Sarah Nagy, Oprichter & CEO van Seek AI – Interviewreeks

Sarah Nagy is de oprichter en CEO van Seek AI, een platform dat bedrijfsgebruikers in staat stelt om Seek dezelfde vragen te stellen die ze momenteel aan het datateam stellen, rechtstreeks in Slack, Teams en e-mail. Geen “finessing” van hoe ze hun vraag schrijven, en geen leren van een nieuw platform.

U bent oorspronkelijk begonnen als onderzoeker met data van de Hubble-ruimtetelescoop. Waar werkte u aan?

Ik deed onderzoek aan de UCLA en Caltech, waar ik naar enkele van de meest verre galaxies keek die met een telescoop konden worden waargenomen, en werkte aan het analyseren van enkele van hun eigenschappen, zoals hun massa en grootte. Het doel van dit onderzoek was om ons te helpen begrijpen wat het verschil is tussen zeer verre galaxies en galaxies die dichter bij ons eigen zijn, en modellen te ontwikkelen voor hoe deze galaxies zich in de loop van de tijd vormen.

U werkte vervolgens als datawetenschapper bij verschillende startups. Wat waren enkele van de interessantste projecten?

Een project dat opvalt, was het gebruik van natural language processing (NLP) om ongestructureerde tekst met betrekking tot retailartikelen te classificeren. Bijvoorbeeld, het nemen van ruwe tekst (bijv. “air jordans groen”) en het labelen als de geschatte merk (“Nike”). Ik had een collega die zich specialiseerde in NLP en die bezig was met een ander project, dus ik kreeg het project toegewezen omdat hij bezig was. Ik wist niets over NLP op dat moment, dus ik volgde enkele gratis cursussen van Stanford en Fast.ai om mijn kennis op te frissen. Ik genoot echt van het leren over NLP en begon te begrijpen waarom het zo belangrijk is, en waarom artificial intelligence (AI) in staat moet zijn om taal te begrijpen, een grote stap is naar zogenaamde “generale AI”. Deze ervaring zorgde er zeker voor dat ik snel begreep hoe belangrijk GPT-3 was toen het voor het eerst uitkwam.

Kunt u het verhaal achter Seek AI delen?

Toen OpenAI’s GPT-3-model uitkwam, herkende ik meteen wat een geweldige vooruitgang het was en werd ik vooral enthousiast over toepassingen met GPT-3 die code schrijven. Ik schreef immers de hele dag code als datawetenschapper, en om te zien dat AI dit deed – en de code perfect genereerde – was adembenemend. Ik zou mijn reactie op GPT-3 vergelijken met het leren over VR in 2013, wat ook een adembenemende ervaring voor me was. Ik besloot dat ik een startup moest oprichten om een gok te wagen op deze technologie. Ik wist niet precies wat ik zou bouwen, maar ik had een gevoel dat als ik meer over deze modellen leerde, iets waardevols zou ontstaan.

Once ik echt over de modellen had geleerd, realiseerde ik me dat ik een pijnlijk punt kon oplossen dat ik overal waar ik had gewerkt als quant of als datawetenschapper was tegengekomen. Het pijnlijke punt in kwestie was dat bedrijfsmensen niet de juiste tools hadden om hun eigen data-vragen te beantwoorden. Als datawetenschapper werkte ik vaak aan problemen die veel focus vereisten, maar ik werd vaak onderbroken door collega’s aan de bedrijfszijde die vragen over de data hadden, waardoor ik moest stoppen met wat ik deed. Het proces leek archaïsch en inefficiënt. Ik realiseerde me dat als ik me op deze nieuwe technologie richtte om dit probleem op te lossen, het een categorie-definierende oplossing zou zijn voor dit zeer belangrijke en alomtegenwoordige probleem.

Seek AI gebruikt generatieve AI. Kunt u onze lezers uitleggen wat dit is?

“Generatieve AI” is een zeer gehypeerde buzzword, maar in tegenstelling tot andere buzzwords, geloof ik niet dat de hype onterecht is. De term verwijst naar grote machine learning-modellen met honderden miljarden parameters, zoals Open AI’s DALL-E en GPT-3. De innovatie van deze modellen is dat ze natuurlijke taal kunnen begrijpen en tekst, afbeeldingen, code en meer kunnen genereren. Als je ooit speelt met DALL-E of Stable Diffusion, zul je snel begrijpen waarom deze modellen zo gehyped zijn; ze hebben een ongelooflijk menselijke capaciteit om natuurlijke taalopdrachten te begrijpen en kunnen kunst creëren die de beste menselijke kunstenaars evenaart.

Codegeneratie is een van de meest niche, maar belangrijkste toepassingen van generatieve AI. Data wordt groter en complexer, en dus moeilijker voor mensen om handmatig te analyseren en te organiseren. Toch zit er zo veel informatie in deze data. Deze informatie is niet alleen krachtig voor organisaties, maar kan ook leiden tot geweldige wetenschappelijke doorbraken aan de academische kant. Het bouwen van AI om waarde uit data te halen, zal ongelooflijke waarde ontsluiten in de vorm van nuttige informatie.

Seek AI bouwt een interface die gebruikers in staat stelt om met data te communiceren met behulp van natuurlijke taal. Kenniswerkers kunnen toegang krijgen tot de natuurlijke taalinterface van Seek AI via e-mail, Slack, tekst en een reeks klantrelatiemanagementsystemen (CRM).

Welke andere soorten machine learning worden bij Seek AI gebruikt?

Terwijl generatieve AI een onderdeel is van onze machine learning-architectuur, omvat onze architectuur ook verschillende forks van open-source deep learning-modellen. Transformer-modellen (waarvan “generatieve AI” een variant is) vormen veel (maar niet alle) van de modellen die Seek gebruikt.

Waarom is het zo belangrijk dat niet-technische gebruikers snel toegang hebben tot data?

Wat heeft data voor zin als het geen ROI oplevert, en hoe kan een bedrijf deze ROI krijgen als bedrijfsgebruikers de data niet eens kunnen benaderen? Dit is waarom het absoluut essentieel is om toegang te geven aan zoveel mogelijk mensen, zonder de nauwkeurigheid te compromitteren.

Toen ik datawetenschapper was, kreeg ik soms verzoeken van de CEO om data te analyseren om ons bedrijf te helpen met ons product of onze go-to-marktstrategie. Deze projecten konden weken of langer duren. Als CEO nu, begrijp ik de belangrijkheid van deze projecten op een dieper niveau dan ik deed toen ik aan de datazijde zat. Ik vind het vaak jammer dat ik de data niet gewoon kan krijgen op mijn vingertoppen, zodat ik sneller beslissingen kan nemen. Dit is een voorbeeld van wat we bij Seek oplossen.

Hoe maakt Seek AI deze data zo gemakkelijk toegankelijk?

Iets dat interessant is om over na te denken, is dat data eigenlijk alleen kan worden geanalyseerd met code. Het is waar dat er platforms zijn die een abstractie zijn van deze code (bijv. data-dashboards), maar onder de motorkap is er code handmatig geschreven door data-analisten die de data mogelijk maken voor de bedrijfsgebruikers.

De meeste kenniswerkers weten niet hoe ze code moeten schrijven, willen geen code schrijven of kunnen de data zelfs niet benaderen, zelfs als ze code willen schrijven om het te analyseren. Daarom moeten ze, wanneer ze data nodig hebben, het either vinden in een dashboard of vragen aan het datateam als ze het niet kunnen vinden. Hoe groter de datasets worden, hoe vaker dit zal gebeuren.

Data-teams moeten dus “vertalers” zijn van natuurlijke taalvragen gericht aan hen, en de data zelf, die ze opvragen met code. Het verwijderen van deze “vertaler”-tussenschakel is het hart van wat Seek doet.

Hoe waarborgen bedrijven dat de data die ze gebruiken nauwkeurig is?

Het beheersen van de afweging tussen data-nauwkeurigheid en -toegankelijkheid is een enorme uitdaging. Zoals ik in een recent interview zei, aan de ene kant maakt toegankelijkheid het mogelijk voor minder technische mensen om te beginnen met interactie met de kennisbron die de data van een bedrijf is. Aan de andere kant, wat heeft een kennisbron van verontreinigd water (d.w.z. slechte data) voor zin?

De beste data-teams zijn die die deze afweging op de meest optimale manier beheren, en een groot deel daarvan is het zorgvuldig kalibreren en valideren van alle tools die niet-technische gebruikers kunnen benaderen.

Wat zijn enkele voorbeelden van use cases voor het Seek AI-platform?

We leveren nu waarde aan klanten en ontwerppartners in de B2B SaaS-, Fintech-, Consumer Product Goods (CPG)- en B2C-e-commerce-markten.

Battlefin is bijvoorbeeld de toonaangevende marktplaats voor alternatieve financiële datasets. Ze geloven dat het geven van snelle, kwalitatief hoogwaardige antwoorden op de vragen van hun klanten het verschil is tussen winnen en verliezen van hun concurrenten. De CEO van het bedrijf, Tim Harrington, merkte op: “Seek AI speelde een cruciale rol in onze bedrijfsstrategie van 2023 vanwege de voorsprong die het ons geeft in het benaderen en analyseren van onze 2.400+ datasets in reactie op vragen van klanten. Ik schat dat onze ROI op Seek AI ongeveer 10x is op basis van wat we zouden hebben uitgegeven om dit niveau van efficiëntie te bereiken zonder het platform.”

Is er nog iets anders dat u over Seek AI wilt delen?

Dit is misschien de juiste plek voor een schaamteloze plug. Seek biedt momenteel gratis proefversies van ons platform aan, die toegankelijk zijn op seek.ai. We zijn enthousiast om een pionier te zijn in het brengen van generatieve AI naar datateams, en ik kijk ernaar uit om deze reis te maken met onze klanten.

Bedankt voor het geweldige interview, lezers die meer willen leren, moeten Seek AI bezoeken.