Sarah Nagy, Fundadora e CEO da Seek AI – Série de Entrevistas

Sarah Nagy é a fundadora e CEO da Seek AI, uma plataforma que permite que os usuários finais de negócios façam perguntas à Seek exatamente como fazem com a equipe de dados, diretamente no Slack, Teams e e-mail. Sem “refinamento” de como escrevem sua pergunta e sem aprender uma nova plataforma.

Você começou como pesquisadora com dados do Telescópio Espacial Hubble. No que você estava trabalhando?

Eu estava fazendo pesquisas na UCLA e Caltech, analisando algumas das galáxias mais distantes que podiam ser observadas com um telescópio e trabalhando na análise de algumas de suas propriedades, como massa e tamanho. O objetivo dessa pesquisa era nos ajudar a entender a diferença entre galáxias muito distantes e galáxias mais próximas de nós e desenvolver modelos para como essas galáxias se formam ao longo do tempo.

Em seguida, você trabalhou como cientista de dados em várias startups. Quais foram alguns dos projetos mais interessantes?

Um projeto que se destaca envolvia o uso de processamento de linguagem natural (NLP) para classificar texto não estruturado relacionado a itens de varejo. Por exemplo, pegar texto bruto (por exemplo, “air jordans green”) e rotulá-lo como a marca estimada (“Nike”). Eu tinha um colega que se especializava em NLP e estava ocupado com um projeto diferente, então eu acabei trabalhando nisso porque ele estava ocupado. Eu não sabia nada sobre NLP na época, então fiz alguns cursos gratuitos da Stanford e Fast.ai para me atualizar. Eu realmente gostei de aprender sobre NLP e comecei a entender por que é tão importante e por que a inteligência artificial (IA) ser capaz de entender a linguagem é um grande passo em direção à chamada “IA geral”. Essa experiência definitivamente me preparou para entender a importância do GPT-3 quando ele foi lançado.

Pode compartilhar a história de criação por trás da Seek AI?

Quando o modelo GPT-3 da OpenAI foi lançado, eu imediatamente reconheci o que era um avanço incrível e fiquei particularmente animada com aplicações envolvendo o GPT-3 escrevendo código. Afinal, eu estava escrevendo código o dia todo como cientista de dados e ver a IA fazendo isso – e gerando o código perfeitamente – foi impressionante. Eu compararia minha reação ao GPT-3 com a primeira vez que aprendi sobre realidade virtual em 2013, que também foi uma experiência impressionante para mim. Eu acabei decidindo que precisava criar uma startup para apostar nessa tecnologia. Eu não sabia exatamente o que eu iria construir, mas eu tinha uma sensação de que se eu aprendesse mais sobre esses modelos, algo valioso iria surgir.

Uma vez que eu havia realmente aprendido sobre os modelos, foi quando eu percebi que eu poderia resolver um problema que eu encontrei em todos os lugares onde eu trabalhei como quant ou como cientista de dados. O problema em questão era que as pessoas de negócios não tinham as ferramentas certas para responder às suas próprias perguntas de dados. Como cientista de dados, eu frequentemente trabalhava em problemas que exigiam muito foco, mas eu era frequentemente interrompido por colegas do lado dos negócios que tinham perguntas sobre os dados, me forçando a parar o que eu estava fazendo. O processo parecia arcaico e ineficiente. Eu percebi que se eu me concentrasse nessa nova tecnologia para resolver o problema, seria uma solução definidora de categoria para esse problema muito importante e onipresente.

A Seek AI usa inteligência artificial gerativa. Pode explicar para nossos leitores o que isso é?

“Inteligência artificial gerativa” é um termo muito hype, mas, ao contrário de outros termos hype, eu não acredito que o hype seja injustificado. O termo se refere a grandes modelos de aprendizado de máquina com centenas de bilhões de parâmetros, como o DALL-E e o GPT-3 da Open AI. A inovação desses modelos é que eles podem entender linguagem natural e gerar texto, imagens, código e mais. Se você brincar com o DALL-E ou o Stable Diffusion, por exemplo, você rapidamente entenderá por que esses modelos são tão hype; eles têm uma capacidade incrivelmente humana de entender comandos de linguagem natural e podem gerar arte que rivaliza com a dos melhores artistas humanos.

A geração de código é uma das aplicações mais nichadas, mas mais importantes, da inteligência artificial gerativa. Os dados estão ficando maiores e mais complexos e, portanto, mais difíceis de serem analisados e organizados manualmente por humanos. No entanto, há muito informações codificadas nesses dados. Essas informações não são apenas poderosas para as organizações, mas também podem levar a avanços científicos incríveis no lado acadêmico. Construir IA para extrair valor dos dados irá desbloquear um valor incrível na forma de informações úteis.

A Seek AI está construindo uma interface que permite que os usuários interajam com os dados usando linguagem natural. Os trabalhadores do conhecimento podem acessar a interface de linguagem natural da Seek AI por meio de e-mail, Slack, texto e uma variedade de sistemas de gerenciamento de relacionamentos com clientes (CRM).

Quais são os outros tipos de aprendizado de máquina usados na Seek AI?

Embora a inteligência artificial gerativa seja uma parte da nossa arquitetura de aprendizado de máquina, nossa arquitetura também inclui várias bifurcações de modelos de aprendizado profundo de código aberto. Modelos de transformador (dos quais “inteligência artificial gerativa” é uma variante) compõem muitos (mas não todos) dos modelos que a Seek usa.

Por que é tão importante que os usuários não técnicos possam acessar rapidamente os dados?

Que bem é o dado se não está gerando um ROI e como uma empresa pode obter esse ROI se os usuários que enfrentam os negócios não podem sequer acessá-lo? É por isso que é absolutamente essencial dar acesso ao maior número de pessoas possível, sem comprometer a precisão.

Quando eu era cientista de dados, às vezes eu recebia solicitações do CEO para analisar alguns dados para ajudar com a estratégia de produto ou go-to-market da nossa empresa. Esses projetos podiam levar semanas ou mais. Como CEO agora, eu definitivamente entendo a importância desses projetos em um nível mais profundo do que eu entendia quando estava no lado dos dados. Eu frequentemente me pego desejando que eu pudesse simplesmente obter os dados em meus dedos para que eu possa tomar minhas decisões mais rápido. Isso é um exemplo do que estamos resolvendo na Seek.

Como a Seek AI torna esses dados tão fáceis de recuperar?

Algo que é interessante pensar é que os dados realmente só podem ser analisados com código. É verdade que existem plataformas que são abstrações sobre esse código (por exemplo, painéis de dados), mas por trás dos panos, há código manualmente escrito por analistas de dados que permite que os dados sejam apresentados aos usuários finais de negócios.

A maioria dos trabalhadores do conhecimento não sabe como codificar, não quer codificar ou simplesmente não consegue acessar os dados, mesmo que queiram escrever código para analisá-los. Portanto, quando precisam de dados, eles precisam localizá-los em um painel ou pedir à equipe de dados se não conseguirem encontrá-los. Quanto maior que os conjuntos de dados se tornam, mais isso acontecerá.

As equipes de dados, portanto, precisam ser “tradutores” de perguntas de linguagem natural direcionadas a elas e os próprios dados, que elas consultam usando código. Remover esse “tradutor” intermediário é o coração do que a Seek está fazendo.

Como as empresas garantem que os dados que elas usam sejam precisos?

Gerenciar a compensação entre a precisão dos dados e a acessibilidade é um grande desafio. Como eu disse em uma entrevista recente, por um lado, a acessibilidade permite que pessoas menos técnicas comecem a interagir com a fonte de conhecimento que é o dado de uma empresa. Por outro lado, que bem é uma fonte de conhecimento de água poluída (ou seja, dados ruins)?

As melhores equipes de dados são aquelas que gerenciam essa compensação da maneira mais ótima possível e uma grande parte disso é calibrar e verificar cuidadosamente qualquer ferramenta que os usuários não técnicos possam interagir.

Quais são alguns exemplos de casos de uso para a plataforma Seek AI?

Nós já estamos entregando valor aos clientes e parceiros de design nos mercados verticais de B2B SaaS, Fintech, Bens de Consumo (CPG) e comércio eletrônico B2C.

Battlefin, por exemplo, é o principal mercado de conjuntos de dados financeiros alternativos. Eles acreditam que dar respostas rápidas e de alta qualidade às perguntas de seus próprios clientes é a diferença entre vencer e perder sobre seus concorrentes. O CEO da empresa, Tim Harrington, observou: “A Seek AI desempenhou um papel fundamental na estratégia da nossa empresa em 2023 devido à vantagem que ela nos dá ao acessar e analisar nossos 2.400+ conjuntos de dados em resposta às perguntas dos clientes. Eu estimaria que o nosso ROI na Seek AI é de cerca de 10x com base no que gastaríamos para alcançar esse nível de eficiência sem a plataforma”.

Há algo mais que você gostaria de compartilhar sobre a Seek AI?

Isso pode ser o lugar certo para um plugue sem-vergonha. A Seek está atualmente oferecendo testes gratuitos de nossa plataforma, que podem ser acessados em seek.ai. Nós estamos animados para sermos pioneiros em trazer inteligência artificial gerativa para as equipes de dados e estou ansioso para seguir nessa jornada com nossos clientes.

Obrigado pela ótima entrevista, leitores que desejam aprender mais devem visitar Seek AI.