Olga Megorskaya, Założyciel i Prezes Toloka – Wywiad

Olga Megorskaya, założyciel i prezes Toloka, stoi na czele firmy od 2020 roku, kierując ją od jej pierwotnych korzeni w crowd-labelingu do pozycji głównego gracza na rynku usług danych AI. Przed założeniem i prowadzeniem Toloka, spędziła ponad dekadę w Yandex, kończąc na stanowisku szefa crowdsourcingu i platform, gdzie zbudowała i skalowała infrastrukturę crowd-labelingu danych dla produktów machine learning, w tym wyszukiwania, głosu, mowy, samochodów autonomicznych, moderacji treści i innych. Pod jej kierownictwem, Toloka ustanowiła się jako globalny partner danych AI – łącząc technologie machine learning z ekspertyzą ludzką, aby wspierać szkolenie, ocenę i bezpieczeństwo dużych modeli AI i agentów.

Toloka to holenderska firma z siedzibą w Amsterdamie, która dostarcza wysokiej jakości, starannie wyselekcjonowane dane do rozwoju AI, od adnotacji i labelingu po niestandardowe zestawy danych do nadzorowanego fine-tuningu (SFT) i uczenia ze sprzężeniem zwrotnym od ludzi (RLHF). Firma obsługuje szeroki zakres modalności – tekst, obraz, audio, wideo – i angażuje ekspertów z danej dziedziny oraz globalną grupę ludzi, aby dostarczyć skalowalne, dokładne zestawy danych do szkolenia i oceny zaawansowanych agentów AI i dużych modeli językowych. Ich usługi pomagają poprawić możliwości, takie jak rozumowanie, zrozumienie wielojęzyczne, generowanie obrazów i dźwięku, oraz bezpieczeństwo AI w różnych branżach i aplikacjach.

Spędziła Pani lata budując systemy z ludźmi w pętli w Yandex, zanim założyła Toloka w 2020 roku. Jaki był moment, który przekonał Panią, że to powinno stać się odrębną firmą, i jak doświadczenie to ukształtowało Pani wizję roli Toloka w rozwoju AI?

W pewnym momencie zrealizowaliśmy, że Toloka wyrosła poza swoją firmę macierzystą. Badacze AI z całego świata używali platformy, i uznaliśmy, że firma może osiągnąć więcej jako niezależna jednostka. W związku z tym, Toloka mogła polegać na kumulowanym doświadczeniu setek zespołów AI zbierających dane szkoleniowe dla pełnego spektrum rozwiązań AI – od wyszukiwania internetowego i asystentów głosowych do chatbotów GenAI i agentów AI. Połączyliśmy nasze doświadczenie w zarządzaniu wysiłkiem ludzkim z budowaniem i szkoleniem agentów AI, aby stworzyć nasz nowy produkt, Tendem.

Powiedziała Pani, że prawdziwa perturbacja nie nadejdzie z w pełni autonomicznych agentów. Co skłoniło Panią do wniosku, że hybrydowi agenci – łączący automatyzację AI z ludzkim osądem – są modelem, który ostatecznie zwycięży?

Chociaż uważam, że rozwiązania AI-only w wielu obszarach wkrótce osiągną niesamowity poziom jakości, aby w pełni zaspokoić potrzeby klientów, zawsze będzie długi ogon przypadków użycia, dla których podstawowe modele nigdy nie będą zoptymalizowane. To tam hybrydowy podejście wyprzedzi zarówno rozwiązania AI-only, jak i ludzkie. Widzieliśmy ten sam wzorzec wielokrotnie w ciągu ostatniej dekady: AI może pięknie skalować zadania, ale ma trudności z nuansami, kontekstem i rodzajem decyzji, które mają znaczenie w prawdziwych biznesowych ustawieniach. Profesjonaliści chcą prędkości, ale potrzebują również niezawodności – w pełni autonomiczni agenci po prostu nie mogą gwarantować tego dzisiaj. Hybrydowe systemy wygrywają, ponieważ rozwiązują obie strony równania. AI zajmuje się tym, w czym jest najlepsze: prędkość, struktura i powtarzalność. Ludzka ekspertyza wypełnia luki: niejasność, przypadki graniczne i interpretacja. Kiedy łączysz je rodzinnie, otrzymujesz przepływ pracy, który jest zarówno szybki, jak i godny zaufania. To model, na którym profesjonaliści ostatecznie polegać będą.

Powiedziała Pani, że AI łamie się na niejasności i wielodokumentowe rozumowanie. Jakie zadania ujawniają te ograniczenia najwyraźniej?

Zadania długoterminowe – te, które wymagają syntezy wielu źródeł, uzgodnienia sprzecznych informacji lub interpretacji kontekstu, i które zajmowałyby ludziom godziny lub nawet dni – tendencję do ujawniania obecnych ograniczeń AI. Przykładami są badania rynkowe, analiza konkurencyjna, podsumowanie długich dokumentów, tworzenie oryginalnej treści z mieszanych wejść lub wyciąganie wniosków, które zależą od ludzkiej nuansji wobec rozpoznawania wzorców. AI jest doskonałe w tworzeniu pierwszej wersji. Ale moment, w którym zadanie wymaga priorytetu, osądu lub uzgodnienia niejasności, niezawodność gwałtownie spada. To tam ludzcy eksperci są niezbędni.

Wielu profesjonalistów używa AI, ale nadal nie w pełni im ufają. Jak Pani podejście odbudowuje zaufanie do delegowania prawdziwej pracy systemom wspomaganym przez AI?

Zaufanie poprawia się, gdy ludzie nie muszą już naprawiać wyjścia AI. Nasze podejście odbudowuje zaufanie, integrując ludzi w przepływ pracy od samego początku, a nie jako ścieżkę eskalacji, gdy AI zawiedzie. Każde zadanie w Tendem przepływa przez menedżera projektu AI, który decyduje, co powinno być zautomatyzowane, a co wymaga ludzkiej ekspertyzy. Następnie zarówno automatyczne kontrole, jak i ludzka kontrola jakości zapewniają, że ostateczne wyjście jest dokładne, kompletne i gotowe do użycia w biznesie. Dla profesjonalistów oznacza to, że mogą delegować pracę i spodziewać się zweryfikowanego wyniku, a nie szkicu, który muszą naprawić.

Jakie mechanizmy zapewniają, że ludzcy eksperci w pętli utrzymują wysoką jakość wyjścia bez spowalniania przepływu pracy?

Dwa rzeczy sprawiają, że jest to możliwe:

• Specjalizacja w skali. Eksperci w sieci Tendem są wcześniej zweryfikowani, przeszkoleni i dopasowani na podstawie ekspertyzy z danej dziedziny. Nie są to ogólni wolontariusze, którzy próbują dostosować się na poczekaniu – są już zakwalifikowani do konkretnych typów zadań.
• Warstwowa kontrola jakości i inteligentne routowanie. AI zajmuje się podstawowymi krokami, aby ludzcy eksperci koncentrowali się tylko na częściach, które wymagają osądu. Następnie jest druga warstwa automatycznej kontroli jakości i weryfikacji ludzkiej, gdzie jest to potrzebne. To utrzymuje ludzi zaangażowanych tam, gdzie dodają najwięcej wartości, a nie tam, gdzie tworzą wąskie gardła.

Wynikiem jest prędkość, która rywalizuje z automatyzacją, z dokładnością, która rywalizuje z przeglądem eksperta.

W branżach wymagających dokładności i zgodności, jak hybrydowe systemy mogą oferować weryfikowalność i audytowalność, na które biznesy mogą polegać?

Hybrydowe systemy po prostu pozwalają na audytowalność, ponieważ każdy krok w przepływie pracy jest śledzony, przypisany i sprawdzany pod względem jakości. Wie Pani, które części były zautomatyzowane, które zostały wykonane przez zweryfikowanych ekspertów, oraz jakie kroki QA potwierdziły wyjście. W branżach o wysokim stopniu regulacji, ten proces staje się niezbędny. Nie polega Pani już na decyzji AI w czarnej skrzynce; ma Pani weryfikowalną łańcuch osądu, korekt i zatwierdzeń. To sprawia, że hybrydowe systemy są odpowiednie dla dziedzin, w których dokładność i zgodność nie mogą być opcjonalne.

Które kategorie pracy wiedzy oczekuje Pani, że najpierw przejdą na hybrydowych agentów, a które będą najwolniejsze w przyjęciu tego modelu?

Generalnie uważam, że podejście hybrydowe jest o wiele łatwiejsze do przyjęcia niż podejście AI-only, więc spodziewamy się, że prawie każda dziedzina może być objęta tym modelem – różnica będzie tylko w proporcji AI do udziału ludzkiego. Pionierami będą role, w których prędkość i dokładność mają znaczenie, a praca jest nadal bardzo powtarzalna. Już widzimy silne pociągnięcie za pomocą konsultingu, marketingu, operacji sprzedaży, badań i tworzenia treści. Najbardziej złożone (i prawdopodobnie najbardziej interesujące) obszary do rozwiązania to te bliżej świata fizycznego, takie jak architektura i budownictwo. Ale widzę również wyraźną ścieżkę technologiczną, aby tam dojść.

Z punktu widzenia operacyjnego, jak organizacje korzystają na przechodzeniu z pracy zarządzanej przez wolontariuszy do hybrydowych agentów?

Hybrydowi agenci eliminują dwa z największych nieefektywności w pracy zarządzanej przez wolontariuszy: nakład pracy zarządczej i niekonsekwentną jakość. Organizacje i profesjonaliści nie muszą już rekrutować, weryfikować, informować, zarządzać ani poprawiać wolontariuszy. Hybrydowy agent zajmuje się automatycznie orkiestracją przepływu pracy, przydzielając odpowiednią kombinację AI i ludzkiej ekspertyzy dla każdego kroku. To redukuje czas realizacji, standaryzuje jakość wyjścia i skaluje pracę bez zwiększania zatrudnienia. Innymi słowy: otrzymuje Pani prędkość automatyzacji z niezawodnością zespołu ekspertów, ale bez zarządzania którymkolwiek z nich.

Jak spodziewa się Pani, że hybrydowe systemy wpłyną na szerszy rynek wolontariuszy i gospodarkę gigów?

Uważamy, że zmieni to gospodarkę wolontariuszy, ale nie ją zastąpi. Zamiast tego, wolontariusze będą mogli angażować się w hybrydowe systemy jako specjaliści w określonych dziedzinach. Praca staje się bardziej ustrukturyzowana: o wyższej wartości, bardziej przewidywalna i bardziej stabilna. Zamiast ścigania niekonsekwentnych projektów, eksperci mogą przyczyniać się w skali przez platformy takie jak Tendem, gdzie ich umiejętności są dopasowane do odpowiednich zadań i wspierane przez systemy AI, które usuwają zajęcia biurowe.

Spójrzmy w przyszłość, kilka lat do przodu. Co oznacza “delegowanie do AI” raz, gdy hybrydowi agenci staną się standardem w cyfrowej pracy?

Delegowanie będzie wyglądało mniej jak “używanie narzędzia” i bardziej jak przekazanie pracy zdolnemu zespołowi. Opisze Pani wynik, jaki chce Pani osiągnąć, a hybrydowy agent rozłoży go na części, przydzieli podzadania, zastosuje odpowiednią kombinację AI i ludzkiej ekspertyzy, zweryfikuje wyniki i dostarczy gotowy produkt – wszystko w ciągu kilku godzin. Zmiana będzie polegała na użyciu AI jako asystenta do pisania, a nie na ufaniu AI jako menedżerowi projektu, który nadzoruje cały przepływ pracy. To jest moment, w którym następuje prawdziwe delegowanie: gdy profesjonaliści mogą ufać systemowi, aby dostarczyć ostateczne wyjście, a nie tylko punkt wyjścia.

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