iMerit의 CEO 겸 창립자인 Radha Basu – 인터뷰 시리즈

라다 바수iMerit의 설립자 겸 CEO인 라다는 HP에서 경력을 쌓았으며, 20년 동안 이 기술 대기업에서 근무한 후 엔터프라이즈 솔루션 그룹을 이끌었습니다. 이후 Support.com의 CEO로 상장했습니다. 라다는 2007년 디팍 바수와 함께 아누딥 재단을 설립했고, 2012년 iMerit을 설립했습니다. 그녀는 선도적인 기술 기업가이자 멘토이며 소프트웨어 비즈니스의 선구자로 여겨집니다.

아이메리트 자동화, 전문가의 인간 주석, 고급 분석을 결합하여 다중 모드 AI 데이터 솔루션을 제공하고, 대규모로 고품질 데이터 레이블링과 모델 미세 조정을 지원합니다.

인도에서 HP 사업체를 설립하는 것부터 부탄, 인도, 그리고 뉴올리언스의 소외된 청소년들을 지원하는 사명을 가진 iMerit을 설립하는 것까지, 놀라운 여정을 걸어오셨습니다. iMerit을 시작하게 된 계기는 무엇이었으며, 포용적인 글로벌 인력을 처음부터 구축하는 과정에서 어떤 어려움을 겪었는지 말씀해 주시겠습니까?

iMerit을 설립하기 전, 저는 SupportSoft의 회장 겸 CEO로 재직하며 회사의 기업공개(IPO) 및 2차 상장을 이끌었고, 이를 통해 지원 자동화 소프트웨어 분야의 글로벌 리더로 자리매김했습니다. 이러한 경험을 통해 처음부터 사람과 기술을 결합하는 것이 얼마나 큰 힘을 발휘하는지 깨달았습니다.

인도의 기술 붐이 새로운 기회를 창출하는 동안, 저는 소외된 지역의 많은 재능 있는 젊은이들이 뒤처지는 것을 보았습니다. 저는 그들의 잠재력과 학습 의지를 믿었습니다. 소프트웨어가 AI와 같은 첨단 기술을 어떻게 지원할 수 있는지 알게 된 후, 그들은 이러한 직업을 기꺼이 받아들였습니다.

저희는 소규모의 다양성을 갖춘 팀으로 iMerit을 시작했는데, 그중 절반은 여성입니다. 그 이후로 빠르게 성장해 왔습니다. 특히 데이터 중심 AI가 숙련된 전문가에 대한 장기적인 수요를 증가시키는 상황에서, 저희 팀의 적응력과 코칭 능력은 매우 중요한 역할을 했습니다.

iMerit은 현재 자율주행차, 의료 AI, 기술 등 미션 크리티컬 분야에 AI 데이터 솔루션을 제공하는 글로벌 기업입니다. iMerit은 고객의 AI 모델이 고위험 환경에서 필수적인 고품질의 신뢰할 수 있는 데이터를 기반으로 구축되도록 보장합니다.

궁극적으로 저희의 강점은 탄탄한 기술 기반과, 지원적이고 학습 중심적인 문화 속에서 성장하는 잘 훈련되고 동기 부여된 직원들로 구성된 팀에 있습니다. 이러한 접근 방식은 저희의 성장을 촉진하고, 흑자를 유지하며, 높은 NPS 점수와 충성도 높은 고객을 확보하는 데 기여했습니다.

iMerit은 현재 eBay와 Johnson & Johnson과 같은 거대 기술 기업을 포함하여 200개 이상의 고객과 협력하고 있습니다. 초창기부터 AI 데이터 서비스 분야의 글로벌 리더로 성장하기까지의 회사의 성장 과정을 설명해 주시겠습니까?

저희는 초기 실험부터 대규모 생산까지 고객사의 AI 여정을 직접 경험하며 협력해 왔습니다. 저희는 스타트업, 글로벌 자율주행 선도 기업, 그리고 대기업을 아우르는 다양한 고객사를 지원해 왔습니다. 고객의 모델을 처음부터 학습시킴으로써, 저희는 현실 세계에서 AI를 확장하는 데 무엇이 필요한지에 대한 탁월한 통찰력을 얻었습니다.

이 분야는 끊임없이 빠르게 발전해 왔습니다. 이처럼 짧은 시간에 기술이 이처럼 극적으로 발전하는 모습은 본 적이 없습니다. 저희는 데이터 주석 제공업체에서 풀스택 AI 데이터 기업으로 변모하여, 주석, 검증, 감사, 그리고 레드팀 구성까지, 인간 참여형(HITL) 라이프사이클 전반에 걸쳐 특화된 솔루션을 제공합니다. 실제 배포에는 예외 상황과 예외 처리가 필수적이며, 모든 단계에서 심층적인 전문 지식과 섬세한 판단력이 요구됩니다.

당사의 가장 큰 버티컬 분야는 자율주행으로, 승객, 배송, 트럭 운송, 농업용 차량에 사용되는 15개 센서에 대한 센서 융합을 포함한 전체 인지 스택을 관리합니다. 의료 분야에서는 임상 영상 AI를 주도하고 있으며, 첨단 기술 분야에서는 GenAI 튜닝 및 검증을 선도하며 워크플로우와 인력의 더욱 정교한 발전을 요구하고 있습니다.

이러한 분야에서 성공하려면 단순히 전문가를 확보하는 것만으로는 충분하지 않습니다. 전문성, 즉 AI 모델에 도전하고, 코칭하고, 맥락을 파악할 수 있는 인지 능력을 함양하는 것이 중요합니다. 이것이 바로 저희 팀을 차별화하는 요소입니다.

저희의 성장은 장기적인 파트너십을 통해 이루어졌으며, 상위 10대 고객사 대부분이 5년 이상 저희와 함께해 왔습니다. 고객의 요구가 더욱 복잡해짐에 따라, 저희는 도메인 지식, 툴, 교육 및 솔루션을 지속적으로 발전시켜 나가고 있습니다. 기술 스택과 인력 모두 끊임없이 발전해야 합니다.

소프트웨어, 자동화, 주석, 분석의 융합은 매우 유연하고 빠르며 정밀하고 인간 중심적인 개입을 위한 기준을 제시합니다. 새로운 로고의 70%는 자체 기술 스택을 기반으로 제작되었으며, 이는 대대적인 내부 혁신을 요구합니다. 다시 한번 강조하지만, 우리 문화는 팀원들이 배우고자 하는 열망과 지속적인 성장을 추구하도록 보장합니다.

iMerit 역사상 가장 중요한 순간은 무엇이었나요? 기술적 이정표이든 전략적 결정이든, 회사의 미래를 형성하는 데 도움이 된 순간이었나요?

AI 데이터 작업이 크라우드 기반의 긱 워크(gig work)로 여겨지던 시절, 저희는 이 분야가 커리어로 성장하고 복잡성과 기업 중심적인 접근 방식을 요구할 것이라는 초기 예측을 내렸습니다. 고급 사용 사례 전담 사내 팀을 구축함으로써 고객사의 빠른 확장을 지원했고, 자율주행차 분야에서 첫 1만 달러 규모의 MRR(고객부담금) 계약을 성사시키는 성과를 거두었습니다. 이는 저희의 접근 방식을 입증하는 중요한 이정표였습니다.

COVID-19 봉쇄는 저희의 민첩성을 시험했습니다. 거의 하룻밤 사이에 완전 사무실 근무에서 완전 원격 근무로 전환하고 인프라, 보안, 그리고 기업 문화에 막대한 투자를 단행했습니다. 몇 주 만에 고객 운영이 회복되었고, 그해 매출과 직원 수가 모두 증가했습니다. 현재 팀의 70%가 다시 현장에 복귀한 가운데, 저희는 원격 근무 인력을 지속적으로 활용하고 있으며, GenAI 튜닝 및 검증을 위한 글로벌 전문가 네트워크인 Scholars를 출범시켰습니다. 심장 전문의든 스페인 수학자든, 저희의 하이터치 문화는 최고의 인재를 유치하고 동기를 부여하며, 솔루션의 품질과 일관성을 직접적으로 향상시킵니다.

2023년에는 차세대 AI 데이터 툴을 개발하기 위해 AI 기반 데이터 라벨링 및 워크플로 자동화 플랫폼인 Ango.ai를 인수했습니다. 이 중요한 인수를 통해 iMerit의 전문 분야와 Ango의 고급 툴링이 결합되어 영상의학, 센서 융합, GenAI 미세 조정 분야의 역량을 확장할 수 있었습니다. 고객 툴도 계속 활용하고 있지만, 많은 신규 고객이 Ango Hub에 직접 가입하고 있습니다. 사용자 친화적인 워크플로와 강력한 보안은 업계의 필수 요건입니다.

기업들은 두 가지 장점을 모두 추구한다고 꾸준히 말씀하십니다. 품질 보장을 위한 전문가의 인사이트와 자동화 및 분석을 제공하는 안전하고 확장 가능한 플랫폼이 결합된 것입니다. Ango와의 협력을 통해 바로 이러한 이점을 얻을 수 있으며, 오늘날 가장 야심 찬 AI 프로젝트의 복잡한 요구 사항을 충족하고 자신 있게 확장할 수 있는 독보적인 입지를 확보하게 되었습니다.

iMerit은 자율주행차, 의료 AI, GenAI와 같은 첨단 분야에 깊이 관여하고 있습니다. 이러한 분야에서 직면하는 고유한 데이터 과제는 무엇이며, 어떻게 해결하고 계신가요?

데이터 관련 작업은 일반적으로 AI 프로젝트 소요 시간의 거의 80%를 차지하며, 이는 파이프라인의 핵심 요소입니다. AI의 데이터 중심적인 부분은 적절하고 확장 가능하게 처리되지 않으면 시간과 비용이 많이 소요될 수 있습니다.

데이터 품질, 특히 심각한 오류를 피하는 것은 우리가 운영하는 임무 수행에 필수적인 부문에서 필수적입니다. 인식 알고리즘이든 종양 탐지기든, 훈련에서 검증까지의 루프에서 깨끗한 데이터는 필수적입니다.

예외 처리는 매우 중요합니다. 어떤 것이 표준을 벗어나는 이유나 특정 시나리오가 모델을 위반하는 이유에 대한 인간의 통찰력은 모델을 더욱 완전하고 견고하게 만드는 데 큰 가치를 제공합니다.

또한, 맥락적 창이 점점 더 커지고 있습니다. 의사와 환자 간 전체 상담에 대한 임상 기록을 요약하고, MRI 영상뿐만 아니라 환자의 의학적 맥락을 기반으로 이상 징후를 분석하고 있습니다. 해당 분야 전문가는 데이터를 정확하게 분석하고 품질을 보장하기 위해 기준을 설정해야 합니다.

안전, 개인정보 보호, 그리고 기밀 유지는 매우 중요한 문제입니다. 최고 보안 책임자(CSO)는 데이터의 무단 접근, 삭제 및 저장을 방지해야 합니다. SOC2, HIPAA, TISAX와 같은 정보 보안 프로토콜은 저희가 주요 투자 분야였습니다.

마지막으로, 저희 엔지니어와 솔루션 아키텍트는 고객의 고유한 요구 사항이 최종 단계에 반영될 수 있도록 맞춤형 통합 및 보고서를 지속적으로 개발하고 있습니다. AI에서는 획일적인 접근 방식은 효과적이지 않습니다.

로봇 기술과 인간 지능을 결합하는 것이 AI를 위한 더 안전한 방법이라고 말씀하셨는데요, 실제로 이러한 워크플로가 어떤 모습인지, 그리고 AI의 창의적 발산을 없애려는 시도보다 왜 더 낫다고 생각하시는지 자세히 설명해 주시겠습니까?

AI는 규모를 확장할 수 있게 해 주는데, 이는 기업들이 전통적으로 인간이 수행하던 긴 프로세스를 자동화하는 도구를 개발하고 있음을 의미합니다. 하지만 인간은 유연성, 확실성, 그리고 회복탄력성의 마지막 단계를 담당합니다. AI에서 소프트웨어 기반 서비스가 계속해서 확산됨에 따라, 가장 성공적인 기업들은 로봇 기술과 인간 참여형(HITL) 방식을 효과적으로 결합할 것입니다.

우리는 HITL을 AI 개발 및 배포 라이프사이클의 모든 단계에서 일관된 계층이자 신뢰와 안전을 뒷받침하는 기둥으로 생각합니다. 따라서 모델이 실패할 경우, 인간의 지능이 경로를 수정하는 데 필수적입니다. 이러한 중요한 애플리케이션은 어떤 변경이 필요한지 판단하기 위해 인간의 사고가 필요합니다. AI를 프로덕션 및 현장 운영에 통합함에 따라 HITL 서비스의 중요성이 더욱 커질 것입니다.

Ango Hub 플랫폼은 자동화와 인간 참여형 전문성을 결합합니다. 이 하이브리드 모델은 프로덕션 AI 시스템의 데이터 품질과 모델 성능을 어떻게 개선할까요?

AI와 자동화는 규모와 속도를 제공하는 반면, 인간은 미묘한 차이, 통찰력, 그리고 감독 기능을 제공합니다. HITL은 AI 수명 주기의 중요한 시점에 인간의 개입을 보장합니다. 즉, 고품질 입력 보장, 출력 검증, 경계 조건 식별, 도메인 모델 미세 조정, 그리고 상황에 맞는 판단 제공 등을 담당합니다. 인간은 출력 검토 및 검증, 환각이나 논리 오류 발생 전 포착을 통해 정확성을 보장합니다. 또한 LLM이 최종 결정을 내려서는 안 되는 윤리적으로 민감하거나 위험성이 높은 상황에서도 감독 기능을 제공합니다. 더 중요한 것은, 인간의 피드백이 지속적인 학습을 촉진하여 AI 시스템이 시간이 지남에 따라 사용자 목표에 더욱 밀접하게 부합하도록 돕는다는 것입니다.

HITL은 다양한 형태로 나타납니다. 전문가는 특정 대상에 대한 주석을 작성하고, 복잡한 추론을 특정 상황에 적용하며, 구조화된 QA 인터페이스를 사용하여 AI가 생성한 콘텐츠를 검토합니다. 모든 결정을 평가하는 대신, 상황에 맞는 에스컬레이션 시스템을 구현하는 경우가 많습니다. 이러한 시스템은 신뢰도가 낮은 결과나 플래그가 지정된 이상 징후만 검토자에게 전달하여 감독과 효율성의 균형을 유지합니다.

HITL의 또 다른 중요한 활용 사례는 인간 피드백을 통한 강화 학습(RLHF)을 통해 AI 에이전트를 미세 조정하는 것입니다. 인간 검토자는 에이전트 응답에 대한 순위를 매기고, 재작성하고, 피드백을 제공하는데, 이는 의료, 법률 서비스, 고객 지원과 같은 민감한 분야에서 특히 중요합니다. 이와 더불어, 시나리오 기반 테스트와 레드팀 구성을 통해 인간 평가자는 적대적이거나 특이한 조건에서 에이전트를 테스트하여 배포 전에 취약점을 파악하고 패치할 수 있습니다.

AI의 잠재력은 인간이 모든 단계를 주도하고, 검증하고, 개선하는 과정에 참여할 때에만 실현됩니다. 에이전트 출력 개선, 평가 루프 학습, 신뢰할 수 있는 데이터 파이프라인 큐레이션 등 어떤 작업을 하든, 인간의 감독은 AI가 신뢰받고 효과적으로 작동하기 위해 필요한 체계와 책임을 부여합니다.

생성적 AI 도구가 빠르게 발전하고 있는 가운데, iMerit은 어떻게 평가, RLHF, 미세 조정 서비스를 제공하는 데 앞서 나갈 수 있을까요?

최근 저희는 생성 AI 튜닝 및 AI 교사와의 사고 연쇄 추론 상호작용 개발을 위한 통합 플랫폼인 Ango Hub Deep Reasoning Lab(DRL)을 출시했습니다. 저희 DRL은 인간의 선호도에 기반한 실시간 턴바이턴(turn-by-turn) 프로세스 및 평가를 지원하여 복잡한 문제에 대한 더욱 일관되고 정확한 모델 응답을 제공합니다.

GenAI 모델과 애플리케이션 개발의 발전은 전문가가 생성하고 검증한 정제된 데이터의 가치를 부각시킵니다. Ango Hub DRL을 통해 전문가는 모델을 테스트하고, 취약점을 파악하고, 사고의 사슬 추론을 통해 정제된 데이터를 생성할 수 있습니다. 모델과 실시간으로 상호 작용하고, 단일 인터페이스를 통해 단계별로 프롬프트와 수정 사항을 전송합니다.

Ango Hub DRL은 iMerit Scholars를 활용하여 모델 추론 프로세스를 개선합니다. HITL 워크플로에 대한 iMerit의 풍부한 경험을 활용합니다. 전문가들은 고급 수학 문제에 대한 사고의 사슬 프롬프트 생성과 같은 복잡한 작업에 대해 다단계 시나리오를 설계합니다. iMerit Scholars는 출력 결과를 검토하고, 오류를 수정하고, 상호작용을 원활하게 포착합니다. 중요한 것은 많은 수의 사용자를 무차별적으로 온보딩하는 것이 아닙니다. 최고의 수학자가 반드시 최고의 교사인 것은 아닙니다. 심장 전문의를 일용직 근로자처럼 취급해서는 안 됩니다. 모델 학습 프로세스에 가장 큰 도움이 되는 방식으로 사고하도록 해당 분야 전문가를 교육하고 코칭하는 것, 그리고 참여가 차이를 만듭니다.

생성 AI 미세 조정의 맥락에서 "전문가 참여"는 무엇을 의미합니까? 이러한 인간의 전문성이 모델 출력을 크게 향상시킨 사례를 공유해 주시겠습니까?

Expert-in-the-Loop는 인간 지능과 로봇 지능을 결합하여 AI를 생산 단계로 발전시킵니다. 여기에는 자동화 시스템의 결과를 검증, 개선 및 향상시키는 인간 전문가가 포함됩니다.

특히, 전문가 주도 데이터 주석은 학습 데이터가 도메인별 지식으로 정확하게 레이블링되도록 보장하여 예측 AI 모델의 정확도와 신뢰성을 향상시킵니다. 전문가 주도 주석은 편향과 오분류를 줄임으로써 모델이 실제 시나리오에서 효과적으로 일반화하는 능력을 향상시킵니다. 결과적으로 더욱 신뢰할 수 있고 해석 가능하며 산업별 요구 사항에 부합하는 AI 시스템이 구축됩니다.

예를 들어, 한 미국 다국적 기술 기업은 방대한 의료 데이터를 확보한 후, 사용자에게 안전하고 정확한 의료 조언을 제공하기 위해 소비자 대상 의료 챗봇에 사용할 데이터를 평가해야 했습니다. iMerit은 미국에 기반을 둔 광범위한 의료 전문가 네트워크를 활용하여 간호사 팀을 구성하고, 미국 전문의가 제공하는 에스컬레이션 및 중재를 통해 합의된 워크플로를 구축했습니다. 간호사들은 먼저 정확도와 위험성을 평가하기 위해 정의가 포함된 지식 기반을 평가했습니다.

극단적인 사례 논의와 지침 개정을 통해 간호사들은 99%의 사례에서 합의에 도달할 수 있었습니다. 이를 통해 팀은 프로젝트 설계를 10% 감사를 포함하는 단일 투표 구조로 수정하여 프로젝트 비용을 72% 이상 절감할 수 있었습니다. iMerit과의 협력을 통해 이 회사는 의료 데이터 주석을 윤리적이고 효율적으로 확장할 수 있는 방법을 지속적으로 모색할 수 있었습니다.

전 세계적으로 8,000명이 넘는 정규직 전문가가 있는데, 어떻게 규모에 맞게 품질, 성과, 직원 개발을 유지하시나요?

품질에 대한 정의는 항상 각 고객의 특정 사용 사례에 맞춰 조정됩니다. 저희 팀은 고객과 긴밀히 협력하여 품질 기준을 정의하고 조정하며, 모든 주석이 해당 분야 전문가에 의해 신속하게 검증되도록 맞춤형 프로세스를 활용합니다. 고품질 AI 개발에는 일관성이 중요합니다. 높은 직원 유지율(90%)과 Ango Hub 설계의 핵심 차별화 요소인 프로덕션 분석에 대한 집중이 이러한 일관성을 뒷받침합니다. 프로덕션 분석은 저희 팀의 일상적인 사용자 의견을 바탕으로 형성됩니다.

당사는 자체 교육 플랫폼인 iMerit One을 기반으로 자동화, 최적화 및 지식 관리에 지속적으로 투자하고 있습니다. 학습 및 개발에 대한 이러한 노력은 운영 효율성을 높일 뿐만 아니라 직원들의 장기적인 경력 발전을 지원하여 전문성과 성장의 문화를 조성합니다.

기술과 사회적 영향 모두에서 의미 있는 것을 구축하고자 하는 야심 찬 AI 기업가에게 어떤 조언을 해주시겠습니까?

AI는 어지러울 정도로 빠르게 발전하고 있습니다. 기술 스택을 넘어 고객의 목소리에 귀 기울여 비즈니스에 중요한 것이 무엇인지 파악하십시오. 속도, 변화, 그리고 위험에 대한 고객의 욕구를 이해하십시오. 초기 고객은 여러 가지를 시도해 볼 수 있습니다. 기존 고객은 당신이 항상 곁에 있으며 앞으로도 그들을 최우선으로 생각한다는 것을 알아야 합니다. 투명성, 안전성, 그리고 책임감을 향한 적극적인 접근 방식으로 고객의 마음을 편안하게 해 주십시오.

또한, 투자자와 이사회 구성원을 신중하게 선정하여 공동의 가치와 관심사에 대한 공감대를 형성하십시오. iMerit은 COVID-19와 같은 어려운 시기에 이사회와 투자자들로부터 상당한 지원을 받았으며, 이는 이러한 공감대 형성 덕분이라고 생각합니다.

기술 산업에서 기업가의 성공에 기여하는 주요 자질은 단순히 위험을 감수하는 것을 넘어, 수익성이 있고 포용적인 회사를 만드는 것입니다.

훌륭한 인터뷰 감사합니다. 자세한 내용을 알고 싶은 독자는 방문하세요. 아이메리트.