Ryan Kolln, CEO bij Appen – Interview Serie

Toen hij in 2018 bij Appen AI kwam als VP van Corporate Development, leidde hij strategische overnames zoals Figure Eight en Quadrant, en ondersteunde hij de oprichting van de divisies China en Federal. Voordat hij tot CEO werd benoemd, was hij Chief Operating Officer, waarbij hij de wereldwijde operaties en strategie leidde.

Met meer dan 20 jaar ervaring in technologie en telecommunicatie, hoe heeft uw carrièrepad uw aanpak beïnvloed om Appen te leiden in de snel evoluerende AI-landschap?

Mijn carrière begon als telecommunicatie-ingenieur, waarbij mijn rol bestond uit het bouwen en optimaliseren van netwerken en een enorme hoeveelheid gegevens, analyses en het vinden van innovatieve oplossingen om netwerkprestaties en klantervaring te optimaliseren.

Na het behalen van mijn MBA aan NYU, evolueerde dit naar leiderschapsrollen in technische strategie en fusies en overnames, waarbij ik me richtte op bredere strategische vragen, zoals opkomende trends, investeringsmogelijkheden en bedrijfsmodellen. Deze achtergrond heeft me een diepgaande kennis gegeven van zowel de technische als de zakelijke aspecten van opkomende technologieën.

Bij Appen werken we op het snijvlak van AI en gegevens, en mijn ervaring heeft me in staat gesteld om het bedrijf te leiden en complexiteiten in de snel evoluerende AI-ruimte te navigeren, waarbij we door belangrijke ontwikkelingen zoals spraakherkenning, NLP, aanbevelingssystemen en nu generatieve AI gaan. Deze strategische visie is cruciaal, aangezien AI wereldwijd industrieën blijft transformeren.

U bent sinds 2018 bij Appen en heeft belangrijke overnames zoals Figure Eight en Quadrant aangestuurd. Hoe hebben deze strategische zetten Appen gepositioneerd als leider in AI-gegevensdiensten, en wat ziet u als de volgende grote kans voor het bedrijf?

De overnames van Figure Eight en Quadrant waren cruciaal voor het uitbreiden van onze AI-gegevensmogelijkheden, met name op het gebied van gegevensannotatie en geolocatie-intelligentie.  Figure Eight’s gegevensannotatieplatform was bijzonder effectief.  Het platform is zeer aanpasbaar, en we hebben het gebruikt voor werk in veel verschillende domeinen.  Onlangs hebben we het platform gebruikt om de meeste van onze generatieve AI-gegevensstromen uit te voeren.

Naast de overnames hebben we ongeveer 5 jaar geleden een operatie in China opgericht, genaamd Appen China.  We zijn nu het grootste AI-gegevensbedrijf in China, met een omzet die bijna het dubbele is van onze naaste concurrenten.

Als we vooruitkijken, ligt de focus voor Appen op het ondersteunen van de ontwikkeling en adoptie van generatieve AI.  Er zijn belangrijke groeimogelijkheden in zowel de modelbouwers als bedrijven die generatieve AI in hun producten en operaties willen integreren.  We denken dat we nog maar aan het begin staan van de grootste AI-golf.

Gegevenskwaliteit speelt een cruciale rol in de ontwikkeling van AI-modellen. Hoe zorgt Appen ervoor dat de nauwkeurigheid, diversiteit en relevantie van haar gegevenssets gewaarborgd zijn, vooral met de toenemende vraag naar hoogwaardige LLM-trainingsgegevens?

Appens sterkte ligt in onze mogelijkheid om consistent hoogwaardige gegevens te creëren en te leveren. We werken nauw samen met onze klanten om hun AI-modeldoelen te begrijpen en ontwikkelen hoogwaardige gegevens voor hun behoeften via een multimultilayered aanpak die geautomatiseerde tools en menselijke feedback combineert. We hebben een wereldwijd netwerk van meer dan 1 miljoen mensen in meer dan 200 landen, waardoor we een groep gekwalificeerde en diverse bijdragers kunnen samenstellen. Door middel van strikte kwaliteitscontrole en feedbackloops waarborgen we dat de gegevens nauwkeurig, consistent en relevant zijn en effectief kunnen worden gebruikt om de prestaties van AI-modellen te verbeteren. Dit stelt AI-systemen in staat om effectief te functioneren in echte omgevingsomstandigheden en kan ook worden gebruikt om robuustheid te verbeteren en bias te verminderen, vooral voor LLM’s.

Synthetische gegevens generatie wint aan populariteit, en Appens investering in Mindtech onderstreept uw interesse in dit gebied. Kunt u de voordelen en nadelen van het gebruik van synthetische of web-geëxtraheerde gegevens versus crowdsourced gegevens voor het trainen van AI-modellen bespreken, en hoe u synthetische gegevens ziet als aanvulling op de crowdsourced gegevens waar Appen bekend om staat?

­­Hoogwaardige gegevens zijn cruciaal, maar kunnen duur en tijdrovend zijn om te produceren, waardoor synthetische gegevens aandacht krijgen. Het werkt goed voor gestructureerde gegevens in traditionele AI/ML-taken, vooral in industrieën met strikte privacyregelgeving zoals de gezondheidszorg en financiën, aangezien het het gebruik van persoonlijke informatie vermijdt.

synthetische gegevens ontbreken echter vaak aan diepte en nuances van echte wereldgegevens, vooral voor complexe generatieve AI-taken die diversiteit en diepgaande expertise vereisen. Het kan ook fouten of bias uit de oorspronkelijke gegevens in stand houden. Web-geëxtraheerde gegevens, die vaak voor LLM’s worden gebruikt, stellen hun eigen uitdagingen met lage kwaliteit, bias en desinformatie, waardoor zorgvuldige curatie nodig is.

Crowdsourced gegevens, waar Appen zich op richt, blijven de “grondwaarheid”. Menselijke expertise is essentieel voor het genereren van diverse, complexe gegevens die nodig zijn om de nauwkeurigheid van AI-modellen te verbeteren en ervoor te zorgen dat ze in overeenstemming zijn met menselijke waarden.

We beschouwen synthetische gegevens als een aanvulling op onze door mensen geannoteerde gegevens. Terwijl synthetische gegevens sommige delen van het proces kunnen versnellen, garanderen door mensen gelabelde gegevens dat modellen de diversiteit van de echte wereld weerspiegelen. Samen bieden ze een evenwichtige benadering voor het creëren van hoogwaardige trainingsgegevens voor AI.

De EU AI Act en andere wereldwijde regelgeving vormen de ethische standaarden rond AI-ontwikkeling. Hoe denkt u dat deze regelgeving de activiteiten van Appen en de bredere AI-industrie zal beïnvloeden in de toekomst?

De EU AI Act en soortgelijke wereldwijde regelgeving zullen waarschijnlijk de activiteiten van Appen beïnvloeden door nieuwe ethische standaarden voor AI-modelontwikkeling en -prestaties in te voeren. We kunnen veranderingen zien in de manier waarop we gegevens behandelen, modelrechtvaardigheid waarborgen en ethische overwegingen aanpakken. Dit kan leiden tot meer strenge processen en potentiële aanpassingen in onze benadering van modeltraining en -validatie.

Over het algemeen zullen deze regelgevingen de industrie naar hogere ethische standaarden stuwen, de nalevingskosten verhogen en mogelijk sommige aspecten van innovatie vertragen. Ze zullen echter ook meer verantwoordelijkheid en transparantie stimuleren, wat uiteindelijk kan leiden tot meer verantwoorde en duurzame AI-ontwikkeling.

Met de groeiende bezorgdheid over bias in AI, hoe zorgt Appen ervoor dat de gegevenssets die worden gebruikt om AI-modellen te trainen, ethisch worden gegenereerd en vrij zijn van bias, vooral in gevoelige gebieden zoals natuurlijke taalverwerking en computerzicht?

We werken actief aan het verminderen van bias door diversiteit en inclusie te stimuleren in al onze projecten. Het is bemoedigend om te zien dat veel van onze klanten zich richten op het vastleggen van brede demografieën bij gegevensverzameling en modelbeoordelingstaken. Het hebben van een wereldwijd netwerk van meer dan 1 miljoen mensen in meer dan 200 landen stelt ons in staat om gegevens te verzamelen vanuit een breed scala aan perspectieven en ervaringen, wat vooral belangrijk is in gevoelige gebieden zoals natuurlijke taalverwerking en computerzicht.

Sinds 2019 hebben we onze beste praktijken vastgelegd in de Crowd Code of Ethics, waarin onze toewijding aan diversiteit, eerlijkheid en crowdwelzijn tot uitdrukking komt. Dit omvat onze toezegging aan eerlijke betaling, ervoor zorgen dat de stem van onze crowd wordt gehoord en het handhaven van strikte privacybescherming. Door deze principes in acht te nemen, streven we ernaar om hoogwaardige, ethisch gegenereerde gegevens te leveren die ondersteuning bieden voor verantwoorde AI-ontwikkeling.

Terwijl AI meer geïntegreerd raakt in industrieën zoals automotive, reclame en AR/VR, hoe positioneert Appen zich om de toenemende vraag naar gespecialiseerde trainingsgegevens in deze sectoren te vervullen?

Gedurende de afgelopen 27 jaar hebben we gespecialiseerde trainingsgegevens geleverd voor een breed scala aan industrieën en use-cases, en we blijven evolueren naarmate de behoeften van onze klanten evolueren.

Als voorbeeld, in de automotive-industrie hebben we samengewerkt met toonaangevende automotivebedrijven en in-cabineoplossingsaanbieders om in-vehicle spraaksystemen te bouwen. Nu helpen we onze klanten in nieuwe gebieden zoals video-gegevensverzameling van bestuurders om veiligheid te verbeteren door bestuurdersafleiding te monitoren.

In de reclame-industrie hebben we een toonaangevend wereldwijd reclameplatform geholpen om de kwaliteit en nauwkeurigheid van advertenties voor gebruikersrelevantie te verbeteren over een groot, meerjarig wereldwijd programma met 7M+ beoordelingen. Nu, terwijl veel van deze platforms generatieve AI-oplossingen adopteren, helpen onze crowd niet alleen bij het beoordelen van de relevantie van advertenties, maar ook bij het evalueren van de kwaliteit van gegenereerde advertenties.

We hebben dit allemaal kunnen doen dankzij ons robuuste annotatieplatform, dat kan worden aangepast om complexe workflows en verschillende gegevensmodaliteiten te ondersteunen, waaronder tekst, audio, afbeeldingen, video en multimodale annotatie. Maar uiteindelijk komt onze mogelijkheid om met de veranderende industrie mee te gaan neer op onze diepgaande expertise in gegevens voor AI-ontwikkeling en een sterke samenwerking met onze klanten.

Appen is een leider gebleken in het leveren van hoogwaardige gegevens voor een breed scala aan AI-toepassingen. Hoe ziet u de rol van Appen evolueren terwijl generatieve AI en LLM’s blijven ontwikkelen en wereldwijde markten beïnvloeden?

Generatieve AI en LLM’s transformeren industrieën, en we zullen blijven spelen een cruciale rol in het leveren van hoogwaardige gegevens om deze vooruitgang te ondersteunen. Als het gaat om wereldwijde markten, zal onze mogelijkheid om over 200 landen en 500+ talen te putten, nog waardevoller worden, en we hebben een sterke geschiedenis op dit gebied, aangezien we bedrijven zoals Microsoft (MSFT ) hebben geholpen bij het lanceren van Machine Translation-modellen voor meer dan 110 talen.

Naarmate de implementatie van LLM-toepassingen groeit, zien we een groeiende vraag naar het in overeenstemming brengen met menselijke eindgebruikers, waaronder lokaliseringsmogelijkheden om ervoor te zorgen dat taal- en culturele nuances in verschillende wereldwijde markten worden aangepakt. We zijn toegewijd om bedrijven te helpen AI-systemen te ontwikkelen die zowel prestaties als verantwoordelijkheid bieden, door ervoor te zorgen dat de gegevens die worden gebruikt om deze modellen te trainen, divers, relevant en ethisch gegenereerd zijn.

Appen is bekend met het aandrijven van enkele van ‘s werelds meest geavanceerde LLM’s. Wat zijn enkele van de innovaties in gegevensannotatie en -verzameling waar Appen zich op richt om de prestaties van deze modellen te verbeteren?

We zijn constant bezig met het innoveren van onze gegevensannotatie- en -verzamelingprocessen om de prestaties van LLM’s te verbeteren. Een van de gebieden waarop we ons richten, is het verbeteren van de efficiëntie en nauwkeurigheid van gegevensannotatie via geavanceerde AI-geassisteerde tools, die helpen om delen van het proces te stroomlijnen en automatiseren terwijl hoge kwaliteitsnormen worden gehandhaafd.

We kunnen gegevenspunten identificeren die verdere menselijke input nodig hebben, waardoor annotatie-inspanningen gericht zijn waar ze het meeste impact zullen hebben. We hebben functies geïntegreerd in ons platform zoals Model Mate, die kunnen worden gebruikt om gegevensproductie te versnellen en gegevenskwaliteit te verbeteren. We zijn ook gefocust op best practices in contributorbeheer, wat belangrijk is aangezien de complexiteit van taken toeneemt.

De mogelijkheid om contributorprestaties op contributorniveau te begrijpen en feedback te geven om de kwaliteit van onze door mensen gegenereerde gegevens voortdurend te verbeteren. Deze innovaties stellen ons in staat om de hoogwaardige, grootschalige gegevens te leveren die nodig zijn om de wereldwijde toonaangevende LLM’s aan te drijven en te fijn te tunen.

Terwijl u uw nieuwe rol als CEO aanvaardt, wat zijn uw topprioriteiten voor Appen in de komende jaren, en hoe bent u van plan om de groei van het bedrijf in de zeer concurrerende AI-ruimte aan te jagen?

Als ik de rol van CEO aanvaard, zijn mijn strategische prioriteiten ontworpen om Appens leiderschap in de concurrerende AI-landschap te waarborgen:

• Ondersteuning van de ontwikkeling van generatieve AI-modellen: In de afgelopen 18 maanden is generatieve AI een belangrijk onderdeel van ons dienstenaanbod geworden, met 28% van de groepsomzet afkomstig van generatieve AI-gerelateerde projecten in juni 2024, vergeleken met 8% in januari. We zien een aanzienlijk potentieel in de generatieve AI-markt, die naar verwachting 1,3 biljoen dollar zal bereiken in 2032 volgens industrievoorspellingen.
• Ondersteuning van de adoptie van generatieve AI-modellen: We zien groei in nieuwe segmenten aangezien ondernemingen generatieve AI-oplossingen voor hun use-cases adopteren. Hoewel het percentage generatieve AI-projecten dat in productie wordt genomen laag is, verwachten we dat FY24/25 een overgangsperiode zal zijn waarin experimenten naar productie gaan en vraag naar maatwerkhoogwaardige en gespecialiseerde gegevens zullen stimuleren.
• Optimaliseren en automatiseren van de manier waarop we gegevens voorbereiden: Door het gebruik van AI voor kwaliteitsborging en het automatiseren van bepaalde stappen in het gegevensvoorbereidingsproces. Dit zal ons in staat stellen om de gegevenskwaliteit te verbeteren en tegelijkertijd de operationele efficiëntie te verbeteren, waardoor onze brutowinstmarges zullen verbeteren.
• De ervaring van onze crowdworkers evolueren: Ons nieuwe CrowdGen-platform stelt ons in staat om projecten snel en flexibel op te schalen in overeenstemming met de behoeften van onze klanten, met behulp van AI voor geautomatiseerd scherm en projectmatching. Dit zal ook de ervaring van onze contributors verbeteren met persoonlijke ondersteuning. Appen is een vroege aanvaarder van het bevorderen van transparantie, diversiteit en eerlijkheid in onze gegevensbron, en we blijven toegewijd aan onze Crowd Code of Ethics.

Deze prioriteiten zullen Appen positioneren voor duurzame groei en innovatie in de evoluerende AI-landschap.

Bedankt voor het geweldige interview, we moedigen lezers aan die meer willen leren om Appen te bezoeken.