Радха Басу, генеральний директор і засновник iMerit – Серія інтерв’ю

Радха Басу, засновник і генеральний директор iMerit, побудувала свою кар’єру в HP, провівши 20 років з цим технологічним гігантом і в кінцевому підсумку очоливши його група підприємств. Потім вона вивела Support.com на біржу як її генеральний директор. Радха заснувала фундацію Anudip у 2007 році разом з Діпаком Басу, а потім заснувала iMerit у 2012 році. Її вважають провідним технологічним підприємцем і наставником, а також піонером у сфері програмного забезпечення.

iMerit надає багатомодальні рішення з даних штучного інтелекту шляхом поєднання автоматизації, експертної анотації людини та передових аналітик для підтримки високоякісної маркування даних та налаштування моделей у великому масштабі.

У вас був неймовірний шлях – від будівництва операцій HP в Індії до заснування iMerit з місією підняття маргіналізованих молодих людей у Бутані, Індії та Новому Орлеані. Що надихнуло вас заснувати iMerit, і які виклики ви зустріли при створенні інклюзивної, глобальної робочої сили з нуля?

До заснування iMerit я була головою та генеральним директором SupportSoft, де я провела компанію через її первинні та вторинні публічні пропозиції, встановивши її як глобального лідера у сфері підтримки програмного забезпечення. Цей досвід показав мені силу поєднання людей і технологій з самого початку.

Хоча технологічний бум Індії створив нові можливості, я помітила, що багато талановитих молодих людей у недопредставлених районах залишилися позаду. Я вірила в їхній потенціал і бажання вчитися. Як тільки вони побачили, як програмне забезпечення може забезпечити просунуті технології, такі як штучний інтелект, вони з ентузіазмом прийняли ці кар’єри.

Ми запустили iMerit з маленькою, різноманітною командою, половина якої складалася з жінок, і з тих пір швидко росли. Адаптивність і тренованість нашої команди були ключовими, особливо з огляду на те, що даніцентрований штучний інтелект збільшив довгостроковий попит на кваліфікованих спеціалістів.

Сьогодні iMerit є глобальним постачальником рішень з даних штучного інтелекту для критично важливих секторів, таких як автономні транспортні засоби, медичний штучний інтелект та технології. Наша робота забезпечує те, що моделі штучного інтелекту клієнтів будуються на основі високоякісних, надійних даних, що є важливим у високих ставках середовищ.

У кінцевому підсумку, наша сила полягає в сильних технологічних основах і команді добре підготовлених, мотивованих працівників, які процвітають у підтримуючій, навчальній культурі. Ціший підхід спонукав наш рост, зберігає нас на рівні касового позитиву та заробив нам високі показники NPS і лояльних клієнтів.

iMerit тепер працює з понад 200 клієнтами, включаючи технологічних гігантів, таких як eBay і Johnson & Johnson (JNJ ). Можете.tell нам про зростання компанії – від тих перших днів до того, як стати глобальним лідером у сфері послуг з даних штучного інтелекту?

У нас був перший ряд до наших клієнтів у їхньому шляху штучного інтелекту, партнерствуємо від перших експериментів до великомасштабного виробництва. Наша робота охоплює стартапи, глобальних лідерів автономних транспортних засобів та великі підприємства. Навчання їхніх моделей з нуля, ми отримали неперевершений погляд на те, що потрібно для масштабування штучного інтелекту у реальному світі.

Ця галузь постійно і швидко еволюціонує. Я рідко бачила технологію, яка просунулася так драматично за такий короткий час. Ми перетворилися з постачальника анотації даних у повноцінну компанію з даних штучного інтелекту, надаючу спеціалізовані рішення по всьому життєвому циклу людини в петлі (HITL): анотація, валідация, аудит та червоні команди. Обробка країв випадків і винятків є важливою для реальної реалізації, що вимагає глибокої експертизи та нюансового судження на кожному етапі.

Наш найбільший вертикаль – автономна мобільність, де ми керуюємо повним перцептивним стеком, включаючи сенсорну фузію по 15 сенсорах для пасажирських, доставкових, вантажних та сільськогосподарських транспортних засобів. У сфері охорони здоров’я ми ведемо клінічний штучний інтелект зображень. У високих технологіях ми на передньому краї настройки та валідации GenAI, що вимагає більшої складності у наших робочих процесах та талантах.

Успіх у цих областях не лише полягає у наявності експертів – це про культивування експертизи: когнітивна здатність викликати, тренувати та контекстуалізувати моделі штучного інтелекту. Це те, що відрізняє наші команди.

Наш рост спонукається довгостроковими партнерствами, і більшість наших топ-клієнтів були з нами понад п’ять років. По мірі зростання їхніх потреб ми постійно підвищуємо свій домен знань, інструменти, тренування та рішення. І наш технологічний стек, і наші люди повинні постійно еволюціонувати.

Поєднання програмного забезпечення, автоматизації, анотації та аналітик створює рубрику для дуже гнучких, швидких, високоточних втручань людини в петлю. 70% нових логотипів знаходяться на нашому власному технологічному стеку, що вимагає великої внутрішньої трансформації. Знову ж таки, наша культура забезпечує те, що команди голодні до навчання та хочуть постійно рости.

Які були найбільш важливі моменти в історії iMerit – чи то технологічні віхи, чи стратегічні рішення – які допомогли сформувати траєкторію компанії?

У той час, коли робота з даними штучного інтелекту вважалася роботою у стилі краудсорсингу, ми зробили ранню ставку на те, що це зросте як кар’єра і буде вимагати складності та підприємницької орієнтації. Будуючи внутрішні команди, присвячені просунутим випадкам, ми дозволили нашим клієнтам швидко масштабуватися, що завершилося нашим першим угодою на 1 мільйон доларів щомісячного доходу в автономних транспортних засобах, що підтвердило наш підхід.

Блокада COVID-19 перевірila нашу гнучкість: ми перейшли з повністю офісної роботи до повністю віддаленої майже за одну ніч, вклавши великі інвестиції в інфраструктуру, безпеку та культуру. Усього за кілька тижнів операції клієнтів відновилися, і ми виросли як за доходом, так і за кількістю працівників того року. Сьогодні, з 70% нашої команди, яка повернулася на місце, ми продовжимо використовувати віддалений талант, запускаючи Scholars, нашу глобальну мережу експертів з настройки та валідации GenAI. Чи то це кардіолог, чи іспанський математик, наша високоточна культура приваблює та мотивує найкращий талант, безпосередньо підвищуючи якість та послідовність наших рішень.

У 2023 році ми придбали Ango.ai, платформу з штучним інтелектом для маркування даних та автоматизації робочого процесу, щоб спонукати наступне покоління інструментів з даних штучного інтелекту. Це важливий крок об’єднав експертизу iMerit з просунутим інструментарієм Ango, розширивши нашу здатність у радіології, сенсорній фузії та настройці GenAI. Ми все ще працюємо з інструментами клієнтів, але багато нових клієнтів тепер налаштовуються безпосередньо на Ango Hub, приваблені його дружнім інтерфейсом та надійною безпекою, які є важливими вимогами в нашій галузі.

Підприємства постійно кажуть нам, що вони шукають найкраще з двох світів: експертну людську інтуїцію, щоб забезпечити якість, у поєднанні з безпечною, масштабованою платформою, яка забезпечує автоматизацію та аналітику. Поєднання сил з Ango забезпечує саме це, унікально позиціонуючи нас для задоволення складних вимог найамбітніших проектів штучного інтелекту сьогодні та масштабування з впевненістю.

iMerit глибоко зайнята у просунутих галузях, таких як автономні транспортні засоби, медичний штучний інтелект та GenAI. Які унікальні виклики з даними ви зустрічаєте в цих секторах, і як ви ними займаєтеся?

Завдання, пов’язані з даними, зазвичай займають майже 80% часу, витраченого на проекти штучного інтелекту, що робить їх критично важливою частиною трубопроводу. Даніцентрована частина штучного інтелекту може бути часо- та витратноємною, якщо не обробляється належним чином та масштабно.

Якість даних, а особливо уникнення грізних помилок, є важливою у критично важливих секторах, у яких ми працюємо. Чи то це алгоритм сприйняття, чи детектор пухлин, чисті дані є важливими у циклі навчання-валідации.

Обробка винятків непропорційно цінна. Людська інтуїція щодо того, чому щось знаходиться поза нормою чи чому сценарій розбив модель, створює величезну цінність у тому, щоб зробити модель більш повною та надійною.

Крім того, вікна контексту стають більші. Ми підсумовуємо клінічні нотатки всього лікарняно-пацієнтського консультування та аналізуємо аномалії в МРТ на основі не лише зображення, але й медичного контексту пацієнта. Експерти з предметної області повинні встановити рубрики для аналізу даних точно та забезпечити якість.

Безпека, приватність та конфіденційність є гарячими кнопками. Наш головний офіцер з безпеки повинен захистити від несанкціонованого доступу, видалення та зберігання даних. Протоколи інформаційної безпеки, такі як SOC2, HIPAA та TISAX, були основними областями інвестицій для нас.

Нарешті, наші інженери та архітекти рішень постійно працюють над налаштуванням інтеграцій та звітів, щоб унікальні потреби клієнтів були відображені в останній милі. Підхід “один розмір для всіх” не працює у штучному інтелекті.

Ви говорили про поєднання робототехніки та людської інтелекту як безпечнішого шляху для штучного інтелекту. Можете розширити, яким це виглядає у практиці – і чому ви вважаєте, що це краще, ніж спроба усунути творчу дивергенцію штучного інтелекту?

Штучний інтелект забезпечує масштаб, тобто компанії розробляють інструменти для автоматизації тривалих процесів, які традиційно виконувалися людьми. Але люди забезпечують останню милю гнучкості, певності та стійкості. По мірі того, як програмні послуги продовжують розширюватися у сфері штучного інтелекту, найуспішніші компанії ефективно поєднають робототехніку з практиками людини в петлі (HITL).

Ми розглядаємо HITL як постійний шар у кожній фазі життєвого циклу розвитку та розгортання штучного інтелекту, а також як стовпець довіри та безпеки. Тому людська інтелект буде важливою для корекції курсу, якщо моделі помиляються. Ці критичні застосування потребуватимуть людського розуму для визначення змін, які потрібно буде зробити. Це місце, де послуги HITL стануть ще більш важливими, оскільки ми інтегруємо штучний інтелект у виробництво та польові операції.

Ваша платформа Ango Hub поєднує автоматизацію з експертністю людини в петлі. Як ця гібридна модель покращує якість даних та продуктивність моделей у виробничих системах штучного інтелекту?

Штучний інтелект та автоматизація забезпечують масштаб та швидкість, тоді як люди забезпечують нюанси, інтуїцію та нагляд. HITL забезпечує участь людини на критичних етапах життєвого циклу штучного інтелекту – забезпечення високоякісних входів, валідации виходів, ідентифікації країв випадків та настройки моделей для доменів, а також надання контекстного судження. Люди допомагають забезпечити точність, переглядаючи та верифікуючи виходи, ловлячи галюцинації чи логічні помилки, перш ніж вони можуть завдати шкоди. Вони також забезпечують нагляд у чутливих чи високоризикових контекстах, де великі мовикові моделі не повинні приймати остаточні рішення. Що ще важливіше, людська відгука спонукає безперервне навчання, допомагаючи системам штучного інтелекту більш тісно відповідати цілям користувача з часом.

HITL приймає багато форм. Людські експерти займаються цілевою анотацією, застосовують складне міркування до країв випадків та переглядають вміст, згенерований штучним інтелектом, використовуючи структуровані інтерфейси QA. Замість оцінки кожної рішення, системи контекстної ескалації часто реалізуються. Ці системи маршрутизують лише низьконадійні виходи чи прапорці аномалій до людських рецензентів, балансуючи нагляд з ефективністю.

Іншим критично важливим використанням HITL є тонка настройка агентів штучного інтелекту за допомогою зворотного зв’язку людини. Людські рецензенти ранжують, переписують чи надають зворотний зв’язок щодо відповідей агентів, що особливо важливо у чутливих галузях, таких як охорона здоров’я, юридичні послуги чи підтримка клієнтів. У тандемі тестування сценарієм та червоні команди дозволяють людським оцінювачам тестувати агентів у ворожих чи незвичайних умовах для ідентифікації та заплатки уразливостей до розгортання.

Повний потенціал штучного інтелекту реалізується лише тоді, коли люди залишаються у петлі, керуючи, валідуючи та покращуючи кожний крок. Чи то це уточнення виходів агентів, тренування оцінювальних петель чи кураторство надійних трубопроводів даних, людський нагляд додає структуру та підзвітність, якої штучний інтелект потребує, щоб бути довіреним та ефективним.

З розвитком інструментів генерації штучного інтелекту, як iMerit залишається попереду у наданні оцінювання, зворотного зв’язку та послуг з настройки?

Ми нещодавно запустили лабораторію глибокого мислення Ango Hub (DRL), уніфіковану платформу для настройки генерації штучного інтелекту та інтерактивного розвитку ланцюга мислення з вчителями штучного інтелекту. Наша DRL дозволяє реальний час, крок за кроком процеси та оцінку на основі людських переваг, що призводить до більш узгодженого та точного моделювання відповідей на складні завдання.

Прогрес у моделях генерації штучного інтелекту та розробці програмного забезпечення підкреслює цінність чистих, експертностворених та валідованих даних. З лабораторією глибокого мислення Ango Hub експерти можуть тестувати моделі, ідентифікувати слабкості та генерувати чисті дані, використовуючи ланцюг мислення. Вони взаємодіють з моделями в реальному часі та надсилають промпти та виправлення крок за кроком у одному інтерфейсі.

Використовуючи iMerit Scholars, лабораторія глибокого мислення Ango Hub уточнює процеси міркування моделей. Вона використовує широкий досвід iMerit з робочими процесами HITL. Експерти проектують багатокрокові сценарії для складних завдань, таких як створення промптів ланцюга мислення для просунутих математичних завдань. Експерти iMerit Scholars переглядають виходи, виправляють помилки та захоплюють взаємодію безшовно. Магія не полягає у тому, щоб налаштувати велику кількість людей без розбору. Найкращі математики не обов’язково є найкращими вчителями. Також не слід ставити до кардіолога, як до працівника у стилі гіг-економіки. Відповідність та тренування предметних експертів для того, щоб думати у спосіб, який найкраще підходить для процесу навчання моделей, а також зайняття та тренування роблять різницю.

Що означає “експерт у петлі” у контексті настройки генерації штучного інтелекту? Можете поділитися прикладами, де ця людська експертиза суттєво покращила виходи моделей?

Експерт у петлі поєднує людську інтелект з роботизованою інтелектом для просування штучного інтелекту у виробництво. Це включає людських експертів, які валідують, уточнюють та покращують виходи автоматизованих систем.

Конкретно, експертно-кероване маркування даних забезпечує те, що навчальні дані точно позначені доменспецифічними знаннями, покращуючи точність та надійність передбачувальних моделей штучного інтелекту. Зниження упереджень та неправильної класифікації експертно-кероване маркування покращує здатність моделі узагальнювати ефективно у реальних сценаріях. Це призводить до систем штучного інтелекту, які є більш довіреними, інтерпретованими та орієнтованими на галузеві потреби.

Наприклад, після придбання великого корпусу медичних даних американська транснаціональна технологічна компанія потребувала оцінки даних для використання у своєму медичному чат-боті для забезпечення безпечної та точної медичної поради для користувачів. Звернувшись до iMerit, вони використали нашу розширену мережу експертів із охорони здоров’я у США та зібрали команду медсестер для роботи у консенсусному робочому процесі з ескалацією та арбітражем, забезпеченими лікарем США. Медсестри почали з оцінки бази знань, що містить визначення для оцінки точності та ризику.

Через обговорення країв випадків та перегляд керівних принципів медсестри могли досягти консенсусу у 99% випадків. Це дозволило команді переглянути проектний дизайн до структури з одним голосуванням з 10% аудитом, що знизило витрати проекту більш ніж на 72%. Робота з iMerit дозволила цій компанії продовжувати знаходити способи масштабування медичного маркування даних етично та ефективно.

З понад 8 000 повноцінних експертів по всьому світу, як ви підтримуєте якість, продуктивність та розвиток працівників у масштабі?

Визначення якості завжди підлаштовується до конкретного випадку клієнта. Наша команда співпрацює з клієнтами для визначення та калібрування стандартів якості, застосовуючи спеціальні процеси, які забезпечують швидку валідацию кожної анотації експертами з предметної області. Послідовність важлива для розвитку високоякісного штучного інтелекту. Це підтримується високою збереженням працівників (90%) та сильним акцентом на аналітиці виробництва, ключовим диференціатором у дизайні Ango Hub, сформованому щоденним користувальницьким входом від нашої команди.

Ми постійно інвестуємо в автоматизацію, оптимізацію та управління знаннями, підтримані нашою власною платформою навчання iMerit One. Ця приверженість навчанню та розвитку не лише спонукає операційний досконалість, але й підтримує довгостроковий кар’єрний розвиток наших працівників, сприяючи культурі експертизи та зростання.

Яку пораду ви дали б аспірантам-підприємцям у сфері штучного інтелекту, які хочуть створити щось значуще – як у технологіях, так і у соціальному впливі?

Штучний інтелект рухається неймовірно швидко. Ідіть за межі технологічного стека та слухайте своїх клієнтів, щоб зрозуміти, що для них найважливіше. Зrozumійте їх апетит до швидкості, зміни та ризику. Перші клієнти можуть спробувати речі. Більші клієнти повинні знати, що ви тут, щоб залишитися, і що ви продовжите пріоритезувати їх. Заспокойте їх вашим проактивним підходом до прозорості, безпеки та підзвітності.

Крім того, ретельно виберіть своїх інвесторів та членів ради, щоб забезпечити узгодження цінностей та проблем. У iMerit ми пережили значну підтримку від нашої ради та інвесторів під час складних часів, таких як COVID-19, що ми приписуємо цьому узгодженню.

Ключові якості, які сприяють успіху підприємця у сфері технологій, виходять за межі прийняття ризиків; вони включають будівництво прибуткової, інклюзивної компанії.

Дякую за велике інтерв’ю, читачам, які бажають дізнатися більше, слід відвідати iMerit.