라다 바수, iMerit의 CEO 및 설립자 – 인터뷰 시리즈

라다 바수, iMerit의 설립자이자 CEO는 HP에서 20년간 경력을 쌓았으며 결국 엔터프라이즈 솔루션 그룹을 이끌었다. 그녀는 Support.com을 공공으로 내놓았으며 CEO를 맡았다. 라다는 2007년에 디파크 바수와 함께 Anudip Foundation을 설립하고 2012년에 iMerit을 설립했다. 그녀는 선도적인 기술 기업가이자 멘토로 간주되며 소프트웨어 사업의 개척자이다.

iMerit은 자동화, 전문가 인적 주석, 고급 분석을 결합하여 대규모 고품질 데이터 레이블링 및 모델 세부 조정을 지원하는 멀티모달 AI 데이터 솔루션을 제공한다.

당신은 인상적인 여정을 가지고 있습니다. 인도의 HP 운영을 구축하고 iMerit을 설립하여 부탄, 인도, 뉴올리언스에서 소외된 청소년을 올려놓는 것을 목표로 했습니다. iMerit을 시작하도록 당신을 영감을 준 것은 무엇이었나요? 그리고 지상에서부터 포괄적인 글로벌 근로자를 만드는 데 직면한 도전은 무엇인가?

당신이 iMerit을 설립하기 전에, 나는 SupportSoft의 의장 및 CEO였으며, 초기 및 제2의 공공 오퍼레이션을 통해 회사를 이끌었으며, 지원 자동화 소프트웨어의 글로벌 리더로 확립했다. 그 경험은 사람들과 기술을 결합하는 힘을 보여주었다.

인도의 기술 붐은 새로운 기회를 창출했지만, 나는 많은 젊은 인재들이 소외된 지역에서 남겨졌음을 알았다. 나는 그들의 잠재력과 학습 의지에 대해 믿었다. 한 번에 소프트웨어가 고급 기술을 구동하는 방법을 보았을 때, 그들은 이러한 경력을熱心하게 받아들였다.

우리는 작은 다様한 팀으로 iMerit을 시작했으며, 그 중 절반은 여성이다. 우리는 빠르게 성장했다. 우리 팀의 적응성과 코치 가능성이 중요했다. 특히 데이터 중심 AI가 장기적으로 전문가에 대한 수요를 증가시켰기 때문이다.

오늘날, iMerit은 자율 주행 자동차, 의료 AI, 기술 등과 같은 임무에 중요한 부문에서 AI 데이터 솔루션을 제공하는 글로벌 공급자이다. 우리의 작업은 고객의 AI 모델이 신뢰할 수 있는 데이터에 기반하고 있음을 보장한다. 이는 고위험 환경에서 필수적이다.

궁극적으로, 우리의 강점은 강력한 기술 기반과 잘 훈련된, 동기부여된 직원이 지원하는 문화에 있다. 이 접근 방식은 우리의 성장, 현금 양성, 높은 NPS 점수 및 忠實한 고객을 이끌어 냈다.

iMerit은 현재 eBay, Johnson & Johnson (JNJ ) 과 같은 기술 거물 200개 이상의 고객과 협력하고 있습니다. 회사의 성장 과정을 설명해 주시겠습니까? 초기부터 글로벌 AI 데이터 서비스의 리더가 되기까지?

우리는 고객의 AI 여정을 처음부터 대규모 생산까지 파트너 관계를 맺었다. 우리의 작업은 스타트업, 글로벌 자율 주행 자동차 리더, 주요 기업에 걸쳐 있다. 모델을 처음부터 훈련함으로써, 우리는 실제 세계에서 AI를 확장하는 데 필요한 것을真正로 이해했다.

이 분야는 끊임없이 빠르게 진화하고 있다. 나는 기술이如此 짧은 시간에如此劇的に 발전하는 것을 거의 본 적이 없다. 우리는 데이터 주석 제공업체에서 전면 AI 데이터 회사로 변모하여 전체 인간-인-루프(HITL) 라이프사이클에 걸쳐 전문 솔루션을 제공한다. 에지 케이스와 예외를 처리하는 것이 실제 배포에서 필수적이며, 이는 모든 단계에서 깊은 전문 지식과 미묘한 판단을 필요로 한다.

우리의 가장 큰 수직은 자율 주행 이동성이며, 여기에 15개의 센서를 포함한 감지 스택을 관리한다. 의료 분야에서 우리는 임상 영상 AI를 구동한다. 고기술 분야에서 우리는 GenAI 튜닝 및 검증의 최전선에 있다. 이는 우리의 워크플로우와 재능에 더 큰 소피스틱을 요구한다.

이 도메인에서 성공하는 것은 전문가들을拥有하는 것만이 아니다. 전문 지식을 배양하는 것이다. 이는 우리 팀이 다른 점이다.

우리의 성장은 장기적인 파트너십에 의해 구동된다. 우리의 상위 10개 고객 중 대부분이 5년 이상 동안 우리와 함께 해왔다. 그들의 필요가 더 복잡해짐에 따라, 우리는 끊임없이 도메인 지식, 툴링, 훈련, 솔루션을 높인다. 우리의 기술 스택과 사람들은 끊임없이 발전해야 한다.

소프트웨어, 자동화, 주석, 분석의 융합은 매우 유연하고 빠르며, 인간-인-루프 개입을 위한 기준을 만든다. 70%의 새로운 로고는 우리의 기술 스택에서이며, 이는巨大한 내부 변화를 필요로 한다. 다시 한번, 우리의 문화는 팀이 끊임없이 배우고 성장하고 싶다는 것을 보장한다.

iMerit의 역사에서 가장 중요한 순간은 무엇인가? 기술적인 里程碑이나 전략적인 결정이 회사의 궤적을 형성하는 데 어떻게 도움이 되었는가?

AI 데이터 작업이 크라우드 기반의 일자리라고 간주되었을 때, 우리는 이것이 경력으로 성장하고 기업에 대한 초점이 필요하다고 생각했다. 고급 사용 사례에 전념하는 내부 팀을 구축함으로써, 우리는 고객이 빠르게 확장할 수 있도록 했다. 이것은 자율 주행 자동차에서 우리의 첫 번째 1백만 달러의 월간 재생 매출(MRR) 거래로 이어졌으며, 우리의 접근 방식을 검증했다.

COVID-19 잠금은 우리의 민첩성을 테스트했다. 우리는 거의 즉시로 사무실에서 원격으로 전환했으며, 인프라, 보안, 문화에大量으로 투자했다. 몇 주 내에 고객의 운영이 회복되었으며, 우리는 그 해에 수익과 헤드카운트를 증가시켰다. 오늘날, 우리의 70%의 팀이 다시 현장에 돌아왔으며, 우리는 원격 재능을 계속 활용하고 있다. Scholars, 우리의 글로벌 주제 전문가 네트워크를 출시했다. 이것은 GenAI 튜닝 및 검증을 위한 것이다.

2023년에 우리는 Ango.ai를 인수했으며, AI를 구동하는 데이터 레이블링 및 워크플로우 자동화 플랫폼이다. 이것은 iMerit의 도메인 전문 지식과 Ango의 고급 툴링을 결합하여 우리의 능력을 확장했다. 이를 통해 방사선学, 센서 퓨전, GenAI 세부 조정을 위한 다음 세대의 AI 데이터 툴을 구동할 수 있다. 우리는 여전히 고객의 툴을 사용하지만, 많은 새로운 고객은 이제 Ango Hub에 직접 온보딩되며, 이는 사용자 친화적인 워크플로우와 강력한 보안을 제공한다. 이는 우리 산업의 필수 요구 사항이다.

기업은 일관적으로 최고의 두 세계를 찾고 있다. 즉, 전문가의 통찰력을 통해 품질을 보장하는 것과 안전하고 확장 가능한 플랫폼을 통해 자동화와 분석을 제공하는 것이다. Ango와의 합병은 정확히 이를 제공하며, 오늘날 가장 야심적인 AI 프로젝트의 복잡한 요구 사항을 충족하고 확장하는 데 유니크하게 위치한다.

iMerit은 자율 주행 자동차, 의료 AI, GenAI와 같은 고급 도메인에 깊이 관여하고 있습니다. 이러한 분야에서 직면하는 고유한 데이터 도전은 무엇이며, 어떻게 해결합니까?

데이터 관련 작업은 일반적으로 AI 프로젝트에서 소요되는 시간의 80%를 차지하므로, 이는 파이프라인의 임계 구성 요소이다. AI의 데이터 중심 부분은 적절하게 처리되지 않으면 시간이 오래 걸리고 비용이 많이 들 수 있다.

데이터 품질, 특히 명백한 오류를 피하는 것이 우리가 운영하는 임무에 중요한 분야에서 필수적이다. 인식 알고리즘 또는 종양 감지기와 같은 경우, 훈련-검증 루프에서 깨끗한 데이터가 필수적이다.

예외 처리는 불균형하게 가치가 있다. 인간의 통찰력이 왜 어떤 것이 기준에서 벗어나거나 왜 시나리오가 모델을 깼는지 이해하는 데 도움이 된다. 이는 모델을 더 완전하고 강력하게 만드는 데巨大한 가치를 제공한다.

또한, 컨텍스트 창은 더 커지고 있다. 우리는 임상 노트의 전체 의사-환자 상담을 요약하고, MRI의 이상을 분석하고, 이미지만이 아니라 환자의 의료 컨텍스트도 고려한다. 주제 전문가들은 데이터를 정확하게 분석하기 위해 기준을 설정해야 한다.

안전, 개인 정보, 기밀성은 뜨거운 버튼 주제이다. 우리의 Chief Security Officer는 데이터에 대한 불법적인 접근, 삭제, 저장을 방지해야 한다. Infosec 프로토콜은 SOC2, HIPAA 및 TISAX와 같은 주요 투자 분야이다.

마지막으로, 우리의 엔지니어와 솔루션 아키텍트는 고객의 고유한 필요를 반영하는 맞춤형 통합 및 보고서를 위해 끊임없이 일하고 있다. 일괄 처리 접근 방식은 AI에서 작동하지 않는다.

로봇 공학과 인간 지성을 결합하는 것이 더 안전한 AI의 경로라는 것을 어떻게 생각하시나요? 실제에서는 이 워크플로우가 어떻게 보이는지 설명해 주시겠습니까? 그리고 왜 이것이 AI의 창의적 분산을 제거하려고 하는 것보다 더 나은지 설명해 주시겠습니까?

AI는 길이를 제공한다. 즉, 회사는 전통적으로 인간이 수행하는 긴 프로세스를 자동화하기 위한 도구를 개발하고 있다. 그러나 인간은 마지막 마일의 유연성, 확신, 회복力を 제공한다. 소프트웨어로 제공되는 서비스가 AI에서 계속 증가함에 따라, 가장 성공적인 회사는 로봇 공학을 인간-인-루프(HITL) 관행과 결합할 것이다.

우리는 HITL을 AI 개발 및 배포 라이프사이클의 모든 단계에서 일관된 계층으로 간주하며, 또한 신뢰 및 안전의 기둥으로 간주한다. 따라서 인간의 지성이 모델이 실패할 경우에 필요하다. 이러한 임계 응용 프로그램은 모델을 변경해야 하는 변경 사항을 결정하기 위해 인간의 마음이 필요하다. 이것은 HITL 서비스가 더욱 중요한 역할을 할 때이다.

Ango Hub 플랫폼은 자동화와 인간-인-루프 전문 지식을 결합합니다. 이 하이브리드 모델은 생산 AI 시스템에서 데이터 품질과 모델 성능을 어떻게 개선합니까?

AI와 자동화는 규모와 속도를 제공한다. 그러나 인간은 미묘함, 통찰력, 감독을 제공한다. HITL은 AI 라이프사이클의 임계 구간에서 인간의 참여를 보장한다. 이는 높은 품질의 입력을 보장하고, 출력을 검증하며, 에지 케이스를 식별하며, 도메인에 대한 모델을 세부 조정하며, 상황 판단을 제공한다. 인간은 출력을 검토하고 검증하여 정확성을 보장한다. 또한, 인간은 에지 케이스나 논리 오류를 발견하여 피해를 방지한다. 또한, 인간은 민감하거나 고위험 컨텍스트에서 최종 결정은 LLM이 내서는 안 된다는 것을 감독한다. 더 중요한 것은, 인간의 피드백은 지속적인 학습을 구동하며, AI 시스템이 사용자 목표와 더 잘 일치하도록 도와준다.

HITL은 많은 형태를 취할 수 있다. 인간 전문가들은 대상 주석, 복잡한推論을 에지 케이스에 적용하며, 구조화된 QA 인터페이스를 사용하여 AI 생성 콘텐츠를 검토한다. 모든 결정은 평가하는 것이 아니라, 컨텍스트 에스컬레이션 시스템이 구현된다. 이러한 시스템은 낮은 신뢰도 출력 또는 플래그된 이상을 인간 검토자에게 라우팅한다. 감독과 효율성을 균형을 맞춘다.

또한, HITL의 또 다른 중요한 사용은 인간 피드백으로부터 강화 학습(Reinforcement Learning from Human Feedback, RLHF)을 통한 AI 에이전트의 세부 조정이다. 인간 검토자는 에이전트의 응답을 평가하거나 다시 작성하거나 피드백을 제공한다. 특히, 의료, 법률, 고객 지원과 같은 민감한 분야에서 중요하다. 또한, 시나리오 기반 테스팅과 레드 팀은 인간 평가자가 에이전트를 적대적 또는 비정상적인 조건에서 테스트하여 배포 전 취약성을 식별하고 패치할 수 있도록 한다.

AI의 전체 잠재력은 인간이 루프에 남아 있는 경우에만 실현된다. 에이전트 출력을 세부 조정하거나, 평가 루프를 훈련하거나, 신뢰할 수 있는 데이터 파이프라인을 큐레이팅하는 경우, 인간의 감독은 AI가 신뢰받고 효과적일 수 있도록 필요한 구조와 책임성을 추가한다.

Generative AI 툴이 빠르게 진화하고 있습니다. iMerit은 평가, RLHF, 세부 조정을 위한 서비스를 제공하면서 어떻게 앞서 나고 있습니까?

우리는 최근 Ango Hub Deep Reasoning Lab(DRL)을 출시했으며, 이는 체인-오-사고 추론과 함께 생성적 AI 튜닝 및 상호 개발을 위한 통합 플랫폼이다. 우리의 DRL은 인간의 선호도에 따라 실시간으로 평가를 기반으로 하는 턴-바이-턴 프로세스를 가능하게 한다. 이는 복잡한 문제에 대한 모델 응답의 일관성과 정확성을 향상시킨다.

GenAI 모델과 애플리케이션 개발의 발전은 전문가가 생성하고 검증한 깨끗한 데이터의 가치를 강조한다. Ango Hub DRL을 사용하여 전문가들은 모델을 테스트하고 약점을 식별하며 체인-오-사고 추론을 사용하여 깨끗한 데이터를 생성할 수 있다. 그들은 모델과 실시간으로 상호 작용하며, 단계별로 프롬프트와 수정 사항을 보낸다.

Ango Hub DRL은 iMerit Scholars를 활용하여 모델의 추론 프로세스를 세부 조정한다. 이는 iMerit의 HITL 워크플로우에 대한 광범위한 경험에 기반한다. 전문가들은 복잡한 작업을 위한 다단계 시나리오를 설계한다. 예를 들어, 고급 수학 문제를 위한 체인-오-사고 프롬프트이다. iMerit Scholars는 출력을 검토하고, 오류를 수정하며, 상호 작용을 무결하게 캡처한다. 마법은大量으로 온보딩하는 것이 아니다. 최고의 수학자들은 반드시 최고의 교사이다. 또한, 심장 전문의를 일자리 근로자처럼 다루지 말아야 한다. 주제 전문가가 모델 훈련 프로세스에 가장 많이 이익을 제공하는 방식으로 생각하도록 맞추고, 코칭하고, 참여시키는 것이 차이점을 만든다.

생성적 AI의 세부 조정에서 “전문가-인-루프”는 무엇을 의미합니까? 인간 전문 지식이 모델 출력을 크게 개선한 예를 공유할 수 있습니까?

전문가-인-루프는 인간 지성을 로봇 지성과 결합하여 AI를 생산으로 진화시키는 것을 의미한다. 이는 인간 전문가가 자동화된 시스템의 출력을 검증하고, 세부 조정하고, 향상시킨다.

특히, 전문가 주도 데이터 주석은 도메인 특정 지식을 사용하여 훈련 데이터를 정확하게 레이블링하여, 예측 AI 모델의 정밀도와 신뢰성을 향상시킨다. 편향과 오류를 줄이고, 모델이 실제 시나리오에서 효과적으로 일반화되도록 하는데 도움이 된다. 이는 산업 특정 요구 사항과 일치하는 더 신뢰할 수 있는 해석 가능한 AI 시스템을 만든다.

예를 들어, 한 미국 다국적 기술 회사는 소비자용 의료 채팅봇에 사용하기 위해大量의 의료 데이터를 평가해야 했다. 안전하고 정확한 의료 조언을 제공하기 위해, 그들은 iMerit에 의뢰하여 미국 기반 의료 전문가 네트워크를 활용했다. 미국 기반 의료 전문가 네트워크는 의사-환자 상담을 평가하고 위험을 평가하기 위해 의사와 함께 일했다.

의사와 함께 일하면서, 그들은 99%의 경우에 합의에 도달할 수 있었다. 이는 프로젝트 설계를 단일 투표 구조로 변경하고, 10%의 감사를 통해 프로젝트 비용을 72% 이상 줄이는 것을 가능하게 했다. iMerit과 협력함으로써, 이 회사는의료 데이터 주석을 윤리적으로 및 효율적으로 확장하는 방법을 지속적으로 식별할 수 있었다.

iMerit은 전 세계에서 8,000명 이상의 전문가 풀을 보유하고 있습니다. 어떻게 품질, 성능, 직원 개발을 확장하면서 유지합니까?

품질의 정의는 항상 각 고객의 특정 사용 사례에 맞춰진다. 우리의 팀은 고객과密接하게 협력하여 품질 표준을 정의하고, 빠르게 전문가에 의해 검증되는 사용자 지정 프로세스를 사용한다. 일관성은 높은 품질의 AI 개발에 중요하다. 이는 높은 직원 유지率(90%)과 생산 분석에 대한 강한 초점에 의해 지원된다. 이는 Ango Hub의 설계에서 주요 차별점이다.

우리는 자동화, 최적화, 지식 관리에 지속적으로 투자한다. 이는 우리의 독점적인 iMerit One 훈련 플랫폼에 의해 뒷받침된다. 이는 운영 우수성을 구동하는 것뿐만 아니라, 직원의 장기적인 경력 진행을 지원하는 데 도움이 된다. 이는 전문 지식과 성장의 문화를 조성한다.

AI를 사용하여 의미 있는 것을 구축하고자 하는 비전 있는 AI 기업가들에게 조언을 드리면 무엇입니까? 기술과 사회적 영향 모두에서?

AI는 매우 빠르게 이동하고 있습니다. 기술 스택을 넘어서서 고객의 비즈니스에 무엇이 중요한지 이해하기 위해 고객을 들어보세요. 그들의 속도, 변화, 위험에 대한胃口를 이해하세요. 초기 고객은 시도를 할 수 있습니다. 더 큰 고객은 당신이 지속해서 우선순위를 둘 것이라는 것을 확신시켜야 합니다. 투명성, 안전, 책임에 대한 프로액티브 접근 방식으로 그들을 안심시킵니다.

또한, 공유된 가치와 우려에 대한 일치를 보장하기 위해 주의 깊게 투자자와 이사들을 선택하세요. iMerit에서는 우리의 이사회와 투자자로부터 큰 지원을 받았으며, 특히 COVID-19와 같은 도전적인 시기에 이를 인정합니다.

기술 산업에서 기업家的 성공에 기여하는 주요 자질은 위험을 감수하는 것을 넘어선다. 이는 수익성 있고 포괄적인 회사를 구축하는 것을 포함한다.

감사합니다. 더 많은 것을 배우고 싶은 독자는 iMerit을 방문해야 합니다.