Radha Basu, CEO og grunnlegger av iMerit – Intervju-serie

Radha Basu, grunnlegger og CEO av iMerit, har bygget sin karriere i HP, hvor hun tilbrakte 20 år og til slutt ledet selskapets Enterprise Solutions-gruppe. Hun tok deretter Support.com offentlig som CEO. Radha startet Anudip Foundation i 2007 med Dipak Basu og grunnla iMerit i 2012. Hun regnes som en ledende teknologi-entrepreneur og mentor, og en pioner i programvarebransjen.

iMerit leverer multimodale AI-data-løsninger ved å kombinere automatisering, ekspert-menneskelig annotering og avansert analyse for å støtte høykvalitets data-merking og modell-finetuning i stor skala.

Du har hatt en bemerkelsesverdig reise – fra å bygge HPs operasjoner i India til å grunnlegge iMerit med en misjon om å løfte marginaliserte ungdom i Bhutan, India og New Orleans. Hva inspirerte deg til å starte iMerit, og hva var de største utfordringene du møtte da du bygget en inklusiv, global arbeidsstyrke fra bunnen av?

Før jeg grunnla iMerit, var jeg styreleder og CEO i SupportSoft, hvor jeg ledet selskapet gjennom dens første og sekundære børsnoteringer, og etablerte det som en global leder i support-automatiseringsprogramvare. Denne erfaringen viste meg kraften i å kombinere mennesker og teknologi fra dag én.

Mens Indias teknologiboom skapte nye muligheter, la jeg merke til at mange talende unge mennesker i underserved områder ble etterlatt. Jeg trodde på deres potensial og driv til å lære. Når de så hvordan programvare kunne drive avanserte teknologier som AI, omfattet de ivrig disse karriereveiene.

Vi lanserte iMerit med et lite, diversifisert team, hvor halvparten var kvinner, og har vokst raskt siden. Teamets evne til å tilpasse seg og å være coachable har vært avgjørende, særlig siden data-sentrert AI har økt langtids-etterspørselen etter kvalifiserte spesialister.

I dag er iMerit en global leverandør av AI-data-løsninger for kritiske sektorer som autonome kjøretøy, medisinsk AI og teknologi. Vårt arbeid sikrer at kundenes AI-modeller er bygget på høykvalitets, pålitelig data, som er essensielt i høyrisikomiljøer.

Til slutt ligger vår styrke i sterke teknologiske fundament og et team av godt trente, motiverte ansatte som trives i en støttende, læringsdrevet kultur. Denne tilnærmingen har drivet vår vekst, holdt oss kontant-positiv og gitt oss høye NPS-poeng og lojale kunder.

iMerit samarbeider nå med over 200 kunder, inkludert teknologigiganter som eBay og Johnson & Johnson. Kan du gå gjennom selskapets vekst-reise – fra de tidlige dagene til å bli en global leder i AI-data-tjenester?

Vi har hatt en førerolle i kundenes AI-reiser, og har samarbeidet fra tidlige eksperimenter til stor skala-produksjon. Vårt arbeid omfatter startups, globale autonome kjøretøyledere og store bedrifter. Ved å trene deres modeller fra bunnen av, har vi fått enestående innsikt i hva det virkelig tar å skala AI i den virkelige verden.

Feltet har utviklet seg konstant og raskt. Jeg har sjelden sett en teknologi fremme så dramatisk på så kort tid. Vi har forvandlet oss fra en data-annoteringsleverandør til et fullstendig AI-data-selskap, og leverer spesialiserte løsninger på hele den menneskelige-i-løkken (HITL)-livssyklusen: annotering, validering, audit og red teaming. Behandling av kanter og unntak er avgjørende for virkelige verdens-utsteder, og krever dypt ekspertise og nyansert dømmekraft på hver enkelt trinn.

Vår største vertikale er autonom mobilitet, hvor vi håndterer hele persepsjon-staken, inkludert sensor-fusjon på 15 sensorer for passasjer-, leverings-, lastebil- og landbrukskjøretøy. I helsetjenesten driver vi klinisk bilde-AI. I høyteknologi er vi i forkant av GenAI-justering og validering, og krever større sofistikasjon i våre arbeidsflyter og talent.

Suksess i disse domenene handler ikke bare om å ha eksperter – det handler om å dyrke ekspertise: den kognitive evnen til å utfordre, coach og kontekstualisere AI-modeller. Dette er hva som setter våre team aparte.

Vår vekst drives av langtids-samarbeid, og de fleste av våre topp 10-kunder har vært med oss i over fem år. Etterhvert som deres behov blir mer komplekse, løfter vi kontinuerlig vår domenekunnskap, verktøy, trening og løsninger. Både vår teknologi-stakk og våre mennesker må kontinuerlig utvikle seg.

Fusjonen av programvare, automatisering, annotering og analyse skaper rubrikken for svært fleksible, raske, høy-presise, menneskelige-i-løkken-intervensjoner. 70 % av nye logoer er på vår egen teknologi-stakk, som krever en stor intern transformasjon. Igjen sikrer vår kultur at teamene er sultne på å lære og ønsker å vokse kontinuerlig.

Hva har vært de mest avgjørende øyeblikkene i iMerits historie – enten teknologiske milepæler eller strategiske beslutninger – som har hjulpet å forme selskapets trajektorie?

På et tidspunkt da AI-data-arbeid ble sett på som crowd-basert gig-arbeid, tok vi en tidlig veddemål om at dette ville vokse som en karriere og ville kreve kompleksitet og bedrifts-fokus. Ved å bygge interne team tilsvarende avanserte brukstilfeller, enablede vi våre kunder til å skala raskt, og kulminerte i vår første 1 million USD MRR-avtale i autonome kjøretøy, en milepæl som validerte vår tilnærming.

COVID-19-låsningen testet vår smidighet: vi gikk over fra fullt kontor-basert til fullt fjern-arbeid på nesten over natten, og investerte tungt i infrastruktur, sikkerhet og kultur. Innen få uker, kom kundens operasjoner tilbake, og vi vokste både omsetning og ansatte den året. I dag, med 70 % av vårt team tilbake på stedet, fortsetter vi å utnytte fjern-talent, og lanserte Scholars, vårt globale nettverk av fagfolk for GenAI-justering og validering. Uansett om det er en kardiolog eller en spansk matematiker, vår høy-berørings-kultur tiltrekker og motiverer topp-talent, og løfter direkte kvaliteten og konsistensen av våre løsninger.

I 2023, kjøpte vi Ango.ai, en AI-drevet data-merking og arbeidsflyt-automatiseringsplattform, for å drive neste generasjon av AI-data-verktøy. Denne avgjørende bevegelsen kombinerte iMerits domenekunnskap med Angos avanserte verktøy, og utvidet våre muligheter i radiologi, sensor-fusjon og GenAI-finetuning. Vi samarbeider fortsatt med kundens verktøy, men mange nye kunder blir nå ombord på Ango Hub, tiltrekket av dens brukervennlige arbeidsflyter og robuste sikkerhet, som er essensielle krav i vår bransje.

Bedrifter forteller oss konsekvent at de søker etter det beste av begge verdener: ekspert-menneskelig innsikt for å sikre kvalitet, kombinert med en sikker, skalerbar plattform som leverer automatisering og analyse. Kombinasjonen av Ango leverer nettopp det, og plasserer oss unikt for å møte de komplekse kravene til dagens mest ambisiøse AI-prosjekter og skala med tillit.

iMerit er dypt involvert i avanserte domener som autonome kjøretøy, medisinsk AI og GenAI. Hva er noen av de unike data-utfordringene du møter i disse sektorene, og hvordan løser du dem?

Data-relaterte oppgaver utgjør vanligvis nesten 80 % av tiden brukt på AI-prosjekter, og er derfor en kritisk komponent i pipeline. Den data-sentriske delen av AI kan være tidskrevende og kostbar hvis den ikke håndteres på riktig måte og i stor skala.

Data-kvalitet, og spesielt unngåelse av grove feil, er essensielt i kritiske sektorer som vi opererer i. Uansett om det er en persepsjons-algoritme eller en tumor-detektor, er ren data essensiell i trening-til-validerings-løkken.

Unntakshåndtering er ubetydelig verdifull. Menneskelig innsikt i hvorfor noe er utenfor normen eller hvorfor en scenario brøt modellen, skaper massive verdi i å gjøre modellen mer komplett og robust.

I tillegg blir kontekst-vinduer større. Vi summerer kliniske notater fra en hel lege-pasient-konsultasjon og analyserer anomalier i MR-bilder basert ikke bare på bildet, men også på pasientens medisinske kontekst. Fagfolk må sette opp rubrikker for å analysere dataene nøyaktig og sikre kvalitet.

Sikkerhet, personvern og konfidensialitet er varme emner. Vår Chief Security Officer må sikre mot uautorisert tilgang, sletting og lagring av data. Infosec-protokoller som SOC2, HIPAA og TISAX, har vært store områder for investeringer for oss.

Til slutt arbeider våre ingeniører og løsnings-arkitekter kontinuerlig med tilpassede integrasjoner og rapporter, så unike kundebehov reflekteres i siste mile. En en-size-fits-all-tilnærming fungerer ikke i AI.

Du har snakket om å kombinere robotikk og menneskelig intelligens som en tryggere vei for AI. Kan du utvide på hva denne arbeidsflyten ser ut i praksis – og hvorfor du tror det er bedre enn å forsøke å eliminere AI-s kreative avvik?

AI gir skala, og selskaper utvikler verktøy for å automatisere lange prosesser tradisjonelt utført av mennesker. Men mennesker gir den siste milen av fleksibilitet, sikkerhet og motstand. Etterhvert som programvare-leverte tjenester fortsetter å spre seg i AI, vil de mest suksessfulle selskapene kombinere robotikk med menneskelig-i-løkken-praksis (HITL).

Vi ser HITL som en konsekvent lag i hver fase av AI-utviklings- og deploy-livssyklusen, og også som en pilar av tillit og sikkerhet. Følgelig vil menneskelig intelligens være essensiell for å korrigere hvis modellene feiler. Disse kritiske applikasjonene vil trenge det menneskelige sinnet for å bestemme hva endringer som må gjøres. Dette er hvor HITL-tjenester vil bli enda mer betydningsfulle når vi integrerer AI i produksjon og felt-operasjoner.

Din Ango Hub-plattform kombinerer automatisering med menneskelig-i-løkken-ekspertise. Hvordan forbedrer denne hybrid-modellen data-kvalitet og modell-ytelse i produksjons-AI-systemer?

AI og automatisering gir skala og hastighet, mens mennesker gir nyanser, innsikt og tilsyn. HITL sikrer menneskelig involvering på kritiske tidspunkter i AI-livssyklusen – sikrer høykvalitets-inntastninger, validerer utgang, identifiserer kanter og finjusterer modeller for domener, og gir kontekstuell dømmekraft. Mennesker sikrer nøyaktighet ved å gjennomgå og verifisere utgang, fange hallucinasjoner eller logiske feil før de forårsaker skade. De gir også tilsyn i etisk følsomme eller høyrisiko-sammenhenger hvor LLM-er ikke bør ta endelige beslutninger. Mer viktig, menneskelig tilbakemelding driver kontinuerlig læring, og hjelper AI-systemer å alignere mer nært med bruker-mål over tid.

HITL tar mange former. Menneskelige eksperter engasjerer i målrettet annotering, anvender kompleks resonnering til kanter, og gjennomgår AI-generert innhold ved hjelp av strukturerte QA-grensesnitt. I stedet for å evaluere hver beslutning, implementeres ofte kontekst-escalerings-systemer. Disse systemene ruter bare lav-konfidens-utgang eller flaggede anomalier til menneskelige gjennomgåere, og balanserer tilsyn med effektivitet.

En annen kritisk bruk av HITL er finjustering av AI-agenter via Reinforcement Learning fra menneskelig tilbakemelding (RLHF). Menneskelige gjennomgåere rangerer, omskriver eller gir tilbakemelding på agent-svar, noe som er særlig viktig i sensitive domener som helsetjenester, juridiske tjenester eller kundesupport. I tandem tillater scenario-basert testing og rød-lagging menneskelige evaluatore å teste agenter under adversarial eller uvanlige forhold for å identifisere og patche sårbarheter pre-deploy.

AI-s fullstendige potensial realiseres bare når mennesker forblir i løkken, og guider, validerer og forbedrer hver enkelt trinn. Uansett om det er å finjustere agent-utgang, trene evaluering-løkker eller kuratere pålitelige data-pipelines, menneskelig tilsyn legger til den struktur og ansvarlighet AI trenger for å være tillitlig og effektiv.

Med over 8 000 faste eksperter verden over, hvordan opprettholder du kvalitet, ytelse og ansatt-utvikling i stor skala?

Definisjonen av kvalitet er alltid tilpasset hver enkelt kundes spesifikke brukstilfelle. Våre team samarbeider tett med kunder for å definere og kalibrere kvalitetsstandarder, og anvender tilpassede prosesser som sikrer at hver annotering raskt valideres av fagfolk. Konsistens er viktig for utvikling av høykvalitets-AI. Dette støttes av høy ansatt-tilbakehold (90 %) og en sterk fokus på produksjons-analytik, en nøkkel-differensierer i designet av Ango Hub, formet av daglig bruker-inntast fra vårt team.

Vi investerer kontinuerlig i automatisering, optimalisering og kunnskapsforvaltning, underbygget av vår egen iMerit One-trening-plattform. Dette engasjementet for læring og utvikling driver ikke bare operasjonell eksellense, men også langtids-karriere-utvikling for våre ansatte, og fremmer en kultur av ekspertise og vekst.

Hva er din råd til aspirerende AI-entrepreneurere som ønsker å bygge noe meningsfullt – både i teknologi og i samfunns-impact?

AI beveger seg i en fantastisk fart. Gå utenfor teknologi-stakken og lytt til dine kunder for å forstå hva som betyr noe for deres forretning. Forstå deres appetitt på hastighet, endring og risiko. Tidlige kunder kan prøve ting ut. Større kunder må vite at du er her for å bli og at du vil fortsette å prioritere dem. Sett dem i ro med din proaktive tilnærming til transparens, sikkerhet og ansvar.

I tillegg velger du nøye dine investorer og styremedlemmer for å sikre at det er enighet på delt verdier og bekymringer. Hos iMerit opplevde vi betydelig støtte fra vårt styre og investorer under utfordrende tider som COVID-19, som vi krediterer til denne avtalen.

De nøkkel-egenskaper som bidrar til en entrepreneurs suksess i teknologi-industrien går utenfor å ta risiko; de involverer bygging av en lønnsom, inklusiv bedrift.

Takk for det flotte intervjuet, lesere som ønsker å lære mer bør besøke iMerit.