Phỏng vấn
Radha Basu, CEO và Người sáng lập iMerit – Loạt phỏng vấn
Radha Basu, Người 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 đứng đầu nhóm Giải pháp Doanh nghiệp của công ty. Sau đó, cô đã đưa Support.com lên sàn chứng khoán với tư cách là CEO. Radha đã thành lập Quỹ Anudip vào năm 2007 cùng với Dipak Basu và sau đó thành lập iMerit vào năm 2012. Cô được coi là một trong những doanh nhân công nghệ hàng đầu và 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 dữ liệu của con người và phân tích nâng cao để hỗ trợ gắn nhãn dữ liệu chất lượng cao và tinh chỉnh mô hình tại quy mô lớn.
Bạn đã có một hành trình đáng chú ý – từ xây dựng hoạt động của HP tại Ấn Độ đến thành lập iMerit với sứ mệnh nâng cao vị thế của thanh niên bị thiệt thòi ở Bhutan, Ấn Độ và New Orleans. Điều gì đã启发 bạn thành lập iMerit, và bạn đã đối mặt với những thách thức nào trong việc tạo ra một lực lượng lao động toàn cầu, bao gồm từ đầu?
Trước khi thành lập iMerit, tôi là Chủ tịch và CEO của SupportSoft, nơi tôi đã dẫn dắt công ty thông qua các đợt chào bán công khai ban đầu và thứ cấp, thiết lập nó như một nhà lãnh đạo toàn cầu trong phần mềm tự động hóa hỗ trợ. Kinh nghiệm đó đã chỉ cho tôi thấy sức mạnh của việc kết hợp con người và công nghệ từ ngày đầu tiên.
Trong khi cơn sốt công nghệ của Ấn Độ đã tạo ra những cơ hội mới, tôi nhận thấy rằng nhiều thanh niên tài năng ở các khu vực bị thiệt thòi đã bị bỏ lại phía sau. Tôi tin vào tiềm năng và động lực học hỏi của họ. Một khi họ thấy được cách phần mềm có thể thúc đẩy các công nghệ tiên tiến như AI, họ đã nhiệt tình chấp nhận những sự nghiệp này.
Chúng tôi đã ra mắt iMerit với một đội ngũ nhỏ, đa dạng, trong đó nửa số thành viên là phụ nữ, và đã phát triển nhanh chóng từ đó. Khả năng thích ứng và huấn luyện của đội ngũ đã là chìa khóa, đặc biệt là khi dữ liệu tập trung vào AI đã tăng nhu cầu dài hạn về các chuyên gia có kỹ năng.
Ngày nay, iMerit là một nhà cung cấp giải pháp dữ liệu AI toàn cầu cho các lĩnh vực quan trọng như xe tự hành, AI y tế và công nghệ. Công việc của chúng tôi đảm bảo rằng các mô hình AI của khách hàng được xây dựng trên dữ liệu chất lượng cao, đáng tin cậy, điều này là thiết yếu trong các môi trường có rủi ro cao.
Cuối cùng, điểm mạnh của chúng tôi nằm ở nền tảng công nghệ vững chắc và đội ngũ nhân viên được đào tạo tốt, có động lực, những người phát triển trong một văn hóa hỗ trợ, học hỏi. Cách tiếp cận này đã thúc đẩy sự phát triển của chúng tôi, giữ cho chúng tôi luôn có lợi nhuận và mang lại cho chúng tôi điểm số NPS cao và khách hàng trung thành.
iMerit hiện đang hợp tác với hơn 200 khách hàng, bao gồm cả những gã khổng lồ công nghệ như eBay và Johnson & Johnson. Bạn có thể chia sẻ về hành trình phát triển của công ty – từ những ngày đầu tiên đến khi trở thành nhà lãnh đạo toàn cầu trong dịch vụ dữ liệu AI?
Chúng tôi đã có cơ hội được chứng kiến tận mắt hành trình AI của khách hàng, từ những thí nghiệm ban đầu đến sản xuất quy mô lớn. Công việc của chúng tôi bao gồm các công ty khởi nghiệp, các nhà lãnh đạo xe tự hành toàn cầu và các doanh nghiệp lớn. Bằng cách đào tạo mô hình của họ từ đầu, chúng tôi đã có được cái nhìn sâu sắc về những gì thực sự cần thiết để mở rộng AI trong thế giới thực.
Lĩnh vực này đã phát triển liên tục và nhanh chóng. Tôi hiếm khi thấy một công nghệ tiến bộ đáng kể trong một 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 chu kỳ vòng đời của Human-in-the-Loop (HITL): chú thích, xác thực, kiểm toán và kiểm tra lại. Xử lý các trường hợp ngoại lệ và ngoại lệ là điều quan trọng để triển khai trong thế giới thực, đòi hỏi chuyên môn sâu sắc và phán đoán tinh tế ở mọi bước.
Ngành dọc lớn nhất của chúng tôi là di chuyển tự hành, nơi chúng tôi quản lý toàn bộ ngăn xếp cảm biến, bao gồm cả sự kết hợp cảm biến trên 15 cảm biến cho xe khách, 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 đang ở tiền phong của việc tinh chỉnh và xác thực GenAI, đòi hỏi sự tinh vi hơn trong các quy trình làm việc và tài năng của chúng tôi.
Sự thành công trong những lĩnh vực này không chỉ là về việc có chuyên gia – mà còn là về việc nuôi dưỡng chuyên môn: khả năng nhận thức để thách thức, huấn luyện và đặt mô hình AI vào bối cảnh. Đây là điều khiến các đội ngũ của chúng tôi khác biệt.
Sự phát triển của chúng tôi được thúc đẩy bởi các quan hệ đối tác lâu dài, và hầu hết khách hàng hàng đầu của chúng tôi đã ở với chúng tôi trong hơn 5 năm. Khi nhu cầu của họ trở nên phức tạp hơn, chúng tôi liên tục nâng cao kiến thức về lĩnh vực, công cụ, đào tạo và giải pháp của mình. Cả công nghệ và con người của chúng tôi phải liên tục phát triển.
Sự kết hợp của phần mềm, tự động hóa, chú thích và phân tích tạo ra khuôn khổ cho các can thiệp của con người trong vòng lặp, linh hoạt, nhanh chóng và chính xác. 70% logo mới nằm trên ngăn xếp công nghệ của chúng tôi, điều này đòi hỏi một sự chuyển đổi lớn bên trong. Một lần nữa, văn hóa của chúng tôi đảm bảo rằng các đội ngũ của chúng tôi luôn muốn học hỏi và phát triển liên tục.
Điều gì là những khoảnh khắc quan trọng nhất trong lịch sử của iMerit – dù là các cột mốc công nghệ hay quyết định chiến lược – đã giúp định hình quỹ đạo của công ty?
Vào thời điểm khi công việc dữ liệu AI được coi là công việc làm thêm dựa trên đám đông, chúng tôi đã đặt một khoản đầu tư sớm rằng điều này sẽ phát triển thành một sự nghiệp và sẽ đòi hỏi sự phức tạp và tập trung vào doanh nghiệp. Bằng cách xây dựng các đội ngũ trong nhà dành cho các trường hợp sử dụng tiên tiến, chúng tôi đã cho phép khách hàng của mình mở rộng nhanh chóng, kết thúc với thỏa thuận $1M MRR đầu tiên của chúng tôi trong lĩnh vực xe tự hành, một cột mốc đã xác nhận cách tiếp cận của chúng tôi.
Khóa cửa COVID-19 đã kiểm tra sự linh hoạt của chúng tôi: chúng tôi đã chuyển từ hoàn toàn trong văn phòng sang hoàn toàn từ xa gần như qua đêm, đầu tư mạnh mẽ vào cơ sở hạ tầng, bảo mật và văn hóa. Trong 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% đội ngũ của chúng tôi trở lại văn phòng, chúng tôi tiếp tục tận dụng tài năng từ xa, ra mắt Scholars, mạng lưới chuyên gia chủ đề toàn cầu của chúng tôi cho việc tinh chỉnh và xác thực GenAI. Dù là một bác sĩ tim mạch hay một nhà toán học người Tây Ban Nha, văn hóa cao cấp của chúng tôi thu hút và thúc đẩy tài năng 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 và chú thích dữ liệu AI, để thúc đẩy thế hệ tiếp theo của các công cụ dữ liệu AI. Sự di chuyển then chốt này đã kết hợp chuyên môn về lĩnh vực của iMerit với công cụ tiên tiến của Ango, mở rộng khả năng của chúng tôi trong lĩnh vực tia X, sự kết hợp cảm biến và tinh chỉnh GenAI. Chúng tôi vẫn làm việc với các công cụ của khách hàng, nhưng nhiều khách hàng mới hiện được trên tàu trực tiếp đến Ango Hub, được thu hút bởi các quy trình làm việc thân thiện với người dùng và bảo mật mạnh mẽ, điều này là yêu cầu thiết yếu trong ngành của chúng tôi.
Các doanh nghiệp liên tục cho chúng tôi biết rằng họ đang tìm kiếm sự kết hợp giữa cả hai thế giới: chuyên môn của con người để đảm bảo chất lượng, kết hợp với một nền tảng an toàn, có thể mở rộng, mang lại tự động hóa và phân tích. Sự kết hợp lực lượng với Ango mang lại chính xác điều đó, đặt chúng tôi vào vị trí duy nhất để đáp ứng nhu cầu phức tạp của các dự án AI tham vọng nhất ngày nay và mở rộng với sự tự tin.
iMerit tham gia sâu vào các lĩnh vực tiên tiến như xe tự hành, AI y tế và GenAI. Những thách thức dữ liệu duy nhất mà bạn gặp phải trong các lĩnh vực này là gì, và bạn giải quyết chúng như thế nào?
Các nhiệm vụ liên quan đến dữ liệu thường chiếm gần 80% thời gian dành cho các dự án AI, khiến chúng trở thành một thành phần quan trọng của đường ống. Phần dữ liệu của AI có thể tốn thời gian và tốn kém nếu không được xử lý một cách phù hợp và có thể mở rộng.
Chất lượng dữ liệu, và đặc biệt là việc tránh các lỗi nghiêm trọng, là điều quan trọng trong các lĩnh vực quan trọng mà chúng tôi hoạt động. Dù là một thuật toán nhận thức hay một bộ phát hiện khối u, dữ liệu sạch là điều cần thiết trong vòng lặp đào tạo-xác thực.
Xử lý ngoại lệ là vô cùng quý giá. Sự hiểu biết của con người về lý do tại sao một thứ gì đó nằm ngoài tiêu chuẩn hoặc tại sao một kịch bản đã phá vỡ mô hình tạo ra giá trị lớn trong việc làm cho mô hình trở nên hoàn chỉnh 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 bác sĩ-bệnh nhân và phân tích các bất thường trong MRI dựa không chỉ trên hình ảnh mà còn trên bối cảnh y tế của bệnh nhân. Các chuyên gia chủ đề phải thiết lập các khuôn khổ để phân tích dữ liệu một cách chính xác và đảm bảo chất lượng.
An toàn, quyền riêng tư và bảo mật là những chủ đề nóng. Giám đốc An ninh của chúng tôi phải bảo vệ chống lại việc truy cập, xóa và lưu trữ dữ liệu không được ủy quyền. Các giao thức bảo mật như SOC2, HIPAA và TISAX đã là những lĩnh vực đầu tư lớn cho 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 độc đáo của khách hàng. Một cách tiếp cận “một kích cỡ phù hợp với tất cả” không hoạt động 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 mở rộng về quy trình làm việc này trong thực tế – và tại sao bạn tin rằng nó tốt hơn việc cố gắng loại bỏ sự phân kỳ sáng tạo của AI?
AI cung cấp quy mô, có nghĩa là các công ty đang phát triển các công cụ để tự động hóa các quy trình dài mà truyền thống được thực hiện bởi con người. 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 bởi phần mềm tiếp tục phổ biến trong AI, các công ty thành công nhất sẽ kết hợp robot với các thực hành Human-in-the-Loop (HITL).
Chúng tôi xem HITL như một lớp nhất quán trong mỗi giai đoạn của chu kỳ phát triển và triển khai AI, và cũng như một trụ cột của niềm tin và an toàn. Do đó, trí thông minh của con người sẽ là điều cần thiết để điều chỉnh hướng nếu các mô hình thất bại. Những ứng dụng quan trọng này sẽ cần tâm trí con người để xác định những thay đổi cần được thực hiện. Đây là nơi dịch vụ HITL sẽ trở nên quan trọng hơn khi chúng tôi tích hợp AI vào sản xuất và hoạt động 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 sự tinh tế, hiểu biết và giám sát. HITL đảm bảo sự tham gia của con người tại các điểm quan trọng trong chu kỳ AI – đảm bảo đầu vào chất lượng cao, xác thực đầu ra, xác định các trường hợp ngoại lệ, tinh chỉnh mô hình cho các lĩnh vực và cung cấp phán đoán ngữ cảnh. Con người giúp đảm bảo độ chính xác bằng cách xem xét và xác minh đầu ra, bắt các ảo giác hoặc lỗi logic trước khi chúng gây hại. Họ cũng cung cấp giám sát trong các ngữ cảnh nhạy cảm về mặt đạo đức hoặc có rủi ro cao, nơi LLM không nên đưa ra quyết định cuối cùng. Quan trọng hơn, phản hồi của con người thúc đẩy việc học liên tục, giúp các hệ thống AI phù hợp hơn với mục tiêu của người dùng theo thời gian.
HITL có nhiều hình thức. Các chuyên gia con người tham gia vào chú thích mục tiêu, áp dụng lý lẽ phức tạp cho các trường hợp ngoại lệ và xem xét nội dung được tạo bởi AI bằng cách sử dụng các giao diện QA có cấu trúc. Thay vì đánh giá mọi quyết định, các hệ thống leo thang ngữ cảnh thường được thực hiện. Những hệ thống này chỉ định đầu ra có độ tin cậy thấp hoặc các bất thường được gắn cờ cho các nhà xem xét con người, cân bằng giám sát với hiệu quả.
Một sử 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). Các nhà xem xét 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. Đồng thời, kiểm tra kịch bản và kiểm tra lại cho phép các nhà đánh giá con người kiểm tra các tác nhân trong các điều kiện đối kháng hoặc bất thường để xác định và vá các điểm yếu trước khi triển khai.
Tiềm năng đầy đủ của AI chỉ được thực hiện khi con người vẫn nằm trong vòng lặp, hướng dẫn, xác thực và cải thiện từng bước. Dù là tinh chỉnh đầu ra của tác nhân, đào tạo các vòng lặp đánh giá hay tạo ra các đường ống dữ liệu đáng tin cậy, giám sát của con người thêm cấu trúc và trách nhiệm mà AI cần để được tin cậy và hiệu quả.
Với sự phát triển nhanh chóng của các công cụ AI Tạo, làm thế nào iMerit duy trì lợi thế trong việc cung cấp các dịch vụ đánh giá, RLHF và tinh chỉnh?
Chúng tôi gần đây đã ra mắt Ango Hub Deep Reasoning Lab (DRL), một nền tảng thống nhất cho việc tinh chỉnh và phát triển tương tác của GenAI với các giáo viên AI. DRL của chúng tôi cho phép các quy trình và đánh giá theo thời gian thực dựa trên sở thích của con người, dẫn đến phản hồi mô hình chính xác và hợp lý hơn đối với các vấn đề phức tạp.
Các tiến bộ trong mô hình GenAI và phát triển ứng dụng nhấn mạnh giá trị của dữ liệu sạch, được tạo và xác thực bởi chuyên gia. Với DRL của Ango Hub, chuyên gia có thể kiểm tra mô hình, xác định điểm yếu và tạo dữ liệu sạch bằng cách sử dụng lý lẽ chuỗi suy nghĩ. Họ tương tác với các mô hình trong thời gian thực và gửi các lời nhắc và sửa lỗi trở lại từng bước trong một giao diện duy nhất.
Sử dụng iMerit Scholars, DRL của Ango Hub tinh chỉnh các quy trình suy nghĩ của mô hình. Nó tận dụng kinh nghiệm rộng lớn của iMerit với các quy trình làm việc HITL. Chuyên gia thiết kế các kịch bản đa bước cho các nhiệm vụ phức tạp, chẳng hạn như tạo các lời nhắc chuỗi suy nghĩ cho các vấn đề toán học tiên tiến. iMerit Scholars xem xét đầu ra, sửa lỗi và ghi lại các tương tác một cách liền mạch. Bí quyết không nằm ở việc trên tàu một lượng lớn người không phân biệt. Các nhà toán học giỏi nhất không nhất thiết là những giáo viên tốt nhất. Một người cũng không nên đối xử với một bác sĩ tim mạch như một công nhân làm thêm giờ. Sự phù hợp và huấn luyện của các chuyên gia chủ đề để suy nghĩ theo những cách có lợi nhất cho quá trình đào tạo mô hình, cũng như sự tham gia, tạo ra sự khác biệt.
“Chuyên gia trong vòng lặp” có nghĩa là gì trong bối cảnh tinh chỉnh AI tạo? Bạn có thể chia sẻ các ví dụ nơi chuyên môn của con người đã cải thiện đáng kể đầu ra của mô hình?
Chuyên gia trong vòng lặp kết hợp trí thông minh của con người với trí thông minh robot để thúc đẩy AI vào sản xuất. Nó liên quan đến 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 dẫn đầu đảm bảo rằng dữ liệu đào tạo được dán nhãn chính xác với kiến thức chuyên môn, do đó cải thiện độ chính xác và độ tin cậy của các mô hình AI dự đoán. Bằng cách giảm thiểu các偏见 và phân loại sai, chú thích do chuyên gia dẫn đầu nâng cao khả năng tổng quát hóa hiệu quả của mô hình trên các kịch bản thế giới thực. Điều này dẫn đến các hệ thống AI đáng tin cậy hơn, có thể giải thích được và phù hợp với nhu cầu cụ thể của ngành.
Ví dụ, sau khi mua lại một 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 trò chuyện y tế của người tiêu dùng để đảm bảo tư vấn y tế an toàn và chính xác cho người dùng. Quay sang iMerit, họ đã tận dụng mạng lưới chuyên gia chăm sóc sức khỏe của chúng tôi và tập hợp một đội ngũ y tá để làm việc trong một quy trình đồng thuận với việc leo thang và trọng tài được cung cấp bởi một bác sĩ được chứng nhận bởi hội đồng y tế Hoa Kỳ. Các y tá bắt đầu bằng cách đánh giá cơ sở kiến thức về các định nghĩa để đánh giá độ chính xác và rủi ro.
Thông qua thảo luận về các trường hợp ngoại lệ và sửa đổi hướng dẫn, các y tá có thể đạt được sự đồng thuận trong 99% trường hợp. Điều này cho phép nhóm sửa đổi thiết kế dự án thành một cấu trúc bỏ phiếu đơn với 10% kiểm toán, do đó giảm chi phí dự án hơn 72%. Làm việc với iMerit đã cho phép công ty này liên tục xác định cách thức mở rộng chú thích dữ liệu y tế một cách đạo đức và hiệu quả.
Với hơn 8.000 chuyên gia toàn thời gian trên toàn thế giới, bạn duy trì chất lượng, hiệu suất và phát triển nhân viên như thế nào?
Định nghĩa về chất lượng luôn được điều chỉnh cho từng trường hợp sử dụng cụ thể của khách hàng. Các đội ngũ của chúng tôi hợp tác chặt chẽ với khách hàng để định nghĩa và hiệu chỉnh các tiêu chuẩn chất lượng, sử dụng các quy trình tùy chỉnh đảm bảo rằng mỗi chú thích được xác thực nhanh chóng bởi các chuyên gia chủ đề. Tính nhất quán là 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 vào phân tích sản xuất, một yếu tố khác biệt chính trong thiết kế của Ango Hub, được định hình bởi đầu vào của người dùng hàng ngày từ đội ngũ 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 độc quyền iMerit One của chúng tôi. Cam kết này đối với học tập và phát triển không chỉ thúc đẩy xuất sắc trong hoạt động mà còn hỗ trợ sự tiến bộ nghề nghiệp lâu dài cho nhân viên của chúng tôi, nuôi dưỡng một văn hóa chuyên môn và tăng trưởng.
Bạn có thể cho các doanh nhân AI đầy tham vọng một số lời khuyên về việc xây dựng điều gì đó có ý nghĩa – cả về công nghệ và tác động xã hội?
AI đang di chuyển với tốc độ chóng mặt. Hãy vượt ra ngoài ngăn xếp công nghệ và lắng nghe khách hàng của bạn để hiểu những gì quan trọng đối với doanh nghiệp của họ. Hiểu được sự thèm khát tốc độ, thay đổi và rủi ro của họ. Các khách hàng sớm có thể thử những điều mới. Khách hàng lớn hơn cần biết rằng bạn ở đây để tồn tại và bạn sẽ tiếp tục ưu tiên họ. Hãy đặt họ yên tâm với cách tiếp cận chủ động của bạn đối với minh bạch, an toàn và trách nhiệm.
Ngoài ra, hãy chọn cẩn thận các nhà đầu tư và thành viên hội đồng quản trị của bạn để đảm bảo sự phù hợp về giá trị và mối quan tâm được chia sẻ. Tại iMerit, chúng tôi đã trải qua sự hỗ trợ đáng kể từ hội đồng quản trị và nhà đầu tư của mình trong những thời điểm khó khăn như COVID-19, điều mà chúng tôi tín nhiệm cho sự phù hợp này.
Những phẩm chất then chốt đóng góp cho sự thành công của một doanh nhân trong ngành công nghệ vượt ra ngoài việc chấp nhận rủi ro; chúng liên quan đến việc xây dựng một công ty có lợi nhuận, bao gồm và có trách nhiệm.
Cảm ơn bạn về cuộc phỏng vấn tuyệt vời, những người đọc muốn tìm hiểu thêm nên truy cập iMerit.
