Radha Basu, CEO và Nhà sáng lập của iMerit – Loạt bài phỏng vấn

Radha Basu, Nhà sáng lập và CEO của iMerit đã xây dựng sự nghiệp của mình tại HP, dành 20 năm với gã khổng lồ công nghệ và cuối cùng trở thành người đứng đầu nhóm Enterprise Solutions. Sau đó, bà đã đưa Support.com lên sàn với tư cách là CEO. Radha đã thành lập Anudip Foundation vào năm 2007 cùng với Dipak Basu và sau đó thành lập iMerit vào năm 2012. Bà được coi là một doanh nhân công nghệ và cố vấn hàng đầu, đồng thời là người tiên phong trong lĩnh vực kinh doanh phần mềm.

iMerit cung cấp các giải pháp dữ liệu AI đa phương thức bằng cách kết hợp tự động hóa, chú thích của chuyên gia và phân tích nâng cao để hỗ trợ gắn nhãn dữ liệu chất lượng cao và tinh chỉnh mô hình ở quy mô lớn.

Bạn đã có một hành trình đáng chú ý—từ việc xây dựng hoạt động của HP tại Ấn Độ đến thành lập iMerit với sứ mệnh nâng cao vị thế cho thanh thiếu niên thiệt thòi ở Bhutan, Ấn Độ và New Orleans. Điều gì đã truyền cảm hứng cho bạn để thành lập iMerit và bạn đã phải đối mặt với những thách thức nào trong việc tạo ra lực lượng lao động toàn cầu, bao trùm từ đầu?

Trước khi thành lập iMerit, tôi là Chủ tịch kiêm Tổng giám đốc điều hành của SupportSoft, nơi tôi dẫn dắt công ty thông qua các đợt chào bán công khai ban đầu và thứ cấp, đưa công ty trở thành công ty hàng đầu toàn cầu về phần mềm tự động hóa hỗ trợ. Kinh nghiệm đó đã cho tôi thấy sức mạnh của việc kết hợp con người và công nghệ ngay từ ngày đầu tiên.

Trong khi sự bùng nổ công nghệ của Ấn Độ tạo ra những cơ hội mới, tôi nhận thấy nhiều người trẻ tài năng ở những khu vực chưa được phục vụ đã bị bỏ lại phía sau. Tôi tin vào tiềm năng và động lực học tập của họ. Khi họ thấy phần mềm có thể cung cấp năng lượng cho các công nghệ tiên tiến như AI, họ đã háo hức theo đuổi những nghề nghiệp này.

Chúng tôi đã ra mắt iMerit với một nhóm nhỏ, đa dạng, một nửa trong số đó là phụ nữ và đã phát triển nhanh chóng kể từ đó. Khả năng thích ứng và khả năng đào tạo của nhóm chúng tôi là chìa khóa, đặc biệt là khi AI tập trung vào dữ liệu đã làm tăng nhu cầu dài hạn đối với các chuyên gia lành nghề.

Ngày nay, iMerit là nhà cung cấp toàn cầu các giải pháp dữ liệu AI cho các lĩnh vực quan trọng như xe tự hành, AI y tế và công nghệ. Công việc của chúng tôi đảm bảo các mô hình AI của khách hàng được xây dựng trên dữ liệu chất lượng cao, đáng tin cậy, điều này rất cần thiết trong các môi trường có rủi ro cao.

Cuối cùng, sức mạnh của chúng tôi nằm ở nền tảng công nghệ vững chắc và một đội ngũ nhân viên được đào tạo bài bản, có động lực, phát triển mạnh mẽ trong một nền văn hóa hỗ trợ, thúc đẩy học hỏi. Cách tiếp cận này đã thúc đẩy sự tăng trưởng của chúng tôi, giúp chúng tôi có dòng tiền dương và đạt được điểm NPS cao cùng khách hàng trung thành.

iMerit hiện đang làm việc với hơn 200 khách hàng, bao gồm các công ty công nghệ lớn như eBay và Johnson & Johnson. Bạn có thể chia sẻ với chúng tôi về hành trình phát triển của công ty—từ những ngày đầu cho đến khi trở thành công ty dẫn đầu toàn cầu về dịch vụ dữ liệu AI không?

Chúng tôi đã có một vị trí hàng đầu trong hành trình AI của khách hàng, hợp tác từ các thử nghiệm ban đầu đến sản xuất quy mô lớn. Công việc của chúng tôi trải dài từ các công ty khởi nghiệp, các công ty dẫn đầu về xe tự hành toàn cầu và các doanh nghiệp lớn. Bằng cách đào tạo các mô hình của họ từ đầu, chúng tôi đã có được cái nhìn sâu sắc vô song về những gì thực sự cần thiết để mở rộng quy mô AI trong thế giới thực.

Lĩnh vực này đã phát triển liên tục và nhanh chóng. Tôi hiếm khi thấy một công nghệ nào tiến bộ vượt bậc trong thời gian ngắn như vậy. Chúng tôi đã chuyển đổi từ một nhà cung cấp chú thích dữ liệu thành một công ty dữ liệu AI toàn diện, cung cấp các giải pháp chuyên biệt trên toàn bộ vòng đời con người trong vòng lặp (HITL): chú thích, xác thực, kiểm toán và nhóm đỏ. Xử lý các trường hợp ngoại lệ và ngoại lệ là rất quan trọng đối với việc triển khai trong thế giới thực, đòi hỏi chuyên môn sâu và phán đoán sắc thái ở mọi bước.

Mảng dọc lớn nhất của chúng tôi là tính di động tự động, nơi chúng tôi quản lý toàn bộ ngăn xếp nhận thức, bao gồm hợp nhất cảm biến trên 15 cảm biến cho xe chở khách, xe giao hàng, xe tải và xe nông nghiệp. Trong lĩnh vực chăm sóc sức khỏe, chúng tôi thúc đẩy AI hình ảnh lâm sàng. Trong lĩnh vực công nghệ cao, chúng tôi đi đầu trong việc điều chỉnh và xác thực GenAI, đòi hỏi sự tinh vi hơn trong quy trình làm việc và nhân tài của chúng tôi.

Thành công trong những lĩnh vực này không chỉ là có chuyên gia mà còn là trau dồi chuyên môn: khả năng nhận thức để thách thức, hướng dẫn và ngữ cảnh hóa các mô hình AI. Đây là điều tạo nên sự khác biệt cho nhóm của chúng tôi.

Sự phát triển của chúng tôi được thúc đẩy bởi các mối quan hệ đối tác lâu dài và hầu hết mười khách hàng hàng đầu của chúng tôi đã gắn bó với chúng tôi trong hơn năm năm. Khi nhu cầu của họ ngày càng phức tạp hơn, chúng tôi liên tục nâng cao kiến ​​thức chuyên môn, công cụ, đào tạo và giải pháp của mình. Cả bộ công nghệ và con người của chúng tôi đều phải liên tục phát triển.

Sự kết hợp giữa phần mềm, tự động hóa, chú thích và phân tích tạo ra tiêu chuẩn cho các can thiệp rất linh hoạt, nhanh chóng, chính xác cao, có sự tham gia của con người. 70% logo mới nằm trong ngăn xếp công nghệ của chúng tôi, đòi hỏi một sự chuyển đổi nội bộ lớn. Một lần nữa, văn hóa của chúng tôi đảm bảo các nhóm luôn khao khát học hỏi và muốn phát triển liên tục.

Những khoảnh khắc quan trọng nhất trong lịch sử của iMerit - dù là cột mốc công nghệ hay quyết định chiến lược - đã giúp định hình quỹ đạo của công ty là gì?

Vào thời điểm công việc dữ liệu AI được coi là công việc theo nhóm, chúng tôi đã đặt cược sớm rằng công việc này sẽ phát triển thành sự nghiệp và đòi hỏi sự phức tạp và tập trung vào doanh nghiệp. Bằng cách xây dựng các nhóm nội bộ chuyên về các trường hợp sử dụng nâng cao, chúng tôi đã giúp khách hàng của mình mở rộng quy mô nhanh chóng, đạt đến đỉnh cao là thỏa thuận MRR đầu tiên trị giá 1 triệu đô la của chúng tôi trong lĩnh vực xe tự hành, một cột mốc xác nhận cách tiếp cận của chúng tôi.

Lệnh phong tỏa do COVID-19 đã thử thách sự nhanh nhẹn của chúng tôi: chúng tôi đã chuyển từ làm việc hoàn toàn tại văn phòng sang làm việc hoàn toàn từ xa chỉ sau một đêm, đầu tư mạnh vào cơ sở hạ tầng, bảo mật và văn hóa. Trong vòng vài tuần, hoạt động của khách hàng đã phục hồi và chúng tôi đã tăng cả doanh thu và số lượng nhân viên trong năm đó. Ngày nay, với 70% nhóm của chúng tôi đã trở lại làm việc, chúng tôi tiếp tục tận dụng nhân tài từ xa, ra mắt Scholars, mạng lưới toàn cầu gồm các chuyên gia về chủ đề để điều chỉnh và xác thực GenAI. Cho dù đó là bác sĩ tim mạch hay nhà toán học người Tây Ban Nha, văn hóa tiếp xúc cao của chúng tôi thu hút và thúc đẩy những nhân tài hàng đầu, trực tiếp nâng cao chất lượng và tính nhất quán của các giải pháp của chúng tôi.

Vào năm 2023, chúng tôi đã mua lại Ango.ai, một nền tảng tự động hóa quy trình làm việc và gắn nhãn dữ liệu hỗ trợ AI, để thúc đẩy thế hệ công cụ dữ liệu AI tiếp theo. Động thái quan trọng này đã hợp nhất chuyên môn trong lĩnh vực của iMerit với công cụ tiên tiến của Ango, mở rộng khả năng của chúng tôi trong lĩnh vực X quang, hợp nhất cảm biến và tinh chỉnh GenAI. Chúng tôi vẫn làm việc với các công cụ của khách hàng, nhưng nhiều khách hàng mới hiện đã được đưa trực tiếp lên Ango Hub, bị thu hút bởi quy trình làm việc thân thiện với người dùng và bảo mật mạnh mẽ, đây là những yêu cầu thiết yếu trong ngành của chúng tôi.

Các doanh nghiệp liên tục nói với chúng tôi rằng họ đang tìm kiếm điều tốt nhất của cả hai thế giới: hiểu biết chuyên sâu của con người để đảm bảo chất lượng, kết hợp với nền tảng an toàn, có khả năng mở rộng cung cấp khả năng tự động hóa và phân tích. Kết hợp các lực lượng với Ango mang lại chính xác điều đó, định vị chúng tôi một cách độc đáo để đáp ứng các nhu cầu phức tạp của các dự án AI đầy tham vọng nhất hiện nay và mở rộng quy mô một cách tự tin.

iMerit tham gia sâu vào các lĩnh vực tiên tiến như xe tự hành, AI y tế và GenAI. Một số thách thức dữ liệu độc đáo mà bạn phải đối mặt trong các lĩnh vực này là gì và bạn giải quyết chúng như thế nào?

Các tác vụ liên quan đến dữ liệu thường chiếm gần 80% thời gian dành cho các dự án AI, khiến chúng trở thành thành phần quan trọng của quy trình. Phần tập trung vào dữ liệu của AI có thể tốn thời gian và tốn kém nếu không được xử lý phù hợp và có khả năng mở rộng.

Chất lượng dữ liệu, và đặc biệt là việc tránh các lỗi nghiêm trọng, là điều cần thiết trong các lĩnh vực quan trọng mà chúng tôi hoạt động. Cho dù đó là thuật toán nhận thức hay máy phát hiện khối u, dữ liệu sạch là điều cần thiết trong vòng lặp từ đào tạo đến xác thực.

Xử lý ngoại lệ có giá trị không cân xứng. Sự hiểu biết của con người về lý do tại sao một cái gì đó nằm ngoài chuẩn mực hoặc tại sao một kịch bản phá vỡ mô hình tạo ra giá trị to lớn trong việc làm cho mô hình hoàn thiện và mạnh mẽ hơn.

Ngoài ra, các cửa sổ ngữ cảnh đang trở nên lớn hơn. Chúng tôi đang tóm tắt các ghi chú lâm sàng của toàn bộ cuộc tư vấn giữa bác sĩ và bệnh nhân và phân tích các bất thường trong MRI không chỉ dựa trên hình ảnh mà còn dựa trên ngữ cảnh y tế của bệnh nhân. Các chuyên gia về chủ đề này phải thiết lập các tiêu chí để phân tích dữ liệu chính xác và đảm bảo chất lượng.

An toàn, quyền riêng tư và bảo mật là những chủ đề nóng hổi. Giám đốc An ninh của chúng tôi phải bảo vệ chống lại việc truy cập, xóa và lưu trữ dữ liệu trái phép. Các giao thức Infosec như SOC2, HIPAA và TISAX là những lĩnh vực đầu tư chính của chúng tôi.

Cuối cùng, các kỹ sư và kiến ​​trúc sư giải pháp của chúng tôi liên tục làm việc trên các tích hợp và báo cáo tùy chỉnh để phản ánh nhu cầu riêng của khách hàng trong chặng cuối. Một cách tiếp cận phù hợp với tất cả không hiệu quả trong AI.

Bạn đã nói về việc kết hợp robot và trí thông minh của con người như một con đường an toàn hơn cho AI. Bạn có thể giải thích thêm về quy trình làm việc đó trông như thế nào trong thực tế không—và tại sao bạn tin rằng nó tốt hơn là cố gắng loại bỏ sự khác biệt sáng tạo của AI?

AI cung cấp quy mô, nghĩa là các công ty đang phát triển các công cụ để tự động hóa các quy trình dài thường do con người thực hiện. Nhưng con người cung cấp dặm cuối cùng của sự linh hoạt, chắc chắn và khả năng phục hồi. Khi các dịch vụ được cung cấp bằng phần mềm tiếp tục phát triển mạnh trong AI, các công ty thành công nhất sẽ kết hợp hiệu quả robot với các hoạt động Con người trong vòng lặp (HITL).

Chúng tôi coi HITL là một lớp nhất quán trong mọi giai đoạn của vòng đời phát triển và triển khai AI, đồng thời là trụ cột của sự tin cậy và an toàn. Do đó, trí thông minh của con người sẽ rất cần thiết để điều chỉnh hướng đi nếu các mô hình thất bại. Những ứng dụng quan trọng này sẽ cần trí óc con người để xác định những thay đổi nào cần thực hiện. Đây là nơi các dịch vụ HITL sẽ trở nên quan trọng hơn nữa khi chúng tôi tích hợp AI vào hoạt động sản xuất và thực địa.

Nền tảng Ango Hub của bạn kết hợp tự động hóa với chuyên môn của con người trong vòng lặp. Mô hình lai này cải thiện chất lượng dữ liệu và hiệu suất mô hình trong các hệ thống AI sản xuất như thế nào?

AI và tự động hóa cung cấp quy mô và tốc độ, trong khi con người cung cấp sắc thái, hiểu biết sâu sắc và giám sát. HITL đảm bảo sự tham gia của con người tại các thời điểm quan trọng trong vòng đời AI – đảm bảo đầu vào chất lượng cao, xác thực đầu ra, xác định các trường hợp ngoại lệ, tinh chỉnh các mô hình cho các miền và đưa ra phán đoán theo ngữ cảnh. Con người giúp đảm bảo tính chính xác bằng cách xem xét và xác minh đầu ra, phát hiện ảo giác hoặc lỗi logic trước khi chúng gây hại. Họ cũng cung cấp giám sát trong các bối cảnh nhạy cảm về mặt đạo đức hoặc rủi ro cao, nơi LLM không nên đưa ra quyết định cuối cùng. Quan trọng hơn, phản hồi của con người thúc đẩy quá trình học tập liên tục, giúp các hệ thống AI liên kết chặt chẽ hơn với các mục tiêu của người dùng theo thời gian.

HITL có nhiều hình thức. Các chuyên gia con người tham gia vào chú thích có mục tiêu, áp dụng lý luận phức tạp vào các trường hợp ngoại lệ và xem xét nội dung do AI tạo ra bằng giao diện QA có cấu trúc. Thay vì đánh giá mọi quyết định, các hệ thống leo thang theo ngữ cảnh thường được triển khai. Các hệ thống này chỉ định tuyến các đầu ra có độ tin cậy thấp hoặc các bất thường được đánh dấu cho người đánh giá, cân bằng giữa giám sát và hiệu quả.

Một ứng dụng quan trọng khác của HITL là tinh chỉnh các tác nhân AI thông qua Học tăng cường từ phản hồi của con người (RLHF). Người đánh giá con người xếp hạng, viết lại hoặc cung cấp phản hồi về phản hồi của tác nhân, điều này đặc biệt quan trọng trong các lĩnh vực nhạy cảm như chăm sóc sức khỏe, dịch vụ pháp lý hoặc hỗ trợ khách hàng. Song song đó, thử nghiệm dựa trên kịch bản và nhóm đỏ cho phép người đánh giá kiểm tra các tác nhân trong điều kiện đối đầu hoặc bất thường để xác định và vá các lỗ hổng trước khi triển khai.

Tiềm năng đầy đủ của AI chỉ được phát huy khi con người tham gia, hướng dẫn, xác thực và cải thiện từng bước. Cho dù đó là tinh chỉnh đầu ra của tác nhân, đào tạo các vòng đánh giá hay quản lý các đường ống dữ liệu đáng tin cậy, sự giám sát của con người sẽ bổ sung thêm cấu trúc và trách nhiệm mà AI cần để được tin cậy và hiệu quả.

Với các công cụ AI tạo sinh phát triển nhanh chóng, iMerit đang dẫn đầu như thế nào trong việc cung cấp các dịch vụ đánh giá, RLHF và tinh chỉnh?

Gần đây chúng tôi đã ra mắt Ango Hub Deep Reasoning Lab (DRL), một nền tảng hợp nhất để điều chỉnh AI tạo sinh và phát triển tương tác lý luận chuỗi suy nghĩ với giáo viên AI. DRL của chúng tôi cho phép các quy trình và đánh giá theo từng lượt theo thời gian thực dựa trên sở thích của con người, dẫn đến các phản hồi mô hình mạch lạc và chính xác hơn cho các vấn đề phức tạp.

Những tiến bộ trong mô hình GenAI và phát triển ứng dụng làm nổi bật giá trị của dữ liệu sạch, do chuyên gia tạo ra và được xác thực. Với Ango Hub DRL, các chuyên gia có thể kiểm tra các mô hình, xác định điểm yếu và tạo dữ liệu sạch bằng cách sử dụng lý luận chuỗi suy nghĩ. Họ tương tác với các mô hình theo thời gian thực và gửi lời nhắc và sửa lỗi từng bước trong một giao diện duy nhất.

Tận dụng các Học giả iMerit, Ango Hub DRL tinh chỉnh các quy trình lập luận mô hình. Nó tận dụng kinh nghiệm sâu rộng của iMerit với quy trình làm việc HITL. Các chuyên gia thiết kế các kịch bản nhiều bước cho các nhiệm vụ phức tạp, chẳng hạn như tạo lời nhắc chuỗi suy nghĩ cho các bài toán nâng cao. Các Học giả iMerit xem xét kết quả đầu ra, sửa lỗi và nắm bắt các tương tác một cách liền mạch. Điều kỳ diệu không nằm ở việc tuyển dụng số lượng lớn một cách bừa bãi. Các Nhà toán học giỏi nhất không nhất thiết phải là những giáo viên giỏi nhất. Người ta cũng không nên đối xử với một bác sĩ tim mạch như một người làm việc theo hợp đồng. Sự phù hợp và huấn luyện của các chuyên gia về chủ đề để suy nghĩ theo những cách có lợi nhất cho quy trình đào tạo mô hình, cũng như sự tham gia, tạo nên sự khác biệt.

“Chuyên gia trong vòng lặp” có nghĩa là gì trong bối cảnh tinh chỉnh AI tạo sinh? Bạn có thể chia sẻ ví dụ về việc chuyên môn của con người này cải thiện đáng kể kết quả đầu ra của mô hình không?

Expert-in-the-Loop kết hợp trí thông minh của con người với trí thông minh của robot để đưa AI vào sản xuất. Nó bao gồm các chuyên gia con người xác thực, tinh chỉnh và nâng cao đầu ra của các hệ thống tự động.

Cụ thể, chú thích dữ liệu do chuyên gia chỉ đạo đảm bảo rằng dữ liệu đào tạo được gắn nhãn chính xác với kiến ​​thức chuyên ngành, do đó cải thiện độ chính xác và độ tin cậy của các mô hình AI dự đoán. Bằng cách giảm sai lệch và phân loại sai, chú thích do chuyên gia chỉ đạo nâng cao khả năng khái quát hóa hiệu quả của mô hình trên các tình huống thực tế. Điều này dẫn đến các hệ thống AI đáng tin cậy hơn, dễ diễn giải hơn và phù hợp với nhu cầu cụ thể của ngành.

Ví dụ, sau khi thu thập được một khối lượng lớn dữ liệu y tế, một công ty công nghệ đa quốc gia của Mỹ cần đánh giá dữ liệu để sử dụng trong chatbot y tế hướng đến người tiêu dùng của mình nhằm đảm bảo tư vấn y tế an toàn và chính xác cho người dùng. Khi chuyển sang iMerit, họ đã tận dụng mạng lưới rộng lớn các chuyên gia chăm sóc sức khỏe tại Hoa Kỳ của chúng tôi và tập hợp một nhóm y tá để làm việc theo quy trình đồng thuận với các đợt leo thang và trọng tài do một bác sĩ được Hội đồng Chứng nhận Hoa Kỳ cung cấp. Các y tá bắt đầu bằng cách đánh giá cơ sở kiến ​​thức có các định nghĩa để đánh giá độ chính xác và rủi ro.

Thông qua thảo luận về trường hợp ngoại lệ và sửa đổi hướng dẫn, các y tá có thể đạt được sự đồng thuận trong 99% các trường hợp. Điều này cho phép nhóm sửa đổi thiết kế dự án thành cấu trúc bỏ phiếu đơn với 10% kiểm toán, do đó giảm chi phí dự án hơn 72%. Làm việc với iMerit đã giúp công ty này liên tục xác định các cách để mở rộng chú thích dữ liệu y tế một cách có đạo đức và hiệu quả.

Với hơn 8,000 chuyên gia toàn thời gian trên toàn thế giới, làm thế nào để bạn duy trì chất lượng, hiệu suất và sự phát triển của nhân viên ở quy mô lớn?

Định nghĩa về chất lượng luôn được điều chỉnh theo từng trường hợp sử dụng cụ thể của khách hàng. Các nhóm của chúng tôi hợp tác chặt chẽ với khách hàng để xác định và hiệu chỉnh các tiêu chuẩn chất lượng, sử dụng các quy trình tùy chỉnh đảm bảo mọi chú thích đều được các chuyên gia về chủ đề xác thực nhanh chóng. Tính nhất quán rất quan trọng đối với sự phát triển của AI chất lượng cao. Điều này được hỗ trợ bởi tỷ lệ giữ chân nhân viên cao (90%) và tập trung mạnh mẽ vào phân tích sản xuất, một yếu tố khác biệt chính trong thiết kế của Ango Hub, được định hình bởi đầu vào người dùng hàng ngày từ nhóm của chúng tôi.

Chúng tôi liên tục đầu tư vào tự động hóa, tối ưu hóa và quản lý kiến ​​thức, được hỗ trợ bởi nền tảng đào tạo iMerit One độc ​​quyền của chúng tôi. Cam kết học tập và phát triển này không chỉ thúc đẩy sự xuất sắc trong hoạt động mà còn hỗ trợ sự phát triển nghề nghiệp lâu dài cho nhân viên của chúng tôi, thúc đẩy văn hóa chuyên môn và tăng trưởng.

Bạn có lời khuyên nào dành cho những doanh nhân AI đầy tham vọng muốn xây dựng thứ gì đó có ý nghĩa - cả về công nghệ lẫn tác động xã hội không?

AI đang phát triển cực nhanh. Hãy vượt ra ngoài phạm vi công nghệ và lắng nghe khách hàng của bạn để hiểu điều gì quan trọng đối với doanh nghiệp của họ. Hiểu được nhu cầu về tốc độ, thay đổi và rủi ro của họ. Những khách hàng đầu tiên có thể thử nghiệm. Những khách hàng lớn hơn cần biết rằng bạn sẽ ở lại và bạn sẽ tiếp tục ưu tiên họ. Hãy giúp họ thoải mái với cách tiếp cận chủ động của bạn hướng tới sự minh bạch, an toàn và trách nhiệm giải trình.

Ngoài ra, hãy lựa chọn cẩn thận các nhà đầu tư và thành viên hội đồng quản trị của bạn để đảm bảo sự thống nhất về các giá trị và mối quan tâm chung. Tại iMerit, chúng tôi đã nhận được sự hỗ trợ đáng kể từ hội đồng quản trị và các nhà đầu tư trong những thời điểm khó khăn như COVID-19, mà chúng tôi ghi nhận là nhờ sự thống nhất này.

Những phẩm chất quan trọng góp phần vào thành công của một doanh nhân trong ngành công nghệ không chỉ là chấp nhận rủi ro; chúng bao gồm việc xây dựng một công ty có lợi nhuận và toàn diện.

Cảm ơn bạn về cuộc phỏng vấn tuyệt vời, độc giả muốn tìm hiểu thêm hãy truy cập iMerit.