Donny White，Satisfi Labs 的 CEO 和联合创始人 – 采访系列

Satisfi Labs成立于2016年，是一家领先的对话式人工智能公司。早期的成功来自于其与纽约大都会队、梅西百货和美国网球公开赛的合作，实现了对信息的轻松访问，这些信息通常在网站上无法找到。

唐尼在进入创业世界之前，在彭博社工作了15年，并拥有康奈尔大学的MBA和巴鲁奇学院的学士学位。在唐尼的领导下，Satisfi Labs在体育、娱乐和旅游行业实现了显著的增长，获得了谷歌、美国职业棒球大联盟和红灯管理公司的投资。

您在彭博社工作了14年，当时您第一次感到创业的冲动。为什么突然间创业出现在您的雷达上?

在我大学三年级时，我申请了一份在彭博社的前台职位。一旦我踏进了门槛，我告诉我的同事，如果他们愿意教我，我可以快速学习。到我大学毕业时，我已经成为了一名全职员工，并将所有的课程改为夜间课程，这样我就可以同时做两件事。与其参加大学毕业典礼，我在21岁时管理了我的第一个团队。从那时起，我很幸运地在一个功绩制的环境中工作，并多次被提升。到25岁时，我已经管理了自己的部门。从那里，我转入区域管理，然后是产品开发，最后我负责整个美洲的销售。到2013年，我开始思考是否可以做一些更大的事情。我参加了几家年轻科技公司的面试，其中一位创始人对我说：“我们不知道您是好还是彭博社是好。”那时我就知道必须做出改变，六个月后我成为了一家初创公司Datahug的销售副总裁。后来，我被一群投资者招募，他们希望颠覆Yelp。虽然Yelp仍然很好，但在2016年，我们对一个新的愿景达成一致，我与同样的投资者共同创立了Satisfi Labs。

您能分享一下Satisfi Labs的创立故事吗?

我和兰迪（Satisfi的现任CTO和联合创始人）一起在大都会球场观看了一场棒球比赛，我听说他们的一道特色菜是“带骨头的培根”。我们走遍了整个体育场，问工作人员关于它的位置，但找不到它。结果它被藏在体育场的一端，这让我意识到如果可以直接通过聊天与团队联系起来就更方便了。这就是我们的第一个想法的诞生。兰迪和我都来自金融和算法交易的背景，这让我们思考如何建立自己的NLP来处理超特定领域的查询，这些查询通常不会在网站上轻易找到。最初的想法是建立单个的机器人，每个机器人都可以成为特定领域知识的专家，尤其是那些不容易在网站上找到的知识。从那里开始，我们的系统将拥有一个“指挥家”，可以在需要时调用每个机器人。这是我们今天仍在使用的原始系统架构。

Satisfi Labs设计了自己的NLP引擎，并即将发布一份新闻稿，当OpenAI发布ChatGPT时，打乱了您的技术栈。您能讨论一下那段时间以及这如何迫使Satisfi Labs转变其业务吗?

我们计划在2022年12月6日发布一份新闻稿，宣布我们的上下文基于NLP升级。但在2022年11月30日，OpenAI宣布了ChatGPT。ChatGPT的宣布不仅改变了我们的路线图，也改变了世界。最初，我们和其他人一样，急于了解ChatGPT的力量和局限性，并理解这对我们意味着什么。我们很快意识到，我们的上下文NLP系统并不与ChatGPT竞争，实际上可以增强LLM的体验。这导致我们迅速决定成为OpenAI的企业合作伙伴。由于我们的系统最初是基于理解和回答问题的想法，我们能够将“机器人指挥家”系统设计与七年的意图数据结合起来，升级系统以整合LLM。

Satisfi Labs最近推出了一个专利的上下文LLM响应系统，这具体是什么?

今年七月，我们推出了专利的上下文LLM响应系统。新的系统将我们专利的上下文响应系统的力量与大型语言模型的能力相结合，增强了整个答案引擎系统。新的上下文LLM技术在整个平台中整合了大型语言模型的能力，范围从改进意图路由到答案生成和意图索引，这也驱动了其独特的报告功能。该平台允许品牌使用生成式AI答案或预写答案来回答问题，具体取决于对响应的控制需求。

您能讨论一下大多数公司网站和LLM平台在提供品牌化答案方面的当前脱节吗?

ChatGPT被训练来理解广泛的信息，因此没有足够的细粒度训练来回答行业特定问题，达到大多数品牌的期望水平。另外，LLM提供的答案的准确性仅取决于提供的数据。当您使用ChatGPT时，它会从整个互联网上获取数据，这可能是不准确的。ChatGPT不会优先考虑品牌的数据而不是其他数据。我们已经服务了各种行业七年多，获得了对每天客户提出的数百万个问题的宝贵见解。这使我们能够理解如何用更大的上下文来调整系统，并为每个行业提供强大的和细粒度的意图报告功能，这在大型语言模型的崛起中至关重要。虽然LLM在理解意图和生成答案方面很有效，但它们无法报告所提出的问题。使用多年的广泛意图数据，我们已经通过意图索引系统高效地创建了标准化的报告。

语言学家在增强LLM技术的能力方面扮演什么角色?

随着这种新技术的出现，出现了一种新的角色，即提示工程师，需要有人设计和完善提示以从AI中获取特定的响应。语言学家对语言结构（如句法和语义）有很好的理解。我们的最成功的AI工程师之一有语言学背景，这使她能够非常有效地找到新的和细致入微的方法来提示AI。对提示的微小变化可能会对生成的答案的准确性和效率产生深远的影响，这在我们处理多个客户的数百万个问题时至关重要。

后端的微调是什么样的?

我们有自己的专有数据模型，用于保持LLM的控制。这使我们能够建立自己的围栏，而不是搜索围栏。其次，我们可以利用其他平台使用的工具和功能，这使我们能够在我们的平台上支持它们。

微调训练数据并在我们的平台中使用强化学习（RL）可以帮助减轻错误信息的风险。微调与查询知识库以添加特定事实不同，会创建LLM的新版本，该版本是在此额外知识的基础上训练的。另一方面，RL会训练一个代理以使用人类反馈，并学习如何回答问题的策略。这在构建小型模型方面已经被证明是成功的，这些模型可以成为特定任务的专家。

您能讨论一下为新客户提供服务和集成对话式AI解决方案的过程吗?

由于我们专注于目的地和体验，如体育、娱乐和旅游，新客户可以从现有客户中受益，使得入职过程非常简单。新客户确定他们最当前的数据源所在的位置，例如网站、员工手册、博客等。我们会实时处理这些数据并训练系统。由于我们与同一行业的数百家客户合作，我们的团队可以快速提供有关哪些答案最适合预先编写的响应还是生成的答案的建议。另外，我们会设置引导流程，例如我们的动态食品和饮料查找器，以便客户无需处理机器人构建器。

Satisfi Labs目前正在与体育队和公司密切合作，您对公司未来的愿景是什么?

我们设想一个未来，更多品牌将希望控制更多聊天体验的方面。这将导致对我们的系统提供更多开发人员级别的访问的需求增加。对于品牌来说，聘请开发人员来构建自己的对话式AI系统没有意义，因为所需的专业知识将稀缺且昂贵。然而，通过我们的系统来支持后端，他们的开发人员可以专注于客户体验和旅程，通过拥有更多的提示控制权，连接专有数据以实现更大的个性化，并管理聊天UI以满足特定的用户需求。Satisfi Labs将成为品牌对话式体验的技术骨干。

感谢这次精彩的采访，希望了解更多的读者可以访问Satisfi Labs。