Carolyn Harvey, Chief Operations Officer di LXT – Serie di Interviste

Carolyn Harvey ha una vasta esperienza nella gestione e crescita di operazioni globali nel campo della rilevanza della ricerca e annotazione per dati di apprendimento automatico. Carolyn è attualmente Chief Operations Officer (COO) di LXT, dove guida la divisione operativa globale dell’azienda, assicurando la consegna costante di tutti i programmi e progetti di dati di intelligenza artificiale. Si concentra su dati di alta qualità su larga scala, costruendo efficienze in programmi a lungo termine e scalando su grandi numeri di aree geografiche globali.

Come COO di LXT, Carolyn mette a disposizione la sua vasta esperienza per sviluppare un’organizzazione di classe mondiale.

Può descrivere brevemente cosa fa LXT e il suo ruolo come COO?

L’intelligenza artificiale si basa sui dati per esistere e LXT è un leader emergente nella fornitura di dati accurati ed eticamente fonte che alimentano le innovazioni dell’intelligenza artificiale. Come Chief Operations Officer, il mio ruolo è quello di sovrintendere, guidare e ampliare le nostre operazioni globali attraverso strategie, strutture e processi che ci consentono di fornire i dati di intelligenza artificiale di alta qualità ai nostri clienti. Mi assicuro che consegniamo in tempo su una vasta gamma di casi d’uso, dalla intelligenza artificiale generativa alla rilevanza della ricerca e alle auto a guida autonoma, tra gli altri.

Come è evoluta la missione di LXT dal suo inizio nel 2010?

La nostra missione è quella di alimentare le tecnologie del futuro attraverso la generazione e il miglioramento dei dati in ogni lingua, cultura e modalità. Il nostro obiettivo è aiutare le aziende di tutte le dimensioni a capitalizzare i benefici incredibili che l’intelligenza artificiale offre, alimentando i loro modelli con dati di alta qualità. Man mano che la missione dell’azienda è evoluta, il nostro ambito di servizi si è ampliato dalla trascrizione linguistica e dalla raccolta di dati vocali per includere una vasta gamma di soluzioni, tra cui raccolta e annotazione di dati per testo, immagine e video, servizi di intelligenza artificiale generativa e altro ancora. Abbiamo anche ampliato la nostra impronta globale di strutture certificate ISO 27001 per soddisfare le esigenze crescenti dei nostri clienti in termini di servizi di dati sicuri.

Quali sono stati i principali driver di crescita di LXT nel settore dei dati di addestramento dell’intelligenza artificiale?

Gli investimenti continui nell’intelligenza artificiale da parte di organizzazioni di tutte le dimensioni hanno alimentato la nostra crescita. Le aziende sanno ora che l’intelligenza artificiale è fondamentale per rimanere competitive e i dati alimentano l’intelligenza artificiale. Ma non tutti i dati sono uguali e le aziende che hanno successo nell’intelligenza artificiale sanno che i dati di alta qualità sono fondamentali per creare intelligenza artificiale più precisa.

Ora, con l’intelligenza artificiale generativa in mente di tutti, questa tendenza ha aperto ancora più opportunità di crescita per LXT. Gli esseri umani sono fondamentali per garantire che queste soluzioni siano accurate, etiche e responsabili. Offriamo una gamma di servizi di intelligenza artificiale generativa in aree come il perfezionamento di grandi modelli linguistici, la creazione di prompt e altro ancora. I nostri clienti sanno che per costruire la fiducia con gli utenti finali, l’output dei loro prodotti di intelligenza artificiale generativa deve essere fattuale, rappresentare un pubblico diversificato e essere libero da linguaggio tossico. Possiamo aiutarli a raggiungere questi obiettivi con i nostri servizi con un essere umano nel ciclo.

Come è stato impattato LXT e i suoi clienti dall’esplosione dell’intelligenza artificiale generativa?

LXT ha visto una crescente domanda dei suoi dati di addestramento dell’intelligenza artificiale a causa dell’intelligenza artificiale generativa, sia per i dati di base orientati al linguaggio che per gli aspetti più recenti legati all’analisi, alla creatività e al pensiero critico. Stiamo anche vedendo un aumento della domanda di conoscenze di dominio e profili specializzati per i lavoratori del progetto.

Le richieste dei clienti stanno andando sempre più oltre le attività di micro-tasking dell’apprendimento automatico del passato verso i grandi modelli linguistici e i set di dati più complessi richiesti da app come ChatGPT, Gemini e le numerose diramazioni. Siamo attualmente coinvolti in diversi progetti innovativi in cui stiamo scrivendo prompt finalizzati a confondere l’intelligenza artificiale generativa per vedere come risponde e poi creare la risposta corretta.

Nel futuro, ciò potrebbe evolversi ulteriormente nell’intelligenza artificiale generale (AGI) in cui i set di dati saranno mappati su azioni ancora più complesse e sofisticate.

Ha anni di esperienza nel lavoro di ricerca e personalizzazione per aiutare a migliorare questi algoritmi. Quali sono alcuni dei modi in cui le aziende leader stanno migliorando la rilevanza della ricerca per fornire una migliore esperienza utente?

In un mondo in cui il tempo è prezioso e le informazioni sono ovunque, migliorare la rilevanza della ricerca può rafforzare la fedeltà, aumentare i tassi di conversione e rendere gli utenti più produttivi.

La rilevanza della ricerca inizia con la pulizia e l’organizzazione dei dati dei nostri clienti, eliminando tutto ciò che potrebbe generare falsi positivi e creando campi di dati aggiuntivi attraverso i quali i motori di ricerca e di raccomandazione possono scavare per generare risultati più precisi. Con l’aiuto dell’apprendimento automatico e dell’elaborazione del linguaggio naturale, i clienti possono consentire al loro motore di ricerca di intuire più intuitivamente l’intento dell’utente e imparare dalle loro preferenze nel tempo. Il risultato è un’esperienza di ricerca più rapida che porta a risultati più personalizzati.

Raggiungere questo obiettivo richiede grandi volumi di dati di addestramento, con un focus particolare sull’addestramento degli algoritmi a riconoscere, classificare e restituire entità rilevanti e a gestire errori di battitura, errori grammaticali e altre anomalie dei dati. Consigliamo anche un approccio di rinforzo umano nel ciclo (HITL) per garantire dati accurati, ridurre i pregiudizi e fornire una migliore esperienza di ricerca per l’utente finale. Con i progressi dell’apprendimento automatico negli ultimi 10 anni, HITL ha un focus intensificato sui processi di revisione della qualità, che richiede un’esperienza più approfondita da parte dei fornitori di dati.

Può spiegare l’approccio di LXT all’annotazione dei dati e come assicura la qualità e l’accuratezza dei dati di addestramento dell’intelligenza artificiale?

Come team operativo, dobbiamo prima capire come i clienti utilizzano i dati che forniamo nello sviluppo dei loro prodotti e servizi per assicurarci che soddisfino le loro esigenze. Per far ciò, dobbiamo trovare esperti in gestione del progetto e annotazione che abbiano esperienza con il tipo di dati richiesto.

Da lì in poi, si tratta principalmente di preparazione e di trovare le risorse giuste all’inizio di ogni progetto. Ciò include allinearsi con i clienti sui fattori di successo durante la fase di pianificazione, nonché processi di qualificazione e selezione approfonditi per gli annotatori del progetto che considerano dettagli importanti come background educativo, interessi speciali, demografia ed esperienza. Sviluppiamo anche materiali di apprendimento e di riferimento dettagliati come guida, personalizzati per ogni progetto. Applichiamo una gestione matura della qualità e dei processi in tutti i cicli di vita del progetto. L’approccio che utilizziamo si allinea con e informa le migliori pratiche del settore, assicurando che i risultati soddisfino le aspettative dei clienti.

E tutte queste metodologie sono al servizio della nostra promessa di qualità dei dati garantita.

Come gestisce LXT la sfida di annotare dati non strutturati, che costituiscono oltre l’80% di tutti i dati?

LXT ha costruito una piattaforma di annotazione interna che automatizza molte parti del processo di annotazione e fornisce struttura e un’interfaccia utente coerente per i lavoratori. Nella fase di pre-elaborazione, ci concentriamo sulla preparazione dei dati, formattazione dei file di input e rimozione delle copie, tra le altre cose, e nella post-elaborazione, affrontiamo l’imballaggio dei dati, la raccolta e la formattazione per la consegna al cliente.

Prima che il progetto inizi, creiamo linee guida che vengono esaminate con il cliente e iterate durante l’intero ciclo di vita del progetto man mano che le cose cambiano. Possiamo suddividere il processo di etichettatura dei dati in più attività per concentrarci su ogni elemento del progetto in modo appropriato. Inoltre, implementiamo metodologie di controllo della qualità per guidare l’eliminazione degli errori su larga scala.

Infine, il nostro team di eccellenza operativa è responsabile della gestione avanzata dei processi per garantire un’elevata efficienza e scalabilità per i nostri progetti in tutto il mondo.

Quali sono alcune delle più grandi sfide che LXT affronta nella raccolta dei dati su larga scala a livello globale e come le supera?

La diversità e il pregiudizio nei partecipanti e nelle raccolte di dati sono spesso alcune delle più grandi sfide che LXT, e qualsiasi fornitore di dati di addestramento dell’intelligenza artificiale, dovrà affrontare. Altre sfide includono una recente richiesta di competenze di dominio e un panorama in rapida evoluzione con il passaggio ai grandi modelli linguistici e ai dati di intelligenza artificiale generativa.

Superiamo queste sfide attraverso un approccio proattivo nella selezione del nostro pool di candidati, in cui esaminiamo l’esperienza, la precedente esperienza lavorativa, gli interessi e la demografia per formare la giusta diversità tra i team per genere o altri aspetti, come il pensiero analitico o la scrittura creativa, background educativi, tra gli altri.

Una volta che abbiamo selezionato i candidati giusti, ci prendiamo cura di coinvolgere i lavoratori regolarmente per costruire una forza lavoro più esperta, leale e soddisfatta nel lungo termine.

In termini di valutazione dell’intelligenza artificiale, come lavora LXT per mitigare i pregiudizi e garantire output etici nei sistemi di intelligenza artificiale che aiuta ad addestrare?

Come menzionato in precedenza, assicurare la diversità è una sfida che molti fornitori di dati di addestramento dell’intelligenza artificiale devono risolvere e che andrà a lungo verso la mitigazione dei pregiudizi e la garanzia di output etici.

Mi riferirò nuovamente alle nostre migliori pratiche di coinvolgimento, che includono la ricerca di annotatori diversificati e rappresentativi e l’essere approfonditi con le linee guida e le misure di controllo della qualità. Abbiamo una strategia di approvvigionamento di impatto che ci consente di portare lavoro a nuovi e diversificati gruppi di annotatori, come nelle regioni linguistiche di coda lunga.

Miriamo a output etici attraverso l’utilizzo delle migliori pratiche del settore, allineandoci con le aspettative dei nostri clienti e spingendo standard più elevati per i nostri project manager e annotatori. La comunicazione è essenziale, così come gli audit di conformità, l’analisi dei pregiudizi e l’impegno per i requisiti di regolamentazione e privacy dei dati.

Qual è la visione a lungo termine per LXT e come vede l’evoluzione dell’azienda nei prossimi cinque anni?

La nostra visione è quella di fornire dati accurati ed eticamente fonte per aiutare a guidare il lancio dell’intelligenza artificiale e delle tecnologie del futuro che miglioreranno l’esperienza delle persone in tutto il mondo.

Mentre l’automazione e la tecnologia sono importanti nell’intelligenza artificiale, c’è anche un importante componente umano che complementa la tecnologia. Man mano che ci spostiamo da compiti automatizzati semplici a grandi modelli linguistici (LLM) e dall’intelligenza artificiale generativa all’intelligenza artificiale generale (GAI), sarà fondamentale che i prodotti di intelligenza artificiale rappresentino fedelmente le persone, sia quelle che generano i dati che le nostre comunità globali in generale.

Presso LXT, ci impegniamo a garantire che l’intelligenza artificiale sia utilizzata in modo positivo e trasformativo che rifletta questi valori.

Grazie per la grande intervista, i lettori che desiderano saperne di più possono visitare LXT.