Olga Megorskaya, ผู้ก่อตั้งและ CEO ของ Toloka – สัมภาษณ์ซีรีส์

Olga Megorskaya ผู้ก่อตั้งและ CEO ของ Toloka ได้นำบริษัทตั้งแต่ปี 2020 โดยเปลี่ยนจากบริษัทที่มีจุดเริ่มต้นในการให้บริการ crowd-labeling เป็นบริษัทที่ให้บริการ AI data ที่สำคัญ ก่อนที่จะก่อตั้งและนำ Toloka เธอได้ทำงานที่ Yandex มากกว่า 10 ปี โดยมีตำแหน่งสุดท้ายเป็น Head of Crowdsourcing and Platforms ซึ่งเธอได้สร้างและขยายโครงสร้างพื้นฐานสำหรับการให้บริการ data-labeling ของ machine-learning รวมถึงการค้นหา เสียง พูด การขับรถอัตโนมัติ การดูแลเนื้อหา และอื่นๆ ภายใต้การนำของเธอ Toloka ได้กำหนดตำแหน่งของตนเองเป็นบริษัทที่ให้บริการ AI data ที่สำคัญระดับโลก โดยรวมเทคโนโลยี machine-learning เข้ากับความเชี่ยวชาญของมนุษย์เพื่อสนับสนุนการฝึกอบรม การประเมิน และความปลอดภัยสำหรับ AI models และ agents ที่มีขนาดใหญ่

Toloka เป็นบริษัทที่ตั้งอยู่ในเนเธอร์แลนด์ โดยมีสำนักงานใหญ่อยู่ที่อัมสเตอร์ดัม ซึ่งให้บริการ data ที่มีคุณภาพสูงและได้รับการคัดเลือกอย่างดีสำหรับการพัฒนา AI รวมถึงการให้บริการ annotation และ labeling สำหรับ datasets ที่กำหนดเองสำหรับการ fine-tuning ที่มีการกำกับ (SFT) และการเรียนรู้จากข้อเสนอแนะของมนุษย์ (RLHF) บริษัทให้บริการสำหรับหลายรูปแบบ รวมถึงข้อความ ภาพ เสียง และวิดีโอ และมีการจัดให้มีผู้เชี่ยวชาญในด้านต่างๆ ร่วมกับคนงานทั่วโลกเพื่อให้บริการ datasets ที่มีความแม่นยำและสามารถขยายได้สำหรับการฝึกอบรมและประเมิน AI agents และ large language models ที่มีขนาดใหญ่ บริการของ Toloka ช่วยให้สามารถปรับปรุงความสามารถ เช่น การให้เหตุผล การเข้าใจหลายภาษา การสร้างภาพและเสียง และความปลอดภัยของ AI ในหลายอุตสาหกรรมและแอปพลิเคชัน

คุณใช้เวลาหลายปีในการสร้างระบบ human-in-the-loop ที่ Yandex ก่อนที่จะก่อตั้ง Toloka ในปี 2020 คุณได้รับแรงบันดาลใจจากอะไรที่ทำให้คุณตัดสินใจที่จะเปลี่ยน Toloka เป็นบริษัทที่มีเอกลักษณ์ของตนเอง และประสบการณ์นั้นได้กำหนดวิสัยทัศน์ของคุณสำหรับ Toloka ในการเป็นบริษัทที่ให้บริการ AI data อย่างไร

ใน某จุด เราได้ทราบว่า Toloka ได้เติบโตเกินกว่าบริษัทที่มีจุดเริ่มต้น AI researchers จากทั่วโลกได้ใช้แพลตฟอร์มของเรา และเรารู้ว่าบริษัทสามารถบรรลุผลลัพธ์ที่ดีกว่าหากเป็นบริษัทที่มีเอกลักษณ์ของตนเอง Toloka สามารถพึ่งพาประสบการณ์รวมของทีม AI หลายร้อยทีมที่รวบรวมข้อมูลฝึกอบรมสำหรับ AI solutions ทุกประเภท ตั้งแต่การค้นหาเสียงและพูดถึง GenAI chatbots และ AI Agents เราได้รวมความเชี่ยวชาญของเราในการจัดการการทำงานของมนุษย์กับการสร้างและฝึกอบรม AI Agents เพื่อสร้างผลิตภัณฑ์ใหม่ของเรา Tendem

คุณได้กล่าวว่าการเปลี่ยนแปลงที่แท้จริงจะไม่มาจาก agents ที่มีความสามารถอัตโนมัติเต็มที่ แต่จะมาจาก hybrid agents ที่รวม AI automation เข้ากับการตัดสินใจของมนุษย์ คุณได้สรุปเช่นนี้ได้อย่างไร

ในขณะที่ฉันเชื่อว่า AI-only solutions ในหลายพื้นที่จะถึงระดับที่น่าประทับใจในเร็วๆ นี้ แต่ก็จะมีการใช้งานที่ไม่เหมาะสมที่จะไม่ถูกปรับให้เหมาะสมสำหรับ AI-only solutions นี่คือจุดที่ hybrid approach จะมีประสิทธิภาพมากกว่า AI-only และ human-only solutions ในอนาคต เราได้เห็นรูปแบบนี้ซ้ำๆ ในช่วง 10 ปีที่ผ่านมา AI สามารถจัดการงานที่ซับซ้อนได้ดี แต่ก็ยังต้องมีการตัดสินใจและความเข้าใจในบริบทที่ซับซ้อน Hybrid systems ชนะเพราะสามารถจัดการทั้งสองด้านของสมการ AI จัดการสิ่งที่ดีที่สุด speed structure และ repeatability ส่วนความเชี่ยวชาญของมนุษย์เติมช่องว่าง ambiguity edge cases และ interpretation เมื่อคุณรวมทั้งสองเข้าด้วยกัน คุณจะได้รับ workflow ที่รวดเร็วและเชื่อถือได้

คุณได้กล่าวว่า AI มีข้อจำกัดในเรื่องความไม่แน่นอนและเหตุผลที่ซับซ้อน คุณสามารถอธิบายได้ว่า AI มีข้อจำกัดเหล่านี้อย่างไร

งานที่ต้องใช้เวลาหลายชั่วโมงหรือหลายวันในการทำงาน เช่น การวิจัยตลาด การวิเคราะห์แข่งขัน การสรุปเอกสารที่มีขนาดใหญ่ การสร้างเนื้อหาที่มีคุณภาพจากข้อมูลที่หลากหลาย หรือการดึงข้อมูลที่มีค่าจากข้อมูลที่ซับซ้อน AI มีความสามารถในการสร้างผลลัพธ์ที่ดีในครั้งแรก แต่เมื่อต้องใช้การตัดสินใจหรือการวิเคราะห์ความไม่แน่นอน AI จะมีข้อจำกัดที่ชัดเจน นี่คือจุดที่ความเชี่ยวชาญของมนุษย์เป็นเรื่องสำคัญ

หลายๆ คนใช้ AI แต่ยังไม่มั่นใจในความสามารถของ AI คุณสามารถอธิบายได้ว่าแนวทางของคุณช่วยให้คนมั่นใจในการใช้ AI-assisted systems ได้อย่างไร

ความเชื่อมั่นจะดีขึ้นเมื่อคนไม่ต้องแก้ไขผลลัพธ์ของ AI แนวทางของเราช่วยให้คนมั่นใจโดยการรวมมนุษย์เข้ากับ workflow ตั้งแต่ต้น ไม่ใช่แค่เมื่อ AI ล้มเหลว AI project manager ของเราจะตัดสินใจว่าควรใช้ AI หรือความเชี่ยวชาญของมนุษย์สำหรับแต่ละขั้นตอน หลังจากนั้น การตรวจสอบอัตโนมัติและ QA ของมนุษย์จะรับรองว่าผลลัพธ์สุดท้ายมีความถูกต้องและสมบูรณ์ สำหรับคนงาน นี่หมายความว่าพวกเขาสามารถมอบหมายงานและคาดหวังผลลัพธ์ที่ถูกต้อง ไม่ใช่แค่ผลลัพธ์ที่ต้องแก้ไข

มีกลไกอะไรที่ทำให้ความเชี่ยวชาญของมนุษย์ในระบบมีคุณภาพสูงและไม่ชะลอการทำงาน

มีสองสิ่งที่ทำให้ได้ผล:

• การเชี่ยวชาญที่มีขนาดใหญ่ ผู้เชี่ยวชาญในเครือข่ายของ Tendem ได้รับการคัดเลือกและฝึกอบรมตามความเชี่ยวชาญในด้านต่างๆ และไม่ใช่แค่ฟรีแลนซ์ที่พยายามปรับตัวให้เข้ากับงานที่หลากหลาย
• การตรวจสอบและ-routing ที่ชาญฉลาด AI จัดการขั้นตอนที่ไม่ต้องการการตัดสินใจ และผู้เชี่ยวชาญจะเน้นไปที่ส่วนที่ต้องการการตัดสินใจ จากนั้นจะมีการตรวจสอบอัตโนมัติและ QA ของมนุษย์เมื่อจำเป็น สิ่งนี้ทำให้ผู้เชี่ยวชาญมีส่วนร่วมในงานที่มีค่าและไม่สร้างปัญหา

ผลลัพธ์คือความเร็วที่เทียบเท่ากับระบบอัตโนมัติ และความแม่นยำที่เทียบเท่ากับการตรวจสอบของผู้เชี่ยวชาญ

ในอุตสาหกรรมที่ต้องการความแม่นยำและความปลอดภัย Hybrid systems สามารถให้ความสามารถในการตรวจสอบและยืนยันได้อย่างไร

Hybrid systems มีความสามารถในการตรวจสอบและยืนยันเพราะทุกขั้นตอนใน workflow มีการติดตามและตรวจสอบ คุณรู้ว่าขั้นตอนใดที่ถูกจัดการโดย AI และขั้นตอนใดที่ถูกจัดการโดยผู้เชี่ยวชาญที่ได้รับการคัดเลือก ในอุตสาหกรรมที่มีการควบคุมอย่างเข้มงวด การตรวจสอบและยืนยันเหล่านี้เป็นสิ่งสำคัญ คุณไม่ต้องอาศัยการตัดสินใจของ AI ที่ไม่ชัดเจน แต่มีการติดตามและตรวจสอบที่ชัดเจน

คุณคาดหวังว่าประเภทงานใดจะเปลี่ยนไปใช้ hybrid agents ก่อน และประเภทงานใดจะช้ากว่าในการนำระบบนี้มาใช้

โดยรวมแล้ว ฉันคิดว่าแนวทาง hybrid นี้สามารถนำมาใช้ได้ง่ายกว่าแนวทาง AI-only และคาดหวังว่าแทบจะทุกอุตสาหกรรมจะสามารถนำระบบนี้มาใช้ได้ แต่จะแตกต่างกันในเรื่องของสัดส่วนของ AI และความเชี่ยวชาญของมนุษย์ อุตสาหกรรมที่เร็วที่สุดในการนำระบบนี้มาใช้คืออุตสาหกรรมที่ต้องการความเร็วและความแม่นยำ เช่น การให้คำปรึกษาการตลาด การดำเนินงานขาย การวิจัย และการสร้างเนื้อหา

จากมุมมองของการดำเนินงาน องค์กรจะได้รับประโยชน์อย่างไรเมื่อเปลี่ยนจาก freelancer-managed work ไปเป็น hybrid agents

Hybrid agents ลดความไม่эффективสองประการในงานที่จัดการโดยฟรีแลนซ์ คือ การจัดการและคุณภาพที่ไม่แน่นอน องค์กรและคนงานไม่ต้องค้นหา คัดเลือก จัดการ และตรวจสอบฟรีแลนซ์ Hybrid agent จัดการ workflow อัตโนมัติ โดยกำหนดการผสมผสานระหว่าง AI และความเชี่ยวชาญของมนุษย์สำหรับแต่ละขั้นตอน สิ่งนี้ช่วยลดเวลาในการทำงาน คุณภาพที่ไม่แน่นอน และการขยายงานโดยไม่ต้องเพิ่มจำนวนคนงาน

เมื่อ hybrid systems ได้รับการยอมรับอย่างกว้างขวาง คุณคาดหวังว่าระบบนี้จะส่งผลกระทบต่อเศรษฐกิจฟรีแลนซ์และ gig economy อย่างไร

เราคิดว่าระบบนี้จะเปลี่ยนแปลงเศรษฐกิจฟรีแลนซ์ ไม่ใช่การแทนที่ฟรีแลนซ์ แต่จะเปลี่ยนงานให้ฟรีแลนซ์เป็นงานที่มีค่าและสามารถทำได้โดยผู้เชี่ยวชาญที่มีประสบการณ์ แทนที่จะทำงานที่ซ้ำซ้อนและไม่มีค่า ผู้เชี่ยวชาญสามารถทำงานที่มีค่าและได้รับค่าตอบแทนอย่างเหมาะสมผ่านแพลตฟอร์มเช่น Tendem

เมื่อมองไปในอนาคต สิ่งที่คุณคาดหวังว่า “การมอบหมายงานให้ AI” จะเป็นอย่างไรเมื่อ hybrid agents กลายเป็นมาตรฐานในงานดิจิทัล

การมอบหมายงานให้ AI จะไม่ใช่แค่การใช้เครื่องมือ แต่จะเป็นการมอบหมายงานให้กับทีมที่มีความสามารถ คุณจะอธิบายผลลัพธ์ที่คุณต้องการ และ hybrid agent จะแบ่งงานออกเป็นขั้นตอน จัดการการทำงาน และตรวจสอบผลลัพธ์ สิ่งนี้จะเกิดขึ้นภายในเวลาไม่นาน เมื่อ hybrid agents กลายเป็นมาตรฐานในงานดิจิทัล นี่คือจุดที่การมอบหมายงานให้ AI จะเกิดขึ้นจริง เมื่อคนงานสามารถมั่นใจได้ว่าระบบจะส่งมอบผลลัพธ์สุดท้ายที่ถูกต้อง ไม่ใช่แค่ผลลัพธ์ที่ต้องแก้ไข

ขอขอบคุณสำหรับการสัมภาษณ์ที่ดี ผู้อ่านสามารถเยี่ยมชม Toloka เพื่อเรียนรู้เพิ่มเติม