Sujatha Sagiraju, diretora de produtos da Appen – série de entrevistas

Sujatha Sagiraju é Diretora de Produtos da Appen, ela ingressou na Appen em setembro de 2021 como vice-presidente sênior de produtos e é responsável pela estratégia de produtos. Ela é uma pioneira em tecnologia com mais de 20 anos de ampla experiência na criação de serviços on-line disruptivos em grande escala e plataformas de dados e IA/ML. Ela ingressou na Appen vindo da Microsoft, onde ocupou cargos de liderança em vários grupos, incluindo Bing e Azure AI Platform.

Appen é líder global em dados para o AI Lifecycle. Com mais de 25 anos de experiência em fornecimento 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 o atraiu para a IA?

Quando eu estava na Microsoft, trabalhei na organização Azure AI. Eu estava familiarizado com o cenário do setor, os clientes e a transformação da IA ​​que está acontecendo em diferentes setores. Pude ver, do ponto de vista de um cliente, que os dados de treinamento eram um obstáculo para a construção de modelos de aprendizado de máquina e vi o Appen como uma oportunidade para resolver esse problema – o elo perdido que poderia conectar todos os estágios do ciclo de vida da IA.

Você é atualmente o Chief Product Officer da Appen, poderia descrever o que esta posição implica?

No nível mais alto, minha equipe constrói a visão e a estratégia do produto e se alinha com várias partes interessadas em toda a organização para executá-lo com eficácia. Em um nível mais pessoal, passo um tempo considerável entendendo o setor 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 problemáticos do cliente e criar uma estratégia de produto que forneça um plano de crescimento. Construir uma cultura segura e inclusiva também é uma parte muito importante da minha função, pois me concentro em criar um espaço para que nossos funcionários compartilhem ideias, colaborem e desenvolvam suas carreiras.

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

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

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

Uma cultura que promove a diversidade convida os funcionários a compartilhar suas ideias e perspectivas. Gosto de considerar diferentes métodos de comunicação ao conduzir reuniões de equipe. Por exemplo, ao pedir feedback em uma reunião de equipe, peço que os funcionários falem diretamente na reunião ou me enviem uma mensagem depois de pensarem sobre isso. Reconheço que nem todos gostariam de falar ou compartilhar feedback imediatamente e quero criar uma cultura em que isso seja aceitável. Quero um ambiente seguro para as pessoas expressarem suas opiniões e compartilharem suas ideias da maneira que preferirem. Grandes ideias vêm de todas as diferentes equipes dentro da organização. Eu me reúno com vendas, marketing e outras equipes voltadas para o cliente para entender suas necessidades com o produto e sua perspectiva trabalhando em estreita colaboração com os clientes. Algumas das melhores ideias de produtos vêm de ouvir atentamente os pontos problemáticos dos clientes – diretamente deles ou das equipes que interagem com nossos clientes todos os dias.

Além de ter equipes diversificadas, quais são as outras formas de combater o viés nos algoritmos de aprendizado de máquina?

Fonte de dados inclusiva, preparação de dados e avaliação de modelo são essenciais para combater o viés. Os dados usados ​​para treinar os algoritmos devem incluir todos os possíveis usuários finais ou resultados. Ao passar por diferentes estágios do ciclo de vida da IA, cada estágio deve ser verificado quanto a viés. A AI responsável também é construída com conjuntos de dados de origem responsável, o que significa que os colaboradores são tratados de forma justa. Appen construiu um Código de Ética para Multidões para mostrar nossa dedicação ao bem-estar de nossa Multidão.

Você postou recentemente um artigo discutindo uma nova disciplina, chamada Data for AI Lifecycle. Você poderia descrever brevemente o que é isso?

Os dados para o ciclo de vida da IA ​​abrangem quatro estágios em um ciclo contínuo; fornecimento de dados, preparação de dados, construção e implantação de modelo e avaliação de modelo por humanos. Essas etapas são necessárias para fornecer dados de alta qualidade para a construção de projetos de IA. Fonte de dados, preparação de dados e avaliação de modelo são os mais trabalhosos e intensos de dados e, se não forem bem feitos, podem levar a problemas de qualidade do projeto e atrasos no lançamento. A Appen é especializada nesses três estágios e faz parcerias estratégicas com provedores especializados em treinamento e implantação de modelos.

Qual é o papel dos dados sintéticos no ciclo de vida dos Dados para IA?

As soluções de fornecimento de dados incluem dados anotados por humanos, conjuntos de dados pré-rotulados e dados sintéticos. Os dados sintéticos são aproveitados em conjuntos de dados e casos de uso difíceis de encontrar. Conjuntos de dados inclusivos cobrem todos os casos de uso e possíveis usuários finais 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.

Qual é o tamanho do problema de desvio de modelo ou superajuste com o ciclo de vida de dados para IA?

O desvio de modelo pode ser um grande problema e precisa ser abordado no quarto estágio do ciclo de vida da IA, Avaliação de Modelo por Humanos. É fundamental que o modelo continue funcionando no mundo real e saiba que deve passar por testes em humanos. À medida que os ambientes mudam e crescem, os modelos também precisam mudar. É importante que os profissionais avaliem continuamente seus modelos para evitar que se tornem desatualizados ou tendenciosos. O Bing da Microsoft é um cliente que utiliza a avaliação do modelo para garantir que os resultados da pesquisa sejam executados de acordo com seu padrão e que o modelo seja continuamente avaliado.

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

O trabalho mais valioso na Appen é feito por nosso pessoal e sua experiência. Com 25 anos de experiência, a Appen construiu uma base sólida com seus funcionários. Nossos clientes confiam em nossa experiência para fornecer resultados de alta qualidade, com rapidez e escala. A Appen está permitindo a transformação da indústria de IA, fornecendo soluções para gerenciar de forma integrada os dados para o ciclo de vida da IA.

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