Sarah Nagy, Fondatrice e Amministratore Delegato di Seek AI – Serie di Interviste

Sarah Nagy è la fondatrice e amministratore delegato 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. Nessuna “raffinatezza” 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 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 la formazione di queste galassie nel tempo.

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

Un progetto che si distingue è stato quello di utilizzare l’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 green”) e etichettandolo come marchio stimato (“Nike”). Avevo un collega che si occupava di NLP che era impegnato in un altro progetto, quindi non dovevo lavorare su questo. Alla fine, mi è stato assegnato perché lui era occupato. Non sapevo nulla di NLP all’epoca, 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 comprende il linguaggio è un grande passo verso il cosiddetto “AI generale”. Questa esperienza mi ha sicuramente preparata a capire l’importanza di GPT-3 quando è stato rilasciato per la prima volta.

Potrebbe condividere la storia dietro Seek AI?

Quando il modello GPT-3 di OpenAI è stato rilasciato, ho immediatamente riconosciuto quale incredibile innovazione fosse e mi sono entusiasmata per le applicazioni che coinvolgevano GPT-3 nella scrittura di 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 alla prima volta che ho appreso della realtà virtuale nel 2013, che è stata un’altra esperienza sconvolgente per me. Alla fine, ho deciso che dovevo fondare una startup per scommettere su questa tecnologia. Non sapevo esattamente cosa stessi per costruire, ma avevo la sensazione che se avessi imparato di più su questi modelli, qualcosa di valido sarebbe emerso.

Una volta che ho realmente appreso sui modelli, è stato allora che ho capito che potevo risolvere un problema che avevo incontrato ovunque avessi lavorato come quant o come data scientist. Il problema in questione era che le persone dell’azienda non avevano gli strumenti giusti per rispondere alle loro stesse domande sui dati. Come data scientist, spesso lavoravo su problemi che richiedevano molta attenzione, ma venivo spesso interrotto da colleghi del 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 significa?

“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 informazioni codificate in questi dati. Queste informazioni non sono solo potenti per le organizzazioni, possono 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 di linguaggio naturale di Seek AI tramite email, Slack, testo e una serie 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 una parte della nostra architettura di apprendimento automatico, la nostra architettura include anche diverse diramazioni di modelli di apprendimento profondo open-source. I modelli di trasformazione (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?

Che senso ha avere dati se non generano un ritorno sugli investimenti, e come può un’azienda ottenere questo ritorno sugli investimenti se gli utenti aziendali non possono nemmeno accedere ai dati? 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 decisioni più velocemente. Questo è un esempio di cosa stiamo risolvendo in Seek.

Come fa Seek AI a rendere questi dati così facili da recuperare?

Qualcosa che è interessante da considerare 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 dei dati), ma sotto il cofano, c’è codice scritto manualmente dagli analisti dei 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 localizzarli in una dashboard o chiedere al team di dati se non li trovano. 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 dei dati stessi, che interrogano utilizzando il codice. Rimuovere questo “traduttore” intermediario è il cuore di ciò che Seek sta facendo.

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

Gestire il trade-off tra accuratezza dei dati e accessibilità è una sfida enorme. Come ho detto in un’intervista recente, da un lato, l’accessibilità consente a persone meno tecniche di iniziare a interagire con la fonte di conoscenza che sono i dati dell’azienda. Dall’altro lato, a che 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 tutti gli strumenti che gli utenti non tecnici possono utilizzare.

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

Stiamo già fornendo 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 fornire risposte rapide e di alta qualità alle domande dei loro clienti sia la differenza tra vincere e perdere rispetto ai loro concorrenti. Il CEO dell’azienda, Tim Harrington, ha notato: “Seek AI ha svolto un ruolo critico nella nostra strategia aziendale 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 per i team di dati, e sto guardando con entusiasmo al viaggio con i nostri clienti.

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