インビジブルテクノロジーのマシュー・フィッツパトリックCEO – インタビューシリーズ

マシュー・フィッツパトリックは、複雑なワークフローとチームの拡大に深い専門知識を持つシニアオペレーションズおよび成長スペシャリストです。コンサルティング、戦略、運用リーダーシップを背景に、現在はインビジブルテクノロジーのCEOを務め、エンドツーエンドのビジネスソリューションの設計と最適化に焦点を当てています。マシューは、効率性を高めるために人間の才能と自動化を組み合わせることに情熱を持ち、プロセスイノベーションを通じて企業が変革的な成長を解放することを支援しています。

インビジブルテクノロジーは、AIプロダクションレイヤーとエンタープライズソフトウェア会社で、組織が複雑なビジネス環境全体でAIシステムを構築、展開、拡大するのを支援します。そのプラットフォームは、AIを搭載したソフトウェア、人間の専門知識、運用インフラストラクチャを組み合わせて、AIをトレーニング、評価、運用するために必要なプロダクションワークフローをサポートします。インビジブルは、企業と協力して複雑なデータを管理し、ワークフローを自動化し、ビジネスプロセスにAIを統合し、AIイニシアチブを実験から信頼性の高いプロダクションスケール展開に移行するために必要なインフラストラクチャと専門知識を提供します。

マッキンゼイのQuantumBlack LabsのリーダーからインビジブルテクノロジーのCEOに転じました。どんなことがこの役割に引き寄せましたか。また、インビジブルのミッションに何が最も兴味がありますか。

マッキンゼイでは、AIイノベーションの最前線で働く特権を持ち、AIソフトウェア製品を構築し、研究開発を指揮し、企業がデータの力を利用するのを支援しました。インビジブルテクノロジーに引き寄せられたのは、ユニークな柔軟なAIソフトウェアプラットフォームと、ヒューマン・イン・ザ・ループ・フィードバックの専門家マーケットプレイスを組み合わせて、運用スケールで実現できる機会でした – 私は、強化学習からヒューマン・フィードバック（RLHF）が正確で信頼性の高いGenAI実装の鍵であると信じています。インビジブルは、データクリーニングとデータエントリ自動化から、チェーン・オブ・ソートの推論とカスタム評価まで、AIをサポートします。私たちのミッションはシンプルです。人間の知能とAIを組み合わせて、企業がAIの潜在能力を実現できるようにすることです。企業では、予想よりも難しいことです。
あなたは1000人以上のエンジニアを監督し、複数のAI製品を業界横断的に拡大しました。マッキンゼイでの教訓をインビジブルの成長の次の段階にどのように適用していますか。

2つの教訓が際立っています。まず、AIの採用は技術だけではなく、組織の変革についても考える必要があります。優れたモデルに加えて、適切な人材とプロセスが必要です。2つ目は、AIで勝つ企業は「最後の1マイル」、つまり実験からプロダクションへの移行をマスターしている企業です。インビジブルでは、顧客がパイロットからプロダクションへの移行を支援するために、同じ厳格さと構造を適用しています。
あなたは「2024年はAIの実験の年であり、2025年はROIの実現の年である」と述べました。企業が実際にROIを達成している具体的なトレンドをどのように見ていますか。

ROIを達成している企業は、3つのことをうまく行っています。まず、AIのユースケースをコアビジネスKPIに密接に結び付けます。例えば、運用効率や顧客満足度です。2つ目は、高品質のデータとヒューマン・フィードバック・ループに投資して、モデルパフォーマンスを継続的に改善します。3つ目は、汎用的なソリューションから、環境の複雑さを反映したドメイン固有のシステムに移行しています。これらの企業は、AIをただテストするのではなく、目的を持ってスケールしています。
アマゾン・ウェブ・サービス、Microsoft (MSFT )、Cohereなどの基盤モデルプロバイダーで、ドメイン固有のデータラベリングとPh.D.レベルのデータラベリングの需要がどのように進化していますか。

基盤モデルプロバイダーがより複雑な垂直市場に進出するにつれて、専門ラベリングの需要が増加しています。インビジブルでは、専門家プールへの年間採用率は1%で、トレーナーの30%が修士号またはPh.D.を持っています。そのような深い専門知識は、データを正確に注釈するだけでなく、推論、精度、整合性を改善するためのニュアンス豊かなコンテキスト感覚のあるフィードバックを提供するために必要です。モデルが賢くなるにつれて、トレーニングするためのバーが高くなります。

インビジブルはエージェントAIの最前線にあり、リアルワールドのワークフローにおける意思決定に焦点を当てています。エージェントAIの定義と、業界の他の企業との違いを教えてください。

エージェントAIは、指示に応じるだけでなく、計画、意思決定、定められたガイドライン内で行動するシステムです。人間の仲間のように動作するAIです。高容量の複雑なワークフロー、例えば顧客サポートや保険請求などで、最もの進展をしています。このような分野では、エージェントAIは手作業を削減し、一貫性を高め、人間の大きなチームが必要となる成果を達成できます。人間を置き換えるのではなく、繰り返しやルーティンワークを処理できるインテリジェントエージェントで人間をサポートするのです。

チェーン・オブ・ソート推論のトレーニング方法と、企業展開におけるその重要性について、例を示してください。

チェーン・オブ・ソート推論は、企業のAIに新たな可能性を解放しました。インビジブルでは、ステップバイステップで推論するモデルをトレーニングし、利害が高い状況、例えば患者の診断、契約の分析、または財務モデルの検証などで不可欠です。チェーン・オブ・ソート推論は、透明性を向上させるだけでなく、デバッグ、改良、パフォーマンスの向上を新しい大規模データセットなしで可能にします。Gemini、Sonnet、Grokなどの先端モデルは、推論パスを公開し始めており、モデルが何を出力するかだけでなく、どのように到達するかも観察できます。これは、Tree of Thought（モデルが答えに到達する前に複数の推論パスを評価する）やSelf-Consistency（複数の推論パスを探索する）などのより高度な方法の基盤を築いています。

インビジブルは40以上のコード言語と30以上の人間の言語をサポートしています。グローバルにスケーラブルなAIを構築する上で、文化的および言語的精度の重要性についてどう考えますか。

これは非常に重要です。言語は翻訳だけではなく、コンテキスト、ニュアンス、文化的規範についてもです。モデルが口調や地域のバリエーションを誤解すると、ユーザーエクスペリエンスが悪くなったり、コンプライアンスリスクが生じたりする可能性があります。私たちのマルチリンガルトレーナーは、表現する文化に精通しているだけでなく、文化に根ざしています。

企業が概念実証からプロダクションにスケールアップしようとするときの一般的な失敗点は何ですか。インビジブルはその「最後の1マイル」をどのようにナビゲートしますか。

大多数のAIモデルはプロダクションに到達しません。なぜなら、企業が運用上の負担を低く見積もっているからです。彼らはクリーンダータ、評価プロトコル、モデルを実際のワークフローに組み込む戦略が不足しています。インビジブルでは、深い技術的経験とプロダクショングレードのデータインフラストラクチャを組み合わせて、企業がギャップを埋めるのを支援しています。私たちのトレーニングと最適化のシンビオティック能力により、より優れたモデルを構築し、成功裡に展開できます。

インビジブルのRLHF（強化学習からヒューマン・フィードバック）へのアプローチについて説明し、業界の他の企業との違いを示してください。

インビジブルでは、RLHFを単なるファインチューニングではなく、より洗練されたカスタム評価（「eval」）設計を可能にするものと見なしています。また、人間の判断ではなく二項信号（例：サムネイルアップ/ダウン）でモデルをトレーニングするのではなく、ニュアンス豊かな人間の判断でトレーニングすることを目指しています。業界のアプローチは souvent、スケールを優先し、高ボリュームの低信号データを重視しますが、私たちは、モデルがより効果的に一般化し、人間の意図とより密接に整合するように、構造化された高品質のフィードバックを収集することに重点を置いています。深さを幅よりも優先することで、より堅牢で整合性のあるAIシステムの基盤を構築しています。

AIと人間のコラボレーションの未来は、特に金融、ヘルスケア、公共部門などの高リスク分野でどのように進化すると考えていますか。

AIは人間の専門知識を置き換えるのではなく、人間の専門知識をサポートするインフラストラクチャになります。私は、AIエージェントと人間の専門家が共同で作業する未来を想像しています。臨床医は診断のコパイロットをサポートされ、政府機関はAIを使用して利益を効率的に管理し、金融アナリストは戦略に集中できるようにスプレッドシートではなくAIに頼ることができます。私たちの焦点は、AIが人間の能力を強化するシステムを設計することです。人間を隠したり、上回ったりするのではなく。

素晴らしいインタビュー、詳しく知りたい読者はインビジブルテクノロジーを訪問してください。