Sujatha Sagiraju, Chief Product Officer tại Appen – Loạt phỏng vấn

Sujatha Sagiraju là Chief Product Officer tại Appen, cô đã gia nhập Appen vào tháng 9 năm 2021 với tư cách là SVP của Sản phẩm và cô chịu trách nhiệm về chiến lược sản phẩm. Cô là một người tiên phong trong lĩnh vực công nghệ với hơn 20 năm kinh nghiệm trong việc xây dựng các dịch vụ trực tuyến lớn và các nền tảng AI/ML và dữ liệu. Cô đã gia nhập Appen từ Microsoft, nơi cô đã giữ các vị trí lãnh đạo trong một số nhóm, bao gồm Bing và Azure AI Platform.

Appen là nhà lãnh đạo toàn cầu trong lĩnh vực dữ liệu cho Chu kỳ sống của Trí tuệ nhân tạo. Với hơn 25 năm kinh nghiệm trong việc thu thập dữ liệu, chú thích dữ liệu và đánh giá mô hình bởi con người, họ cho phép các tổ chức triển khai các hệ thống trí tuệ nhân tạo sáng tạo nhất trên thế giới.

Điều gì ban đầu thu hút bạn đến với Trí tuệ nhân tạo?

Khi tôi còn ở Microsoft, tôi đã làm việc trong tổ chức Azure AI. Tôi đã quen thuộc với cảnh quan ngành, khách hàng và sự chuyển đổi Trí tuệ nhân tạo đang diễn ra trên các ngành công nghiệp khác nhau. Tôi có thể thấy từ góc độ của khách hàng rằng dữ liệu đào tạo là một trở ngại để xây dựng mô hình học máy và tôi thấy Appen là một cơ hội để giải quyết vấn đề đó – liên kết còn thiếu có thể kết nối tất cả các giai đoạn của chu kỳ sống của Trí tuệ nhân tạo.

Bạn hiện đang là Chief Product Officer tại Appen, bạn có thể mô tả công việc này bao gồm những gì?

Ở mức cao nhất, nhóm của tôi xây dựng tầm nhìn sản phẩm, chiến lược và đồng bộ hóa với nhiều bên liên quan khác nhau trên toàn tổ chức trong việc thực hiện hiệu quả. Về mặt cá nhân, tôi dành nhiều thời gian để hiểu ngành công nghiệp và khách hàng. Với một số công ty lớn nhất làm khách hàng của chúng tôi như Amazon, Google, Microsoft, Salesforce, Boeing, điều quan trọng là nhóm của tôi phải hiểu các kịch bản và điểm khó khăn của khách hàng và xây dựng một chiến lược sản phẩm mang lại kế hoạch tăng trưởng. Xây dựng một văn hóa an toàn, hòa nhập cũng là một phần rất quan trọng trong vai trò của tôi khi tôi tập trung vào việc tạo ra một không gian cho nhân viên của chúng tôi để chia sẻ ý tưởng, hợp tác và phát triển sự nghiệp.

Làm thế nào để phát triển các đội đa dạng quan trọng đối với sự phát triển của Trí tuệ nhân tạo?

Điều đó cực kỳ quan trọng đối với sự phát triển của Trí tuệ nhân tạo để có các đội đa dạng. Có một số cách để suy nghĩ về sự đa dạng – giới tính, tuổi tác, chủng tộc, quan điểm. Sự đa dạng của quan điểm có thể là phần quan trọng nhất để đảm bảo rằng bạn có các nền tảng và kinh nghiệm đa dạng trong đội. Những kinh nghiệm đó mang lại ý tưởng mới và khác biệt để giúp xây dựng sản phẩm tốt nhất cho tất cả khách hàng đa dạng của bạn.

Làm thế nào để tạo ra một văn hóa làm việc mà kết hợp sự đa dạng này?

Một văn hóa khuyến khích sự đa dạng mời nhân viên chia sẻ ý tưởng và quan điểm của họ. Tôi thích xem xét các phương pháp giao tiếp khác nhau khi tiến hành các cuộc họp nhóm. Ví dụ, khi yêu cầu phản hồi trong một cuộc họp nhóm, tôi yêu cầu nhân viên nói trực tiếp trong cuộc họp hoặc gửi cho tôi một tin nhắn sau khi họ đã suy nghĩ về nó. Tôi nhận ra rằng không phải mọi người đều muốn nói hoặc chia sẻ phản hồi ngay lập tức và tôi muốn tạo ra một văn hóa mà điều đó được chấp nhận. Tôi muốn tạo ra một môi trường an toàn cho mọi người để thể hiện ý kiến và chia sẻ ý tưởng của họ theo cách họ muốn. Những ý tưởng tuyệt vời đến từ tất cả các đội khác nhau trong tổ chức. Tôi gặp gỡ các nhóm bán hàng, tiếp thị và các nhóm khác đối mặt với khách hàng để hiểu nhu cầu của họ với sản phẩm và quan điểm của họ khi làm việc chặt chẽ với khách hàng mỗi ngày.

Ngoài việc có các đội đa dạng, những cách nào khác để chống lại sự thiên vị trong các thuật toán học máy?

Nguồn dữ liệu hòa nhập, chuẩn bị dữ liệu và đánh giá mô hình là rất quan trọng để chống lại sự thiên vị. Dữ liệu được sử dụng để đào tạo các thuật toán phải bao gồm tất cả các người dùng hoặc kết quả tiềm năng. Khi di chuyển qua các giai đoạn khác nhau của chu kỳ sống của Trí tuệ nhân tạo, mỗi giai đoạn phải được kiểm tra về sự thiên vị. Trí tuệ nhân tạo có trách nhiệm cũng được xây dựng với các tập dữ liệu được thu thập một cách có trách nhiệm, có nghĩa là những người đóng góp được đối xử công bằng. Appen đã xây dựng một Bộ nguyên tắc đạo đức của đám đông để thể hiện cam kết của chúng tôi đối với sự thịnh vượng của đám đông.

Bạn gần đây đã đăng một bài viết thảo luận về một kỷ luật mới, được gọi là Dữ liệu cho Chu kỳ sống của Trí tuệ nhân tạo. Bạn có thể mô tả ngắn gọn điều này là gì?

Dữ liệu cho chu kỳ sống của Trí tuệ nhân tạo bao gồm bốn giai đoạn trong một chu kỳ liên tục; thu thập dữ liệu, chuẩn bị dữ liệu, xây dựng và triển khai mô hình, và đánh giá mô hình bởi con người. Những giai đoạn này là cần thiết để cung cấp dữ liệu chất lượng cao cho việc xây dựng các dự án Trí tuệ nhân tạo. Thu thập dữ liệu, chuẩn bị dữ liệu và đánh giá mô hình là những giai đoạn tốn nhiều công sức và dữ liệu nhất và nếu không được thực hiện tốt, có thể dẫn đến các vấn đề về chất lượng dự án và trì hoãn ra mắt. Appen chuyên về ba giai đoạn này và hợp tác chiến lược với các nhà cung cấp chuyên về đào tạo và triển khai mô hình.

Vai trò của dữ liệu tổng hợp trong Dữ liệu cho Chu kỳ sống của Trí tuệ nhân tạo là gì?

Các giải pháp thu thập dữ liệu bao gồm dữ liệu được chú thích bởi con người, tập dữ liệu đã được gắn nhãn trước và dữ liệu tổng hợp. Dữ liệu tổng hợp được sử dụng trong các tập dữ liệu khó tìm và các trường hợp sử dụng. Các tập dữ liệu hòa nhập bao gồm tất cả các trường hợp sử dụng và người dùng cuối tiềm năng của một mô hình Trí tuệ nhân tạo, và một số yêu cầu dữ liệu tổng hợp để đạt được mục tiêu đó. Sự kết hợp giữa dữ liệu được chú thích bởi con người và dữ liệu tổng hợp sẽ trở nên quan trọng đối với sự thành công của mô hình.

Độ trôi mô hình hoặc quá trình phù hợp với Dữ liệu cho Chu kỳ sống của Trí tuệ nhân tạo là vấn đề lớn đến mức nào?

Độ trôi mô hình có thể là một vấn đề lớn và cần được giải quyết trong giai đoạn thứ tư của chu kỳ sống của Trí tuệ nhân tạo, Đánh giá mô hình bởi con người. Điều quan trọng là mô hình phải tiếp tục hoạt động trong thế giới thực và phải biết rằng nó phải trải qua thử nghiệm của con người. Khi môi trường thay đổi và phát triển, các mô hình cần phải thay đổi theo. Điều quan trọng là các nhà thực hành phải liên tục đánh giá các mô hình của họ để ngăn chặn chúng trở nên lỗi thời hoặc thiên vị. Khách hàng của Microsoft, Bing, sử dụng đánh giá mô hình để đảm bảo rằng kết quả tìm kiếm hoạt động theo tiêu chuẩn của họ và mô hình liên tục được đánh giá.

Có điều gì khác mà bạn muốn chia sẻ về công việc của mình tại Appen?

Công việc có giá trị nhất tại Appen là bởi con người và chuyên môn của họ. Với 25 năm kinh nghiệm, Appen đã xây dựng một nền tảng vững chắc với nhân viên của mình. Khách hàng của chúng tôi tin tưởng vào chuyên môn của chúng tôi để cung cấp kết quả chất lượng cao, nhanh chóng và quy mô lớn. Appen đang cho phép sự chuyển đổi của ngành công nghiệp Trí tuệ nhân tạo bằng cách cung cấp các giải pháp để quản lý một cách liền mạch Dữ liệu cho Chu kỳ sống của Trí tuệ nhân tạo.

Cảm ơn vì cuộc phỏng vấn tuyệt vời, những người đọc muốn tìm hiểu thêm nên truy cập Appen.