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 usuários de negócios façam às Seek as mesmas perguntas que atualmente fazem à equipe de dados, diretamente no Slack, Teams e e-mail. Sem “refinamento” de como escrevem suas perguntas, e sem aprender uma nova plataforma.

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

Eu estava fazendo pesquisas na UCLA e no Caltech, analisando algumas das galáxias mais distantes que podiam ser observadas com um telescópio, e estava trabalhando na análise de algumas de suas propriedades, como sua massa e tamanho. O objetivo dessa pesquisa era ajudar a entender a diferença entre galáxias muito distantes e galáxias que estão mais perto da nossa, 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 que estava ocupado com um projeto diferente, então acabei não trabalhando nisso inicialmente. Acabou sendo passado para mim, pois eles estavam ocupados. Eu não sabia nada sobre NLP na época, então fiz alguns cursos gratuitos da Stanford e do Fast.ai para aumentar meu conhecimento. 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 gênese por trás da Seek AI?

Quando o modelo GPT-3 da OpenAI foi lançado, eu imediatamente reconheci o quão incrível era 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 à primeira vez que aprendi sobre realidade virtual em 2013, que foi outra experiência impressionante para mim. Acabei decidindo que precisava formar uma startup para apostar nessa tecnologia. Eu não sabia exatamente o que ia construir, mas tive um pressentimento de que, se aprendesse mais sobre esses modelos, algo valioso cairia no lugar.

Uma vez que eu realmente aprendi sobre os modelos, foi quando percebi que podia resolver um ponto de dor que encontrei em todos os lugares onde trabalhei como quant ou como cientista de dados. O ponto de dor em questão era o fato de as pessoas de negócios não terem as ferramentas certas para responder às suas próprias perguntas de dados. Como cientista de dados, eu frequentemente trabalhava em problemas que exigiam muita concentração, mas era frequentemente interrompida por colegas do lado dos negócios que tinham perguntas sobre os dados, me forçando a parar o que estava fazendo. O processo parecia arcaico e ineficiente. Eu percebi que, se 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 IA gerativa. Pode explicar aos nossos leitores o que é isso?

“IA gerativa” é um termo muito divulgado, mas, ao contrário de outros termos, 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 divulgados; eles têm uma capacidade incrivelmente humana de entender comandos de linguagem natural e podem gerar arte que rivaliza a dos melhores artistas humanos.

A geração de código é uma das aplicações mais nichadas, mas mais importantes, da IA 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 organizações, mas também podem levar a incríveis avanços científicos no lado acadêmico. Construir IA para extrair valor dos dados desbloqueará 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 o cliente (CRM).

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

Embora a IA 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 “IA 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 retorno sobre o investimento, e como uma empresa pode obter esse retorno se os usuários voltados para 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 de marketing 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 quando eu estava no lado dos dados. Eu frequentemente me pego desejando que eu pudesse simplesmente obter os dados ao meu alcance 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?

Uma coisa 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 baixo dos panos, há código manualmente escrito por analistas de dados que permite que os dados sejam apresentados aos usuários 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 forem, mais isso acontecerá.

As equipes de dados, portanto, precisam ser “tradutores” de perguntas de linguagem natural dirigidas a eles e dos próprios dados, que eles 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 desafio enorme. 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 conjunto de dados de uma empresa. Por outro lado, que bem é um manancial 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 com 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 dos próprios clientes é a diferença entre vencer e perder sobre os concorrentes. O CEO da empresa, Tim Harrington, observou: “A Seek AI desempenhou um papel crítico em nossa estratégia de 2023 porque da vantagem que nos dá ao acessar e analisar nossos 2.400+ conjuntos de dados em resposta às perguntas dos clientes. Eu estimaria que nosso retorno sobre o investimento 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 atualmente está oferecendo testes gratuitos de nossa plataforma, que podem ser acessados em seek.ai. Estamos animados para ser pioneiros na introdução de IA gerativa às equipes de dados, e estou ansioso para embarcar nessa jornada com nossos clientes.

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