수자타 사기라주, Appen의 Chief Product Officer – 인터뷰 시리즈

수자타 사기라주는 Appen의 Chief Product Officer입니다. 그녀는 2021년 9월에 Appen에 Product의 SVP로 입사했으며, 제품 전략을 담당합니다. 그녀는 20년 이상의 폭넓은 경험을 가진 기술 선구자로서 대규모 온라인 서비스와 AI/ML 및 데이터 플랫폼을 구축하는 데 전문가입니다. 그녀는 Microsoft에서 여러 그룹의 리더십 역할을 수행한 후 Appen에 입사했습니다.

Appen은 AI 라이프사이클을 위한 글로벌 리더입니다. 25년 이상의 데이터 소싱, 데이터 주석, 및 모델 평가 경험을 통해 조직이 세계에서 가장 혁신적인 인공지능 시스템을 출시할 수 있도록 지원합니다.

당신은 초기에 AI에 관심을 가지게 된 이유는 무엇인가?

Microsoft에서 Azure AI 조직에서 일할 때, 산업 풍경, 고객, 및 다양한 산업에서 일어나는 AI 변화를熟悉했습니다. 고객의 관점에서 機械 학습 모델을 구축하는 데 데이터가 장애물임을 알 수 있었으며, Appen을 통해 그 문제를 해결할 수 있는 기회를 보았습니다. 그것은 AI 라이프사이클의 모든 단계를 연결할 수 있는 연결 고리입니다.

현재 Appen의 Chief Product Officer로 재직 중입니다. 이 직책에 대해 설명해 주시겠습니까?

최상위 수준에서, 내 팀은 제품 비전, 전략을 구축하며, 조직 전체의 여러 이해관계자와 효과적으로 실행하는 데 동의합니다. 더 개인적인 수준에서, 나는 산업과 고객을 이해하는 데 상당한 시간을 보냅니다. Amazon, Google, Microsoft, Salesforce, Boeing과 같은 일부 큰 회사들이 우리의 고객이기 때문에, 내 팀은 고객 시나리오와痛点을 이해하고 성장 계획을 제공하는 제품 전략을 구축하는 것이 중요합니다. 안전하고 포괄적인 문화를 구축하는 것도 내 역할의 매우 중요한 부분입니다. 나는 직원이 아이디어를 공유하고, 협력하고, 경력을 성장시키는 공간을 만들기 위해 집중합니다.

AI 개발에서 다양한 팀을 육성하는 것은 얼마나 중요한가요?

AI 개발에서 다양한 팀을 육성하는 것은 매우 중요합니다. 다양성은 성별, 나이, 인종, 관점 등 여러 가지로 생각할 수 있습니다. 관점의 다양성은 가장 중요한 부분입니다. 다양한 배경과 경험을 가진 팀을 보장하는 데 중요합니다. 이러한 경험은 고객이 매우 다양하기 때문에 모든 고객을 위한 최고의 제품을 구축하는 데 도움이 되는 새로운 아이디어를 제공합니다.

당신은 어떻게 다양한 팀을 육성합니까?

다양성을 촉진하는 문화는 직원이 아이디어와 관점을 공유하도록 초대합니다. 나는 팀 회의를 진행할 때 다양한 의사소통 방법을 고려합니다. 예를 들어, 팀 회의에서 피드백을 요청할 때, 직원에게 회의 중에 직접 말하거나 나중에 메시지를 보내도록 요청합니다. 나는 모든 사람이 즉시 말하거나 피드백을 제공하기를 원하지 않는다는 것을 인정합니다. 나는 의견을 표명하고 아이디어를 공유할 수 있는 안전한 환경을 만들고 싶습니다. العظ大的 아이디어는 조직 내의 모든 팀에서 나옵니다. 나는 제품에 대한 판매, 마케팅, 및 고객과 직접 상호작용하는 팀의 nhu cầu를 이해하고 고객의 관점에서 일합니다. 고객의痛点을 внимательно 듣는 것이 일부 최고의 제품 아이디어를 제공합니다.

다양한 팀을 갖는 것 외에 기계 학습 알고리즘의 편향을 लड는 다른 방법은 무엇인가?

포괄적인 데이터 소싱, 데이터 준비, 및 모델 평가가 기계 학습 알고리즘의 편향을 लड는 데 중요합니다. 알고리즘을 훈련하는 데 사용되는 데이터는 모든 잠재적인 최종 사용자 또는 결과를 포함해야 합니다. AI 라이프사이클의 각 단계에서 편향을 확인해야 합니다. 책임 있는 AI는 또한 책임 있게 소싱된 데이터셋으로 구축됩니다. 즉, 기여자는 공정하게 대우받습니다. Appen은 크라우드 코드 오브 에티크를 구축하여 크라우드의 복지에 대한 헌신을 보여주었습니다.

최근에 새로운 학문인 Data for AI Lifecycle에 대해 논의하는 기사를 게시했습니다. 이것에 대해 간단히 설명해 주시겠습니까?

AI 라이프사이클을 위한 데이터는 연속적인 사이클에서 네 가지 단계를 포함합니다. 데이터 소싱, 데이터 준비, 모델 구축 및 배포, 및 인간에 의한 모델 평가입니다. 이러한 단계는 고품질의 AI 프로젝트를 구축하는 데 필요한 데이터를 제공하는 데 필요합니다. 데이터 소싱, 데이터 준비, 및 모델 평가는 가장 노동 집약적이고 데이터 집약적인 단계이며, 잘못 수행되면 프로젝트 품질 문제와 출시 지연으로 이어질 수 있습니다. Appen은 이러한 세 가지 단계에 전문성을 가지고 있으며 모델 훈련 및 배포에 전문성을 가진 제공자와 전략적으로 파트너십을 맺습니다.

AI 라이프사이클에서 합성 데이터의 역할은 무엇인가?

데이터 소싱 솔루션에는 인간 주석 데이터, 사전 레이블링된 데이터셋, 및 합성 데이터가 포함됩니다. 합성 데이터는 어려운 데이터셋과 사용 사례에서 활용됩니다. 포괄적인 데이터셋은 모든 사용 사례와 잠재적인 AI 모델의 최종 사용자를 포함해야 하며, 일부는 이를 달성하기 위해 합성 데이터가 필요합니다. 인간 주석 데이터와 합성 데이터의 조합은 모델 성공에 중요해집니다.

AI 라이프사이클에서 모델 드리프트 또는 오버피팅은 얼마나 큰 문제인가?

모델 드리프트는 AI 라이프사이클의 네 번째 단계인 인간에 의한 모델 평가에서 해결해야 하는 큰 문제입니다. 모델이 실제 세계에서 계속 작동하는지 확인하는 것이 중요하며, 이는 인간 테스트를 통해 달성할 수 있습니다. 환경이 변경되고 성장함에 따라 모델도 변경되어야 합니다. 모델이 구식이거나 편향되지 않도록 지속적으로 평가하는 것이 중요합니다. Microsoft의 Bing은 모델 평가를 통해 검색 결과가 표준에 따라 수행되고 모델이 지속적으로 평가되는 것을 보장하는 고객입니다.

Appen에서 하는 일에 대해 더 공유하고 싶은 것이 있습니까?

Appen에서 가장 가치 있는 작업은 우리의 사람들과 그들의 전문성입니다. 25년 이상의 경험을 통해 Appen은 강력한 기초를 구축했습니다. 우리의 고객은 전문성을 신뢰하며, 높은 품질의 결과를 신속하게 대규모로 제공할 수 있습니다. Appen은 데이터를 위한 AI 라이프사이클을 관리하는 솔루션을 제공함으로써 AI 산업의 변화를 가능하게 합니다.

멋진 인터뷰에 감사합니다. 더 많은 정보를 배우고 싶은 독자는 Appen을 방문할 수 있습니다.