iMeritのCEO兼創設者であるRadha Basu – インタビューシリーズ

Radha Basu、iMeritの創設者兼CEOは、HPでのキャリアを築き、20年間テクノロジー大手とともに働き、最終的にエンタープライズソリューション部門の責任者となった。彼女はその後、Support.comをCEOとして上場させた。ラダは2007年にディパック・バスと共にアヌディップ財団を設立し、2012年にiMeritを設立した。彼女はリーディングテクノロジー企業家であり、メンターであり、ソフトウェアビジネスにおけるパイオニアである。

iMeritは、自動化、専門家による人間の注釈、先進的な分析を組み合わせて、高品質のデータラベル付けとモデルファインチューニングをサポートする、マルチモーダルAIデータソリューションを提供している。

あなたのキャリアはとても印象的です。インドでのHPの事業を立ち上げたことから、iMeritを設立し、ブータン、インド、ニューオーリンズの疎外された若者を支援することを使命としています。iMeritを設立するきっかけとなったものは何ですか？また、グローバルなワークフォースを一から作り上げる際に直面した課題は何でしたか?

私はiMeritを設立する前に、SupportSoftの会長兼CEOを務めていました。そこで私は会社を初公開および二次公開を通じて導き、サポート自動化ソフトウェアのグローバルリーダーとしての地位を確立しました。その経験から、私はテクノロジーと人間の組み合わせの力を見ました。

インドのテクノロジーブームにより、新しい機会が生まれたものの、貧困層の若者たちは多くの場合、取り残されていました。私は彼らの潜在能力と学習意欲を信じていました。彼らはソフトウェアがAIなどの先進技術を支える力を理解すると、すぐにこれらのキャリアに取り組みました。

私たちは、多様なチーム、うち半分が女性で構成される小さなチームでiMeritを立ち上げ、以来、急速に成長してきました。チームの適応性とコーチャビリティが重要でした。特に、データ中心のAIが、高度な専門家の需要を長期的に増加させたときにそうでした。

現在、iMeritは、自動運転車、医療AI、テクノロジーなどのミッションクリティカルな分野向けのAIデータソリューションのグローバルプロバイダーです。私たちの仕事は、顧客のAIモデルが、高品質で信頼性の高いデータで構築されることを保証するものです。これは、高リスク環境では不可欠です。

最終的に、私たちの強みは、堅固なテクノロジー基盤と、サポート性の高い、学習指向の文化の中で繁栄する、訓練を受けた、動機付けられた従業員にあります。このアプローチにより、私たちの成長が促進され、キャッシュプラスの状態が維持され、高いNPSスコアと忠実なクライアントが得られました。

iMeritは現在、eBayやJohnson & Johnson (JNJ ) のようなテクノロジー大手200以上のクライアントと協力しています。会社の成長過程、初期の日々からグローバルリーダーになるまでについて、詳しくお話しください。

私たちは、クライアントのAIジャーニーに最前列で立ち会ってきました。初期の実験から大規模な本格的な生産まで、スタートアップ、自動運転車のリーダー、主要な企業と協力してきました。モデルを一から訓練することで、AIを本格的に導入するには何が必要かについて、並外れた洞察を得ることができました。

この分野は、急速に進化し続けています。私はこれほど短期間で、テクノロジーがこれほど劇的に進化することは珍しいと思います。私たちは、データ注釈プロバイダーから、フルスタックのAIデータ会社へと変貌し、人間がループ内にいる(HITL)全ライフサイクルにわたる、専門化されたソリューションを提供するようになりました。エッジケースや例外を処理することは、現実世界での展開に不可欠です。これには、各ステップで深い専門知識と繊細な判断が必要です。

私たちの最大の垂直分野は自動モビリティです。ここで、私たちは、パッセンジャー、デリバリー、トラック、農業車両向けの15個のセンサーをまたいだセンサー融合を含む、パーセプションスタックを管理しています。ヘルスケアでは、臨床イメージングAIを推進しています。ハイテクでは、GenAIの調整と検証の最前線にあり、ワークフローと才能に更に高度な複雑さが求められています。

これらのドメインでの成功は、専門家だけがいることではありません。専門知識を育むことです。AIモデルに挑戦し、コーチングし、コンテキストを与えるための、認知能力が必要です。これが、私たちのチームを他と異なるものにします。

私たちの成長は、長期的なパートナーシップによって推進されています。私たちのトップ10のクライアントのほとんどは、5年以上私たちと協力しています。彼らのニーズがより複雑になるにつれて、私たちは不断にドメイン知識、ツール、トレーニング、ソリューションを高めていきます。私たちのテクノロジースタックと人々は、常に進化しつづける必要があります。

ソフトウェア、自動化、注釈、分析の融合は、非常に柔軟で、迅速で、高度に正確な、人間がループ内にある介入の基準を生み出します。新しいロゴの70%は私たちの独自のテクノロジースタック上で動作しており、これには大きな内部変革が必要です。再び、私たちの文化が、チームが学び続け、成長し続けることを保証しています。

iMeritの歴史上で、会社の軌道を形作った、テクノロジー上のマイルストーンや戦略的決定のうち、最も重要なものは何ですか?

AIデータ作業がクラウドベースのギグワークと見なされていたとき、私たちは、これがキャリアとして成長し、複雑さと企業向けに焦点を当てる必要があるという初期の賭けをしました。高度なユースケースに専念するインハウスチームを構築することで、クライアントが迅速にスケールアップできるようになり、自動運転車での最初の100万ドルMRR取引というマイルストーンに到達し、私たちのアプローチが正しかったことを実証しました。

COVID-19のロックダウンは、私たちの機動性を試した時でした。私たちは、ほぼ一夜で、完全にオフィス内から完全にリモートへ移行し、インフラストラクチャ、セキュリティ、文化に多大な投資を行いました。数週間以内に、クライアントの運用が回復し、その年は収益と従業員数の両方が増加しました。現在、チームの70%が再びオンプレミスに戻っていますが、リモートタレントの活用を続け、Scholarsという、GenAIの調整と検証のためのグローバルな専門家ネットワークを立ち上げました。心臓病専門医やスペイン語の数学者であっても、私たちのハイタッチ文化がトップタレントを引き付け、動機付け、ソリューションの品質と一貫性を直接向上させます。

2023年、私たちは、AIデータツールの次の世代を推進するために、AIパワードのデータラベル付けとワークフローオートメーションプラットフォームであるAngo.aiを買収しました。この重要な動きにより、iMeritのドメインの専門知識とAngoの高度なツールが統合され、放射線、センサー融合、GenAIのファインチューニングにおける私たちの能力が拡大しました。私たちはまだ顧客のツールと協力していますが、多くの新しいクライアントは、ユーザーフレンドリなワークフローと堅牢なセキュリティ、業界で不可欠な要件により、Ango Hubに直接オンボードされています。

企業は、専門家の洞察をAIに組み込むことで、品質を確保し、スケーラビリティを実現することを求めています。Angoとの統合により、私たちは、安全でスケーラブルなプラットフォームと、自動化と分析を提供することで、正確にこれを提供することができます。今日の最も野心的なAIプロジェクトの複雑なニーズに応え、自信を持ってスケールすることができます。

自動運転車、医療AI、GenAIなどの高度なドメインで、iMeritは深く関与しています。これらの分野で直面するユニークなデータの課題と、それらに対処する方法について、詳しくお話しください。

AIプロジェクトで費やされる時間の約80%は、データ関連のタスクに費やされることが多いです。これは、パイプラインの重要なコンポーネントです。AIのデータ中心の部分は、適切に処理され、スケーラブルにされなければ、時間がかかり、コストがかかります。

私たちが取り組むミッションクリティカルな分野では、データ品質、特に明らかなエラーや不正の回避は不可欠です。パーセプションアルゴリズムや腫瘍検出器の場合、トレーニングからバリデーションのループでクリーンダータは不可欠です。

例外ハンドリングは、特に貴重です。人間の洞察が、モデルがなぜ通常とは異なるものになったか、シナリオがモデルを壊したかを理解することで、モデルをより包括的で堅牢なものにするための大きな価値を生み出します。

さらに、コンテキストウィンドウが大きくなっています。私たちは、医師と患者のコンサルテーションの全体的な臨床ノートを要約し、画像だけでなく患者の医療コンテキストに基づいてMRIの異常を分析しています。専門家がデータを正確に分析するためのルーブリックを設定する必要があり、品質を確保するために必要です。

セキュリティ、プライバシー、機密性は、重要なトピックです。私たちのチーフセキュリティオフィサーは、データへの不正アクセス、削除、保存から保護する必要があります。SOC2、HIPAA、TISAXなどのInfosecプロトコルは、私たちにとって重要な投資分野です。

最後に、私たちのエンジニアとソリューションアーキテクトは、ユニークな顧客のニーズが最終段階で反映されるように、カスタム統合とレポートに不断に取り組んでいます。ワンサイズフィットオールアプローチは、AIでは機能しません。

AIと人間の知能を組み合わせることは、AIの創造的な分散を排除しようとするよりも安全なアプローチです。実践では、このワークフローはどのように見えますか?また、 почемуあなたはそれがより良いアプローチであると考えるのですか?

AIはプロセスを自動化するツールを開発することでスケールを提供します。人間は、柔軟性、確実性、回復力の最後の1マイルを提供します。ソフトウェアとして提供されるサービスがAIで増え続けるにつれて、最も成功した企業は、ロボティクスと人間がループ内にある(HITL)実践を効果的に組み合わせるでしょう。

私たちは、HITLをAI開発と展開の全ライフサイクルにおける毎日の層として見ています。また、信頼と安全の柱でもあります。したがって、モデルが失敗した場合、人間の知能がコースを修正するために不可欠です。これらの重要なアプリケーションでは、人間の心が、どのような変更が必要かを判断する必要があります。これが、HITLサービスがさらに重要になる場所です。

Ango Hubプラットフォームは、自動化と人間がループ内にある専門知識を組み合わせます。このハイブリッドモデルは、実稼働中のAIシステムのデータ品質とモデルパフォーマンスをどのように向上させますか?

AIと自動化はスケールとスピードを提供しますが、人間はニュアンス、洞察、オーバーサイトを提供します。HITLは、AIライフサイクルにおける重要な関門で人間の関与を保証します。高品質の入力の保証、出力の検証、エッジケースの特定、ドメインのファインチューニング、コンテキストの判断を人間が行います。人間は、出力を確認し、検証することで、精度を確保し、幻覚や論理エラーを検出して害を防ぎます。また、倫理的にデリケートまたはリスクの高い状況では、LLMが最終的な決定を下すべきではない状況でのオーバーサイトも提供します。さらに重要的是、人間のフィードバックは、AIシステムがユーザーの目標に沿って継続的に学習することを促進し、時間の経過とともにユーザーの目標に近づけます。

HITLは、さまざまな形態をとります。人間の専門家は、ターゲット化された注釈、エッジケースへの複雑な推論、構造化されたQAインターフェースを使用したAI生成コンテンツのレビューに従事します。決定ごとに評価するのではなく、コンテキストエスカレーションシステムがしばしば実装されます。これらのシステムは、低信頼度の出力またはフラグ付きの異常のみを人間のレビューアーにルーティングし、オーバーサイトと効率のバランスをとります。

HITLのもう1つの重要な用途は、人間のフィードバックからの強化学習(RLHF)によるAIエージェントのファインチューニングです。人間のレビューアーは、エージェントの応答をランク付け、書き直したり、フィードバックを提供したりします。これは、特にヘルスケア、法律サービス、または顧客サポートなどのデリケートなドメインで重要です。シナリオベースのテストとレッドチームは、人間の評価者がエージェントをアドバーサリアルまたは異常な状況下でテストし、展開前に脆弱性を特定して修正できるようにします。

AIの全潜在能力は、人間がループ内に残ることで、各ステップを導き、検証し、改善することでのみ実現されます。エージェントの出力を改良すること、評価ループのトレーニング、信頼性の高いデータパイプラインのキュレーションに関わらず、人間のオーバーサイトがAIに必要な構造と責任を追加します。

ジェネラティブAIツールが急速に進化している中で、iMeritは、評価、RLHF、ファインチューニングサービスを提供する分野でどのようにして先頭を走っているのですか?

私たちは最近、Ango Hub Deep Reasoning Lab (DRL)を立ち上げました。これは、ジェネラティブAIの調整と、AI教師を使用した連鎖的思考の開発のための統一されたプラットフォームです。私たちのDRLは、人間の好みに基づいてリアルタイムで、ターンごとにプロセスと評価を可能にし、複雑な問題に対するより一貫性のある正確なモデル応答を実現します。

GenAIモデルの進歩とアプリケーションの開発は、クリーンで専門家によって作成され、検証されたデータの価値を強調しています。Ango Hub DRLを使用して、専門家はモデルをテストし、弱点を特定し、連鎖的思考を使用してクリーンダータを生成できます。彼らはモデルとリアルタイムでやり取りし、ステップごとにプロンプトと修正を送り返します。

iMerit Scholarsを利用して、Ango Hub DRLはモデル推論プロセスを洗練します。これは私たちのHITLワークフローの豊富な経験を活用しています。専門家は、複雑なタスクのためのマルチステップシナリオを設計します。例えば、連鎖的思考のプロンプトを高度な数学の問題のために作成します。iMerit Scholarsは出力をレビューし、エラーを修正し、相互作用をシームレスにキャプチャします。魔法は、大量の数を無差別にオンボードすることではありません。最良の数学者は必ずしも最良の教師ではありません。心臓病専門家をギグワーカーとして扱うべきではありません。主題の専門家を、モデルトレーニングプロセスに最も利益をもたらす方法で考え、コーチングし、エンゲージメントを行うことが、違いを生み出します。

ジェネラティブAIのファインチューニングにおける「専門家がループ内にある」とは何ですか?人間の専門知識がモデル出力をどのように改善するかについて、例を示してください。

専門家がループ内にあるということは、人間の知能とロボットの知能を組み合わせて、AIを本格的に導入することを意味します。これには、AIシステムの出力を検証し、改良し、強化する人間の専門家が含まれます。

特に、専門家主導のデータ注釈により、トレーニングデータがドメイン固有の知識で正確にラベル付けされ、予測AIモデルの精度と信頼性が向上します。バイアスと誤分類を減らすことで、モデルが現実世界のシナリオで効果的に一般化できるようにします。これにより、AIシステムはより信頼性が高く、解釈可能で、業界特有のニーズと一致するようになります。

例えば、アメリカの多国籍テクノロジー企業は、コンシューマー向けの医療チャットボットで安全で正確な医療アドバイスを提供するために、大量の医療データを評価する必要がありました。そこで、彼らは私たちの広範な米国のヘルスケア専門家のネットワークを利用し、コンセンサスワークフローで議論とガイドラインの改訂を提供するためのUSボード認定医によって仲裁された、看護師のチームを立ち上げました。看護師たちは、リスクと精度を評価するために、知識ベースの定義を評価し始めました。

エッジケースの議論とガイドラインの改訂を通じて、看護師たちは99%のケースでコンセンサスに達することができました。これにより、プロジェクトの設計を、10%の監査で単一の投票構造に変更することができ、プロジェクトのコストを72%以上削減することができました。iMeritと協力することで、この企業は、医療データ注釈を倫理的に効率的にスケールする方法を継続的に特定することができました。

世界中の8,000人以上のフルタイムの専門家を擁する中で、品質、パフォーマンス、従業員の開発をどのように維持していますか?

品質の定義は、常に各クライアントの特定のユースケースに合わせて調整されます。私たちのチームは、品質基準を定義し、カリブレーションするためにクライアントと密接に協力しています。専門家による迅速な検証を含む、カスタムプロセスを採用して、各注釈が確実に高い品質を保つようにしています。一貫性は、高品質のAIの開発に不可欠です。これは、私たちのiMerit Oneトレーニングプラットフォームによる毎日のユーザーの入力によって支えられています。

私たちは、自動化、最適化、ナレッジマネジメントに継続的に投資しています。これは、私たちの独自のiMerit Oneトレーニングプラットフォームによって支えられています。この学習と開発への取り組みは、単に運用の優秀性を推進するだけでなく、従業員の長期的なキャリア進歩をサポートし、専門知識と成長の文化を育みます。

テクノロジーと社会的影響の両面で、有意義なものを構築したいAI起業家に、どのようなアドバイスを与えますか?

AIはとてつもなく速いスピードで進化しています。テクノロジースタックを超えて、顧客のニーズを理解するために耳を傾けましょう。彼らのビジネスにとって何が重要かを理解しましょう。早期の顧客は試みることができますが、大きな顧客は、安心感を与えるために、長期的に彼らに尽力する姿勢を見せる必要があります。透明性、セキュリティ、説明責任への取り組みで彼らを安心させましょう。

さらに、投資家や取締役を慎重に選択し、共有価値観と懸念事項の整合性を確保しましょう。iMeritでは、COVID-19のような困難な時期に、取締役や投資家からの大きなサポートを受けてきました。これは、整合性の結果です。

テクノロジー業界での起業家の成功に寄与する鍵となる資質は、リスクを冒すことだけではありません。利益を生み出し、包括的な会社を構築することです。

素晴らしいインタビュー、詳しく知りたい読者は、iMeritを訪問してください。