Matthew Fitzpatrick, CEO al Invisible Technologies – Seria de interviuri

Matthew Fitzpatrick este un specialist experimentat în operațiuni și creștere, cu o expertiză profundă în scalarea fluxurilor de lucru complexe și a echipelor. Cu o experiență care acoperă consultanță, strategie și conducere operațională, el ocupă în prezent funcția de CEO la Invisible Technologies, unde se concentrează pe proiectarea și optimizarea soluțiilor de business de la capăt la capăt. Matthew este pasionat de combinarea talentului uman cu automatizarea pentru a stimula eficiența la scară, ajutând companiile să deblocheze o creștere transformativă prin inovarea proceselor.

Invisible Technologies este un strat de producție AI și o companie de software pentru întreprinderi care ajută organizațiile să construiască, să implementeze și să scaleze sistemele AI în medii de business complexe. Platforma sa combină software-ul bazat pe inteligență artificială, expertiza umană și infrastructura operațională pentru a sprijini fluxurile de lucru de producție necesare pentru a antrena, a evalua și a opera sistemele avansate de inteligență artificială. Invisible lucrează cu întreprinderile pentru a gestiona datele complexe, a automatiza fluxurile de lucru și a integra inteligența artificială în procesele de business, oferind infrastructura și expertiza necesare pentru a muta inițiativele de inteligență artificială de la experimentare la implementare la scară de producție.

Ai trecut recent de la conducerea QuantumBlack Labs la McKinsey la funcția de CEO al Invisible Technologies. Ce te-a atras la acest rol și ce te entuziasmează cel mai mult despre misiunea Invisible?

La McKinsey, am avut privilegiul de a lucra în avangarda inovației în domeniul inteligenței artificiale – construind produse software de inteligență artificială, conducând eforturile de cercetare și dezvoltare și ajutând întreprinderile să valorifice puterea datelor. Ceea ce m-a atras la Invisible Technologies a fost oportunitatea de a face acest lucru operațional la scară, cu o combinație de o platformă de software de inteligență artificială unic flexibilă și o piață de experți pentru feedback uman – cred că învățarea prin întărire din feedback uman (RLHF) este cheia pentru implementări precise și de încredere ale inteligenței artificiale generale. Invisible sprijină inteligența artificială de-a lungul întregului lanț de valoare, de la curățarea datelor și automatizarea introducerii datelor până la raționamentul în lanț de gândire și evaluări personalizate. Misiunea noastră este simplă: combinăm inteligența umană și inteligența artificială pentru a ajuta afacerile să valorifice potențialul inteligenței artificiale, care în cadrul întreprinderilor a fost mult mai dificil decât majoritatea oamenilor se așteptau.

Ai supervizat peste 1.000 de ingineri și ai scalat multiple produse de inteligență artificială în diverse industrii. Care sunt lecțiile pe care le-ai învățat de la McKinsey și pe care le aplici în următoarea etapă de creștere a Invisible?

Două lecții se remarcă. În primul rând, adoptarea cu succes a inteligenței artificiale este la fel de mult despre transformarea organizațională cât și despre tehnologie. Ai nevoie de oamenii și procesele potrivite – pe lângă modele excelente. În al doilea rând, companiile care câștigă în domeniul inteligenței artificiale sunt cele care stăpânesc “ultimul mil” – trecerea de la experimentare la producție. La Invisible, aplicăm aceeași rigurozitate și structură pentru a ajuta clienții să treacă dincolo de proiecte-pilot și în producție, livrând valoare reală de business.

Ai spus că “2024 a fost anul experimentării inteligenței artificiale, iar 2025 este despre realizarea rentabilității.” Care sunt tendințele specifice pe care le observi în rândul întreprinderilor care realizează cu adevărat această rentabilitate?

Întreprinderile care obțin o rentabilitate reală în acest an fac trei lucruri bine. În primul rând, aliniază cazurile de utilizare a inteligenței artificiale strâns cu indicatorii cheie de performanță ai business-ului – cum ar fi eficiența operațională sau satisfacția clienților. În al doilea rând, investesc în date de calitate superioară și bucle de feedback uman pentru a îmbunătăți continuu performanța modelului. În al treilea rând, trec de la soluții generice la sisteme specializate, specifice domeniului, care reflectă complexitatea mediilor lor. Aceste companii nu mai testează doar inteligența artificială – o scalează cu un scop.

Cum evoluează cererea de etichetare a datelor specializată și de nivel doctoral în rândul furnizorilor de modele de bază, cum ar fi AWS, Microsoft (MSFT ), și Cohere?

Vedem o creștere a cererii pentru etichetarea specializată pe măsură ce furnizorii de modele de bază pătrund în verticale mai complexe. La Invisible, avem un ritm de acceptare anual de 1% în cadrul grupului nostru de experți, iar 30% dintre instructorii noștri dețin diplome de masterat sau doctorat. Această expertiză profundă este din ce în ce mai necesară – nu doar pentru a annota cu acuratețe datele, ci și pentru a oferi feedback uman nuanțat și conștient de context pentru a îmbunătăți raționamentul, acuratețea și alinierea. Pe măsură ce modelele devin mai inteligente, bara pentru a le antrena se ridică.

Invisible se află în avangarda inteligenței artificiale agențice, subliniind luarea deciziilor în fluxurile de lucru din lumea reală. Care este definiția dvs. a inteligenței artificiale agențice și unde vedem cea mai mare promisiune?

Inteligența artificială agențică se referă la sisteme care nu răspund doar la instrucțiuni – ele planifică, iau decizii și acționează în cadrul unor limite definite. Este vorba de inteligență artificială care se comportă mai mult ca un partener decât ca un instrument. Vedem cea mai mare tracțiune în fluxuri de lucru complexe și cu volum mare: cum ar fi suportul clienților și cererile de asigurare, de exemplu. În aceste domenii, inteligența artificială agențică poate reduce efortul manual, crește coerența și livrează rezultate care ar necesita în mod normal echipe umane mari. Nu este vorba de înlocuirea oamenilor – ci de a-i completa cu agenți inteligenți care pot gestiona atât repetitive, cât și rutine.

Poți să ne împărtășești exemple despre modul în care Invisible antrenează modele pentru raționamentul în lanț de gândire și de ce este acesta esențial pentru implementarea în întreprinderi?

Raționamentul în lanț de gândire (CoT) a deblocat un potențial nou pentru inteligența artificială în întreprinderi. La Invisible, antrenăm modele să raționeze pas cu pas, ceea ce este esențial atunci când sunt în joc mize mari – indiferent dacă se diagnostichează un pacient, se analizează un contract sau se validează un model financiar. CoT nu numai că îmbunătățește transparența, dar permite și depanarea, rafinarea și îmbunătățirea performanței fără seturi masive de date noi. Am văzut modele de top, cum ar fi Gemini, Sonnet și Grok, care încep să-și dezvăluie căile de raționament, ceea ce ne permite să observăm nu doar ce produc modelele, ci și cum ajung acolo. Acest lucru pune bazele pentru metode mai avansate, cum ar fi Arborele Gândirii (unde modelele evaluează multiple căi de raționament posibile înainte de a se stabili la o soluție) și Autoconsistența (unde se explorează multiple căi de raționament).

Invisible sprijină antrenarea în peste 40 de limbi de programare și 30 de limbi umane. Cât de importantă este precizia culturală și lingvistică în construirea de sisteme de inteligență artificială la scară globală?

Este critic. Limba nu este doar despre traducere – este despre context, nuanță și norme culturale. Dacă un model greșește interpretarea tonului sau ratează variația regională, poate duce la experiențe proaste ale utilizatorilor, sau chiar la riscuri de conformitate. Instructorii noștri multilingvi nu sunt doar fluenti – ei sunt integrați în culturile pe care le reprezintă.

Care sunt punctele comune de eșec atunci când companiile încearcă să scaleze de la concept la producție și cum ajută Invisible la navigarea acestui “ultim mil”?

Majoritatea modelului de inteligență artificială nu ajunge niciodată în producție, deoarece companiile subestimează efortul operațional necesar. Le lipsesc datele curate, protocoalele robuste de evaluare și o strategie pentru încorporarea modelelor în fluxurile de lucru reale. La Invisible, combinăm experiența tehnică profundă cu infrastructura de date de producție pentru a ajuta întreprinderile să acopere această lacună. Capabilitățile noastre simbiotice în antrenare și optimizare ne permit să construim atât modele mai bune, cât și să le implementăm cu succes.

Ne poți explica abordarea Invisible privind RLHF (Învățarea prin Întărire din Feedback Uman) și cum se diferențiază de alte abordări din industrie?

La Invisible, vedem Învățarea prin Întărire din Feedback Uman (RLHF) ca fiind mai mult decât doar reglarea fină – permite proiectarea mai sofisticată a evaluărilor personalizate (“eval”) și o schimbare către antrenarea modelelor cu judecată umană nuanțată, în loc de semnale binare precum “îmi place” sau “nu-mi place”. În timp ce abordările din industrie prioritează adesea scala prin date de volum mare și semnal scăzut, ne concentrăm pe colectarea de feedback structurat și de calitate care capturează raționamentul, contextul și compromisurile. Acest semnal mai bogat permite modelului să generalizeze mai eficient și să se alinieze mai strâns cu intenția umană. Prin prioritizarea adâncimii în detrimentul lățimii, construim infrastructura pentru sisteme de inteligență artificială mai robuste și mai aliniate.

Cum vezi evoluând viitorul colaborării dintre inteligența artificială și oameni, mai ales în domenii cu mize ridicate, cum ar fi finanțe, sănătate sau sectorul public?

Inteligența artificială nu înlocuiește expertiza umană – ea devine infrastructura care o sprijină. Mă imaginez un viitor în care agenții de inteligență artificială și experții umani lucrează în tandem – unde clinicienii sunt sprijiniți de copiloți de diagnosticare, agențiile guvernamentale utilizează inteligența artificială pentru a tria beneficiile mai eficient, și analiștii financiari sunt liberi să se concentreze pe strategie, nu pe tabele. Focusul nostru este proiectarea sistemelor în care inteligența artificială îmbunătățește capacitatea umană, în loc să o ascundă sau să o supună.

Mulțumim pentru acest interviu minunat; cititorii care doresc să afle mai multe pot vizita Invisible Technologies.