Carolyn Harvey, Chief Operations Officer w LXT – seria wywiadów

Carolyn Harvey ma bogate doświadczenie w zarządzaniu i rozwoju globalnych operacji w dziedzinie istotności wyszukiwania i adnotacji danych ML. Carolyn jest obecnie Chief Operations Officer (COO) w LXT, gdzie kieruje globalnymi operacjami firmy, zapewniając ciągłe dostarczanie wszystkich programów i projektów danych AI. Koncentruje się na wysokiej jakości danych w skali, budowaniu wydajności w długoterminowych programach i skalowaniu na dużą liczbę globalnych lokalizacji.

Jako COO w LXT, Carolyn wykorzystuje swoje bogate doświadczenie, aby stworzyć najlepszą organizację.

Czy możesz krótko opisać, co robi LXT i jaka jest Twoja rola jako COO?

Sztuczna inteligencja opiera się na danych, aby istnieć, a LXT jest wschodzącym liderem w dostarczaniu dokładnych, etycznie pozyskanych danych, które napędzają innowacje AI. Jako Chief Operations Officer, moja rola polega na nadzorowaniu, prowadzeniu i rozwijaniu naszych globalnych operacji poprzez strategie, strukturę i procesy, które pozwalają nam dostarczać najwyższej jakości dane AI naszym klientom. Zapewniam, że dostarczamy na czas w szerokim zakresie przypadków użycia, od generatywnego AI do istotności wyszukiwania i samochodów bez kierowcy, wśród wielu innych.

Jak ewoluowała misja LXT od jej powstania w 2010 roku? 

Nasza misja polega na napędzaniu technologii przyszłości poprzez generowanie i udoskonalanie danych we wszystkich językach, kulturach i modalnościach. Naszym celem jest pomoc firmom wszystkich rozmiarów w wykorzystaniu niesamowitych korzyści, jakie oferuje AI, poprzez napędzanie ich modeli wysokiej jakości danymi. Wraz z ewolucją misji firmy, nasz zakres usług rozszerzył się od transkrypcji językowej i zbierania danych głosowych do szerokiego zakresu rozwiązań, w tym zbierania i adnotacji danych dla tekstu, obrazu i wideo, usług generatywnego AI i innych. Rozszerzyliśmy również naszą globalną sieć obiektów certyfikowanych ISO 27001, aby spełnić rosnące potrzeby naszych klientów w zakresie bezpiecznych usług danych.

Co było kluczowymi czynnikami wzrostu LXT w sektorze danych szkoleniowych AI?

Ciągłe inwestowanie w AI przez organizacje wszystkich rozmiarów napędza nasz wzrost. Firmy teraz wiedzą, że AI jest niezbędna, aby pozostać konkurencyjnymi, a dane napędzają AI. Ale nie wszystkie dane są równe, a firmy, które odnoszą sukcesy w AI, wiedzą, że wysokiej jakości dane są kluczowe dla tworzenia bardziej dokładnych AI.

Teraz, gdy generatywne AI jest na ustach wszystkich, ta tendencja otworzyła jeszcze więcej możliwości wzrostu dla LXT. Ludzie są niezbędni, aby zapewnić, że te rozwiązania są dokładne, etyczne i odpowiedzialne. Oferujemy szereg usług generatywnego AI w obszarach takich jak dostrajanie dużych modeli językowych, tworzenie podpowiedzi i wiele innych. Nasi klienci wiedzą, że aby zbudować zaufanie z użytkownikami końcowymi, dane wyjściowe ich produktów generatywnego AI muszą być faktami, reprezentować różnorodną publiczność i być pozbawione języka toksycznego. Możemy im pomóc osiągnąć te cele za pomocą naszych usług z ludzkim uczestnictwem.

Jak wybuch generatywnego AI wpłynął na LXT i jego klientów?

LXT doświadczył wzrostu zapotrzebowania na dane szkoleniowe AI ze względu na generatywne AI, zarówno dla podstawowych, zorientowanych na język danych, jak i nowszych aspektów związanych z analizą, kreatywnością i myśleniem krytycznym. Widzimy również wzrost zapotrzebowania na wiedzę branżową i specjalistyczne profile pracowników.

Żądania klientów coraz częściej wykraczają poza mikro-zadania wejściowe maszynowego uczenia się z przeszłości w kierunku LLM, a bardziej złożone zestawy danych wymagane przez aplikacje takie jak ChatGPT, Gemini i wiele innych. Jesteśmy obecnie zaangażowani w kilka innowacyjnych projektów, w których piszemy podpowiedzi mające na celu zmylenie generatywnego AI, aby zobaczyć, jak ono reaguje, a następnie tworzymy poprawną odpowiedź.

W przyszłości może to ewoluować dalej w kierunku sztucznej inteligencji ogólnej (AGI), gdzie zestawy danych będą mapować na jeszcze bardziej skomplikowane i zaawansowane działania.

Masz lata doświadczenia w pracy nad wyszukiwaniem i personalizacją, aby poprawić te algorytmy. Jakie są niektóre z sposobów, w jakie wiodące firmy poprawiają swoją istotność wyszukiwania, aby zapewnić lepsze doświadczenie użytkownika?

W świecie, w którym czas jest cenny, a informacje są wszędzie, poprawa istotności wyszukiwania może wzmocnić lojalność, zwiększyć wskaźnik konwersji i uczynić użytkowników bardziej produktywnymi.

Istotność wyszukiwania zaczyna się od czyszczenia i organizowania danych naszych klientów, usuwania wszystkiego, co mogłoby generować fałszywe pozytywy, oraz tworzenia dodatkowych pól danych, za pomocą których silniki wyszukiwania i rekomendacji mogą przeszukiwać, aby wygenerować bardziej precyzyjne wyniki. Z pomocą maszynowego uczenia się i przetwarzania języka naturalnego klienci mogą umożliwić swoim silnikom wyszukiwania bardziej intuicyjne ustalenie intencji użytkownika i naukę o ich preferencjach w czasie. Wynikiem jest szybsze doświadczenie wyszukiwania, które prowadzi do bardziej personalizowanych wyników.

Osiągnięcie tego celu wymaga dużych ilości danych szkoleniowych, ze szczególnym uwzględnieniem nauczenia algorytmów, jak rozpoznać, sklasyfikować i zwrócić istotne jednostki, oraz jak obsłużyć błędy pisarskie, błędy gramatyczne i inne anomalie danych. Zalecamy również podejście z ludzkim uczestnictwem (HITL), aby zapewnić dokładne dane, zmniejszyć stronniczość i zapewnić lepsze doświadczenie wyszukiwania dla użytkownika końcowego. Z postępem maszynowego uczenia się w ciągu ostatnich 10 lat, HITL ma intensywny nacisk na procesy kontroli jakości, co napędza potrzebę głębszego doświadczenia ze strony dostawców danych.

Czy możesz wyjaśnić podejście LXT do adnotacji danych i jak zapewnia jakość i dokładność danych szkoleniowych AI?

Jako zespół operacyjny, musimy najpierw zrozumieć, jak nasi klienci używają danych, które dostarczamy w ramach rozwoju swoich produktów i usług, aby upewnić się, że będą one spełniać ich potrzeby. Aby to się stało, musimy znaleźć ekspertów w dziedzinie zarządzania projektami i adnotacji, którzy mają doświadczenie w zakresie wymaganych danych.

Następnie jest to głównie kwestia przygotowania i znalezienia odpowiednich zasobów na początku każdego projektu. Obejmuje to wyrównanie z klientami czynników sukcesu podczas fazy planowania, a także głębokie kwalifikacje i procesy weryfikacji adnotatorów, które uwzględniają ważne szczegóły, takie jak wykształcenie, specjalne zainteresowania, demografia i doświadczenie. Rozwijamy również szczegółowe materiały edukacyjne i odniesienia jako przewodnik, dostosowany do każdego projektu. Stosujemy dojrzałe zarządzanie jakością i procesami w całym cyklu życia projektu. Podejście, które stosujemy, jest zgodne z najlepszymi praktykami branżowymi, zapewniając, że wyniki spełniają oczekiwania klientów.

I wszystkie te metody są na rzecz naszej gwarancji jakości danych.

Jak LXT radzi sobie z wyzwaniem adnotacji niestrukturyzowanych danych, które stanowią ponad 80% wszystkich danych?

LXT zbudował wewnętrzną platformę adnotacji, która automatyzuje wiele części procesu adnotacji i zapewnia strukturę i spójny interfejs użytkownika dla pracowników. W fazie pre-procesowania koncentrujemy się na przygotowaniu danych, formatowaniu plików wejściowych i usuwaniu duplikatów, wśród innych rzeczy, a w fazie post-procesowania zajmujemy się pakowaniem danych, składaniem i formatowaniem do dostarczenia do klienta.

Przed rozpoczęciem projektu tworzymy wytyczne, które są przeglądane z klientem i iterowane w trakcie całego cyklu życia projektu, gdy rzeczy się zmieniają. Możemy rozbić proces adnotacji danych na wiele zadań, aby odpowiednio skoncentrować się na każdym elemencie projektu. Dodatkowo, metody kontroli jakości są wdrożone, aby napędzać eliminację błędów w skali.

Wreszcie, nasz zespół Operational Excellence jest odpowiedzialny za zaawansowane zarządzanie procesami, aby zapewnić wysoką wydajność i skalowalność naszych projektów na całym świecie.

Jakie są największe wyzwania, z którymi LXT się spotyka przy zbieraniu danych w skali globalnej, i jak je pokonujecie?

Różnorodność i stronniczość w uczestnikach i w wynikowych zbiorach danych często są jednymi z największych wyzwań, z którymi LXT, i każdy dostawca danych szkoleniowych AI, będzie musiał się zmierzyć. Innymi wyzwaniami są zapotrzebowanie na wiedzę branżową i szybko zmieniający się krajobraz wraz ze zmianą na LLM i generatywne AI.

Pokonujemy te wyzwania dzięki bardzo proaktywnemu podejściu do źródła naszego puli kandydatów, gdzie przeglądamy ekspertyzę, doświadczenie, poprzednie role, zainteresowania i demografię, aby utworzyć odpowiednią różnorodność wśród zespołów według płci lub innych aspektów, takich jak myślenie analityczne lub pisanie kreatywne, wykształcenie, wśród innych.

Gdy już znajdziemy odpowiednich kandydatów, przykładamy wielką wagę do zaangażowania pracowników na regularne spotkania, aby zbudować bardziej doświadczony, lojalny i zadowolony zespół w długiej perspektywie.

W kwestii oceny AI, jak LXT pracuje nad ograniczeniem stronniczości i zapewnieniem etycznych danych wyjściowych w systemach AI, które pomaga szkolić?

Jak wcześniej wspomniano, zapewnienie różnorodności jest wyzwaniem, które wiele dostawców danych szkoleniowych AI musi rozwiązać, i to pomoże w ograniczeniu stronniczości i zapewnieniu etycznych danych wyjściowych.

Odwołam się ponownie do naszych najlepszych praktyk w zakresie zaangażowania, które obejmują znalezienie różnorodnych i reprezentatywnych adnotatorów oraz bycie starannym w wytycznych i środkach kontroli jakości. Mamy strategię źródła wpływu, która pozwala nam przynieść pracę do różnorodnych i nowych grup adnotatorów, takich jak w regionach językowych z ogonem.

Celujemy w etyczne dane wyjściowe poprzez nasze wykorzystanie najlepszych praktyk branżowych, wyrównanie oczekiwań z naszymi klientami i napędzanie wyższych standardów dla naszych menedżerów projektów i adnotatorów. Komunikacja jest niezwykle ważna, a także audyty zgodności, analiza stronniczości i zobowiązanie do wymagań regulacyjnych i prywatności danych.

Jaka jest długoterminowa wizja LXT, i jak widzisz ewolucję firmy w ciągu najbliższych pięciu lat?

 Nasza wizja polega na dostarczaniu dokładnych, etycznie pozyskanych danych, aby napędzać wdrożenie AI i technologii przyszłości, które będą poprawiać doświadczenie ludzi na całym świecie.

Pomimo że automatyzacja i technologia są ważne w AI, istnieje również ważny komponent ludzki, który uzupełnia technologie. Gdy przechodzimy od prostych zadań zautomatyzowanych do dużych modeli językowych (LLM), a od generatywnego AI do ogólnej sztucznej inteligencji (GAI), będzie kluczowe, aby produkty AI wiernie odzwierciedlały ludzi, zarówno tych, którzy generują dane, jak i nasze globalne społeczności.

W LXT staramy się zapewnić, że AI jest używana w pozytywny i transformacyjny sposób, który odzwierciedla te wartości.

Dziękujemy za wspaniały wywiad, czytelnicy, którzy chcą dowiedzieć się więcej, powinni odwiedzić LXT.