Sujatha Sagiraju, Chief Product Officer på Appen – Intervju-serie

Sujatha Sagiraju är Chief Product Officer på Appen, hon anslöt till Appen i september 2021 som SVP för produkt 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 kom till Appen från Microsoft (MSFT ) där hon hade ledande roller i flera grupper, inklusive Bing och Azure AI-plattformen.

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

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 träningsdata 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 stadier av 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, som Amazon (AMZN ), Google (GOOGL ), Microsoft, Salesforce (CRM ), Boeing, är det viktigt för mitt team att förstå kundscenarier och smärt-punkter och bygga en produktstrategi som levererar en tillväxtplan. Att skapa 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 att främja mångfaldiga team för AI-utveckling?

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 samverkar med den här mångfalden?

En kultur som främjar mångfald inbjuder anställda att dela sina idéer och perspektiv. Jag gillar att överväga olika metoder för kommunikation när jag genomför team-möten. Till exempel, när jag ber om feedback i ett team-möte, ber jag anställda att tala direkt i mötet eller skicka mig ett meddelande efter att de har tänkt över det. Jag erkänner att inte alla vill tala eller dela 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 föredrar. Stora idéer kommer från alla olika team inom organisationen. Jag möter försäljnings-, marknadsförings- och andra kund-relaterade team för att förstå deras behov med produkten och deras perspektiv när de arbetar nära med kunderna. Några av de bästa produktidéerna kommer från att lyssna noga på kundernas smärt-punkter – 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 data-källor, data-beredning 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 stadier av AI-livscykeln, måste varje stadium kontrolleras för bias. Ansvarsfull AI byggs med ansvarsfullt käll-hämtade dataset, vilket betyder 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 det är?

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

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

Data-käll-lösningar inkluderar mänskligt-annoterad data, för-lagrade dataset och syntetisk data. Syntetisk data används i svåra att hitta dataset och användningsfall. Inkluderande dataset täcker alla användningsfall och potentiella slutanvändare av en AI-modell, och några 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 modell-drift eller överanpassning med Data för AI-livscykeln?

Modell-drift kan vara ett stort problem och måste hanteras i det fjärde steget av AI-livscykeln, Modellutvärdering av människor. Det är kritiskt att modellen fortsätter att fungera i den riktiga världen och 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 biased. 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 det som utförs av våra medarbetare och deras expertis. Med 25 års erfarenhet har Appen byggt en stark grund med sina anställda. Våra kunder litar på vår expertis för att leverera högkvalitativa resultat, snabbt och i stor skala. Appen möjliggör AI-branschens omvandling genom att tillhandahålla lösningar för att hantera Data för AI-livscykeln smidigt.

Tack för det underbara samtalet, läsare som vill lära sig mer kan besöka Appen.