche competenze specifiche sui dati per sostenere i progressi dell’intelligenza artificiale basati sulla ricerca. È questo che ha portato a Protege.

Protege si descrive come costruttore del “midollo osseo dell’economia dei dati di intelligenza artificiale”. Come definisci questo livello e cosa rappresenta l’infrastruttura di dati per l’intelligenza artificiale nella pratica?

Protege è il tessuto connettivo che permette ai proprietari di dati e agli sviluppatori di intelligenza artificiale di collaborare in modo sicuro ed efficiente. L’infrastruttura di dati per l’intelligenza artificiale fa più che memorizzare o spostare i dati; verifica la provenienza, gestisce le autorizzazioni e assicura che ogni set di dati venga utilizzato in modo etico e con il consenso. Nella pratica, si tratta di una piattaforma unica in cui i detentori di contenuti possono concedere in licenza i dati con fiducia e ricevere un adeguato compenso, e gli sviluppatori di intelligenza artificiale possono accedere ai set di dati cruciali attraverso settori, domini, modalità e formati che hanno bisogno per formare e valutare i modelli in modo responsabile.

Una delle tue missioni principali è assicurarsi che i modelli siano formati su set di dati con licenza, rappresentativi e basati sul consenso. Come Protege mette in pratica la fonte etica su larga scala?

Metiamo in pratica l’etica attraverso sistemi, non slogan. Con ogni fonte di dati e contenuti che aggregiamo e consegniamo, ci assicuriamo che i detentori dei diritti mantengano la proprietà con chiari termini di licenza e protezioni della privacy

La nostra piattaforma combina la nostra competenza umana, orientata alla ricerca, con pipeline di dati e sistemi che si estendono per consegnare i dati protetti dai diritti. Lavoriamo anche con i nostri clienti acquirenti di dati per assicurarci che i dati siano rappresentativi di popolazioni del mondo reale e riflettano casi d’uso del mondo reale. Indirizzando sia i fornitori di dati che gli acquirenti di dati con chiarezza e coerenza, siamo in grado di mantenere la conformità, la correttezza e la fiducia.

L’industria dell’intelligenza artificiale è stata a lungo guidata da una mentalità “scava prima, chiedi dopo”. Come vedi la licenza di dati trasparente ridisegnare le relazioni tra i fornitori di dati e gli sviluppatori di intelligenza artificiale?

La trasparenza trasforma l’estrazione in collaborazione. Invece di estrarre, le aziende di intelligenza artificiale hanno l’opzione di concedere in licenza i dati in modo etico da fornitori di dati verificati, creando migliori incentivi per entrambe le parti. I fornitori di dati guadagnano entrate e controllo e gli sviluppatori di intelligenza artificiale ottengono set di dati più puliti e di alta qualità senza problemi legali e di proprietà intellettuale.

Questo cambiamento costruisce la fiducia, che a sua volta sblocca la velocità nello sviluppo dell’intelligenza artificiale. Quando le organizzazioni vedono che l’intelligenza artificiale può essere costruita in modo responsabile con un chiaro consenso e compensazione per i detentori di diritti dei dati, questo sblocca più casi d’uso e necessità di dati. Ciò crea una maggiore domanda di set di dati di alta qualità, avviando una ruota naturale: le migliori fonti di dati attirano acquirenti, e gli acquirenti attirano ulteriori fonti di dati ad alta fedeltà. Tutti traggono beneficio.

I dati sintetici sono spesso visti come una soluzione alle sfide di privacy e pregiudizio. Dove pensi che si trovi l’equilibrio giusto tra set di dati del mondo reale e sintetici, specialmente in settori altamente regolamentati come la sanità?

I dati sintetici sono utili per il test e il potenziamento, ma non possono sostituire completamente la piena complessità e sfumatura delle attività del mondo reale che generano i dati di formazione e valutazione. Ciò è particolarmente vero nella sanità, dove la storia dei pazienti e gli esiti a lungo termine all’interno del contesto dell’approccio di cura sono importanti.

Noi fondamentalmente crediamo che l’intelligenza artificiale che non è stata formata sulla piena complessità del mondo reale non possa improvvisamente essere in grado di produrre dati sintetici rappresentativi del mondo reale. Probabilmente, l’equilibrio giusto sarà un approccio ibrido, in cui avremo bisogno di molte più fonti di dati utili e di alta qualità che sono attualmente isolate e devono essere sbloccate, e poi combinate con dati sintetici generati dall’intelligenza artificiale per casi d’uso specifici.

Come Protege consente alle organizzazioni di condividere dati del mondo reale preziosi in modo sicuro, senza esporre informazioni proprietarie, dati dei pazienti o proprietà intellettuale?

La sicurezza e la privacy sono integrate in ogni passaggio del percorso. Sia che si tratti dei nostri sistemi interni o dei nostri partner di de-identificazione e privacy che verificano i nostri trasferimenti di dati, assicuriamo che i nostri dati rimangano all’interno dei confini previsti.

Nel settore sanitario, ciò significa aderenza ai quadri di privacy e conformità per tutti i nostri trasferimenti di dati. Nei media, significa assicurarsi che i contenuti siano concessi in licenza solo per usi previsti e con termini di licenza e durata dei termini concordati.

Man mano che i modelli di base continuano a evolversi, cosa definirà la prossima generazione di pipeline di dati di formazione di alta qualità?

Tre principi guideranno: provenienza, precisione e scopo.

La provenienza significa tracciabilità completa alla fonte e ai termini. La precisione significa cura per modalità o casi d’uso specifici piuttosto che corpora di dati generici – o dati che non sono completamente rappresentativi di situazioni del mondo reale. Lo scopo significa allineare la selezione dei dati con risultati concreti, non solo benchmark di vanità.

Insieme, questi creano un percorso verso l’uso di dati di alta qualità per guidare modelli migliori.

Come le emergenti normative come il Regolamento UE sull’intelligenza artificiale e i futuri quadri statunitensi influenzano l’approccio di Protege alla conformità e alla collaborazione transfrontaliera dei dati?

Queste normative validano il nostro approccio che abbiamo basato la società su. Sottolineano la trasparenza, la provenienza e la gestione del rischio, che sono incorporate nei nostri prodotti e piattaforma per default.

Crediamo che le future opportunità di intelligenza artificiale debbano proteggere i detentori di diritti e mantenere rigorosi controlli sulla privacy. Trattando questi come non negoziabili, aiutiamo i partner di dati e i clienti a procedere con fiducia e fiducia nel mutevole panorama dell’intelligenza artificiale. Il nostro obiettivo è rendere lo sviluppo responsabile dell’intelligenza artificiale non solo la cosa giusta da fare, ma anche la cosa più facile da fare.

Qual è il ruolo che vedi per la trasparenza dei dati e la provenienza nel ricostruire la fiducia del pubblico nei sistemi di intelligenza artificiale?

La fiducia inizia con la tracciabilità. Quando le persone capiscono da dove provengono i dati e come vengono utilizzati, sono più propense a fidarsi dei risultati dell’intelligenza artificiale.

La trasparenza e la provenienza creano responsabilità dal detentore dei dati allo sviluppatore del modello all’utente finale. Trasformano l’intelligenza artificiale da una scatola nera in qualcosa di più comprensibile e spiegabile.

Dopo una crescita del 20 volte e un finanziamento di serie A da 25 milioni di dollari, come stai bilanciando la rapida crescita con il mantenimento degli impegni etici e di sicurezza di Protege – e cosa c’è in programma mentre continui a plasmare il modo in cui le organizzazioni formano modelli di intelligenza artificiale in modo responsabile?

L’etica e la sicurezza sono la base che ci consente di crescere. Ogni nuovo processo, partnership e prodotto è misurato in base all’operare come se gli altri stessero guardando. Se tutti vedessero come operiamo e le decisioni che prendiamo, vorrei che ne fossero orgogliosi.

Guardando al 2026, stiamo espandendo la nostra portata in nuove aree di dominio oltre la sanità e i media, nonché creando nuovi prodotti di dati come dati di valutazione per il benchmarking mentre le organizzazioni di intelligenza artificiale si sforzano di migliorare la misurazione delle prestazioni dell’intelligenza artificiale per casi d’uso del mondo reale. Il nostro obiettivo è essere la piattaforma affidabile unica per dati e competenze di intelligenza artificiale del mondo reale, costruita per alimentare i progressi dell’intelligenza artificiale a lungo termine. Grazie per la grande intervista, i lettori che desiderano saperne di più possono visitare Protege.