Sujatha Sagiraju, Chief Product Officer på Appen – Intervjuserie

Sujatha Sagiraju är Chief Product Officer på Appen, hon gick med i Appen i september 2021 som SVP of Product och ansvarar för produktstrategin. Hon är en teknikpionjär med över 20 års bred erfarenhet av att bygga storskaliga online-tjänster och AI/ML- och data-plattformar. Hon gick med i Appen från Microsoft där hon hade ledande roller i flera grupper, inklusive Bing och Azure AI-plattform.

Appen är den globala ledaren inom data för AI-livscykeln. Med över 25 års erfarenhet av datakällor, dataannotering och modellutvärdering av människor, möjliggör de för organisationer att lansera världens mest innovativa artificiella intelligenssystem.

Vad var det som initialt drog dig till AI?

När jag var på Microsoft, arbetade jag i Azure AI-organisationen. Jag var bekant med branschlandskapet, kunderna och den AI-omvandling som sker inom olika branscher. Jag kunde se från en kunds perspektiv att utbildningsdata var en vägspärr för att bygga maskinlärningsmodeller och jag såg Appen som en möjlighet att lösa det problemet – den saknade länken som kunde koppla samman alla steg i AI-livscykeln.

Du är för närvarande Chief Product Officer på Appen, kan du beskriva vad den här rollen innebär?

På högsta nivå bygger mitt team produktvisionen, strategin och samordnar med flera olika intressenter inom organisationen för att effektivt genomföra den. På en mer personlig nivå lägger jag ner betydande tid på att förstå branschen och kunderna. Med några av de största företagen som våra kunder, såsom Amazon, Google, Microsoft, Salesforce, Boeing, är det viktigt för mitt team att förstå kundscenarierna och smärtorna och bygga en produktstrategi som levererar en tillväxtplan. Att bygga en säker, inkluderande kultur är också en mycket viktig del av min roll, eftersom jag fokuserar på att skapa ett utrymme för våra anställda att dela idéer, samarbeta och utveckla sina karriärer.

Hur viktigt är det för AI-utveckling att främja mångfaldiga team?

Det är extremt viktigt för AI-utveckling att ha mångfaldiga team. Det finns flera olika sätt att tänka på mångfald – kön, ålder, ras, perspektiv. Mångfalden av perspektiv kan vara den viktigaste delen av att säkerställa att du har mångfaldiga bakgrunder och erfarenheter i ditt team. Dessa erfarenheter bringar nya och olika idéer för att bygga det bästa produkten för alla dina kunder som är mycket mångfaldiga.

Hur skapar du en arbetskultur som synergiserar denna mångfald?

En kultur som främjar mångfald inbjuder anställda att dela sina idéer och perspektiv. Jag gillar att överväga olika metoder för kommunikation när jag genomför teammöten. Till exempel, när jag ber om feedback under ett teammöte, ber jag anställda att tala direkt under mötet eller skicka mig ett meddelande efter att de har tänkt över det. Jag erkänner att inte alla vill tala eller ge feedback direkt, och jag vill skapa en kultur där det är acceptabelt. Jag vill ha en säker miljö där människor kan uttrycka sina åsikter och dela sina idéer hur de vill. Stora idéer kommer från alla olika team inom organisationen. Jag möter försäljnings-, marknads- och andra kundinriktade team för att förstå deras behov av produkten och deras perspektiv när de arbetar nära kunder. Några av de bästa produktidéerna kommer från att lyssna noga på kundernas smärtor – antingen direkt från dem eller team som interagerar med våra kunder varje dag.

Utöver att ha mångfaldiga team, vad är andra sätt att bekämpa bias i maskinlärningsalgoritmer?

Inkluderande datakällor, datapreparation och modellutvärdering är kritiska för att bekämpa bias. Data som används för att träna algoritmerna måste vara inkluderande för alla potentiella slutanvändare eller resultat. När man flyttar genom olika steg i AI-livscykeln, måste varje steg kontrolleras för bias. Ansvarsfull AI byggs också med ansvarsfullt källhärledda datamängder, vilket innebär att bidragsgivarna behandlas rättvist. Appen byggde en Crowd Code of Ethics för att visa vår dedication till välbefinnandet för vår Crowd.

Du publicerade nyligen en artikel som diskuterar en ny disciplin, kallad Data för AI-livscykeln. Kan du kort beskriva vad detta är?

Data för AI-livscykeln omfattar fyra steg i en kontinuerlig cykel; datakällor, datapreparation, modellbyggnad och distribution, och modellutvärdering av människor. Dessa steg är nödvändiga för att leverera högkvalitativa data för att bygga AI-projekt. Datakällor, datapreparation och modellutvärdering är de mest arbetsintensiva och data-intensiva och om de inte görs väl, kan de leda till projektets kvalitetsproblem och lanseringsförseningar. Appen specialiserar sig på dessa tre steg och samarbetar strategiskt med leverantörer som specialiserar sig på modellträning och distribution.

Vad är rollen för syntetisk data i Data för AI-livscykeln?

Datakällor inkluderar mänskligt annoterad data, företiketterade datamängder och syntetisk data. Syntetisk data används i svåra att hitta datamängder och användningsfall. Inkluderande datamängder täcker alla användningsfall och potentiella slutanvändare av en AI-modell, och vissa kräver syntetisk data för att nå det målet. Kombinationen av mänskligt annoterad data och syntetisk data kommer att bli kritisk för modellens framgång.

Hur stor är problemet med modelldrift eller överanpassning med Data för AI-livscykeln?

Modelldrift kan vara ett stort problem och måste hanteras i det fjärde steget i AI-livscykeln, Modellutvärdering av människor. Det är kritiskt att modellen fortsätter att fungera i den riktiga världen och att veta att den måste gå genom mänsklig testning. När miljöer förändras och växer, måste modellerna också förändras. Det är viktigt att praktiker kontinuerligt utvärderar sina modeller för att förhindra att de blir föråldrade eller fördomsfulla. Microsofts Bing är en kund som använder modellutvärdering för att säkerställa att sökresultaten fungerar enligt deras standard och att modellen kontinuerligt utvärderas.

Finns det något annat du vill dela om ditt arbete på Appen?

Det mest värdefulla arbetet på Appen är våra anställdas arbete och deras expertis. Med 25 års erfarenhet har Appen byggt en stark grund med våra anställda. Våra kunder litar på vår expertis för att leverera högkvalitativa resultat, snabbt och i stor skala. Appen möjliggör AI-industrins omvandling genom att tillhandahålla lösningar för att hantera Data för AI-livscykeln smidigt.

Tack för den underbara intervjun, läsare som vill lära sig mer bör besöka Appen.