Sarah Nagy, grunnlegger og CEO av Seek AI – Intervju-serie

Sarah Nagy er grunnlegger og CEO av Seek AI, en plattform som gjør det mulig for forretningsbrukere å stille Seek de samme spørsmålene som de nå stiller datateamet, rett i Slack, Teams og e-post. Ingen “finessing” av hvordan de skriver spørsmålet, og ingen læring av en ny plattform.

Du startet opprinnelig som forsker med data fra Hubble-romteleskopet. Hva jobbet du med?

Jeg gjorde forskning ved UCLA og Caltech, og så på noen av de mest fjerne galaksene som kunne observeres med et teleskop, og jobbet med å analysere noen av deres egenskaper, som masse og størrelse. Formålet med denne forskningen var å hjelpe oss å forstå forskjellen mellom svært fjerne galakser og galakser som er nærmere vår egen, og utvikle modeller for hvordan disse galaksene dannes over tid.

Du jobbet deretter som data scientist i flere startup-selskaper. Hva var noen av de mer interessante prosjektene?

Ett prosjekt som står ut, involverte å bruke naturlig språkbehandling (NLP) til å klassifisere ustrukturert tekst relatert til detaljhandelsvarer. For eksempel, å ta raw tekst (f.eks. “air jordans grønn”) og merke den som estimert merke (“Nike”). Jeg hadde en kollega som spesialiserte seg i NLP som var opptatt med et annet prosjekt, så jeg fikk faktisk ikke jobbe med dette prosjektet fra starten. Det endte med å bli overført til meg siden de var opptatt. Jeg visste ikke noe om NLP på den tiden, så jeg gikk gjennom noen gratis kurser fra Stanford og Fast.ai for å bygge opp min kunnskap. Jeg likte virkelig å lære om NLP og begynte å forstå hvorfor det er så viktig, og hvorfor kunstig intelligens (AI) som kan forstå språk er et stort skritt mot såkalt “generell AI”. Denne erfaringen gjorde meg klar til å raskt forstå viktigheten av GPT-3 da det først kom ut.

Kunne du dele historien bak Seek AI?

Når OpenAI’s GPT-3-modell kom ut, så jeg umiddelbart hva en fantastisk fremgang det var og ble spesielt spennende på applikasjoner som involverte GPT-3 som skrev kode. Etter all, jeg skrev kode hele dagen som data scientist, og å se AI gjøre dette – og generere koden perfekt – var åndeløst. Jeg ville sammenligne min reaksjon på GPT-3 med da jeg først lærte om VR i 2013, som var en annen åndeløs erfaring for meg. Jeg bestemte meg for å danne et startup-selskap for å satse på denne teknologien. Jeg visste ikke eksakt hva jeg skulle bygge, men jeg hadde en følelse av at hvis jeg lærte mer om disse modellene, ville noe verdifullt falle på plass.

Når jeg hadde lært mer om modellene, da var det at jeg innsett at jeg kunne løse et smertepunkt jeg møtte overalt jeg hadde jobbet som kvant eller data scientist. Smertepunktet i spørsmål var at forretningsfolk ikke hadde de riktige verktøyene til å svare på sine egne data-spørsmål. Som data scientist, jobbet jeg ofte med problemer som krevde mye fokus, men jeg ble ofte avbrutt av kolleger på forretnings-siden som hadde spørsmål om data, og tvang meg til å stoppe det jeg gjorde. Prosessen syntes arkaisk og ineffektiv. Jeg innsett at hvis jeg fokuserte på denne nye teknologien for å løse problemet, ville det være en kategoribestemmende løsning på dette veldig viktige og ubenyttede problemet.

Seek AI bruker generativ AI. Kunne du forklare hva dette er for våre lesere?

“Generativ AI” er et veldig hypet buzzord, men i motsetning til andre buzzord, tror jeg ikke hypen er ufortjent. Begrepet refererer til store maskinlæringsmodeller med hundredvis av milliarder parametre, som Open AI’s DALL-E og GPT-3. Innovasjonen i disse modellene er at de kan forstå naturlig språk og generere tekst, bilder, kode og mer. Hvis du noen gang leker med DALL-E eller Stable Diffusion, vil du raskt forstå hvorfor disse modellene er så hypede; de har en usedvanlig menneske-lignende evne til å forstå naturlig språk-kommandoer og kan generere kunst som rivaliserer med de beste menneskelige kunstnerne.

Kode-generering er en av de mest nisje-aktige, men viktigste, applikasjonene av generativ AI. Data blir større og mer kompleks, og derfor vanskeligere å manuelt analysere og organisere av mennesker. Likevel, er det så mye informasjon kodet i denne dataen. Denne informasjonen er ikke bare kraftig for organisasjoner, men kan også føre til fantastiske vitenskapelige gjennombrudd på den akademiske siden. Bygging av AI for å hente verdi fra data vil låse opp enorme verdier i form av nyttig informasjon.

Seek AI bygger en grensesnitt som gjør det mulig for brukere å interagere med data ved hjelp av naturlig språk. Kunnskapsarbeidere kan nå Seek AI’s naturlig språk-grensesnitt via e-post, Slack, tekst og en rekke kundehåndteringssystemer (CRM).

Hva andre typer maskinlæring brukes i Seek AI?

Mens generativ AI er en del av vår maskinlæringsarkitektur, inkluderer vår arkitektur også flere grener av åpne kildekode-dyp læringsmodeller. Transformer-modeller (av hvilke “generativ AI” er en variant) utgjør mange (men ikke alle) av modellene som Seek bruker.

Hvorfor er det så viktig for ikke-tekniske brukere å kunne raskt nå data?

Hva godt er data hvis det ikke genererer en avkastning, og hvordan kan et selskap få denne avkastningen hvis forretnings-orienterte brukere ikke engang kan nå det? Dette er hvorfor det er absolutt essensielt å gi tilgang til så mange mennesker som mulig, uten å kompromittere nøyaktigheten.

Når jeg var data scientist, fikk jeg noen ganger forespørsler fra CEO-en om å analysere noen data for å hjelpe med vårt selskaps produkt eller markedsstrategi. Disse prosjektene kunne ta uker eller lengre. Som CEO nå, forstår jeg definitivt viktigheten av disse prosjektene på en dypere måte enn jeg gjorde da jeg var på data-siden. Jeg ofte ønsker meg at jeg kunne bare få dataene til mine fingertopper så jeg kan ta mine beslutninger raskere. Dette er et eksempel på hva vi løser i Seek.

Hvordan gjør Seek AI det så enkelt å hente data?

Noe som er interessant å tenke på er at data bare kan analyseres med kode. Det er sant at det finnes plattformer som er abstraksjoner over denne koden (f.eks. data-dashboards), men under hodet, er det kode manuelt skrevet av data-analytikere som gjør det mulig å presentere data til forretnings-brukerne.

De fleste kunnskapsarbeidere vet ikke hvordan de skal kode, ønsker ikke å kode, eller kan ikke engang få tilgang til dataene selv om de ønsker å skrive kode for å analysere dem. Derfor, når de trenger data, må de enten finne det i et dashboard eller spørre data-teamet hvis de ikke kan finne det. Jo større datasettene blir, jo mer vil dette skje.

Data-teamene må derfor være “oversettere” av naturlig språk-spørsmål rettet mot dem, og dataene selv, som de spør med kode. Fjerning av denne “oversetter”-meglere er hjertet av hva Seek gjør.

Hvordan sikrer bedriftene at dataene de bruker er nøyaktige?

Å håndtere avveiingen mellom data-nøyaktighet og tilgjengelighet er en stor utfordring. Som jeg sa i et nylig intervju, på den ene siden, gjør tilgjengelighet det mulig for mindre tekniske folk å starte å interagere med kunnskapskilden som er selskapets data. På den andre siden, hva godt er en kilde med forurenset vann (dvs. dårlig data)?

De beste data-teamene er de som håndterer denne avveiingen på den mest optimale måten mulig, og en stor del av det er å nøye kalibrere og verifisere alle verktøy som ikke-tekniske brukere kan interagere med.

Hva er noen eksempler på brukstilfeller for Seek AI-plattformen?

Vi leverer allerede verdi til kunder og design-partnere i B2B SaaS, Fintech, Forbruksgoder (CPG) og B2C e-handelsmarkedene.

Battlefin er for eksempel det ledende markedet for alternative finansielle datasett. De tror på at å gi rask, høykvalitets svar på sine egne kunders spørsmål er forskjellen mellom å vinne og tape over sine konkurrenter. Selskapets CEO, Tim Harrington, noterte, “Seek AI spilte en kritisk rolle i vårt selskaps strategi for 2023 på grunn av fordelen det gir oss i å nå og analysere våre 2 400+ datasett i respons til kundespørsmål. Jeg ville anslå at vår avkastning på Seek AI er omtrent 10 ganger basert på hva vi ville ha brukt for å oppnå dette nivået av effisiens uten plattformen.”

Er det noe annet du ville like å dele om Seek AI?

Dette kan være riktig sted for en skamlaus reklame. Seek tilbyr nå gratis prøver av vår plattform, som kan nås på seek.ai. Vi er spennende å være en pioner i å bringe generativ AI til data-team, og jeg ser frem til å gå på denne reisen med våre kunder.

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