Carolyn Harvey, LXT’nin Operasyonlar Başkanı – Röportaj Serisi

Carolyn Harvey, arama alaka düzeyi ve makine öğrenimi verileri için sıralama ve anotasyon alanında küresel operasyonları yönetme ve büyütme konusunda kapsamlı deneyime sahiptir. Carolyn, şu anda LXT’nin Operasyonlar Başkanı (COO) olarak görev yapmakta ve şirketin küresel operasyonlar bölümünü yöneterek tüm yapay zeka veri programları ve projelerinin tutarlı bir şekilde teslim edilmesini sağlamaktadır. Yüksek kaliteli veri ve büyük ölçekli programlarda verimlilik oluşturarak küresel olarak büyümeye odaklanmaktadır.

LXT’nin Operasyonlar Başkanı olarak, Carolyn şirketin en iyi organizasyon oluşturmak için deneyimini paylaşmaktadır.

LXT’nin ne yaptığını ve Operasyonlar Başkanı olarak rolünüzü kısaca açıklar mısınız?

Yapay zeka, var olmak için verilere ihtiyaç duyar ve LXT, yapay zeka inovasyonlarını güçlendirerek doğru ve etik olarak sağlanan verilerin ortaya çıkan liderlerinden biridir. Operasyonlar Başkanı olarak, küresel operasyonlarımızı stratejiler, yapılar ve süreçler aracılığıyla denetlemek, yönetmek ve genişletmek benim görevim. Müşterilerimize zamanında, arama alaka düzeyi, self-sürüş arabalar ve diğer birçok alanda teslimat sağlamak için yüksek kaliteli yapay zeka verilerini sunmaya özen gösteriyorum.

LXT’nin misyonu 2010’daki kuruluşundan bu yana nasıl evrimleşti? 

Misyonumuz, her dilde, kültürde ve modalitede veri oluşturma ve geliştirme yoluyla geleceğin teknolojilerini güçlendirmektir. Amacımız, şirketlerin tüm boyutlarında yapay zeka tarafından sağlanan muhteşem faydaları elde etmelerini sağlamak için yüksek kaliteli verilerle modellerini güçlendirmelerine yardımcı olmaktır. Şirketin misyonu evrimleşirken, hizmetlerimizin kapsamı dil transkripsiyonu ve konuşma toplama hizmetlerinden, metin, görüntü ve video için veri toplama ve anotasyon hizmetleri, yapay zeka hizmetleri ve daha fazlasını içerecek şekilde genişlemiştir. Ayrıca, müşterilerimizin artan güvenli veri hizmetleri ihtiyaçlarını karşılamak için ISO 27001 sertifikalı tesislerimizin küresel ayak izini genişlettik.

Yapay zeka eğitim verisi sektöründe büyümenin ana sürücülerini nelerdir?

Tüm boyutlardaki organizasyonlardan yapay zeka yatırımları arttıkça büyümemiz sürmüştür. Şirketler artık yapay zeka’nın rekabetçi kalabilmek için gerekli olduğunu biliyor ve veri yapay zeka’yı güçlendiriyor. Ancak tüm veriler eşit değildir ve yapay zeka’da başarılı olan şirketler, yüksek kaliteli verilerin daha doğru yapay zeka oluşturmak için kritik olduğunu biliyor.

Şimdi, herkesin aklında olan yapay zeka ile birlikte, bu eğilim LXT için daha fazla büyüme fırsatı sunuyor. Bu çözümlerin doğru, etik ve sorumlu olmasını sağlamak için insanlar kritik öneme sahiptir. Büyük dil modellerini ince ayarlamak,.prompt oluşturmak ve daha fazlasını içeren çeşitli yapay zeka hizmetleri sunuyoruz. Müşterilerimiz, son kullanıcılarla güven oluşturmak için yapay zeka ürünlerinin çıkışının gerçek, çeşitli bir kitleyi temsil etmesi ve toksik dilden arınmış olması gerektiğini biliyor. Biz de insan odaklı hizmetlerimizle onlara bu hedeflere ulaşmalarında yardımcı olabiliriz.

Yapay zeka patlaması LXT’yi ve müşterilerini nasıl etkiledi?

LXT, yapay zeka eğitim verisi talebinde, özellikle dil odaklı veri ve analiz, yaratıcılık ve eleştirel düşünme ile ilgili yeni yönler için artan talebi gördü. Ayrıca, projeler için alan bilgisi ve uzman profiller için talepte artış gözlemliyoruz.

Müşteri talepleri, geçmişteki makine öğrenimi girdilerinden, LLM’ler ve ChatGPT, Gemini gibi uygulamalar için gerekli daha karmaşık veri kümelerine doğru kayıyor. Şu anda, yapay zeka’yı yanıltmaya yönelik yazılmış promt’ları yazma ve ardından doğru cevapları oluşturma gibi yenilikçi projelerde yer alıyoruz.

Gelecekte, bu durum yapay genel zeka’ya (AGI) doğru evrilebilir ve veri kümeleri daha da karmaşık ve sofistike eylemlere karşılık gelecektir.

Arama ve kişiselleştirme alanlarında yıllarca deneyim sahibi olarak, şirketlerin arama alaka düzeyini iyileştirmek için neler yaptıklarını ve kullanıcı deneyimini nasıl geliştirdiklerini açıklayabilir misiniz?

Zamanın değerli olduğu ve bilginin her yerde olduğu bir dünyada, arama alaka düzeyini iyileştirmek, sadakati artırabilir, dönüşüm oranlarını artırabilir ve kullanıcıları daha üretken kılabilir.

Arama alaka düzeyi, müşterilerimizin verilerini temizlemek ve organize etmek, yanlış pozitifler oluşturabilecek her şeyi kökünden çıkarmak ve arama ve öneri motorlarının daha precisa sonuçlar üretebilmesi için ek veri alanları oluşturmakla başlar. Makine öğrenimi ve doğal dil işleme yardımı ile müşteriler, arama motorlarını kullanıcıların niyetini daha iyi anlamak ve zaman içinde tercihlerini öğrenmek için güçlendirebilir. Sonuç, daha hızlı bir arama deneyimi olur ve daha kişiselleştirilmiş sonuçlar sunar.

Bu hedefe ulaşmak için büyük miktarda eğitim verisi gerekir, özellikle varlıkları tanımak, sıralamak ve döndürmek için algoritmaları eğitmek ve yazım hataları, dilbilgisi hataları ve diğer veri anormalliklerini işlemek için odaklanmak önemlidir. Ayrıca, doğru verilerin, azaltılmış önyargıların ve kullanıcılar için daha iyi bir arama deneyiminin sağlanmasını garantileyen bir insan-çevrimiçi (HITL) pekiştirme yaklaşımını öneriyoruz. Son 10 yılda makine öğrenimi ilerlemeleri, HITL’nin kalite gözden geçirme süreçlerine daha fazla odaklanmasını gerektiriyor ve bu da veri sağlayıcılarından daha derin bir deneyim gerektiriyor.

LXT’nin veri anotasyonuna yaklaşımını ve yapay zeka eğitim verisinin kalitesini ve doğruluğunu nasıl sağladığını açıklar mısınız?

Operasyon ekibi olarak, önce müşterilerimizin ürün ve hizmetlerinin geliştirilmesinde sunduğumuz verilerin nasıl kullanıldığını anlamamız gerekir. Bunu başarmak için, proje yönetimi ve anotasyon konusunda uzmanlaşmış uzmanları bulmamız gerekir.

Bundan sonra, her proje için doğru kaynakları bulmak ve müşterilerle başarı faktörleri üzerinde anlaşmak önemlidir. Ayrıca, anotatörlerin derin bir şekilde nitelendirilmesini ve eğitilmesini sağlıyoruz. Her proje için özel öğrenme ve referans materyalleri geliştiriyoruz. Tüm proje yaşam döngüsü boyunca olgun kalite ve süreç yönetimi denetimini uyguluyoruz. Kullanılan yaklaşım, endüstri standartlarını belirler ve müşterilerin beklentilerini karşılar.

Ve tüm bu metodolojiler, garanti edilen veri kalitesi taahhüdümüze hizmet etmektedir.

Yapılandırılmamış verilerin anotasyonunu, tüm verilerin %80’ini oluşturan birchallenge nasıl ele alıyorsunuz?

LXT, anotasyon sürecinin birçok bölümünü otomatikleştiren ve işçilere tutarlı bir kullanıcı arayüzü sunan iç bir anotasyon platformu geliştirdi. Ön işlemede, verilerin hazırlanmasına, girdi dosyalarının formatlanmasına ve kopyaların kaldırılmasına odaklanıyoruz. Son işlemede, verilerin paketlenmesine, birleştirilmesine ve müşteriye teslim edilmeye hazır hale getirilmesine odaklanıyoruz.

Proje başlamadan önce, müşterilerle birlikte gözden geçirilen ve proje yaşam döngüsü boyunca güncellenen kılavuzlar oluşturuyoruz. Veri etiketleme sürecini her projenin her bir unsuruna odaklanmak için birden fazla görev haline getirebiliriz. Ayrıca, hataları büyük ölçekli olarak ortadan kaldırmak için kalite kontrol metodolojilerini uyguluyoruz.

Operasyonel Mükemmellik Ekibimiz, küresel projelerimiz için yüksek verimlilik ve ölçeklenebilirlik sağlamak için gelişmiş süreç yönetiminden sorumludur.

LXT, küresel olarak büyük ölçekli veri toplama konusunda karşılaştığı en büyük zorluklardan bazılarını nasıl aşmaktadır?

Veri toplama ve sonuçlanan veri koleksiyonlarında çeşitlilik ve önyargı, LXT ve diğer yapay zeka eğitim verisi sağlayıcıları için genellikle en büyük zorluklardan biridir. Diğer zorluklar arasında, alan uzmanlığı talebi ve LLM’ler ve yapay zeka verilerine yönelik değişen manzara yer alır.

Bu zorlukları, aday havuzumuza uzmanlık, deneyim, önceki roller, ilgi alanları ve demografik özellikler gibi faktörleri gözden geçirerek ve projeler için doğru çeşitliliği oluşturarak aşmaya çalışıyoruz.

Ayrıca, işçileri düzenli olarak dahil ederek, uzun vadeli daha deneyimli, sadık ve memnun bir işgücü oluşturmak için büyük özen gösteriyoruz.

Yapay zeka değerlendirmesi açısından, LXT nasıl önyargıları azaltmaya çalışır ve yapay zeka sistemlerinde etik çıktılar sağlar?

Önyargıları azaltmak ve etik çıktılar sağlamak, birçok yapay zeka eğitim verisi sağlayıcısı için ortak bir zorluktur.

Önceki açıklamalarımı tekrar edecek olursam, çeşitliliği sağlamak ve önyargılı çıktıları azaltmak için, çeşitli ve temsil edilen anotatörleri bulmak ve talimatları ve kalite kontrol önlemlerini dikkatli bir şekilde uygulamak önemlidir.

İnsan odaklı hizmetlerimizle, endüstri standartlarına uyarak, müşterilerimizle beklentileri paylaşarak ve projelerimizde yüksek standartları teşvik ederek etik çıktılara ulaşmaya çalışıyoruz. İletişim, uyumluluk denetimleri, önyargı analizi ve veri düzenlemesi gereksinimlerine bağlılık da önemlidir.

LXT’nin uzun vadeli vizyonu nedir ve şirketin gelecek beş yıl içinde nasıl evrimleşmesini öngörüyorsunuz?

 Vizyonumuz, yapay zeka ve geleceğin teknolojilerini güçlendirmek için doğru ve etik olarak sağlanan verilerin sunulmasını sağlamaktır.

Yapay zeka’da otomasyon ve teknoloji önemli olmakla birlikte, teknolojiyi tamamlayan önemli bir insan bileşeni de vardır. Basit otomatik görevlerden büyük dil modellerine (LLM’ler) ve yapay zeka’dan genel yapay zeka’ya (GAI) geçişte, yapay zeka ürünlerinin insanların temsil edildiği şekilde, hem veri üreten kişiler hem de küresel topluluklar olarak diseñ edilmesi kritik olacaktır.

LXT’de, yapay zeka’nın olumlu ve dönüştürücü bir şekilde, bu değerleri yansıtan bir şekilde kullanılmasını sağlamak için çaba sarf ediyoruz.

Harika röportaj için teşekkür ederiz, daha fazla bilgi edinmek isteyen okuyucular LXT’yi ziyaret edebilir.