Ольга Мегорська, засновниця та генеральна директорка Toloka – Серія інтерв’ю

Ольга Мегорська, засновниця та генеральна директорка Toloka, очолює компанію з 2020 року, ведучи її від початкових коренів крауд-сорсингу до великого гравця на ринку послуг з даних штучного інтелекту. До заснування та керівництва Toloka вона понад десяти років працювала в Yandex, де займала посаду керівника крауд-сорсингу та платформ, де вона будувала та розширювала інфраструктуру крауд-сорсингу для продукції машинного навчання, включаючи пошук, голос, мовлення, самохідні транспортні засоби, модерацію контенту та інше. Під її керівництвом в Toloka компанія позиціонує себе як глобального партнера з даних штучного інтелекту — поєднуючи технологію машинного навчання з людською експертизою для підтримки навчання, оцінки та безпеки великомасштабних моделей штучного інтелекту та агентів.

Toloka — це компанія, заснована в Нідерландах, штаб-квартира якої розташована в Амстердамі, яка надає високоякісні, експертно відібрані дані для розробки штучного інтелекту, починаючи від анотації та маркування до налаштованих наборів даних для супервізованого тонкого налаштування (SFT) та навчання з людською відгуком (RLHF). Компанія підтримує широкий спектр модальностей — текст, зображення, аудіо, відео — та залучає експертів у галузі поряд з глобальною краудом для надання масштабованих, точних наборів даних для навчання та оцінки просунутих агентів штучного інтелекту та великих мовних моделей. Їхні послуги допомагають покращувати можливості, такі як розуміння, багатомовне розуміння, генерація зображень/аудіо та безпека штучного інтелекту у різних галузях та застосуваннях.

Ви провели роки, будуючи системи з людьми в циклі в Yandex, перш ніж заснували Toloka у 2020 році. Який момент переконав вас, що це потрібно перетворити на окрему компанію, і як цей досвід сформував ваше бачення ролі Toloka в розробці штучного інтелекту?

У певний момент ми зрозуміли, що Toloka виросла за межі своєї компанії-основи. Дослідники штучного інтелекту з усього світу використовували платформу, і ми визнали, що компанія могла досягти більшого як незалежна сутність. В результаті Toloka змогла спертися на накопичений досвід сотень команд штучного інтелекту, які збирали навчальні дані для повного спектру рішень штучного інтелекту — від веб-пошуку та голосових асистентів до чат-ботів GenAI та агентів штучного інтелекту. Ми поєднали наш досвід управління людською діяльністю з будівництвом та навчанням агентів штучного інтелекту для створення нашого нового продукту, Tendem.

Ви заявили, що справжня революція не прийде від повністю автономних агентів. Що привело вас до висновку, що гібридні агенти — поєднання автоматизації штучного інтелекту з людською увагою — будуть моделлю, яка в кінцевому підсумку переможе?

Хоча я вважаю, що рішення штучного інтелекту без участі людини в багатьох областях скоро досягнуть рівня якості, який повністю задовольнить потреби клієнтів, завжди буде довгий хвіст випадків, для яких базові моделі ніколи не будуть оптимізовані. Саме тут гібридний підхід перевершить як рішення тільки з штучним інтелекту, так і тільки з людською участю в найближчому майбутньому. Ми бачили той самий шаблон, який повторюється знову і знову за останні десять років: штучний інтелект може красиво масштабувати завдання, але він бореться з нюансами, контекстом та видами рішень, які мають значення в реальних бізнес-середовищах. Професіонали хочуть швидкості, але їм також потрібна надійність — повністю автономні агенти просто не можуть гарантувати цього сьогодні. Гібридні системи перемагають, оскільки вони розв’язують обидві сторони рівняння. Штучний інтелект обробляє те, у чому він найкращий: швидкість, структуру та повторюваність. Людська експертиза заповнює пробіли: двозначність, крайні випадки та інтерпретацію. Коли ви поєднуєте їх нативно, ви отримуєте робочий процес, який є як швидким, так і надійним. Це модель, на яку професіонали в кінцевому підсумку спиляються.

Ви зазначили, що штучний інтелект ламається на двозначності та багатодокументному rozumінні. Які завдання розкривають ці обмеження найясніше?

Довгострокові завдання — ті, які вимагають синтезу декількох джерел, узгодження суперечливої інформації або інтерпретації контексту, і які займають у людей години або навіть дні — схильні розкривати поточні обмеження штучного інтелекту. Прикладами є ринкові дослідження, конкурентний аналіз, підсумовування довгих документів, створення оригінального контенту з змішаних входів або видобуток інсайтів, які залежать від людської нюансівності проти розпізнавання шаблонів. Штучний інтелект є чудовим у створенні першої версії. Але момент, коли завдання вимагає пріоритезації, судження або узгодження двозначності, надійність різко падає. Саме тут експерти-люди є необхідними.

Багато професіоналів використовують штучний інтелект, але все ще не повністю довіряють йому. Як ваш підхід відновлює довіру до делегування справжньої роботи системам, що допомагають штучному інтелекту?

Довіра покращується, коли людям не потрібно виправляти вихід штучного інтелекту. Наш підхід відновлює довіру, інтегруючи людей у робочий процес з самого початку, а не як шлях ескалації, коли штучний інтелект не виправдає очікувань. Кожне завдання в Tendem проходить через менеджера проекту штучного інтелекту, який вирішує, що повинно бути автоматизовано, а що вимагає людської експертизи. Після цього як автоматичні перевірки, так і людський контроль якості забезпечують, що кінцевий вихід є точним, повним та готовим для бізнесу. Для професіоналів це означає, що вони можуть делегувати роботу та фактично очікувати перевірений результат, а не чернетку, яку потрібно виправити.

Які механізми забезпечують, щоб експерти-люди в циклі підтримували високоякісний вихід без сповільнення робочого процесу?

Два речі роблять це можливим:

• Спеціалізація у масштабі. Експерти в мережі Tendem попередньо перевірені, навчені та підібрані на основі експертизи в галузі. Вони не є вільними працівниками, які намагаються адаптуватися на льоту — вони вже кваліфіковані для конкретних типів завдань.
• Шаровий контроль якості та розумне маршрутизація. Штучний інтелект обробляє базові кроки, щоб експерти-люди зосередилися лише на частинах, які вимагають судження. Потім є другий шар автоматичного контролю якості та людської верифікації, де це потрібно. Це тримає людей зайнятими там, де вони додають найбільше значення, а не там, де вони створюють瓶ешки.

Результатом є швидкість, яка дорівнює автоматизації, з точністю, яка дорівнює експертному огляду.

У галузях, що вимагають точності та відповідності, як гібридні системи можуть пропонувати верифікованість та аудитованість, на яку підприємства можуть покластися?

Гібридні системи самі по собі дозволяють аудитованість, оскільки кожен крок у робочому процесі відстежується, атрибутується та перевіряється на якість. Ви знаєте, які частини були автоматизовані, які були виконані кваліфікованими експертами, та які кроки перевірки підтвердили вихід. У високорегульованих галузях цей процес стає життєво важливим. Ви вже не покладаєтеся на рішення штучного інтелекту в чорному ящику; у вас є верифікований ланцюг судження, коригування та затверджень. Саме це робить гібридні системи придатними для доменів, де точність та відповідність не можуть бути опціональними.

Які категорії знань, які ви очікуєте, що першими перейдуть на гібридних агентів, а які будуть найповільнішими у прийнятті цієї моделі?

Загалом, я вважаю, що гібридний підхід значно легше прийняти, ніж підхід тільки з штучним інтелекту, тому ми очікуємо, що майже будь-яка галузь може бути покрита цією моделлю — різниця буде лише у пропорції штучного інтелекту та людської участі. Першими приймають гібридний підхід будуть ролі, де швидкість та точність мають значення, але робота все ще високо повторювана. Ми вже бачимо сильний запит з боку консалтингу, маркетингу, операцій з продажів, досліджень та створення контенту. Найбільш складні (і, ймовірно, найбільш цікаві) області для розв’язання — це ті, які ближче до фізичного світу, наприклад, архітектури та будівництва. Але я бачу чіткий технологічний шлях до того, щоб ми прийшли туди.

З оперативної точки зору, як організації виграють, переходячи від роботи, керованої фрілансерами, до гібридних агентів?

Гібридні агенти ліквідують дві найбільші неефективності у роботі, керованій фрілансерами: управління та неконсистентна якість. Організації та професіонали більше не повинні вербувати, перевіряти, інструктувати, керувати чи виправляти фрілансерів. Гібридний агент автоматично обробляє оркестрацію робочого процесу, призначуючи правильну комбінацію штучного інтелекту та людської експертизи для кожного кроку. Це скорочує час виконання, стандартизує якість виходу та масштабує роботу без збільшення штату. Коротко кажучи: ви отримуєте швидкість автоматизації з надійністю команди експертів, але без управління будь-якою з них.

Як гібридні системи набувають широкого визнання, яку вплив це матиме на ширшу економіку фрілансу та гіг-економіку?

Ми вважаємо, що це переформує економіку фрілансу, але не замінить її. Замість того, щоб фрілансери витрачали час на низькорівневі, повторювані завдання, вони можуть підключитися до гібридних систем як спеціалісти у конкретних галузях. Робота стає більш структурованою: високої вартості, передбачуваною та стабільною. Замість того, щоб гнатися за несумісними проектами, експерти можуть внести свій внесок у масштабі через платформи, подібні до Tendem, де їхні навички підібрані до правильних завдань та підтримуються системами штучного інтелекту, які усувають рутинну роботу.

Оглядаючи вперед через кілька років, як виглядатиме “делегування штучному інтелекту” після того, як гібридні агенти стануть стандартними у цифровій роботі?

Делегування буде відчуватися менше як “використання інструменту” і більше як передача роботи здатній команді. Ви описуєте результат, якого хочете досягти, і гібридний агент розбиває його, маршрутизує підзадачі, застосовує правильну комбінацію штучного інтелекту та людської експертизи, перевіряє результати та доставляє готовий продукт — все це відбувається за кілька годин. Зміна буде від використання штучного інтелекту як помічника з підготовки до довіри штучному інтелекту як менеджеру проекту, який наглядає за цілим робочим процесом. Саме тоді відбувається справжнє делегування: коли професіонали можуть довіряти системі доставити кінцевий вихід, а не тільки початкову точку.

Дякуємо за велике інтерв’ю, читачам, які бажають дізнатися більше, слід відвідати Toloka.