Radha Basu, CEO e fundadora da iMerit – Série de entrevistas

Radha BasuFundadora e CEO da iMerit, construiu sua carreira na HP, passando 20 anos na gigante da tecnologia e, eventualmente, liderando seu grupo de Soluções Corporativas. Em seguida, abriu o capital da Support.com como CEO. Radha fundou a Anudip Foundation em 2007 com Dipak Basu e, em seguida, fundou a iMerit em 2012. Ela é considerada uma importante empreendedora e mentora em tecnologia, além de pioneira no setor de software.

iMerit fornece soluções de dados de IA multimodais combinando automação, anotação humana especializada e análises avançadas para dar suporte à rotulagem de dados de alta qualidade e ajuste fino de modelos em escala.

Você teve uma jornada extraordinária — desde a construção das operações da HP na Índia até a fundação da iMerit, com a missão de ajudar jovens marginalizados no Butão, na Índia e em Nova Orleans. O que a inspirou a fundar a iMerit e quais desafios você enfrentou para criar uma força de trabalho global e inclusiva do zero?

Antes de fundar a iMerit, fui presidente e CEO da SupportSoft, onde liderei a empresa durante suas ofertas públicas iniciais e secundárias, consolidando-a como líder global em software de automação de suporte. Essa experiência me mostrou o poder de combinar pessoas e tecnologia desde o primeiro dia.

Embora o boom tecnológico da Índia tenha criado novas oportunidades, notei que muitos jovens talentosos em áreas carentes foram deixados para trás. Eu acreditava no potencial e na vontade de aprender deles. Assim que viram como o software poderia impulsionar tecnologias avançadas como a IA, abraçaram essas carreiras com entusiasmo.

Lançamos o iMerit com uma equipe pequena e diversificada, metade da qual é formada por mulheres, e crescemos rapidamente desde então. A adaptabilidade e a capacidade de treinamento da nossa equipe foram fundamentais, especialmente porque a IA centrada em dados aumentou a demanda de longo prazo por especialistas qualificados.

Hoje, a iMerit é uma fornecedora global de soluções de dados de IA para setores de missão crítica, como veículos autônomos, IA médica e tecnologia. Nosso trabalho garante que os modelos de IA dos clientes sejam construídos com base em dados confiáveis ​​e de alta qualidade, o que é essencial em ambientes de alto risco.

Em última análise, nossa força reside em sólidos alicerces tecnológicos e em uma equipe de funcionários bem treinados e motivados, que prosperam em uma cultura de apoio e aprendizado. Essa abordagem impulsionou nosso crescimento, manteve nosso caixa positivo e nos rendeu altas pontuações no NPS e clientes fiéis.

A iMerit agora trabalha com mais de 200 clientes, incluindo gigantes da tecnologia como eBay e Johnson & Johnson. Você pode nos contar a trajetória de crescimento da empresa — desde os primórdios até se tornar líder global em serviços de dados de IA?

Acompanhamos de perto a jornada de IA dos nossos clientes, colaborando desde os primeiros experimentos até a produção em larga escala. Nosso trabalho abrange startups, líderes globais em veículos autônomos e grandes empresas. Ao treinar seus modelos do zero, adquirimos insights incomparáveis ​​sobre o que realmente é necessário para escalar a IA no mundo real.

O campo evoluiu constante e rapidamente. Raramente vi uma tecnologia avançar tão drasticamente em tão pouco tempo. Passamos de um provedor de anotação de dados para uma empresa de dados de IA full-stack, fornecendo soluções especializadas em todo o ciclo de vida do humano no circuito (HITL): anotação, validação, auditoria e red-teaming. Lidar com casos extremos e exceções é vital para a implantação no mundo real, exigindo profundo conhecimento e julgamento detalhado em cada etapa.

Nosso maior segmento é a mobilidade autônoma, onde gerenciamos todo o conjunto de sensores, incluindo a fusão de 15 sensores para veículos de passageiros, entregas, caminhões e agrícolas. Na área da saúde, impulsionamos a IA para imagens clínicas. Em alta tecnologia, estamos na vanguarda do ajuste e validação de GenAI, exigindo maior sofisticação em nossos fluxos de trabalho e talentos.

O sucesso nessas áreas não se resume apenas a ter especialistas, mas sim a cultivar expertise: a capacidade cognitiva de desafiar, orientar e contextualizar modelos de IA. É isso que diferencia nossas equipes.

Nosso crescimento é impulsionado por parcerias de longo prazo, e a maioria dos nossos dez principais clientes está conosco há mais de cinco anos. À medida que suas necessidades se tornam mais complexas, aprimoramos continuamente nosso conhecimento especializado, ferramentas, treinamentos e soluções. Tanto nossa equipe tecnológica quanto nossa equipe precisam evoluir constantemente.

A fusão de software, automação, anotação e análise cria a base para intervenções muito flexíveis, rápidas, altamente precisas e com envolvimento humano. 70% dos novos logotipos são criados em nossa própria pilha de tecnologia, o que exige uma enorme transformação interna. Novamente, nossa cultura garante que as equipes estejam ávidas por aprender e queiram crescer constantemente.

Quais foram os momentos mais importantes na história da iMerit — sejam marcos tecnológicos ou decisões estratégicas — que ajudaram a moldar a trajetória da empresa?

Em uma época em que o trabalho com dados de IA era visto como um trabalho informal e colaborativo, apostamos desde o início que essa área se tornaria uma carreira e exigiria complexidade e foco empresarial. Ao formar equipes internas dedicadas a casos de uso avançados, permitimos que nossos clientes escalassem rapidamente, culminando em nosso primeiro acordo de MRR de US$ 1 milhão em veículos autônomos, um marco que validou nossa abordagem.

O lockdown da COVID-19 testou nossa agilidade: transitamos de um trabalho totalmente presencial para um trabalho totalmente remoto quase da noite para o dia, investindo pesadamente em infraestrutura, segurança e cultura. Em poucas semanas, as operações com clientes se recuperaram e aumentamos tanto a receita quanto o quadro de funcionários naquele ano. Hoje, com 70% da nossa equipe de volta ao trabalho presencial, continuamos a alavancar talentos remotos, lançando o Scholars, nossa rede global de especialistas em assuntos específicos para ajuste e validação de GenAI. Seja um cardiologista ou um matemático espanhol, nossa cultura de alto contato atrai e motiva os melhores talentos, elevando diretamente a qualidade e a consistência de nossas soluções.

Em 2023, adquirimos a Ango.ai, uma plataforma de rotulagem de dados e automação de fluxos de trabalho com tecnologia de IA, para impulsionar a próxima geração de ferramentas de dados de IA. Essa mudança crucial uniu a expertise da iMerit com as ferramentas avançadas da Ango, expandindo nossas capacidades em radiologia, fusão de sensores e ajuste fino de GenAI. Ainda trabalhamos com ferramentas de clientes, mas muitos novos clientes agora estão migrando diretamente para a Ango Hub, atraídos por seus fluxos de trabalho intuitivos e segurança robusta, requisitos essenciais em nosso setor.

As empresas nos dizem constantemente que buscam o melhor dos dois mundos: insights humanos especializados para garantir a qualidade, combinados com uma plataforma segura e escalável que oferece automação e análise. A união de forças com a Ango proporciona exatamente isso, posicionando-nos de forma única para atender às demandas complexas dos projetos de IA mais ambiciosos da atualidade e escalar com confiança.

A iMerit está profundamente envolvida em áreas avançadas como veículos autônomos, IA médica e GenAI. Quais são alguns dos desafios de dados específicos que vocês enfrentam nesses setores e como os abordam?

Tarefas relacionadas a dados normalmente representam quase 80% do tempo gasto em projetos de IA, tornando-as um componente crítico do pipeline. A parte centrada em dados da IA ​​pode ser demorada e cara se não for tratada de forma adequada e escalável.

A qualidade dos dados e, principalmente, a prevenção de erros flagrantes, é essencial nos setores de missão crítica em que operamos. Seja um algoritmo de percepção ou um detector de tumores, dados limpos são essenciais no ciclo do treinamento à validação.

O tratamento de exceções é desproporcionalmente valioso. A compreensão humana sobre por que algo está fora da norma ou por que um cenário quebrou o modelo cria um valor enorme, tornando o modelo mais completo e robusto.

Além disso, as janelas de contexto estão se tornando maiores. Estamos resumindo as anotações clínicas de uma consulta médica completa e analisando anomalias em ressonâncias magnéticas com base não apenas na imagem, mas também no contexto médico do paciente. Especialistas no assunto precisam definir rubricas para analisar os dados com precisão e garantir a qualidade.

Segurança, privacidade e confidencialidade são temas polêmicos. Nosso Diretor de Segurança precisa proteger contra acesso não autorizado, exclusão e armazenamento de dados. Protocolos de segurança da informação, como SOC2, HIPAA e TISAX, têm sido áreas de grande investimento para nós.

Por fim, nossos engenheiros e arquitetos de soluções trabalham constantemente em integrações e relatórios personalizados para que as necessidades únicas dos clientes sejam refletidas na última milha. Uma abordagem única não funciona em IA.

Você falou sobre a combinação de robótica e inteligência humana como um caminho mais seguro para a IA. Pode explicar melhor como esse fluxo de trabalho se apresenta na prática — e por que você acredita que é melhor do que tentar eliminar a divergência criativa da IA?

A IA proporciona escala, o que significa que as empresas estão desenvolvendo ferramentas para automatizar processos demorados tradicionalmente realizados por humanos. Mas os humanos fornecem a última milha de flexibilidade, certeza e resiliência. À medida que os serviços fornecidos por software continuam a proliferar em IA, as empresas mais bem-sucedidas combinarão efetivamente a robótica com práticas Human-in-the-Loop (HITL).

Vemos o HITL como uma camada consistente em todas as fases do ciclo de vida de desenvolvimento e implantação de IA, e também como um pilar de confiança e segurança. Consequentemente, a inteligência humana será essencial para corrigir o curso caso os modelos falhem. Essas aplicações críticas precisarão da mente humana para determinar quais mudanças precisarão ser feitas. É aqui que os serviços de HITL se tornarão ainda mais importantes à medida que integramos a IA à produção e às operações de campo.

Sua plataforma Ango Hub combina automação com expertise humana. Como esse modelo híbrido melhora a qualidade dos dados e o desempenho do modelo em sistemas de IA de produção?

A IA e a automação proporcionam escala e velocidade, enquanto os humanos proporcionam nuances, insights e supervisão. O HITL garante o envolvimento humano em momentos críticos do ciclo de vida da IA ​​– garantindo entradas de alta qualidade, validando saídas, identificando casos extremos, ajustando modelos para domínios e fornecendo julgamento contextual. Os humanos ajudam a garantir a precisão, revisando e verificando saídas, detectando alucinações ou erros de lógica antes que causem danos. Eles também fornecem supervisão em contextos eticamente sensíveis ou de alto risco, onde os LLMs não devem tomar decisões finais. Mais importante ainda, o feedback humano alimenta o aprendizado contínuo, ajudando os sistemas de IA a se alinharem mais estreitamente com os objetivos do usuário ao longo do tempo.

O HITL assume diversas formas. Especialistas humanos realizam anotações direcionadas, aplicam raciocínio complexo a casos extremos e revisam conteúdo gerado por IA usando interfaces estruturadas de QA. Em vez de avaliar cada decisão, sistemas de escalonamento contextual são frequentemente implementados. Esses sistemas encaminham apenas resultados de baixa confiança ou anomalias sinalizadas para revisores humanos, equilibrando supervisão e eficiência.

Outro uso crítico do HITL é o ajuste fino de agentes de IA por meio do Aprendizado por Reforço a partir do Feedback Humano (RLHF). Revisores humanos classificam, reescrevem ou fornecem feedback sobre as respostas dos agentes, o que é especialmente importante em áreas sensíveis como saúde, serviços jurídicos ou suporte ao cliente. Em paralelo, testes baseados em cenários e equipes vermelhas permitem que avaliadores humanos testem agentes em condições adversas ou incomuns para identificar e corrigir vulnerabilidades antes da implantação.

O potencial total da IA ​​só é alcançado quando humanos permanecem no circuito, orientando, validando e aprimorando cada etapa. Seja refinando os resultados dos agentes, treinando ciclos de avaliação ou selecionando pipelines de dados confiáveis, a supervisão humana adiciona a estrutura e a responsabilidade que a IA precisa para ser confiável e eficaz.

Com as ferramentas de IA generativa evoluindo rapidamente, como a iMerit está se mantendo à frente no fornecimento de serviços de avaliação, RLHF e ajuste fino?

Lançamos recentemente o Ango Hub Deep Reasoning Lab (DRL), uma plataforma unificada para ajuste de IA generativa e desenvolvimento interativo de raciocínio em cadeia com professores de IA. Nosso DRL permite processos e avaliações passo a passo em tempo real, com base nas preferências humanas, resultando em respostas de modelos mais coerentes e precisas para problemas complexos.

Os avanços nos modelos GenAI e no desenvolvimento de aplicações destacam o valor de dados limpos, criados e validados por especialistas. Com o Ango Hub DRL, os especialistas podem testar modelos, identificar fraquezas e gerar dados limpos usando o raciocínio por cadeia de pensamento. Eles interagem com os modelos em tempo real e enviam prompts e correções passo a passo em uma única interface.

Aproveitando os iMerit Scholars, o Ango Hub DRL refina os processos de raciocínio de modelos. Ele aproveita a vasta experiência do iMerit com fluxos de trabalho HITL. Especialistas projetam cenários multietapas para tarefas complexas, como a criação de prompts de cadeia de pensamento para problemas matemáticos avançados. Os iMerit Scholars revisam resultados, corrigem erros e capturam interações perfeitamente. A mágica não está em integrar grandes números indiscriminadamente. Os melhores matemáticos não são necessariamente os melhores professores. Também não se deve tratar um cardiologista como um trabalhador autônomo. A adaptação e o treinamento de especialistas no assunto para pensar nas maneiras que mais beneficiam o processo de treinamento do modelo, bem como o engajamento, fazem a diferença.

O que significa "especialista no circuito" no contexto do ajuste fino da IA ​​generativa? Você pode compartilhar exemplos em que essa expertise humana melhorou significativamente os resultados dos modelos?

O Expert-in-the-Loop combina inteligência humana com inteligência robótica para levar a IA à produção. Envolve especialistas humanos que validam, refinam e aprimoram os resultados dos sistemas automatizados.

Especificamente, a anotação de dados conduzida por especialistas garante que os dados de treinamento sejam rotulados com precisão, com base no conhecimento específico do domínio, melhorando assim a precisão e a confiabilidade dos modelos preditivos de IA. Ao reduzir vieses e classificações incorretas, a anotação conduzida por especialistas aprimora a capacidade do modelo de generalizar com eficácia em cenários do mundo real. Isso resulta em sistemas de IA mais confiáveis, interpretáveis ​​e alinhados às necessidades específicas do setor.

Por exemplo, após adquirir um grande corpus de dados médicos, uma multinacional americana de tecnologia precisava avaliar os dados para uso em seu chatbot médico voltado para o consumidor, a fim de garantir aconselhamento médico seguro e preciso aos usuários. Recorrendo à iMerit, eles alavancaram nossa extensa rede de especialistas em saúde nos EUA e montaram uma equipe de enfermeiros para trabalhar em um fluxo de trabalho de consenso com escalonamentos e arbitragem fornecidos por um médico certificado pelo Conselho dos EUA. Os enfermeiros começaram avaliando a base de conhecimento com definições para avaliar a precisão e o risco.

Por meio da discussão de casos extremos e da revisão das diretrizes, os enfermeiros conseguiram chegar a um consenso em 99% dos casos. Isso permitiu que a equipe revisasse o design do projeto para uma estrutura de votação única com auditoria de 10%, reduzindo assim os custos do projeto em mais de 72%. Trabalhar com a iMerit permitiu que esta empresa identificasse continuamente maneiras de escalar a anotação de dados médicos de forma ética e eficiente.

Com mais de 8,000 especialistas em tempo integral no mundo todo, como você mantém a qualidade, o desempenho e o desenvolvimento dos funcionários em escala?

A definição de qualidade é sempre adaptada ao caso de uso específico de cada cliente. Nossas equipes colaboram estreitamente com os clientes para definir e calibrar padrões de qualidade, empregando processos personalizados que garantem que cada anotação seja rapidamente validada por especialistas no assunto. A consistência é importante para o desenvolvimento de IA de alta qualidade. Isso é apoiado pela alta retenção de funcionários (90%) e um forte foco em análise de produção, um diferencial fundamental no design do Ango Hub, moldado pelas contribuições diárias dos usuários de nossa equipe.

Investimos continuamente em automação, otimização e gestão do conhecimento, com o suporte da nossa plataforma de treinamento proprietária iMerit One. Esse compromisso com o aprendizado e o desenvolvimento não só impulsiona a excelência operacional, como também apoia a progressão na carreira de longo prazo dos nossos funcionários, fomentando uma cultura de expertise e crescimento.

Que conselho você daria aos aspirantes a empreendedores de IA que querem construir algo significativo, tanto em tecnologia quanto em impacto social?

A IA está evoluindo a uma velocidade estonteante. Vá além da pilha de tecnologia e ouça seus clientes para entender o que importa para os negócios deles. Entenda o apetite deles por velocidade, mudança e risco. Os primeiros clientes podem experimentar. Os clientes maiores precisam saber que você veio para ficar e que continuará a priorizá-los. Tranquilize-os com sua abordagem proativa voltada para transparência, segurança e responsabilidade.

Além disso, selecione cuidadosamente seus investidores e membros do conselho para garantir o alinhamento em relação a valores e preocupações compartilhados. Na iMerit, recebemos apoio significativo do nosso conselho e dos investidores em tempos desafiadores como a COVID-19, o que atribuímos a esse alinhamento.

As principais qualidades que contribuem para o sucesso de um empreendedor no setor de tecnologia vão além de correr riscos; elas envolvem a construção de uma empresa lucrativa e inclusiva.

Obrigado pela ótima entrevista, os leitores que desejam saber mais devem visitar iMerit.