Радха Басу, генеральный директор и основатель iMerit – Интервью

Радха Басу, основатель и генеральный директор iMerit, построила свою карьеру в HP, проведя 20 лет в этом технологическом гиганте и в конечном итоге возглавив группу Enterprise Solutions. Затем она привела Support.com к публичному статусу в качестве ее генерального директора. Радха основала фонд Anudip 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 ИИ, 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 улучшения положения маргинализированной молодежи 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 первичное и вторичное публичные предложения, установив ее как глобального лидера в области программного обеспечения для автоматизации поддержки. Этот опыт показал мне силу сочетания людей и технологий с первого дня.

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 передовые технологии, такие как ИИ, они с энтузиазмом приняли эти карьеры.

Мы запустили iMerit с небольшой, разнообразной командой, половина которой составляли женщины, и с тех пор быстро росли. Адаптивность и способность нашей команды к обучению были ключевыми, особенно поскольку центрированная на данных ИИ увеличила долгосрочный спрос на квалифицированных специалистов.

Сегодня iMerit является глобальным поставщиком решений для данных ИИ для критически важных секторов, таких как автономные транспортные средства, медицинская ИИ и технологии. Наша работа гарантирует, что модели ИИ клиентов построены на высококачественных, 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, ориентированной на обучение культуре. Этот подход стимулировал наш рост, сохранил нашу положительную наличность и принес нам высокие баллы NPS и лояльных клиентов.

iMerit теперь работает с более чем 200 клиентами, включая технологических гигантов, таких как eBay и Johnson & Johnson. Можете ли вы рассказать нам об истории роста компании – от ранних дней до становления глобальным лидером в услугах данных ИИ?

У нас был первый ряд мест на пути наших клиентов к ИИ, сотрудничая с ними от ранних экспериментов до крупномасштабного производства. Наша работа охватывает стартапы, глобальных лидеров автономных транспортных средств и крупные предприятия. Обучая их модели с нуля, мы получили беспрецедентный взгляд на то, что действительно необходимо для масштабирования ИИ в реальном мире.

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

Наш крупнейший вертикаль – автономная мобильность, где мы управляем полным перцептивным стеком, включая сенсорную фузию по 15 датчикам для пассажирских, доставочных, грузовых и сельскохозяйственных транспортных средств. В области здравоохранения мы стимулируем клиническую ИИ-визуализацию. В высокотехнологичной сфере мы находимся на переднем крае настройки и проверки GenAI, требующей большей изощренности в наших рабочих процессах и талантах.

Успех в этих областях не только в том, чтобы иметь экспертов – это в культивировании экспертизы: когнитивной способности оспаривать, обучать и контекстуализировать модели ИИ. Это то, что отличает наши команды.

Наш рост обусловлен долгосрочными партнерствами, и большинство наших топ-10 клиентов работают с нами более пяти лет. По мере того, как их потребности становятся более сложными, мы постоянно повышаем нашу предметную экспертизу, инструменты, обучение и решения. И наш технологический стек, и наши люди должны постоянно эволюционировать.

Слияние программного обеспечения, автоматизации, аннотации и аналитики создает рубрик для очень гибких, быстрых, высокоточных, человеко-ориентированных вмешательств. 70% новых логотипов находятся на нашей собственной технологической платформе, что требует огромной внутренней трансформации. Опять же, наша культура гарантирует, что команды жаждут учиться и хотят постоянно расти.

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 ИИ считалась краудсорсинговой работой, 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 на 1 миллион долларов в месяц в автономных транспортных средствах, вехе, которая подтвердила 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 выручке, так и по числу сотрудников в том году. Сегодня, когда 70% нашей команды вернулась на работу, мы продолжаем использовать удаленный талант, запуская Scholars, нашу глобальную сеть экспертов по настройке и проверке GenAI. Будь то кардиолог или испанский математик, наша высокообслуживаемая культура 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 ИИ, для стимулирования следующего поколения инструментов для данных ИИ. Этот важный шаг объединил экспертизу iMerit с продвинутыми инструментами Ango, расширив наши возможности в радиологии, сенсорной фузии и тонкой настройке GenAI. Мы все еще работаем с инструментами клиентов, но многие новые клиенты теперь подключаются напрямую 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: экспертное человеческое понимание, чтобы обеспечить качество, в сочетании с безопасной, масштабируемой платформой, которая обеспечивает автоматизацию и анализ. Объединение сил с Ango обеспечивает именно это, уникально позиционируя нас для удовлетворения сложных требований самых амбициозных проектов ИИ и масштабирования с уверенностью.

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

Задачи, связанные с данными, обычно занимают почти 80% времени, потраченного на проекты ИИ, что делает их важнейшим компонентом конвейера. Часть, связанная с данными ИИ, 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 перцептивный алгоритм или детектор опухолей, чистые данные имеют важное значение в цикле обучения-валидации.

Обработка исключений несоразмерно ценна. Человеческое понимание того, почему что-то необычно 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 точной аналитической обработки данных и обеспечения качества.

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

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

Вы говорили о сочетании робототехники и человеческого интеллекта как о более безопасном пути для ИИ. Можете ли вы расширить, как этот рабочий процесс выглядит на практике – и почему вы считаете, что это лучше, чем попытка устранить творческую дивергенцию ИИ?

ИИ обеспечивает масштабируемость, 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 ИИ, наиболее успешные компании будут эффективно сочетать робототехнику с практиками Human-in-the-Loop (HITL).

Мы рассматриваем HITL как постоянный слой на каждом этапе цикла разработки и развертывания ИИ, а также как столп доверия и безопасности. Следовательно, человеческий интеллект будет иметь важное значение для корректировки курса, если модели потерпят неудачу. Эти критически важные применения будут нуждаться в человеческом уме, чтобы определить, какие изменения необходимо внести. Вот где услуги HITL станут еще более значимыми, поскольку мы интегрируем ИИ в производство и эксплуатацию.

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

ИИ и автоматизация обеспечивают масштабируемость и скорость, в то время как люди обеспечивают нюансы, прозрение и надзор. HITL гарантирует участие человека на критических этапах цикла ИИ – обеспечивая высококачественные входные данные, проверку выходных данных, выявление пограничных случаев и тонкую настройку моделей для доменов, а также предоставляя контекстное суждение. Люди помогают обеспечить точность, проверяя и подтверждая выходные данные, обнаруживая галлюцинации или логические ошибки, прежде чем они нанесут вред. Они также обеспечивают надзор в этически чувствительных или высокорисковых контекстах, где ИИ не должен принимать окончательные решения. Более того, обратная связь человека стимулирует непрерывное обучение, помогая системам ИИ более тесно соответствовать целям пользователя с течением времени.

HITL принимает многие формы. Эксперты-люди участвуют в целевой аннотации, применяют сложные рассуждения к пограничным случаям и проверяют контент, сгенерированный ИИ, используя структурированные интерфейсы 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 – тонкая настройка агентов ИИ с помощью обратной связи от человека (RLHF). Человеческие рецензенты ранжируют, переписывают или предоставляют обратную связь о реакциях агента, что особенно важно в чувствительных областях, таких как здравоохранение, юридические услуги или поддержка клиентов. В тандеме тестирование на основе сценариев и красная команда позволяют человеческим оценщикам проверять агентов в враждебных или необычных условиях, чтобы выявить и исправить уязвимости до развертывания.

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

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 калибровать стандарты качества, используя настраиваемые процессы, которые гарантируют, что каждая аннотация быстро проверяется экспертами по предмету. Последовательность важна для развития высококачественного ИИ. Это поддерживается высокой степенью удержания сотрудников (90%) и сильным акцентом на аналитике производства, ключевым дифференциатором в дизайне Ango Hub, сформированном ежедневным вводом пользователей из нашей команды.

Мы постоянно инвестируем в автоматизацию, оптимизацию и управление знаниями, подкрепленными нашей проприетарной платформой обучения iMerit One. Этот вклад в обучение и развитие 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 ИИ, которые хотят построить что-то значимое – как в технологиях, так и в социальном воздействии?

ИИ 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. Более крупные клиенты должны знать, что вы здесь, чтобы остаться, и что вы будете продолжать уделять им приоритетное внимание. Успокойте их своей активной позицией по отношению к прозрачности, безопасности и подотчетности.

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

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

Спасибо за отличное интервью, читателям, которые хотят узнать больше, следует посетить iMerit.