Sujatha Sagiraju, Diretora de Produto da Appen – Série de Entrevistas

Sujatha Sagiraju é a Diretora de Produto da Appen, ela se juntou à Appen em setembro de 2021 como SVP de Produto e é responsável pela estratégia de produto. Ela é uma pioneira em tecnologia com mais de 20 anos de experiência em construir serviços online disruptivos em larga escala e plataformas de AI/ML e dados. Ela se juntou à Appen após trabalhar na Microsoft, onde ocupou funções de liderança em vários grupos, incluindo Bing e Azure AI Platform.

A Appen é a líder global em dados para o Ciclo de Vida de AI. Com mais de 25 anos de experiência em fontes de dados, anotação de dados e avaliação de modelos por humanos, eles permitem que as organizações lancem os sistemas de inteligência artificial mais inovadores do mundo.

O que inicialmente a atraiu para a IA?

Quando eu estava na Microsoft, trabalhei na organização Azure AI. Eu estava familiarizada com o cenário da indústria, os clientes e a transformação de IA que está acontecendo em diferentes indústrias. Eu pude ver do ponto de vista do cliente que os dados de treinamento eram um obstáculo para construir modelos de aprendizado de máquina e eu vi a Appen como uma oportunidade para resolver esse problema – o elo perdido que poderia conectar todas as etapas do ciclo de vida de IA.

Você é atualmente a Diretora de Produto da Appen, pode descrever o que esse cargo envolve?

No nível mais alto, minha equipe constrói a visão de produto, estratégia e alinha com vários stakeholders diferentes em toda a organização para executá-la de forma eficaz. Em um nível mais pessoal, eu passo muito tempo entendendo a indústria e os clientes. Com algumas das maiores empresas como nossos clientes, como Amazon, Google, Microsoft, Salesforce, Boeing, é importante para minha equipe entender os cenários e pontos de dor dos clientes e construir uma estratégia de produto que entregue um plano de crescimento. Construir uma cultura segura e inclusiva é também uma grande parte do meu papel, pois eu me concentro em criar um espaço para que nossos funcionários compartilhem ideias, colaborem e cresçam em suas carreiras.

Quão importante é para o desenvolvimento de IA ter equipes diversificadas?

É extremamente importante para o desenvolvimento de IA ter equipes diversificadas. Existem várias maneiras de pensar sobre diversidade – gênero, idade, raça, perspectivas. A diversidade de perspectivas pode ser a parte mais importante para garantir que você tenha backgrounds e experiências diversificados em sua equipe. Essas experiências trazem novas e diferentes ideias para ajudar a construir o melhor produto para todos os seus clientes, que são muito diversificados.

Como você cria uma cultura de trabalho que sinergiza essa diversidade?

Uma cultura que promove diversidade convida os funcionários a compartilhar suas ideias e perspectivas. Eu gosto de considerar diferentes métodos de comunicação quando realizo reuniões de equipe. Por exemplo, quando peço feedback em uma reunião de equipe, eu peço que os funcionários falem diretamente na reunião ou me enviem uma mensagem após terem pensado sobre isso. Eu reconheço que nem todos gostam de falar ou compartilhar feedback imediatamente, e eu quero criar uma cultura onde isso seja aceitável. Eu quero um ambiente seguro para que as pessoas expressem suas opiniões e compartilhem suas ideias como preferirem. Grandes ideias vêm de todas as equipes dentro da organização. Eu me reúno com as equipes de vendas, marketing e outras equipes que interagem com os clientes para entender suas necessidades com o produto e sua perspectiva ao trabalhar em estreita colaboração com os clientes. Algumas das melhores ideias de produto vêm de ouvir atentamente os pontos de dor dos clientes – seja diretamente deles ou das equipes que interagem com nossos clientes todos os dias.

Além de ter equipes diversificadas, quais são outras maneiras de lutar contra o viés em algoritmos de aprendizado de máquina?

Fontes de dados inclusivas, preparação de dados e avaliação de modelos são críticas para lutar contra o viés. Os dados usados para treinar os algoritmos devem ser inclusivos de todos os usuários finais ou resultados potenciais. Ao passar por diferentes etapas do ciclo de vida de IA, cada etapa deve ser verificada para viés. A IA responsável também é construída com conjuntos de dados responsavelmente fontes, significando que os contribuintes são tratados de forma justa. A Appen construiu um Código de Ética da Multidão para mostrar nosso compromisso com o bem-estar da nossa Multidão.

Você recentemente publicou um artigo discutindo uma nova disciplina, chamada Dados para o Ciclo de Vida de IA. Pode descrever brevemente o que é isso?

Os Dados para o Ciclo de Vida de IA abrangem quatro etapas em um ciclo contínuo; fontes de dados, preparação de dados, construção e implantação de modelos e avaliação de modelos por humanos. Essas etapas são necessárias para entregar dados de alta qualidade para construir projetos de IA. Fontes de dados, preparação de dados e avaliação de modelos são as etapas mais trabalhosas e intensivas em dados e, se não forem feitas bem, podem levar a problemas de qualidade do projeto e atrasos no lançamento. A Appen se especializa nessas três etapas e se associa estrategicamente a fornecedores que se especializam em treinamento e implantação de modelos.

Qual é o papel dos dados sintéticos no Ciclo de Vida de IA?

As soluções de fontes de dados incluem dados anotados por humanos, conjuntos de dados pré-rotulados e dados sintéticos. Os dados sintéticos são usados em conjuntos de dados difíceis de encontrar e casos de uso. Conjuntos de dados inclusivos cobrem todos os casos de uso e usuários finais potenciais de um modelo de IA, e alguns requerem dados sintéticos para atingir esse objetivo. A combinação de dados anotados por humanos e dados sintéticos se tornará crítica para o sucesso do modelo.

Quão grande é o problema do desvio de modelo ou sobreajuste com o Ciclo de Vida de IA?

O desvio de modelo pode ser um grande problema e precisa ser abordado na quarta etapa do Ciclo de Vida de IA, Avaliação de Modelos por Humanos. É crítico que o modelo continue funcionando no mundo real e que ele precise passar por testes humanos. À medida que os ambientes mudam e crescem, os modelos precisam mudar também. É importante que os praticantes avaliem continuamente seus modelos para evitar que se tornem desatualizados ou tendenciosos. O Bing da Microsoft é um cliente que usa a avaliação de modelos para garantir que os resultados de busca atendam aos seus padrões e que o modelo esteja sendo continuamente avaliado.

Há algo mais que você gostaria de compartilhar sobre seu trabalho na Appen?

O trabalho mais valioso na Appen é feito por nossas pessoas e sua expertise. Com 25 anos de experiência, a Appen construiu uma base sólida com seus funcionários. Nossos clientes confiam em nossa expertise para entregar resultados de alta qualidade, rapidamente e em escala. A Appen está habilitando a transformação da indústria de IA, fornecendo soluções para gerenciar os Dados para o Ciclo de Vida de IA de forma transparente.

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