Or Lenchner, VD för Bright Data – Intervjuserie

Or Lenchner, VD för Bright Data, har lett den marknadsledande webbdatainsamlingplattformen sedan 2018, och drivit dess expansion, innovation och tillväxt till över 100 miljoner USD i årlig omsättning. Bright Data möjliggör för Fortune 500-företag, ledande företag, kända universitet och offentliga institutioner att få tillgång till offentlig webbdata i realtid och i stor skala. Lenchner är en stark förespråkare för att hålla offentlig webbdata öppen och tillgänglig, och betonar dess avgörande roll i att driva innovation.

Vad inspirerade din resa in i världen av data och AI, och sedan du blev VD 2018, hur har du format Bright Datas uppdrag och vision?

Jag har alltid varit fascinerad av datans kraft, särskilt hur den kan driva beslut och bränsle innovation. När den används rätt kan data också driva transparens i affärer. Att bli VD för Bright Data 2018 gav mig möjlighet att hjälpa forma hur AI-forskare och företag går tillväga för att samla in och använda offentlig webbdata.

Vilka är de största utmaningarna som AI-lag möter när de samlar in stora mängder offentlig webbdata, och hur adresserar Bright Data dem?

Skalbarhet är en av de största utmaningarna för AI-lag. Eftersom AI-modeller kräver stora mängder data är effektiv insamling ingen liten uppgift. Och eftersom AI-modeller bara är så bra som de data de tränas på, är det viktigt att se till att lag har tillgång till färska, högkvalitativa data. Detta är särskilt sant eftersom webben utvecklas i realtid.

En annan stor oro är regelefterlevnad. Dataskyddslagar och krav utvecklas kontinuerligt, så AI-lag måste alltid vara medvetna om dessa förändringar. De måste också förstå hur man hanterar webbplatser som tillämpar anti-robotmekanismer, vilket kan komplicera datainsamlingsprocessen.

Plattformen som vi har byggt på Bright Data hanterar dessa utmaningar. Vi tillhandahåller skalbar, automatiserad datainsamling som levererar strukturerad realtidsdata. Våra AI-drivna verktyg rensar och validerar data för att säkerställa noggrannhet. Vi har stränga åtgärder på plats för att säkerställa laglig och etisk datainsamling för regelefterlevnad. Idén är att ge AI-lag möjlighet att fokusera på att bygga bra modeller, medan vi hanterar komplexiteten i datainsamlingen.

Hur bidrar högkvalitativ webbdata till AI-modellens prestanda, och vilka är de bästa metoderna för att säkerställa data noggrannhet?

Högkvalitativ data betyder data som är komplett, fri från fördomar och mest viktigt, noggrann. Om data saknas eller är fylld med inkonsekvenser och fel, kommer den resulterande AI-modellen inte att fungera enligt förväntningarna.

För att uppnå noggrannhet är det bäst att samla in data från en mängd olika offentliga källor som har etablerad tillförlitlighet. Att använda bara ett par, eller värre, en enda datakälla, leder till problem som ofullständighet. Att ha flera källor ger möjlighet att korsreferera data och bygga en mer balanserad och representativ datamängd. Dessutom bör organisationer överväga automatiserad data validering och rensning för att effektivt bli av med felaktig och inkonsekvent data.

På Bright Data tar vi alla dessa faktorer i beaktande. Vi tillhandahåller AI-lag med strukturerad och realtidsdata som har validerats för noggrannhet. Det ger dem möjlighet att träna modeller med tillförlitlighet.

Vilka är de största etiska problemen i offentlig webbdatainsamling idag?

Personlig integritet är fortfarande ett av de största problemen i offentlig webbdatainsamling. Människor oroar sig för att deras data ska utsättas för missbruk och vanvård. För att säkerställa att data förblir privat är det viktigt att betona transparens. Organisationer som samlar in data måste vara öppna med vilken data de samlar in. Det är viktigt att försäkra allmänheten om att deras data används under strikta etiska riktlinjer.

En annan stor oro är monopolisering. Vissa stora företag har kontroll över en stor mängd data, vilket skapar en ojämn spelplan där bara ett fåtal har tillgång till den information som behövs för att träna AI-modeller och driva innovation. Detta är inte hur saker och ting bör vara. Offentlig webbdata bör förbli tillgänglig för företag, forskare och utvecklare. Det ger möjlighet för AI-utveckling att inte koncentreras i händerna på bara ett fåtal stora aktörer.

Etik är inte en eftertanke på Bright Data. De är inbäddade i varje beslut vi fattar. Vi följer inte bara branschstandarder – vi sätter dem. Vi leder inom datainsamlingindustrin i att definiera rätt etiska standarder. Vi vill säkerställa att offentlig webbdata åtkomsts ansvarsfullt, transparent och i fullständig överensstämmelse med globala regler.

Hur säkerställer Bright Data regelefterlevnad med globala dataskyddsföreskrifter samtidigt som de möjliggör storskalig datainsamling?

Vår organisation är engagerad i att följa globala lagkrav och regler för datainsamling och användning. Vi ser till att vi följer kraven i GDPR, CPRA, CCPA och andra relevanta regler. Viktigt är att vi strikt följer Know Your Customer (KYC)-protokoll för att säkerställa att endast legitima användare får tillgång till vår plattform. Våra datasystem kan endast åtkommas av legitima företag och forskare.

Vår Acceptable Use Policy är tydlig i att definiera vilken data som kan och inte kan samlas in. Detta inkluderar ansvarsfull användning. Vi har ett dedikerat regelefterlevnadsteam som ansvarar för kontinuerlig övervakning av regler för att säkerställa att vi är uppdaterade med de senaste rättsliga och reglerande kraven.

Trots allt tror vi fortfarande att offentlig webbdata bör förbli tillgänglig. Vårt mål är att ge AI-lag den data de behöver samtidigt som vi säkerställer regelefterlevnad med integritets- och lagkrav.

Hur balanserar du affärstillväxt med att upprätthålla etiska datainsamlingspraxis?

Vi tänker alltid på etik och tillväxt som inte ömsesidigt uteslutande. Förtroendet hos våra kunder och relationen vi bygger med dem är av största vikt. Vi förstår att vi bara kan uppnå långsiktig framgång om vi samlar in data under transparenta villkor och i enlighet med tillämpliga lagar.

Därför har vi infört en strikt granskningsprocess för våra användare. Den är utformad för att säkerställa att den data vi samlar in används etiskt. Vi allokerar tid, ansträngning och resurser till regelefterlevnad och säkerhet för att skydda våra kunder och allmänheten i allmänhet. Genom att följa etisk datainsamling lyckas vi affärsmässigt samtidigt som vi bidrar till att etablera en transparent och ansvarsfull AI-ekosystem.

Hur håller Bright Data jämna steg med regelförändringar i dataskydd?

Vi förstår att våra dataanvändningsprocesser och policys oundvikligen måste ändras för att spegla förändringar i relevanta lagar och regler. Därför konsulterar vi regelbundet juridiska experter och kommunicerar med reglerande organ. Vi deltar också i diskussioner med lagstiftare och andra involverade i policyutveckling, och bidrar med insikt i utformningen av meningsfulla dataskyddsföreskrifter. Vi syftar till att skapa en balans mellan innovation och dataskydd.

Vårt datainsamlings- och användningsramverk utvecklas allteftersom nya lagar utfärdas och regler revideras. Vi har ett regelefterlevnadsteam som proaktivt uppdaterar våra dataanvändningspolicys för att säkerställa att vår plattform alltid är fullständigt regelefterlevande. Dessutom driver vi kundutbildningsinitiativ för att främja etisk dataanvändning.

Vilka är de framväxande trenderna inom AI-datainsamling som företag bör vara medvetna om?

Realtidsdatainsamling blir alltmer en nödvändighet för dagens AI-modeller. Det är avgörande för dem att ha tillgång till den senaste eller färskaste datan för att leverera en hög nivå av noggrannhet och ge bättre användarupplevelser.

En annan noterbar trend är tilliten till syntetisk data för dataaugmentering, där AI genererar data som kompletterar datamängder insamlade från verkliga världsscenarier.

Jag ser också ett starkt intresse för att följa förklarlig AI. De flesta AI-modellerna idag lider av den svarta lådan-effekten, eller brist på transparens i deras beslutsprocesser. Företag försöker ändra på denna paradigm genom att skapa AI-modeller som kan förklara hur de kom fram till de utdata eller beslut de fattar.

Slutligen är företag medvetna om de växande integritetsproblemen. Därför blir AI-tekniker som syftar till att bevara datasekretess, som federerat lärande, alltmer efterfrågade. Organisationer vill maximera AI-modellträning utan att kompromissa med användardatasekretess.

Vi ser till att vi är på toppen av dessa trender, så att vi kan bygga lösningar som ger AI-lag möjlighet att behålla en konkurrensfördel.

Hur ser du att AI-styrda agenter och automatisering förändrar datainsamlingslandskapet?

För närvarande använder AI-modeller strukturerade datamängder som i huvudsak samlas in manuellt. Dessa datamängder går också igenom förbehandling, rensning och andra processer som vanligtvis involverar mänskligt ingripande. Detta är på väg att förändras i nära framtid med uppkomsten av AI-agenter för autonom datainsamling och bearbetning för AI-träning. De möjliggör att man kan lära sig från webbdata i realtid på en aldrig tidigare skådad skala.

Vi har skapat infrastruktur som stöder distributionen och utvecklingen av AI-agenter, vilket möjliggör smidig tillgång till högkvalitativ webbdata i realtid. Denna teknik tillåter avancerade AI-system att kontinuerligt interagera med dynamisk webbdata, lära sig av den och växa sig större och bättre.

AI-agenter kan omvandla branscher eftersom de tillåter AI-system att komma åt och lära sig från ständigt föränderliga datamängder på webben, snarare än att förlita sig på statiska och manuellt bearbetade data. Detta kan leda till exempel till bank- eller cybersäkerhets AI-chattbotar som kan fatta beslut som speglar de senaste realiteterna. Det resulterar i enorma effektivitetsvinster och fler områden för automatisering.

På Bright Data är vi inte bara med och möjliggör denna omvandling av datainsamlingslandskapet. Vi tror att vi är i framkanten, introducerar en teknik som banar väg för nästa generation av artificiell intelligens. Vi är glada att hjälpa företag och AI-lag att utnyttja den fulla potentialen av AI-agenter för sina verksamheter.

Tack för den utmärkta intervjun, läsare som vill lära sig mer kan besöka Bright Data.