Descubre la Inteligencia Continua: Michelle Zhou, CEO de Juji, sobre Democratizar la IA

En este podcast RTInsights Real-Time Talk, el editor de RTInsights Joe McKendrick habla con Michelle Zhou, co-fundadora y CEO de Juji.

Democratizando la IA con asistentes cognitivos sin código

En este podcast RTInsights Real-Time Talk, el editor de RTInsights Joe McKendrick habla con Michelle Zhou, co-fundadora y CEO de Juji, sobre expandir el uso de inteligencia artificial (IA) haciéndola más accesible usando la propia IA. La conversación cubre cómo construyó sobre su trabajo con IBM Watson para enfocarse en plataformas de IA cognitiva reutilizables sin código para democratizar asistentes IA/chatbots y cerrar la creciente brecha de IA.

• Apple
• Google
• Spotify
• Otras plataformas

Joe McKendrick: Hola, soy Joe McKendrick, y bienvenidos a los podcasts de Inteligencia Continua de RTInsights, el siguiente en nuestra serie. Y estoy realmente emocionado de estar acompañado hoy por Michelle Zhou, presidenta y co-fundadora de Juji, y eres una voz líder, pensadora y hacedora en el campo de la inteligencia artificial. Esperamos aprender un poco sobre qué está pasando y cómo podemos avanzar.

Para empezar, Michelle, ¿por qué no nos cuentas tu trayectoria? Sé que has estado con IBM Watson y has hecho mucho trabajo en esa área. Llevas años en el campo de la IA, desde que las cosas realmente empezaron a rodar. Cuéntanos un poco sobre tu viaje. ¿Cómo llegaste a donde estás hoy?

Michelle Zhou: Claro. Gracias, Joe, por tenerme. Soy Michelle Zhou y en realidad empecé mi viaje en IA desde que era estudiante de doctorado en la Universidad de Columbia. Hacía mi Ph.D. allí. Una de las cosas que siempre me ha fascinado es cómo puedes usar una máquina para ayudar a la gente a hacer algo que a la gente no le gusta hacer, o en lo que la gente no es buena. Mi tesis fue sobre crear un asistente IA para ayudar a la gente a crear, si quieres, gráficos de información porque no todo el mundo es diseñador. No todo el mundo puede diseñar gráficos de información bonitos, pero todo el mundo quiere gustar los datos, quiere interpretarlos. Así que creé IA durante mi doctorado para básicamente mirar los datos, analizarlos, y crear automáticamente explicaciones visuales de los datos. Eso se ha usado para médicos y enfermeras para entender datos de pacientes y también para analistas de red para entender datos de red, datos de networking, y su rendimiento de red.

De allí, cuando me gradué, me uní a IBM Watson Research Center. Y empecé... Porque antes de eso trabajaba en esta área, el sistema no era interactivo, lo que significa que si tienes un conjunto de datos, tienes tareas del usuario y preferencias visuales, entonces generas automáticamente. Pero ¿qué pasa si los usuarios, una vez que ven lo que vieron de la ilustración visual, qué pasa si tienen más preguntas? ¿Qué pasa si quieren ver diferentes partes de los datos? Así que empecé un proyecto. Básicamente, se llama IA conversacional para analítica de datos. Eso fue hace casi 15, 20 años, hace mucho. Entonces estamos, la interfaz conversacional, es para ayudar a usar lenguaje natural, para inquirir sobre los datos.

Por ejemplo, la gente podría preguntar: "Oh, ¿podrías mostrarme el producto?" Digamos, por ejemplo, compremos seguros. "¿Podrías mostrarme productos de seguro de hogar, digamos para casas bajo un millón de dólares," o algo así. ¿Qué pasa si lo compro con seguro de coche? Así que ves esto es un incentivo de contexto, para dejar que la gente indague sobre los datos y tal vez atraviese los datos puramente en lenguaje natural. Y el sistema realmente tomará las consultas del usuario, las parseará. Entiende lo que el usuario pregunta, automáticamente viene con los datos y la forma correcta para explicar a la gente aquí están los datos que preguntaste. Ese es el uno.

Entonces allí, muy interesante lo que hay en este tipo de proyecto, solo nos importa las preferencias del usuario sobre datos y preferencias del usuario sobre la presentación, pero no diferencias individuales. Cuando digo diferencias individuales, es por ejemplo, ¿cómo es tu personalidad? ¿Cuál es tu estilo cognitivo, si te gusta un tipo de historia de datos más narrativo o donde te gusta una historia de datos más basada en hechos y números? Así que no lo tomamos en consideración.

Así que entonces empecé otro proyecto en IBM llamado IBM... luego se convirtió en IBM Watson Personality Insights, lo que significa que queremos usar datos de comportamiento del usuario como datos de comunicación para entender mejor diferencias individuales. Por ejemplo, ¿eres extrovertido? ¿Eres introvertido? ¿Eres muy colaborativo o eres más un aprendiz solitario? Así que entonces empecé Juji como startup con mi cofundador, que resulta ser un científico de computación y un psicólogo y que co-inventó personalidades de IBM Watson conmigo.

Así que empezamos esto. Queríamos crear, realmente, una nueva generación de asistentes IA. Los llamamos asistentes cognitivos. Básicamente, deberían interactuar con la gente. Y luego ayudan a organizaciones a aumentar su fuerza de trabajo, automatizar diferentes tipos de tareas, especialmente tareas que consumen mucho tiempo, intensivas en mano de obra, que a los humanos realmente no les gusta hacer. Por ejemplo, tener una conversación con extraños, que no todo el mundo quiere hacer, o empujar a la gente a hacer algo que no les gusta hacer. Por ejemplo, terminar tu tarea o hacer ejercicio, o revisar tu estado de salud cada día. Así que deberíamos dejarlo para el asistente IA. Eso es lo que somos hoy.

Joe McKendrick: Eso es realmente fascinante. Como consumidor, uso un Google Assistant aquí en la oficina y tengo Alexa en casa. Pero esto suena como lo que estás trabajando es más avanzado que supongo las preguntas relativamente simples o peticiones de canciones, que un usuario consumidor usaría ahora en IA, en un asistente personal.

Michelle Zhou: Correcto. Me alegra que menciones ese contraste. Es realmente, lo que la gente normalmente usa, como Alexa o Google Home, son más lo que llamamos interacción dirigida por el usuario, el usuario dirá: "¿Podrías decirme cómo es la temperatura fuera?" O, "¿Podrías ayudarme a encontrar la canción que me gusta?" Así que es más dirigido por el usuario. Los sistemas son muy pasivos. En nuestro caso, queremos soportar verdaderos asistentes IA interactivos. Así que no es solo dirigido por el usuario, en realidad podría ser dirigido tanto por las máquinas como por el usuario. Por ejemplo, un ejemplo muy simple.

Digamos que vas a la web de una universidad, quieres buscar un programa online para aplicar. El asistente puede realmente darte un tour del programa online porque eso es de lo que acabamos de hablar de Zoom porque no todo el mundo conoce Zoom muy bien. Digamos si tu asistente pudiera haberte dado un tour de ellos, pero en el camino, durante el tour, puedes hacer cualquiera de las preguntas. Por ejemplo, si el asistente de Zoom te dirá: "Oye, puedes simplemente empezar este, probar tu voz, mirar una imagen. Y preguntas: "Oh, no me gusta mostrar mi fondo. ¿Qué debo hacer?" En este caso, Zoom dice: "Oh, ahora puedes hacer esto, puedes cambiar tu fondo o tal vez silenciar tu fondo, luego continúa el tour." Así que es casi como lo que estamos hablando. Es una verdadera conversación.

Eso es lo que Juji ha desarrollado realmente. Por eso lo llamamos asistencia IA cognitiva. Esto es lo que se llama inteligencia cognitiva. A diferencia de la IA regular, inteligencia cognitiva, que significa que no solo tiene habilidades de lenguaje como has experimentado de Alexa o Google home, también tienen lo que llamamos habilidades humanas avanzadas, especialmente soft skills. Un ejemplo de soft skills es lo que llamamos escucha activa. Así que, eso significa no solo los asistentes IA entienden lo que los usuarios dicen, sino que realmente verifican las emociones, parafrasean lo que dicen, resumen lo que dicen los usuarios, siendo muy atentos, así como muy preocupados por lo que le importa al usuario. Y luego realmente hacen la conversación confiable y empática. En este caso, piensa en cómo realmente conversas con una persona. Y puedes tener eso casi como una relación muy personal.

Joe McKendrick: Oímos sobre, por ejemplo, con call centers o contact centers y llamamos y obtenemos un asistente virtual. Y oyes hoy en día que pueden detectar si un cliente está enfadado, por ejemplo, si un cliente está frustrado. O bien los pasan a un operador en vivo, o supongo que intentará abordar su frustración. Y suena como que estás construyendo sobre ese tipo de aplicación. ¿Verdad?

Michelle Zhou: Correcto. Así que en realidad hemos ido más allá de eso, ya. El primero, lo que llamamos escucha activa, que significa que es detectar lo que dijiste, sentimiento del usuario, emociones del usuario, y ser capaz de realmente reformular eso, parafrasear eso. Y el siguiente ejemplo, me alegra que estés en este, llamamos, "Leer entre líneas". Así que qué significa es que puedes pensarlo como hablas con un psicólogo, que los psicólogos siempre intentan entender qué hay más allá de lo que acabas de decir. Así que cuáles son tus necesidades y deseos no dichos, cuál es tu firma emocional. No se trata solo del momento de un sentimiento, el momento de emociones mostradas. Cómo se ve la firma? Por eso lo llamamos leer entre líneas.

Por ejemplo, nuestro asistente IA analiza dinámicamente el texto conversacional del usuario e intenta detectar lo que llamamos diferencias individuales. Así que diferencias individuales, incluyen cuáles son tus pasiones o intereses, y en qué eres bueno. Algunas personas son muy buenas en razonamiento lógico. Algunas personas son muy buenas en storytelling. Y algunas personas, cómo manejan los desafíos de la vida. Por ejemplo, algunas personas bajo presión están muy tranquilas, y algunas personas bajo presión pueden estar un poco fuera. Así que ves porque entiendes las diferencias individuales subyacentes únicas, las características de cada usuario. Entonces pueden ayudar mejor a cada usuario.

Solo para darte un ejemplo que hablamos antes, un estudiante prospecto, un estudiante que busca un programa online, pero esta persona puede estar preocupada por la carga financiera, porque cualquier cosa, un programa online, necesitas pagar la matrícula. En otro caso, si el asistente detecta tales necesidades y deseos no dichos, realmente puede guiarlos, puede decirles: "Oye, ¿sabes qué?" Especialmente para una persona que está muy preocupada, y también quiere ser muy independiente entonces dijo: "Tenemos muchos programas de ayuda financiera. Tenemos becas, así que podemos ayudarte básicamente en tu viaje para conseguir un título o tal vez avanzar tu carrera." Así que ves siendo realmente muy personalizado, que si otra persona tiene la misma preocupación, esta persona es mucho más metódica, mucho más, digamos, cuidadosa. Entonces usarás diferentes formas de presentar la información.

Podría decir esto: "Ahora voy a presentarte diferentes tipos de opciones de ayuda financiera. Puedes elegir la que mejor se adapte a tu estilo de vida, o tal vez tu estilo de trabajo." Así que ves, puedes realmente personalizar uno, incluso la gente que tiene necesidades pueden ser las mismas, quiere encontrar el programa en el que te inscribes, pero subyacente, tienen sus propias necesidades psicológicas, deseos psicológicos.

Joe McKendrick: Casi suena como los asistentes IA cognitivos también adoptan su propia personalidad, su propio conjunto de comportamientos para adaptarse... ¿verdad?

Michelle Zhou: En realidad, hicimos mucho trabajo. Sí. Hicimos mucho estudio en eso. No están adoptando aún. Así que todavía estamos en investigación. Y nos preguntamos, porque la investigación ha mostrado resultados conflictivos. Algunas investigaciones muestran que... Nuestra investigación también muestra que a la gente le gusta interactuar con IAs que tienen una personalidad similar. Así que si soy muy extrovertida, me gusta interactuar con la IA con personalidad extrovertida. Pero algunas investigaciones en realidad desafían eso, mostrando que a la gente le gusta interactuar con IA, que tienen la opuesta, decimos personalidad complementaria. Así que si soy muy charlatana, prefiero IA no muy charlatana, que es más reservada. Por eso no lo hemos puesto en producción aún, porque todavía estamos intentando averiguar qué camino prefieren más los usuarios. Requiere un poco más de investigación en ese sentido particular.

Joe McKendrick: Sí. Hablas de la democratización de la IA, que es un concepto realmente genial. ¿Prevés que la IA sea parte de dispositivos de huella más pequeña, digamos nuestros smartphones, interactuarán a través de smartphones? Tal vez haya algo de IA en eso. O tal vez dispositivos que puedan integrarse en otros sistemas. ¿Es algo en lo que también estás mirando?

Michelle Zhou: Sí. Correcto. En realidad, tocaste un aspecto de democratizar la IA. Pensando en eso, probablemente en los años 70, qué llamamos democratizar la computación. Antes de eso, IBM tenía estos mainframes, o tal vez la computadora pequeña. Así que realmente la gente no podía permitirse comprarlo, porque es demasiado caro. No solo eso, la segunda parte es que no mucha gente puede usar ese tipo de computadora porque no pueden programar. No saben lenguajes de programación. No pueden realmente usarlos. Con la llegada de las computadoras personales, los PCs, los Macs, eso es realmente democratizar la computación, no solo... Casi todo el mundo ahora, cada empresa puede permitirse comprar una computadora. Todos los que tienen muy poco conocimiento, que no son programadores, o que no son expertos en ciencia de computación, pueden operar una computadora.

Así que tenemos una idea muy similar en democratizar la IA. Así que si dices que deberíamos ver IA corriendo en cualquier tipo de dispositivo, incluyendo el smartphone. Ya estábamos haciendo eso. La segunda parte, más allá de esa parte, es que queremos permitir a cualquiera, literalmente, todos, mientras puedan hacer PowerPoints, puedan hacer hojas de cálculo. Deberían ser capaces de configurar, desplegar, y gestionar un asistente IA personalizado. Como acabo de decir, con toda la inteligencia cognitiva por su cuenta, sin código, no necesitan experiencia en IA. No necesitan datos de entrenamiento, porque ya entrenamos, así que pueden personalizarlo rápidamente y desplegarlo y gestionarlo. Eso es lo que realmente queremos decir con democratizar la IA. Significa que pueden simplemente adoptar y luego personalizarlo rápidamente y usarlo para su beneficio.

Joe McKendrick: Wow. Eso suena bastante emocionante. Así que alguien como yo, o si hay una persona que no tiene formación técnica podría comenzar a configurar estos tipos de aplicaciones, entonces, que podría.

Michelle Zhou: Deberías sí.

Joe McKendrick: Clientes.

Michelle Zhou: Joe, ¿haces PowerPoints? ¿Sabes PowerPoint? ¿Sabes hojas de cálculo? Así que hicimos las barreras de entrada realmente, realmente bajas, literalmente significando que la gente puede hacer PowerPoints. La gente puede hacer hojas de cálculo. Deberían venir, ser capaces de usar nuestra plataforma para crear un asistente IA muy poderoso que es personalizado y también personalizado a su contexto, su tarea. Porque la mayoría de nuestros usuarios son, por ejemplo, especialistas en reclutamiento, gerentes de marketing, gerentes de producto, e investigación de usuarios, hay un investigador. Así que eso significa que definitivamente no son científicos de computación. No saben cómo programar. No necesitan saber cómo programar. Y son básicamente el tipo de trabajadores de conocimiento general. Así que son capaces de configurar un asistente IA muy poderoso en nuestra plataforma.

Joe McKendrick: Eso es maravilloso. Y cómo ves... A medida que avanzas con esto, ¿habrá un producto con marca Juji que los clientes podrán descargar o comprar? ¿O estarás trabajando entre bastidores con otros proveedores de aplicaciones para construir eso? ¿Qué veremos en el futuro próximo de ustedes?

Michelle Zhou: Bien. Creo que ambos. Una forma es que ya tenemos clientes que vienen solo para usar nuestra plataforma para crear la IA personalizada. Desplegar, lo alojamos nosotros. Y otra, es que también nos asociamos con otras empresas. Básicamente se convierten en nuestros partners de canal. Así que sus clientes usarán los suyos junto con los nuestros para crear un asistente IA. Por ejemplo, con voz. Porque en Juji, no hacemos voz. Así que entonces alguien especializado en reconocimiento de voz y TTS, entonces pueden combinar con nuestras tecnologías para crear una asistencia IA cognitiva muy inteligente con voz también, siempre una cara. Así que también podemos combinar todas esas tecnologías juntas. Una es si dijiste... Es más, así que servimos como motor de IA conversacional, motor cognitivo, si quieres, a esos partners potenciales. Y mientras tanto, la gente, si solo quieren el asistente IA basado en texto, pueden venir directamente a nuestra plataforma y usarlo.

Joe McKendrick: ¿Estáis cerca de pasar el Test de Turing donde alguien puede no ser capaz de distinguirlo?

Michelle Zhou: Alguien dijo eso. Pero no sabemos si deberíamos usar eso como estándar para probar la calidad. Porque la razón, no estoy segura si has oído sobre esto, en los años 70, un profesor particular... Un chatbot que pasa el Test de Turing, ese fue el primero. La razón es que imitaba a un paciente que tiene un trastorno psicológico. Por eso. Por eso pasó porque nadie sabía de qué estaba hablando. No estoy segura si ese es un buen criterio o no.

Así que creo que nuestros criterios serían más concretos? ¿Puede la IA realmente ayudarte a terminar tu tarea? ¿Puede la IA realmente entregar esa satisfacción del usuario? Creo que es más práctico y también más medible, desde un punto de vista de negocio. Porque si ayudamos, digamos, a una universidad a ayudar a sus estudiantes prospectivos o existentes, o incluso graduados y si esta IA ha hecho su ayuda. Cuál es el resultado de la ayuda? ¿Tienen más inscripciones y realmente han visto eso? Sí. ¿Tienen una tasa de éxito y retención más alta de los estudiantes? Sí. ¿O sus graduados o alumni volverán, más de ellos volverán y continuarán su educación? Eso es muy concreto... En realidad, diría resultados de éxito, o utilidad de la IA, versus solo comparar el pasar.

Joe McKendrick: Y una de las preocupaciones de la IA es siempre los datos, la cantidad de datos que se necesita, big data por ejemplo necesitas grandes conjuntos de datos para identificar y entrenar, y así sucesivamente. ¿Cómo ves eso pasando? Lo que estás trabajando requiere grandes conjuntos de datos.

Michelle Zhou: Precisamente. Esta es una gran pregunta. Por eso hablaba de democratizar la IA porque muchas organizaciones no tienen ese tipo de datos. Por ejemplo, ni siquiera tienen ese tipo de IA aún. Por eso somos, como empresa, como empresa de plataforma, y hemos estado generando nuestros propios datos, recopilando nuestros datos. Así que sí, nuestros modelos están entrenados en cantidades masivas de datos, porque ya entrenamos datos. Deberíamos solo dejar que otra gente lo reutilice. Es casi como una transferencia de inteligencia.

Estuve en otra llamada la semana pasada, la gente me preguntaba sobre esto. Y dije: "Es la belleza de lo que estamos trabajando, lo que hace Juji es esto." Dices que estamos enseñando IA todo desde cero, leyendo entre líneas. En realidad, incrustamos inteligencia en eso. Así que cuando realmente adoptas la IA, esa IA vino con esas, nació con esta inteligencia. Built-in, lo llamamos inteligencia incorporada. Así que realmente podemos transferir inteligencia de uno a otro.

Otra cosa, por ejemplo, estamos trabajando con universidades para ayudar a su programa de reclutamiento. Así que entonces tienes muchas preguntas de estudiantes prospectivos allí. En este caso, esos datos pueden ser usados para otras universidades también. Cuando digo los datos, no las respuestas per se, sino las preguntas. Así que el estudiante hace una pregunta, formula la pregunta, y encima de eso, generamos automáticamente más datos de entrenamiento. Así que las universidades no necesitan hacer eso. Cuando vienen originalmente a nosotros y dicen: "Oye, no tenemos los datos." Así que no te preocupes por eso. Ya lo tenemos. Así que puedes tener un jumpstart de tu asistente IA. Eso es lo que también quise decir exactamente sobre democratizar la IA, que significa que estás empaquetando la inteligencia. Pre-construyes inteligencia, así que otra gente puede adoptarla, y reutilizarla instantáneamente.

Joe McKendrick: Igual que la investigación científica, puedes construir sobre investigación existente y seguir mejorando cosas. ¿Verdad?

Michelle Zhou: Sí. Es lo más como creces como un niño. El niño tiene la inteligencia, al principio tiene muy buena inteligencia. Así que una vez que este niño tiene más inteligencia, la mantienes, no solo la mantienes, transfieres la inteligencia de este niño a otro niño, así que el otro niño no necesita aprender desde cero. Eso es muy poderoso.

Joe McKendrick: Lo es. Absolutamente. Y Michelle, ¿qué ves pasando en los próximos 5 a 10 años? ¿Qué esperas ver pasando? ¿Cómo será el mundo para 2025 o incluso 2030, especialmente con tu tecnología?

Michelle Zhou: Creo que vamos hacia un escenario optimista inventado de la película Her. ¿Recuerdas la película Her?

Joe McKendrick: Sí. Sí. Gran película.

Michelle Zhou: ¿Verdad? Así que esto significa que tu IA quizás sepa más de ti que tú mismo. Y tu IA sabrá lo que quieres antes de que tú sepas lo que quieres. Por ejemplo, necesitas ahorrar dinero. La IA ya sabía por adelantado que necesitas ahorrar dinero. O necesitas un nuevo título para ser más empleable. La IA probablemente lo sabrá antes que tú. Eso es lo que veo. Tienes un verdadero, lo que llamo asistente personal, compañía personal, en este caso, el compañero IA, que puede realmente entender quién eres, cuáles son tus necesidades y deseos, y ayudarte de la mejor manera para beneficiarte. Por eso también vamos a nuestro tema de IA responsable, porque con ese nivel de entendimiento, si no vamos a imponer esta IA responsable, si esta tecnología cae en manos de gente mala, podría ser abusada y tener malas consecuencias. Por eso también inculcamos este sentido de IA responsable, que significa que queremos asegurar que la IA ayude a la gente básicamente de la mejor manera para beneficiar a la gente.

Joe McKendrick: Maravilloso. Maravilloso. Y absolutamente el trabajo que estás haciendo en esa área está moviendo la IA en una dirección positiva para beneficiar a la gente. Y realmente apreciamos que puedas compartir esto con nosotros en nuestro podcast hoy. De nuevo, hablo con Michelle Zhou. Ella es la CEO y co-fundadora de Juji. Y muchas gracias Michelle por unirte a nosotros hoy. Realmente disfrutamos tenerte.

Michelle Zhou: Gracias, Joe, por tenerme. Gracias. Adiós.