Радха Басу, генеральный директор и основатель iMerit – Интервью

Радха Басу, основатель и генеральный директор iMerit, построила свою карьеру в HP, проведя 20 лет с этим технологическим гигантом и в конечном итоге возглавив его группу Enterprise Solutions. Затем она вывела Support.com на биржу в качестве его генерального директора. Радха основала Anudip Foundation в 2007 году вместе с Дипаком Басу, а затем основала iMerit в 2012 году. Она считается ведущим технологическим предпринимателем и наставником, а также пионером в области программного обеспечения.

iMerit предоставляет решения для многомодальной обработки данных с помощью искусственного интеллекта, сочетая автоматизацию, экспертную ручную аннотацию и продвинутый анализ для поддержки высококачественной маркировки данных и тонкой настройки моделей в крупном масштабе.

У вас была замечательная карьера – от построения операций HP в Индии до основания iMerit с миссией поднять маргинализированную молодежь в Бутане, Индии и Новом Орлеане. Что вдохновило вас на создание iMerit, и какие проблемы вы столкнулись при создании инклюзивной, глобальной рабочей силы с нуля?

До основания iMerit я была председателем и генеральным директором SupportSoft, где я руководила компанией через ее первичные и вторичные публичные предложения, установив ее как глобального лидера в области программного обеспечения для автоматизации поддержки. Этот опыт показал мне силу сочетания людей и технологий с самого начала.

Хотя технологический бум в Индии создал новые возможности, я заметила, что многие талантливые молодые люди в неблагополучных районах были оставлены позади. Я верила в их потенциал и желание учиться. Как только они увидели, как программное обеспечение может обеспечить продвинутые технологии, такие как искусственный интеллект, они с энтузиазмом приняли эти карьеры.

Мы запустили iMerit с небольшой, разнообразной командой, половина которой состояла из женщин, и с тех пор быстро выросли. Адаптивность и способность нашей команды к обучению были ключевыми, особенно поскольку данные, ориентированные на искусственный интеллект, увеличили долгосрочный спрос на квалифицированных специалистов.

Сегодня iMerit является глобальным поставщиком решений для искусственного интеллекта для критически важных секторов, таких как автономные транспортные средства, медицинский искусственный интеллект и технологии. Наша работа гарантирует, что модели искусственного интеллекта наших клиентов построены на высококачественных и надежных данных, что является важным в высокорисковых средах.

В конечном итоге, наша сила заключается в прочных технологических основах и команде хорошо обученных, мотивированных сотрудников, которые процветают в поддерживающей, обучающей культуре. Этот подход обеспечил наш рост, сохранил нашу положительную наличность и принес нам высокие показатели NPS и лояльных клиентов.

iMerit теперь работает с более чем 200 клиентами, включая технологических гигантов, таких как eBay и Johnson & Johnson (JNJ ). Можете ли вы рассказать нам о росте компании – от ранних дней до становления глобальным лидером в области услуг искусственного интеллекта?

У нас был первый ряд мест на пути наших клиентов к искусственному интеллекту, сотрудничая с ними от ранних экспериментов до крупномасштабного производства. Наша работа охватывает стартапы, глобальных лидеров автономных транспортных средств и крупные корпорации. Тренируя их модели с нуля, мы получили беспрецедентные знания о том, что действительно необходимо для масштабирования искусственного интеллекта в реальном мире.

Область постоянно и быстро эволюционирует. Я редко видел технологию, которая продвигалась так драматически за такой короткий период. Мы преобразились из поставщика услуг по аннотации данных в полноценную компанию по искусственному интеллекту, предоставляющую специализированные решения на протяжении всего цикла жизни Human-in-the-Loop (HITL): аннотация, проверка, аудит и красная команда. Обработка крайних случаев и исключений имеет решающее значение для развертывания в реальном мире, требуя глубокого опыта и нюансов на каждом этапе.

Наш самый большой вертикаль – автономная мобильность, где мы управляем полным стеком восприятия, включая слияние датчиков по 15 датчикам для пассажирских, грузовых, грузовых и сельскохозяйственных транспортных средств. В области здравоохранения мы стимулируем искусственный интеллект для клинической визуализации. В высоких технологиях мы находимся на переднем крае настройки и проверки GenAI, требующей большей сложности в наших рабочих процессах и талантах.

Успех в этих областях не только в наличии экспертов, но и в культивировании экспертизы: когнитивной способности бросать вызов, обучать и контекстуализировать модели искусственного интеллекта. Это то, что отличает наши команды.

Наш рост обусловлен долгосрочными партнерствами, и большинство наших топ-клиентов работают с нами более пяти лет. По мере роста их потребностей мы постоянно повышаем наши знания в области, инструменты, обучение и решения. И наша технологическая база, и наши люди должны постоянно эволюционировать.

Слияние программного обеспечения, автоматизации, аннотации и аналитики создает основу для очень гибких, быстрых и точных вмешательств с человеком в цикле. 70% новых логотипов находятся на нашей собственной технологической базе, что требует огромной внутренней трансформации. Опять же, наша культура гарантирует, что команды жаждут учиться и хотят расти постоянно.

Какие были наиболее важными моментами в истории iMerit – будь то технологические вехи или стратегические решения – которые помогли сформировать траекторию компании?

В то время, когда работа с данными искусственного интеллекта считалась основанной на толпе фриланса, мы сделали раннюю ставку на то, что это вырастет в карьеру и будет требовать сложности и фокуса на предприятии. Создавая внутренние команды, посвященные продвинутым случаям, мы позволили нашим клиентам быстро масштабироваться, что привело к нашей первой сделке в размере 1 миллиона долларов в месяц в автономных транспортных средствах, что подтвердило наш подход.

Блокада COVID-19 проверила нашу гибкость: мы перешли от полностью офисной работы к полностью удаленной几乎 за одну ночь, инвестировав大量 средств в инфраструктуру, безопасность и культуру. В течение нескольких недель операции клиентов восстановились, и мы выросли как по доходу, так и по количеству сотрудников в том году. Сегодня, когда 70% нашей команды вернулось на место, мы продолжаем использовать удаленный талант, запуская Scholars, нашу глобальную сеть экспертов по предмету для настройки и проверки GenAI. Будь то кардиолог или испанский математик, наша культура высокого взаимодействия привлекает и мотивирует лучший талант, напрямую повышая качество и последовательность наших решений.

В 2023 году мы приобрели Ango.ai, платформу для автоматизации маркировки и потоков данных, основанную на искусственном интеллекте, для стимулирования следующего поколения инструментов для искусственного интеллекта. Этот важный шаг объединил экспертизу iMerit в области с помощью продвинутых инструментов Ango, расширив наши возможности в радиологии, слиянии датчиков и тонкой настройке GenAI. Мы по-прежнему работаем с инструментами клиентов, но многие новые клиенты теперь подключаются直接 к Ango Hub, привлеченные его удобными рабочими процессами и надежной безопасностью, которые являются важными требованиями в нашей отрасли.

Корпорации постоянно говорят нам, что они ищут лучшее из обоих миров: экспертные человеческие идеи, чтобы гарантировать качество, в сочетании с безопасной и масштабируемой платформой, которая обеспечивает автоматизацию и анализ. Объединение сил с Ango доставляет именно это, уникально позиционируя нас для удовлетворения сложных требований самых амбициозных проектов искусственного интеллекта сегодня и масштабирования с уверенностью.

iMerit глубоко вовлечена в продвинутые области, такие как автономные транспортные средства, медицинский искусственный интеллект и GenAI. Какие уникальные проблемы с данными вы сталкиваетесь в этих секторах, и как вы их решаете?

Задачи, связанные с данными, обычно составляют почти 80% времени, потраченного на проекты искусственного интеллекта, что делает их важнейшим компонентом конвейера. Часть, связанная с данными, искусственного интеллекта может быть трудоемкой и дорогой, если не обрабатывается должным образом и масштабируемым образом.

Качество данных, и особенно избежание вопиющих ошибок, имеет решающее значение в критически важных секторах, в которых мы работаем. Будь то алгоритм восприятия или детектор опухолей, чистые данные необходимы в цикле обучения-валидации.

Обработка исключений непропорционально ценна. Человеческая интуиция в отношении того, почему что-то находится вне нормы или почему сценарий нарушил модель, создает огромную ценность в том, чтобы сделать модель более полной и прочной.

Кроме того, контекстные окна становятся больше. Мы суммируем клинические заметки всей консультации врача и пациента и анализируем аномалии в МРТ не только на основе изображения, но и на основе медицинского контекста пациента. Эксперты по предмету должны создать рубрики для анализа данных точно и гарантировать качество.

Безопасность, конфиденциальность и конфиденциальность являются горячими темами. Наш главный офицер безопасности должен защитить от несанкционированного доступа, удаления и хранения данных. Протоколы информационной безопасности, такие как SOC2, HIPAA и TISAX, были важными областями инвестиций для нас.

Наконец, наши инженеры и архитекторы решений постоянно работают над индивидуальными интеграциями и отчетами, чтобы уникальные потребности клиентов были отражены в последней миле. Подход “один размер для всех” не работает в искусственном интеллекте.

Вы говорили о сочетании робототехники и человеческого интеллекта как о более безопасном пути для искусственного интеллекта. Можете ли вы подробнее рассказать о том, как выглядит этот рабочий процесс на практике – и почему вы считаете его лучше, чем попытка устранить творческое расхождение искусственного интеллекта?

Искусственный интеллект обеспечивает масштаб, то есть компании разрабатывают инструменты для автоматизации длительных процессов, традиционно выполняемых людьми. Но люди обеспечивают последнюю милю гибкости, определенности и устойчивости. По мере того, как программные услуги продолжают распространяться в искусственном интеллекте, наиболее успешные компании будут эффективно сочетать робототехнику с практиками Human-in-the-Loop (HITL).

Мы рассматриваем HITL как постоянный слой на каждом этапе жизненного цикла разработки и развертывания искусственного интеллекта, а также как столп доверия и безопасности. Следовательно, человеческий интеллект будет иметь решающее значение для корректировки курса, если модели потерпят неудачу. Эти критические применения будут нуждаться в человеческом разуме, чтобы определить, какие изменения необходимо внести. Это то место, где услуги HITL станут еще более важными, когда мы интегрируем искусственный интеллект в производство и полевые операции.

Ваша платформа Ango Hub сочетает автоматизацию с экспертизой Human-in-the-Loop. Как этот гибридный модель улучшает качество данных и производительность моделей в системах искусственного интеллекта?

Искусственный интеллект и автоматизация обеспечивают масштаб и скорость, в то время как люди обеспечивают нюансы, идеи и надзор. HITL гарантирует участие человека на критических этапах жизненного цикла искусственного интеллекта – гарантируя высококачественные входные данные, проверку выходных данных, выявление крайних случаев и тонкую настройку моделей для областей, а также предоставляя контекстуальное суждение. Люди помогают обеспечить точность, проверяя и верифицируя выходные данные, обнаруживая галлюцинации или логические ошибки, прежде чем они могут нанести вред. Они также обеспечивают надзор в этически чувствительных или высокорисковых контекстах, где модели LLM не должны принимать окончательные решения. Более важно, что обратная связь человека питает непрерывное обучение, помогая системам искусственного интеллекта выравниваться более тесно с целями пользователя с течением времени.

HITL принимает многие формы. Эксперты-люди участвуют в целевой аннотации, применяют сложные рассуждения к крайним случаям и проверяют сгенерированный искусственным интеллектом контент с помощью структурированных интерфейсов QA. Вместо оценки каждого решения часто реализуются системы контекстного эскалации. Эти системы маршрутизацию только выходных данных с низкой уверенностью или помеченных аномалий к человеческим рецензентам, балансируя надзор с эффективностью.

Другое важное использование HITL – это тонкая настройка агентов искусственного интеллекта с помощью обратной связи человека (RLHF). Рецензенты-люди ранжируют, переписывают или предоставляют обратную связь по ответам агента, что особенно важно в чувствительных областях, таких как здравоохранение, юридические услуги или поддержка клиентов. Вместе с этим тестирование сценариев и красная команда позволяют человеческим оценщикам проверять агентов в враждебных или необычных условиях, чтобы выявить и исправить уязвимости до развертывания.

Полный потенциал искусственного интеллекта реализуется только тогда, когда люди остаются в цикле, направляя, проверяя и улучшая каждый шаг. Будь то уточнение выходных данных агента, обучение петель оценки или курирование надежных конвейеров данных, человеческий надзор добавляет структуру и подотчетность, которые искусственному интеллекту нужны, чтобы быть доверенным и эффективным.

С быстрым развитием инструментов Generative AI, как iMerit остается впереди в предоставлении услуг по оценке, RLHF и тонкой настройке?

Мы недавно запустили лабораторию глубокого рассуждения Ango Hub (DRL), унифицированную платформу для настройки и интерактивного развития Generative AI с помощью рассуждений о цепочке мыслей с учителями-искусственными интеллектами. Наша DRL позволяет проводить реальные, пошаговые процессы и оценку на основе предпочтений человека, что приводит к более связным и точным ответам моделей на сложные проблемы.

Прогресс в моделях и разработке приложений Generative AI подчеркивает ценность чистых, экспертно созданных и проверенных данных. С помощью лаборатории глубокого рассуждения Ango Hub эксперты могут тестировать модели, выявлять слабости и генерировать чистые данные с помощью рассуждений о цепочке мыслей. Они взаимодействуют с моделями в реальном времени и отправляют подсказки и исправления назад шаг за шагом в едином интерфейсе.

Используя iMerit Scholars, лаборатория глубокого рассуждения Ango Hub совершенствует процессы рассуждения моделей. Она использует обширный опыт iMerit в рабочих процессах HITL. Эксперты проектируют многоступенчатые сценарии для сложных задач, таких как создание подсказок о цепочке мыслей для продвинутых математических задач. Рецензенты iMerit проверяют выходные данные, исправляют ошибки и захватывают взаимодействия бесшовно. Волшебство не в наборе большого количества людей без разбора. Лучшие математики не обязательно являются лучшими учителями. Также не следует относиться к кардиологу как к фрилансеру. Подгонка и обучение экспертов по предмету, чтобы думать так, чтобы это приносило наибольшую пользу процессу обучения модели, а также вовлечение, делают разницу.

Что означает “эксперт в цикле” в контексте тонкой настройки генеративного искусственного интеллекта? Можете ли вы поделиться примерами, где человеческая экспертиза значительно улучшила выходные данные моделей?

Эксперт в цикле сочетает человеческий интеллект с роботизированным интеллектом для продвижения искусственного интеллекта в производство. Это предполагает человеческих экспертов, которые проверяют, уточняют и улучшают выходные данные автоматизированных систем.

В частности, экспертно-веденная аннотация данных гарантирует, что обучающие данные точно помечены знаниями в области, тем самым улучшая точность и надежность прогностических моделей искусственного интеллекта. Снижая предвзятости и неправильные классификации, экспертно-веденная аннотация повышает способность модели обобщать эффективно в реальных сценариях. Это приводит к системам искусственного интеллекта, которые более заслуживают доверия, интерпретируемы и соответствуют потребностям отрасли.

Например, после приобретения большого корпуса медицинских данных американская транснациональная технологическая компания нуждалась в оценке данных для использования в своей медицинской чат-боте для обеспечения безопасных и точных медицинских советов для пользователей. Обратившись к iMerit, они использовали нашу обширную сеть экспертов по здравоохранению в США и собрали команду медсестер для работы в консенсусном рабочем процессе с эскалациями и арбитражем, предоставленным сертифицированным врачом США. Медсестры начали с оценки базы знаний, в которой были представлены определения, чтобы оценить точность и риск.

Через обсуждение крайних случаев и пересмотр руководств медсестры смогли достичь консенсуса в 99% случаев. Это позволило команде пересмотреть проектный дизайн до структуры с одним голосом и 10% аудита, тем самым снижая затраты на проект более чем на 72%. Работа с iMerit позволила этой компании постоянно выявлять способы масштабирования медицинской аннотации данных этично и эффективно.

С более чем 8 000 полноценными экспертами по всему миру, как вы поддерживаете качество, производительность и развитие сотрудников в масштабе?

Определение качества всегда адаптировано к конкретному случаю каждого клиента. Наши команды тесно сотрудничают с клиентами, чтобы определить и откалибровать стандарты качества, используя индивидуальные процессы, которые гарантируют, что каждая аннотация быстро проверяется экспертами по предмету. Последовательность важна для развития высококачественного искусственного интеллекта. Это поддерживается высокой степенью удержания сотрудников (90%) и сильным акцентом на аналитике производства, который является ключевым дифференциатором в дизайне Ango Hub, сформированном ежедневным вводом от нашей команды.

Мы постоянно инвестируем в автоматизацию, оптимизацию и управление знаниями, подкрепленное нашей проприетарной платформой обучения iMerit One. Этот приверженность обучению и развитию не только стимулирует операционное совершенство, но и поддерживает долгосрочный карьерный рост наших сотрудников, создавая культуру экспертизы и роста.

Какой совет вы дадите начинающим предпринимателям в области искусственного интеллекта, которые хотят построить что-то значимое – как в технологиях, так и в социальном воздействии?

Искусственный интеллект движется с ошеломляющей скоростью. Идите за пределы технологического стека и слушайте своих клиентов, чтобы понять, что важно для их бизнеса. Поймите их аппетит к скорости, изменению и риску. Ранние клиенты могут попробовать все. Большие клиенты должны знать, что вы здесь, чтобы остаться и что вы будете продолжать уделять им приоритетное внимание. Успокойте их вашим активным подходом к прозрачности, безопасности и подотчетности.

Кроме того, тщательно выбирайте своих инвесторов и членов совета директоров, чтобы гарантировать соответствие ценностей и проблем. В iMerit мы испытывали значительную поддержку от нашего совета и инвесторов во время сложных времен, таких как COVID-19, что мы приписываем этому соответствию.

Ключевые качества, которые способствуют успеху предпринимателя в технологической отрасли, выходят за рамки принятия рисков; они предполагают построение прибыльной, инклюзивной компании.

Спасибо за отличное интервью, читатели, которые хотят узнать больше, должны посетить iMerit.