Sarah Nagy, Fondatrice & CEO di Seek AI – Serie di Interviste

Sarah Nagy è la fondatrice e CEO di Seek AI, una piattaforma che consente agli utenti aziendali di porre a Seek le stesse domande che attualmente pongono al team di dati, direttamente su Slack, Teams e email. Nessun “raffinamento” di come scrivono la loro domanda, e nessun apprendimento di una nuova piattaforma.

Ha iniziato come ricercatrice con dati del telescopio spaziale Hubble. Su cosa stava lavorando?

Stavo facendo ricerca alla UCLA e al Caltech, esaminando alcune delle galassie più lontane che potevano essere osservate con un telescopio, e stavo lavorando sull’analisi di alcune delle loro proprietà, come la loro massa e la loro dimensione. Lo scopo di questa ricerca era aiutare a comprendere la differenza tra galassie molto lontane e galassie più vicine alla nostra, e sviluppare modelli per capire come queste galassie si formano nel tempo.

Ha poi lavorato come data scientist in varie startup. Quali sono stati alcuni dei progetti più interessanti?

Un progetto che spicca ha coinvolto l’utilizzo dell’elaborazione del linguaggio naturale (NLP) per classificare testi non strutturati relativi ad articoli di vendita al dettaglio. Ad esempio, prendendo un testo grezzo (ad es. “air jordans verdi”) e etichettandolo come marchio stimato (“Nike”). Avevo un collega che si specializzava in NLP che era impegnato in un altro progetto, quindi non ero originariamente destinato a lavorare su questo. È finito per essere assegnato a me poiché erano impegnati. Non sapevo nulla di NLP al momento, quindi ho seguito alcuni corsi gratuiti di Stanford e Fast.ai per migliorare le mie conoscenze. Mi sono davvero divertita a imparare su NLP e ho iniziato a capire perché è così importante, e perché l’intelligenza artificiale (AI) che può comprendere il linguaggio è un grande passo verso il cosiddetto “AI generale”. Questa esperienza mi ha sicuramente preparato a essere veloce nel capire l’importanza di GPT-3 quando è uscito per la prima volta.

Può condividere la storia di genesi dietro Seek AI?

Quando il modello GPT-3 di OpenAI è uscito, ho immediatamente riconosciuto quale incredibile avanzamento fosse e mi sono entusiasmata particolarmente per le applicazioni che coinvolgevano GPT-3 che scriveva codice. Dopo tutto, stavo scrivendo codice tutto il giorno come data scientist, e vedere l’AI che lo faceva – e generava il codice perfettamente – era sconvolgente. Ho paragonato la mia reazione a GPT-3 all’apprendere per la prima volta del VR nel 2013, che è stata un’altra esperienza sconvolgente per me. Ho deciso che dovevo fondare una startup per scommettere su questa tecnologia. Non sapevo esattamente cosa stessi per costruire, ma avevo una sensazione che se avessi imparato di più su questi modelli, qualcosa di prezioso sarebbe emerso.

Una volta che ho realmente imparato sui modelli, è quando ho capito che potevo risolvere un punto dolente che ho incontrato ovunque abbia lavorato come quant o come data scientist. Il punto dolente in questione era che le persone aziendali non avevano gli strumenti giusti per rispondere alle loro stesse domande sui dati. Come data scientist, lavoravo spesso su problemi che richiedevano molta attenzione, ma ero spesso interrotto da colleghi sul lato aziendale che avevano domande sui dati, costringendomi a smettere di fare ciò che stavo facendo. Il processo sembrava arcaico e inefficiente. Ho capito che se mi fossi concentrato su questa nuova tecnologia per risolvere il problema, sarebbe stata una soluzione che definisce la categoria per questo problema molto importante e onnipresente.

Seek AI utilizza l’intelligenza artificiale generativa. Potrebbe spiegare ai nostri lettori cosa è?

“L’intelligenza artificiale generativa” è un termine molto pubblicizzato, ma a differenza di altri termini pubblicizzati, non credo che l’entusiasmo sia ingiustificato. Il termine si riferisce a grandi modelli di apprendimento automatico con centinaia di miliardi di parametri, come DALL-E e GPT-3 di Open AI. L’innovazione di questi modelli è che possono comprendere il linguaggio naturale e generare testo, immagini, codice e altro. Se si gioca con DALL-E o Stable Diffusion, ad esempio, si capirà rapidamente perché questi modelli sono così pubblicizzati; hanno una capacità incredibilmente umana di comprendere i comandi del linguaggio naturale e possono generare arte che rivaleggia con i migliori artisti umani.

La generazione di codice è una delle applicazioni più nicchie, ma più importanti, dell’intelligenza artificiale generativa. I dati stanno diventando più grandi e più complessi, e quindi più difficili da analizzare e organizzare manualmente dagli esseri umani. Eppure, c’è così tanto informazione codificata in questi dati. Questa informazione non è solo potente per le organizzazioni, può anche portare a incredibili scoperte scientifiche sul lato accademico. Costruire l’AI per estrarre valore dai dati sbloccerà un valore incredibile sotto forma di informazioni utili.

Seek AI sta costruendo un’interfaccia che consente agli utenti di interagire con i dati utilizzando il linguaggio naturale. I lavoratori della conoscenza possono accedere all’interfaccia del linguaggio naturale di Seek AI tramite email, Slack, testo e una gamma di sistemi di gestione delle relazioni con i clienti (CRM).

Quali altri tipi di apprendimento automatico vengono utilizzati in Seek AI?

Mentre l’intelligenza artificiale generativa è un pezzo della nostra architettura di apprendimento automatico, la nostra architettura include anche diverse diramazioni di modelli di apprendimento profondo open-source. I modelli di trasformatore (di cui “intelligenza artificiale generativa” è una variante) comprendono molti (ma non tutti) dei modelli che Seek utilizza.

Perché è così importante che gli utenti non tecnici possano accedere rapidamente ai dati?

A cosa serve il dato se non genera un ritorno sull’investimento, e come può un’azienda ottenere questo ritorno sull’investimento se gli utenti aziendali non possono nemmeno accedervi? È per questo che è assolutamente essenziale dare accesso al maggior numero di persone possibile, senza compromettere l’accuratezza.

Quando ero una data scientist, a volte ricevevo richieste dal CEO di analizzare alcuni dati per aiutare la nostra strategia di prodotto o di mercato. Questi progetti potevano richiedere settimane o più. Come CEO adesso, capisco sicuramente l’importanza di quei progetti a un livello più profondo di quando ero nel lato dei dati. Spesso mi trovo a desiderare di poter semplicemente ottenere i dati a portata di mano in modo che possa prendere le mie decisioni più velocemente. Questo è un esempio di ciò che stiamo risolvendo in Seek.

Come Seek AI rende i dati così facili da recuperare?

Qualcosa che è interessante da pensare è che i dati possono essere analizzati solo con il codice. È vero che ci sono piattaforme che sono astrazioni su questo codice (ad es. dashboard di dati), ma sotto il cofano, c’è codice scritto manualmente dagli analisti di dati che consente di presentare i dati agli utenti aziendali.

La maggior parte dei lavoratori della conoscenza non sa come codificare, non vuole codificare o semplicemente non può nemmeno accedere ai dati anche se vuole scrivere codice per analizzarlo. Pertanto, quando hanno bisogno di dati, devono cercarli in una dashboard o chiedere al team di dati se non possono trovarli. Più grandi sono i set di dati, più questo accadrà.

I team di dati devono quindi essere “traduttori” di domande del linguaggio naturale dirette a loro, e i dati stessi, che interrogano utilizzando il codice. Rimuovere questo “traduttore” intermediario è il cuore di ciò che Seek sta facendo.

Come le aziende assicurano che i dati che utilizzano siano accurati?

Gestire il trade-off tra l’accuratezza dei dati e l’accessibilità è una sfida enorme. Come ho affermato in una recente intervista, da un lato, l’accessibilità consente a persone meno tecniche di iniziare a interagire con la fonte di conoscenza che è il dato di un’azienda. Dall’altro lato, a cosa serve una fonte di conoscenza di acqua inquinata (ad es. cattivi dati)?

I migliori team di dati sono quelli che gestiscono questo trade-off nel modo più ottimale possibile, e una grande parte di questo è calibrare e verificare con attenzione qualsiasi strumento che gli utenti non tecnici possano interagire.

Quali sono alcuni esempi di casi d’uso per la piattaforma Seek AI?

Stiamo già consegnando valore ai clienti e ai partner di design nei mercati verticali B2B SaaS, Fintech, Beni di consumo (CPG) e commercio elettronico B2C.

Battlefin, ad esempio, è il principale mercato di dati finanziari alternativi. Credono che dare risposte rapide e di alta qualità alle domande dei propri clienti sia la differenza tra vincere e perdere rispetto ai concorrenti. Il CEO dell’azienda, Tim Harrington, ha notato: “Seek AI ha svolto un ruolo critico nella nostra strategia aziendale del 2023 a causa del vantaggio che ci dà nell’accesso e nell’analisi dei nostri 2.400+ set di dati in risposta alle domande dei clienti. Stimo che il nostro ROI su Seek AI sia di circa 10x rispetto a ciò che avremmo speso per raggiungere questo livello di efficienza senza la piattaforma”.

C’è qualcos’altro che vorrebbe condividere su Seek AI?

Questo potrebbe essere il posto giusto per una pubblicità senza vergogna. Seek sta attualmente offrendo prove gratuite della nostra piattaforma, che può essere accessibile su seek.ai. Siamo entusiasti di essere pionieri nell’introduzione dell’intelligenza artificiale generativa nei team di dati, e sono impaziente di intraprendere questo viaggio con i nostri clienti.

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