매튜 피츠 패트릭 복잡한 워크 플로 및 팀 확장에 대한 깊은 전문 지식을 갖춘 노련한 운영 및 성장 전문가입니다. 그는 컨설팅, 전략 및 운영 리더십에 걸쳐있는 배경으로 현재 Invisible Technologies의 CEO로 근무하고 있으며 엔드 투 엔드 비즈니스 솔루션을 설계하고 최적화하는 데 중점을 둡니다. Matthew는 인간의 인재와 자동화를 결합하여 규모의 효율성을 높이고 프로세스 혁신을 통해 기업이 혁신적인 성장을 잠금 해제 할 수 있도록 열정을 가지고 있습니다.
보이지 않는 기술 고급 기술을 인간의 전문 지식과 혼합하여 조직의 확장을 효율적으로 확장 할 수있는 비즈니스 프로세스 자동화 회사입니다. Invisible은 인간을 자동화로 대체하는 대신 Digital Workers (소프트웨어)와 인간 운영자가 완벽하게 협력하는 맞춤형 워크 플로를 만듭니다. 이 회사는 데이터 강화, 리드 생성, 고객 지원 및 백 오피스 운영과 같은 영역에서 서비스를 제공하여 고객이 복잡하고 반복적 인 작업을 위임하고 핵심 전략적 목표에 중점을 두도록합니다. Invisible의 고유 한 “서비스로 서비스”모델은 기업에 확장 가능하고 투명하며 비용 효율적인 운영 지원을 제공합니다.
최근 McKinsey의 주요 Quantumblack Labs에서 Invisible Technologies의 CEO로 전환했습니다. 이 역할에 당신을 끌어 들였고 Invisible의 사명에 대해 가장 흥분시키는 것은 무엇입니까?
McKinsey에서 저는 AI 혁신의 최전선에서 일할 수있는 특권을 가졌습니다. AI 소프트웨어 제품 구축, R & D 노력을 주도하며 엔터프라이즈가 데이터의 힘을 활용할 수 있도록 도와줍니다. 나를 끌어 들인 것 보이지 않는 기술 독창적 인 유연한 AI 소프트웨어 플랫폼과 인간의 루프 피드백을위한 전문가 시장의 조합으로 규모로 운영 할 수있는 기회였습니다. 인간 피드백 (RLHF)의 강화 학습은 정확하고 신뢰할 수있는 Genai 구현의 열쇠라고 생각합니다. Invisible은 데이터 청소 및 데이터 입력 자동화에서 생각한 추론 및 사용자 정의 평가에 이르기까지 전체 가치 사슬에 걸쳐 AI를 지원합니다. 우리의 사명은 간단합니다. 인간 지능과 AI를 결합하여 기업에서는 대부분의 사람들이 예상했던 것보다 훨씬 어려웠습니다.
1,000 명 이상의 엔지니어를 감독하고 산업 전반에 걸쳐 여러 AI 제품을 축소했습니다. McKinsey의 교훈은 Invisible의 다음 단계의 성장 단계에 어떤 교훈을 신청하고 있습니까?
두 가지 교훈이 두드러집니다. 첫째, 성공적인 AI 채택은 기술에 관한 조직의 변화에 관한 것입니다. 훌륭한 모델 위에 올바른 사람과 프로세스가 필요합니다. 둘째, AI에서이기는 회사는 실험에서 생산으로의 전환 인“마지막 마일”을 마스터하는 회사입니다. Invisible에서는 고객이 조종사를 넘어 생산으로 이동하여 실제 비즈니스 가치를 제공 할 수 있도록 동일한 엄격함과 구조를 적용하고 있습니다.
당신은“2024는 AI 실험의 해 였고 2025 년은 ROI를 실현하는 것입니다.”라고 말했습니다. 실제로 그 ROI를 달성하는 기업들 사이에서 어떤 특정 추세를보고 있습니까?
올해 실제 ROI를보고있는 기업은 세 가지 일을 잘하고 있습니다. 첫째, 운영 효율성 또는 고객 만족도와 같은 핵심 비즈니스 KPI와 AI 사용 사례를 엄격하게 정렬합니다. 둘째, 그들은 모델 성능을 지속적으로 향상시키기 위해 더 나은 품질의 데이터와 인간 피드백 루프에 투자하고 있습니다. 셋째, 일반 솔루션에서 환경의 복잡성을 반영하는 맞춤형 도메인 별 시스템으로 전환하고 있습니다. 이 회사들은 더 이상 AI를 테스트하는 것이 아니라 목적으로 AI를 스케일링하고 있습니다.
AWS, Microsoft 및 Cohere와 같은 파운데이션 모델 제공 업체에서 도메인 별 및 PhD 수준 데이터 라벨링에 대한 수요는 어떻게 발전합니까?
우리는 기초 모델 제공 업체가보다 복잡한 세로를 밀어 내면서 특수 라벨링에 대한 수요가 급증하고 있습니다. Invisible에서는 전문가 풀에 연간 수락 률이 1%이며 트레이너의 30%가 마스터 또는 박사 학위를 받았습니다. 데이터에 정확하게 주석을 달기 위해서뿐만 아니라 추론, 정확성 및 정렬을 향상시키기 위해 미묘한 상황 인식 피드백을 제공하는 데 깊은 전문 지식이 점점 더 필요해졌습니다. 모델이 더 똑똑해지면 훈련의 기준이 높아집니다.
보이지 않는 것은 에이전트 AI의 최전선에 있으며 실제 워크 플로에서 의사 결정을 강조합니다. 에이전트 AI에 대한 당신의 정의는 무엇이며, 우리는 가장 약속을 어디에서보고 있습니까?
에이전트 AI는 지시에 응답하지 않는 시스템을 말합니다. 계획, 결정을 내리고 정의 된 가드 레일 내에서 조치를 취합니다. 도구보다 팀원처럼 행동하는 것은 AI입니다. 예를 들어 고객 지원 및 보험 청구와 같은 대량의 복잡한 워크 플로에서 가장 많은 견인력을보고 있습니다. 이 분야에서 에이전트 AI는 수동 노력을 줄이고 일관성을 높이며 큰 인간 팀이 필요한 결과를 제공 할 수 있습니다. 그것은 인간을 대체하는 것이 아닙니다. 대신, 우리는 반복적 인 일상을 다룰 수있는 지능형 요원으로 그들을 확대하고 있습니다.
보이지 않는 추론을위한 모델이 어떻게 열리는 추론과 기업 배치에 중요한 이유에 대한 예를 공유 할 수 있습니까?
사슬의 고려 (COT) 추론은 Enterprise AI의 새로운 잠재력을 잠금 해제했습니다. Invisible에서는 환자 진단, 계약 분석 또는 재무 모델 검증 등 스테이크가 높을 때 필수적인 단계별로 모델을 추론합니다. COT는 투명성을 향상시킬뿐만 아니라 대규모 새로운 데이터 세트없이 디버깅, 개선 및 성능 이득을 가능하게합니다. 우리는 Gemini, Sonnet 및 Grok과 같은 주요 모델이 추론 경로를 공개하기 시작하여 어떤 모델이 출력 할뿐만 아니라 그곳에 도착 하는지를 관찰 할 수 있습니다. 이것은 Tree of Thought (모델이 답변에 정착하기 전에 여러 가능한 추론 경로를 평가하는 것과 같은 고급 방법에 대한 토대를 마련하고 있습니다.
Invisible은 40 개 이상의 코딩 언어와 30 개 이상의 인간 언어에 대한 교육을 지원합니다. 전 세계적으로 확장 가능한 AI를 구축 할 때 문화적, 언어 적 정밀도는 얼마나 중요합니까?
중요합니다. 언어는 번역에 관한 것이 아니라 맥락, 뉘앙스 및 문화적 규범에 관한 것입니다. 모델이 지역적 변동을 잘못 해석하거나 놓치면 사용자 경험이 열악하거나 규정 준수 위험을 초래할 수 있습니다. 우리의 다국어 트레이너는 유창하지 않을뿐만 아니라 그들이 대표하는 문화에 포함되어 있습니다.
회사가 개념 증명에서 생산으로 확장하려고 할 때 일반적인 실패 지점은 무엇이며, 보이지 않는 것은 “마지막 마일”을 탐색하는 데 어떻게 도움이됩니까?
회사가 필요한 운영 리프트를 과소 평가하기 때문에 대부분의 AI 모델은 절대 생산에이를 수 없습니다. 깨끗한 데이터, 강력한 평가 프로토콜 및 모델을 실제 워크 플로에 포함시키는 전략이 부족합니다. Invisible에서는 깊은 기술 경험을 생산 등급 데이터 인프라와 결합하여 기업이 격차를 해소 할 수 있도록 도와줍니다. 교육 및 최적화의 공생 능력을 통해 더 나은 모델을 구축하고 성공적으로 배포 할 수 있습니다.
RLHF에 대한 Invisible의 접근 방식 (인간의 피드백으로부터의 강화 학습)과 업계의 다른 사람들과 어떻게 다른지 우리를 안내해 주시겠습니까?
Invisible에서, 우리는 인간 피드백 (RLHF)의 강화 학습을 단순한 조정 이상으로보고 있습니다. 이는보다 정교한 맞춤형 평가 ( “평가”) 디자인과 엄지 손가락과 엄지 손가락과 같은 이진 신호가 아닌 미묘한 인간 판단을 가진 훈련 모델로의 전환을 허용합니다. 산업 접근 방식은 종종 대량의 저명한 데이터를 통해 규모를 우선시하는 반면, 우리는 추론, 맥락 및 트레이드 오프를 포착하는 구조화 된 고품질 피드백을 수집하는 데 중점을 둡니다. 이 더 풍부한 신호를 통해 모델은보다 효과적으로 일반화하고 인간 의도와 더 밀접하게 정렬 할 수 있습니다. 폭에 대한 깊이를 우선시함으로써보다 강력하고 정렬 된 AI 시스템을위한 인프라를 구축합니다.
특히 금융, 의료 또는 공공 부문과 같은 고지대 분야에서 AI-Human 협업의 미래를 어떻게 상상하십니까?
AI는 인간의 전문 지식을 대체하는 것이 아닙니다. 이는이를 지원하는 인프라가되고 있습니다. 나는 AI 요원과 인간 전문가가 일대일로 일하는 미래를 구상합니다. 진단 담당자가 임상의를 지원하는 곳, 정부 기관은 AI를 사용하여 심사 혜택을보다 효율적으로 혜택을 받고 재무 분석가는 스프레드 시트보다는 전략에 중점을 둘 수 있습니다. 우리의 초점은 AI가 인간의 능력을 가리거나 무시하지 않고 인간의 능력을 향상시키는 시스템을 설계하는 것입니다.
훌륭한 인터뷰에 감사드립니다. 더 배우고 싶은 독자들은 방문해야합니다. 보이지 않는 기술.
게시물 Invisible Technologies의 CEO – 인터뷰 시리즈의 Matthew Fitzpatrick 먼저 나타났습니다 Unite.ai.