Sean Mullaney, Chief Technology Officer på Algolia – Intervjuerien

Sean Mullaney är Chief Technology Officer på Algolia, en komplett, AI-driven sök- och upptäcktsplattform.

Sean är en före detta Stripe- och Google (GOOGL ) -chef med bakgrund inom skalning av tekniska organisationer, utveckling av AI-drivna sök- och upptäcktsverktyg samt tillväxt av API-första lösningar globalt. På Algolia ansvarar han för tekniken bakom den näst största sökmotorn efter Google, som används för över 1,5 biljoner sökningar varje år. Nyligen ledde han företagets lansering av AlgoliaNeuralSearch – världens snabbaste, hyper-skalibara och kostnadseffektiva vektor- och nyckelords-sök-API.

Vad var det som initialt drog dig till datavetenskap?

När jag var 10 år gammal köpte mina föräldrar vår första dator hemma. Det första jag ville göra var att lära mig att skriva ett textäventyrsspel som jag kopierade ur en bok. Ett par år senare började jag lära mig C++, men att designa och bygga datorspel förblev en stor passion för mig som tonåring som började utforska datavetenskap.

Du tillbringade över 7 år på Google, där du hjälpte till att bygga och leda team som arbetade med strategi, drift, stordata och maskinlärning. Vilket var ditt favoritprojekt och vad lärde du dig av den erfarenheten?

Vi lyckades använda all den stordata vi hade om hur annonsörer använde våra produkter för att hjälpa säljteam. Vi utvecklade anpassade regler (senare mer komplexa neuronnät) för att förutsäga vilka kunder vi skulle närma oss med vilka produkter vid vilka tidpunkter för att maximera sannolikheten för att en säljares tid skulle resultera i intäktsökning. Med över 1 miljon annonsörer på Google hjälpte det här verktyget säljteamen att hitta nålar i höstackar.

I en nylig DevBit-sammanfattning beskrev du Algolias syfte som att möjliggöra för användare att indexera världen och sätta innehåll i rörelse. Kan du förklara vad den här uttalandet innebär?

Till slut vill vi hjälpa våra kunder att få ut värde av sina data. Internet har skapat en sådan enorm explosion av innehåll och e-handelsprodukter, och medan den här utvecklingen säkert är en betydande milstolpe, innebär den överväldigande mängden information som nu finns tillgänglig att det är svårare än någonsin – och blir allt svårare – att hitta vad man faktiskt letar efter som användare. Men när sök och upptäckt drivs av AI kan den växande listan av innehåll tillgängliggöras och sättas i rörelse för att verkligen hjälpa användare, inte bara överväldiga dem.

I september 2022 förvärvade Search.io och dess proprietära flaggskeppprodukt NeuralSearch™ av Algolia. Kan du diskutera vad den här söktekniken specifikt är?

I korthet integrerar Algolia NeuralSearch nyckelordsmatchning med vektorbaserad naturlig språkbehandling, driven av LLM, i ett enda API – en branschförst. Lösningen inkorporerar vår proprietära och första-i-sin-klass Neural Hashing-teknik som gör användningen av vektorer skalbar och 90% mer kostnadseffektiv att använda – ett problem som andra AI-företag, inklusive ChatGPT, står inför. Vad som verkligen är spännande med den här banbrytande produkten är att den gör AI-sök skalbar för företagsklassiska organisationer.

Den nya tekniken möjliggör också för kunder, som återförsäljare, att förstå och leverera innehåll som matchar frågor som normalt är för konversationsliknande för att leverera exakta eller några resultat alls (så kallade långsvansfrågor). Dessa utgör 55% av nuvarande sitsökningar. Som den enda slut-till-slut-AI-söklösningen som tillämpar AI över frågeförståelse, återvinning och rangordning av resultat förstår NeuralSearch verkligen dessa frågor och omvandlar missade möjligheter till intäkter.

Utöver Neuralsearch, vilka är några av de andra maskinlärningsmetoderna som används?

Vi inkorporerade AI över tre primära funktioner – frågeförståelse, frågeåtervinning och rangordning av resultat. Vi på Algolia kallar det här för AI-sök-sandwichen:

• Frågeförståelse: Algolias avancerade naturliga språkförståelse (NLU) och AI-drivna vektorsök ger fri-formig naturlig språkuttrycksförståelse och AI-drivna frågekategorisering som förbereder och strukturerar en fråga för analys. Dessutom finjusterar adaptiv inlärning baserad på användarfeedback avsiktens förståelse.
• Återvinning: De mest relevanta resultaten hämtas sedan och rangordnas från mest till minst relevant. Återvinningsprocessen sammanfogar Neural Hashing-resultat parallellt med nyckelord med samma index för enkel återvinning och rangordning. Det här tillvägagångssättet löser problemet med “nollresultat” och förbättrar betydligt klickpositioner och klickfrekvenser. Inga andra sökplattformar i sök- och upptäcktsutrymmet erbjuder den här kraftfulla funktionen.
• Rangordning: Slutligen trycks de bästa resultaten upp till toppen av Algolias AI-drivna omrangordning, som tar hänsyn till de många signaler som är kopplade till sökfrågan (inklusive den exakta nyckelordsmatchningsscoren, den kontextuella personanpassningsprofilen, den observerade populariteten hos artiklar, den semantiska matchningsscoren etc.) och lär sig att nå maximal relevans.

Dessutom, allteftersom indexet ändras, nya produkter läggs till, nytt innehåll laddas upp eller termer får nya betydelser, kommer AI-drivna Algolia NeuralSearch-produkten att lära sig och anpassa sig automatiskt. Den kräver ingen ytterligare personal eller manuell hantering. Den kommer att automatiskt matcha nyckelord eller koncept – möjligtvis en blandning av båda – beroende på fråga eller sökfras. Det här sätter verkligen sökningen på autopilot.

Algolia har nyligen ökat sin kostnadsfria plan från 10 000 poster till 1 miljon poster. Vad var tanken bakom det här beslutet, och hur har marknaden reagerat?

Vi valde specifikt att utveckla Algolias prissättning och paketering för att vara ännu mer utvecklarvänliga med införandet av två nya utvecklarinriktade planer: en “bygg”-plan som är kostnadsfri och en “Väx”-plan som erbjuder enkel skalbarhet till överkomliga priser. Den nya Bygg-planen ökar antalet kostnadsfria poster som en utvecklare kan lagra i Algolia från 10 000 till nu 1 miljon poster. Detta representerar en 100-gånger ökning av antalet kostnadsfria poster som utvecklare nu kan indexera i Algolia. Dessutom sänkte Algolia kostnaden för sökförfrågningar i sin Väx-plan med 50% och poster med 60%.

Tanken bakom vår uppdaterade “Bygg”-prissättningsplan är att ge utvecklare kostnadsfri tillgång till hela uppsättningen funktioner i sin AI-drivna Sök- och Upptäcktsplattform. Väx-planen, för när en utvecklare är redo att skala sin applikation, möjliggör utvecklare med mer utvecklarvänlig användningsbaserad prissättning för liveproduktionsmiljöer.

En viktig notering här är att varje designer, skapare eller byggare – oavsett om de är en amatör- eller fullt engagerad programvaruutvecklare – kan snabbt och enkelt komma åt alla verktyg, dokumentation, exempelkod, utbildningsinnehåll och cross-platform-integrationsfunktioner som behövs för att komma igång med att hantera sina data, bygga en sökfrämre del, konfigurera analyser och mer – allt detta utan extra kostnad. Dessutom kommer de att ha omedelbar tillgång till en växande utvecklargemenskap med över 5 miljoner byggare.

Kan du diskutera de sökpersonaliseringsverktyg som erbjuds?

Algolia erbjuder flera sökpersonaliseringsverktyg för företag att utnyttja data för att förbättra rekommendationer, inklusive olika typer av rekommendationer och unika sätt att utnyttja data för att faktiskt driva dessa rekommendationer.

Ett par exempel inkluderar:

• Trender: Föreslå andra artiklar som är trender i popularitet och relaterade till de sökningar din kund har utfört.
• Betygsbaserad: Människor vill köpa produkter med de bästa betygen.
• Personlig: Baserat på vad du köpte senast, bläddringshistorik, plats eller andra faktorer, rekommenderar vi dessa andra produkter.

Dessa data-drivna metoder kan hjälpa till att snabbt förbättra och förbättra resultaten baserat på hur kunder interagerar med produkter, så att du är mer benägen att rekommendera produkter som faktiskt konverterar bäst.

Du har beskrivit Algolia som den mest skalbara hybrid-AI-sökmotorn i världen. Hur har Algolia designats för att skala så effektivt?

Det handlar allt om Neural Hashing. Den här banbrytande lösningen komprimerar och dramatiskt accelererar varje och en fråga. Det är mycket snabbare att beräkna hash-likhet än standardvektorlikhet och returnerar resultat på millisekunder.

Neural Hashing representerar en banbrytande lösning för att sätta AI-återvinning i produktion för en stor mängd användningsfall. Kombinerat med AI-driven frågebehandling och omrangordning lovar det att släppa loss den fulla kraften av AI på plats-sök. Före Algolias proprietära genombrott har vektorbaserad sökning varit för dyr att köra i produktion.

Den delen av sandwichen jag vill fokusera mest på är köttet: återvinning. Anledningen till att vi säger att vi är den enda riktiga slut-till-slut-AI-sökmotorn är att det har funnits en konstant kamp bakom kulisserna i sökbranschen för att lägga till AI i återvinning. Informationsåtervinning är en otroligt komplex process, och det är ännu mer komplext att bemästra högpresterande, kostnadseffektiv AI-återvinning i skala. Vi bemästrade det med vår banbrytande Neural Hashing-teknik. Genom att göra det vann vi jakten på AI-sökens Heliga Graal.

Finns det något annat du vill dela om Algolia?

Det är en spännande tid att arbeta på Algolia, och vi letar alltid efter att starta samtal med begåvade, passionerade människor som vill ansluta sig till oss på vår resa att bygga världens bästa sökteknologi. Om det låter som dig, skulle jag bjuda in dig att kolla in våra aktuella öppningar på https://www.algolia.com/careers/.