Sujatha Sagiraju, Giám đốc sản phẩm tại Appen – Loạt phỏng vấn

Sujatha Sagiraju là Giám đốc sản phẩm tại Appen, cô gia nhập Appen vào tháng 9 năm 2021 với tư cách là Phó chủ tịch 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 từng giữ các vị trí lãnh đạo trong nhiều 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 AI. 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.

Bạn đã bị thu hút bởi AI như thế nào?

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 AI đang diễn ra trên các ngành khác nhau. Tôi có thể thấy từ góc độ của khách hàng rằng dữ liệu đào tạo là một trở ngại để xây dựng các mô hình học máy và tôi đã xem Appen như một cơ hội để giải quyết vấn đề đó – liên kết bị thiếu mà có thể kết nối tất cả các giai đoạn của chu kỳ sống AI.

Bạn hiện đang là Giám đốc sản phẩm tại Appen, bạn có thể mô tả vị trí này như thế nào?

Ở mức cao nhất, nhóm của tôi xây dựng tầm nhìn sản phẩm, chiến lược và phù hợp với nhiều bên liên quan khác nhau trong toàn tổ chức trong việc thực hiện hiệu quả. Trên mức độ cá nhân, tôi dành nhiều thời gian để hiểu ngành và khách hàng. Với một số công ty lớn nhất như 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 quan trọng của vai trò của tôi khi tôi tập trung vào việc tạo ra không gian cho nhân viên của chúng tôi để chia sẻ ý tưởng, hợp tác và phát triển sự nghiệp.

Làm thế nào để xây dựng một đội ngũ đa dạng trong phát triển AI?

Điều đó cực kỳ quan trọng để có đội ngũ đa dạng trong phát triển AI. Có một số cách để 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 ngũ. Những kinh nghiệm đó mang lại ý tưởng mới và khác biệt để xây dựng sản phẩm tốt nhất cho tất cả khách hàng đa dạng.

Làm thế nào để tạo ra một văn hóa làm việc đa dạng?

Một văn hóa đa dạng mời gọi 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 nơi 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 trong tổ chức. Tôi gặp gỡ các đội bán hàng, tiếp thị và các đội khác để hiểu nhu cầu của họ về sản phẩm và quan điểm của họ khi làm việc chặt chẽ với khách hàng. Một số ý tưởng sản phẩm tốt nhất đến từ việc lắng nghe cẩn thận các điểm khó khăn của khách hàng – trực tiếp từ họ hoặc từ các đội tương tác với khách hàng mỗi ngày.

Ngoài việc xây dựng đội ngũ đa dạng, làm thế nào để chống lại sự thiên vị trong các thuật toán học máy?

Nguồn dữ liệu bao gồm, chuẩn bị dữ liệu và đánh giá mô hình là những yếu tố 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 AI, mỗi giai đoạn phải được kiểm tra về sự thiên vị. AI 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 quy tắc đạo đức cho 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 về một kỷ luật mới, được gọi là Dữ liệu cho chu kỳ sống AI. Bạn có thể mô tả ngắn gọn về điều đó không?

Dữ liệu cho chu kỳ sống AI 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 AI. 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 những giai đoạn đó 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 AI 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 trường hợp khó tìm và sử dụng. Các tập dữ liệu bao gồm tất cả các trường hợp và người dùng tiềm năng của một mô hình AI, 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 để thành công của mô hình.

Độ trôi mô hình hoặc quá trình phù hợp với Dữ liệu cho chu kỳ sống AI là một vấn đề lớn như thế 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 AI, Đánh giá mô hình bởi con người. Điều quan trọng là mô hình phải tiếp tục hoạt động trong thế giới thực và phải được kiểm tra liên tục. Khi môi trường thay đổi và phát triển, các mô hình cũng cần thay đổi. 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. Bing của Microsoft là một khách hàng sử dụng đánh giá mô hình để đảm bảo rằng kết quả tìm kiếm của họ hoạt động theo tiêu chuẩn của họ và mô hình của họ đang được đánh giá liên tục.

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

Công việc quý giá nhất tại Appen là do con người và chuyên môn của họ. Với 25 năm kinh nghiệm, Appen đã xây dựng một nền tảng vững chắc vớicác 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 với quy mô lớn. Appen đang cho phép sự chuyển đổi của ngành công nghiệp AI bằng cách cung cấp các giải pháp để quản lý dữ liệu cho chu kỳ sống AI một cách liền mạch.

Cảm ơn bạn vì cuộc phỏng vấn tuyệt vời, độc giả muốn tìm hiểu thêm có thể truy cập Appen.