LXT의 Phil Hall, Chief Growth Officer – 인터뷰 시리즈

LXT의 Chief Growth Officer Phil Hall은 전 Appen 임원이며 Phil Hall은 Forbes Technology Council 회원입니다. Appen의 리더십 역할에서 그는 1,000명 이상의 직원을 이끌었으며 17년 연속 매년 수익 성장과 강력한 수익성을 달성하는 데 중요한 역할을 했습니다. 현재 LXT에서 그는 전문가 팀과 함께 야심적인 성장 목표를 달성하기 위해 일하고 있습니다.

LXT는 글로벌 기업을 위한 지능형 기술을 구동하는 AI 트레이닝 데이터의 신흥 리더입니다. 국제적인 기여자 네트워크와의 파트너십을 통해 LXT는 기업이 요구하는 속도, 규모, 민첩성을 갖춘 여러 모달리티에서 데이터를 수집 및 주석합니다. 그들은 115개 이상의 국가와 750개 이상의 언어 로케일에서 글로벌 전문 지식을 보유하고 있습니다. 2010년에 설립된 LXT는 캐나다 토론토에 본사를 두고 있으며 미국, 호주, 이집트, 영국, 터키에 현지 사무소가 있습니다. 이 회사는 북미, 유럽, 아시아 태평양, 중동의 고객을 지원합니다.

언어에 대한 열정을 처음 느꼈던 때는 언제입니까?

저는 언어에 대한 관심을 언제부터인지 정확히 기억하지 못하지만, 언어와 언어학에 대한 직접적인 참여는 한 번의 중요한 전환점이 있었습니다. 우리 아이가 난독증이 있다는 것을 깨달았을 때, 학교에서 추가적인 지원을 요청했더니 프로그램을 사용할 수는 있지만 저도 학교에서 자원봉사자로 활동할 수 있다고 했습니다. 잘 진행되었고, 그 후 언어학을 공부하기 시작했고 시드니의 두 대학에서 강의했습니다.

언어학을 가르치고 있었습니다. 그러나 음성 데이터 분야로 관심을 전환하게 된 계기는 무엇입니까?

시드니에 기반을 둔 Appen은 가정의 방에서 운영되던 사업을 전면적인 상업적인 사업으로 전환하는 중이었습니다. 저는 언어학자가 필요하다는 소식을 듣고 창립자 Julie와 Chris Vonwiller를 만나게 되었습니다. 전환은 2년 정도 걸렸습니다. 저는 가르치기를 포기하기가 어려웠지만, 특히 초기에 세계 최고의 언어 기술 전문가들과 어려운 문제를 해결하는 것이 매우 흥미로웠습니다. 많은 것이 오늘날에는 당연하지만, 그 당시에는 매우 어려웠습니다.

귀하는 은퇴 후 LXT에 합류했습니다. 그 이유는 무엇입니까?

그것은 흥미로운 질문입니다. 저는確實으로 은퇴를 즐기고 있었습니다. 사실, 공동 창립자이자 CEO인 Mohammad Omar는 초기 문의에 대해 몇 개월 전에 저에게 접촉했으며, 저는 단순히 礼貌的に 듣고 거절할 것이라고 생각했습니다.

그러나 기회는 저를 거부할 수 없을 정도로 매력적이었습니다.

Mohammad와 LXT 팀의 다른 구성원과 대화하면서 저는 즉시 공유된 언어에 대한 열정을 인식했습니다. Mohammad가 구성한 팀은 창의적인 사고와 무한한 에너지를 갖춘 전문가들로 구성되어 있었으며 회사의 사명에 전적으로 헌신했습니다.

LXT와의 기회에 대해 더 많이 알게 되면서, 저는 그것을 놓치고 싶지 않았습니다. 여기서 회사는 저가 열정을 갖는 분야에서 엄청난 성장과 확장의 잠재력을 갖춘 회사입니다. 또한 AI 시장의 성장과 함께 더 많은 조직이 실험에서 생산으로 전환하는 데 도움을 줄 수 있는 기회는 저에게 매우 흥미롭습니다.

현재 대규모 데이터 수집의 주요課題는 무엇입니까?

課題는 다양하며, 응용 프로그램에 따라 다릅니다.

실제적인 측면에서課題로는 진정성, 신뢰성, 정확성, 보안, 데이터의 적합성이 포함되며, 이는 법적 및 윤리적인課題를 고려하지 않은 것입니다.

예를 들어, 자율 주행 자동차를 지원하는 기술 개발에는 실제 세계에서 발생할 수 있는 다양한 시나리오에 대한 매우大量의 데이터 수집이 필요합니다. 운전 중에 발생할 수 있는 무수한 에지 케이스들이 있으며, 자동차가 실제 상황에 반응하는 방법을 이해할 수 있도록 알고리즘이 이러한 데이터 세트를 필요로 합니다. 또한 날씨 이벤트의 수를 곱하면 필요한 훈련 데이터의 양이 기하급수적으로 증가합니다. 자율 주행 분야에 진출하는 자동차 회사들은 신뢰할 수 있는 데이터 파이프라인을 구축해야 하며, 이를 자체적으로 수행하는 것은大量의 자원을 필요로 합니다.

또 다른 예는 기존의 음성 AI 제품을 새로운 시장으로 확장하여 시장 점유율과 새로운 고객을 확보하는 것입니다. 이는 언어 데이터를 필요로 하며, 정확성을 달성하기 위해서는 다양한 인구 통계적 프로필의 원어민으로부터 음성 데이터를 수집하는 것이 중요합니다. 데이터를 수집한 후, 음성 파일을 전사하여 제품의 NLP 알고리즘을 훈련해야 합니다. 여러 언어와大量의 데이터를 처리하는 것은 내부 전문 지식이 부족한 회사에서는 매우 어려운課題입니다.

이들은 대규모로 AI 데이터 수집의課題 중 일부입니다. 그러나 각 경우에 따라 다른課題들이 존재합니다.

LXT는 현재 어떻게 데이터를 수집 및 주석하고 있습니까?

LXT에서 우리는 고객의 사양에 따라 각 고객에게 맞춤형으로 데이터를 수집 및 주석합니다. 우리는 오디오, 이미지, 음성, 텍스트, 비디오와 같은 다양한 데이터 유형에서 작업합니다. 데이터 수집을 위해 우리는 글로벌 계약자 네트워크와 협력하여 이러한 다양한 모달리티에서 데이터를 수집합니다. 수집은 실제 환경에서 데이터를 수집하는 것부터 특정 음성 데이터 수집 프로젝트의 경우 스튜디오에서 경험豊富한 엔지니어와 함께 하는 것까지 다양합니다.

우리의 데이터 주석 기능도 여러 모달리티를 다룹니다. 우리의 경험은 음성 분야에서 시작되었으며, 지난 12년 동안 우리는 115개 이상의 국가와 750개 이상의 언어 로케일로 확장했습니다. 이는 모든 규모의 회사들이 LXT를 통해 다양한 시장으로 진출하고 새로운 고객 세그먼트를 확보할 수 있도록 지원할 수 있습니다. 최근에는 텍스트, 이미지, 비디오 데이터로 확장했으며, 내부 플랫폼을 사용하여 고객에게 고품질 데이터를 제공합니다.

또한 보안 주석 작업이 최근 성장하고 있습니다. 올해 우리는 ISO 27001 보안 시설을 2개에서 5개로 확장했습니다. 우리는 새로운 시설을 몇 개월 안에 구축할 수 있는 플레이북을 개발했습니다. 이러한 보안 시설에서 제공하는 서비스는 현재 음성 데이터 주석 및 전사에 중점을 두고 있습니다. 그러나 이러한 시설은 다양한 데이터 유형의 주석에 사용할 수 있습니다.

이 방법으로 데이터를 수집하는 것이 합성 데이터보다 우수한 대안입니까?

합성 데이터는 AI 분야의 흥미로운 발전이며, 특히 에지 케이스를 실제 세계에서 캡처하기 어려운 경우에 적합합니다. 합성 데이터의 사용은 특히 초기 실험 단계에서 회사들이 여전히 실험 중인 경우에 증가하고 있습니다. 그러나 우리의 연구에 따르면 조직이 AI 전략을 성숙시키고 더 많은 모델을 생산에 푸시할 때는 감독 또는 반감독 학습 방법을 사용하여 인간이 주석을 단 데이터를 사용할 가능성이 더 높습니다.

컴퓨터보다 인간이 데이터의细微한 점을 이해하는 데 더 좋으며, 인간의 감독은 또한 편향을 줄이는 데 중요합니다.

음성 및 자연어 처리를 위한 이러한 데이터의 중요성은 무엇입니까?

음성 및 자연어 처리 알고리즘이 대상 시장에서 효과적으로 작동하려면 원어민으로부터 수집된大量의 데이터가 필요합니다. 이러한 데이터가 없으면 음성 AI의 채택에는 심각한 제한이 있습니다.

또한 음성 데이터를 수집할 때 환경을 고려해야 합니다. 예를 들어, 자동차에서 음성 AI 솔루션을 사용하는 경우, 도로 및 날씨 조건이 음성에 영향을 미치므로 이를 고려해야 합니다. 이러한 복잡한 시나리오에서는 경험豊富한 데이터 파트너가 도움이 될 수 있습니다.

LXT에 대한 추가 정보가 있습니까?

먼저, 저의 이야기를 공유할 수 있는 기회를 주셔서 감사합니다! 저는 우리 회사가 모든 규모의 조직이 AI와의 성공을 도울 수 있도록 헌신되어 있음을 강조하고 싶습니다. 우리는 12년 이상 동안 세계各地의 회사에 맞춤형 AI 데이터를 제공해 왔으며, AI 프로젝트를 지원하는 신뢰할 수 있는 데이터 파이프라인을 구축하려는 모든 사람과 연결되기를 원합니다.

이번 인터뷰에 감사드리며, 더 많은 정보를 원하는 독자는 LXT를 방문하시기 바랍니다.