Rens ter Weijde, Co-Fundador e CEO da KIMO – Série de Entrevistas

A KIMO é uma startup holandesa fundada por dois ex-alunos de Harvard: Krishna Deepak Nallamilli (Índia) e Rens ter Weijde (Holanda). A equipe está focada em desenvolver a inteligência artificial necessária para gerar caminhos de aprendizado individuais por meio de conteúdo de aprendizado digital.

Embora o aprendizado online tenha decolado, ele apresenta taxas de abandono de até 95%. Por que a taxa de sucesso é tão baixa?

Quando começamos a KIMO, realizamos uma pesquisa com alguns centenas de usuários para entender melhor a situação. Em primeiro lugar, a maioria dos provedores online oferece MOOCs (cursos online), mas os usuários os percebem como um compromisso de tempo significativo. Eles frequentemente usavam muitos “atalhos” mais curtos, como ler artigos, ouvir podcasts, fazer perguntas no Google (GOOGL ), etc., que se encaixavam melhor em sua rotina diária. Portanto, o aprendizado é mais multicanal na prática do que os provedores permitem. Além disso, muitos usuários expressaram que sentiam falta de orientação em sua jornada online. O resultado é que eles gastam muito tempo procurando, tentando decidir o que estudar, etc. Um terceiro motivo está relacionado à relevância do conteúdo em si. Os materiais online são frequentemente estáticos, pré-gravados e não totalmente relevantes para eles. Você poderia dizer que o conteúdo não é pessoal/relevante o suficiente para eles – ou pelo menos não relevante o suficiente para justificar o tempo gasto.

Muitos usuários afirmam estar entediados e frequentemente citam a falta de engajamento como um problema. Por que você acredita que os usuários se sentem desiludidos com o aprendizado online?

Acredito que há espaço para melhorar as plataformas de aprendizado em pelo menos duas principais dimensões. Em primeiro lugar, é necessário uma inteligência melhor para guiar os usuários em melhores jornadas e fornecer melhores recomendações de conteúdo. Você poderia dizer que isso é o R&D necessário para o setor de educação, fortemente relacionado a algoritmos de IA. O segundo elemento é o outro lado da cadeia de valor: a UI/UX e a experiência final para os usuários. A maioria dos sistemas de LMS é vista como entediante e ultrapassada pelos usuários. Eles estão longe do software polido, em tempo real, social e personalizado que os usuários esperam hoje.

Poderia compartilhar a história de criação da KIMO e o que o atraiu para resolver o problema do aprendizado online?

Certo! A KIMO começou quando Krishna, meu co-fundador, e eu nos conhecemos na Harvard Business School. Nós amávamos o ambiente, mas percebemos ao mesmo tempo que as partes boas da experiência não eram escaláveis para as pessoas em todo o mundo. Decidimos, sobre um uísque em um lobby de hotel, que poderíamos tentar criar um “coache de carreira digital”. Esse coache foi a primeira versão da KIMO.

Poderia discutir como a IA é necessária para gerar caminhos de aprendizado individuais por meio de conteúdo de aprendizado digital?

Na verdade, a KIMO depende de uma multidão de modelos de IA na pipeline. Alguns modelos são intrinsicamente simples, outros são mais complexos. O fio comum é que a maioria dos modelos depende de linguagem natural como seus dados de entrada (NLP, por exemplo, modelos de transformador). Esses modelos estão por trás das recomendações de conteúdo que você recebe, do agrupamento de conteúdo em tópicos específicos ou do reconhecimento das habilidades críticas necessárias para os trabalhos. Também temos alguns modelos de IA “gerativos” mais experimentais, como o modelo que responde às perguntas relacionadas ao conteúdo dentro do aplicativo da KIMO. Se isso funcionar suficientemente, é um passo mais próximo da automação dos professores que visamos.

Poderia elaborar sobre como um sistema de IA pode aprender a entender os trabalhos em grande detalhe (por exemplo, habilidades duras ou habilidades macias)?

Em termos simples: decidimos ignorar bases de dados existentes (O*Net, ESCO) para esse trabalho, pois elas não eram granulares o suficiente e estavam desatualizadas. Em vez disso, construímos um sistema que pode reconhecer cerca de 40.000 habilidades dentro dos trabalhos no mercado de forma quase em tempo real. Você poderia dizer que nosso sistema “lê” todos esses perfis de trabalho para prever que tipo de habilidades é atualmente necessário para os trabalhos. Essas habilidades reconhecidas são então posteriormente agrupadas em habilidades duras e habilidades macias.

Poderia discutir como o aprendizado personalizado funciona na plataforma, como o sistema saberá que tipo de conteúdo funciona melhor para cada usuário, como artigos, vídeos, podcasts, papers, etc.?

A resposta simples é que combinamos usuários e conteúdo por meio de correspondência de vetores, que é uma prática comum em modelos de recomendação. A parte mais difícil é decidir como esses vetores são construídos, ou seja, quais elementos são ponderados. Por agora, o sistema é relativamente simples e funciona com as preferências de aprendizado do usuário e pontuações de popularidade para materiais online. O futuro será mais interessante, pois estamos tentando ponderar o estado atual do usuário (por exemplo, seu trabalho) e o estado desejado.

Quais são algumas das atuais metodologias de aprendizado de máquina utilizadas no sistema da KIMO?

Usamos muitos modelos diferentes, dependendo da tarefa. Mas posso dizer que temos um amor profundo por modelos de NLP que usam atenção, portanto, modelos de transformador.

Onde você vê o futuro da educação online em 5 anos?

Em resumo, vejo a educação online mudando de “entediante, solitário e único tamanho” para “altamente engajador, social e personalizado”. As empresas de educação online precisam escapar da ideia de que existem em uma indústria tradicional, lenta. Em vez disso, elas devem perceber que competem na era da curação de informações, right at the heart of many important trends today. Isso é algo que está no cerne de muitas tendências importantes hoje.

Há algo mais que você gostaria de compartilhar sobre a KIMO?

Sim. A KIMO ainda é um bebê, ou “beta”, como a chamamos. Baixe o aplicativo, experimente e envie seus comentários!

Obrigado pela grande entrevista, leitores que desejam aprender mais devem visitar a KIMO.