Мэттью Фитцпатрик — опытный специалист в области операций и роста с глубоким знанием масштабирования сложных рабочих процессов и команд. Его опыт охватывает консалтинг, стратегию и операционное лидерство. В настоящее время он занимает должность генерального директора в Invisible Technologies, где фокусируется на разработке и оптимизации комплексных бизнес-решений.
Мэттью стремится объединить человеческий талант с автоматизацией для повышения эффективности в масштабе, помогая компаниям достичь преобразующего роста за счёт инноваций в процессах.
Invisible Technologies — компания по автоматизации бизнес-процессов, которая сочетает передовые технологии с человеческим опытом, помогая организациям эффективно масштабироваться. Вместо замены людей автоматизацией, Invisible создаёт индивидуальные рабочие процессы, в которых цифровые работники (программное обеспечение) и операторы-люди беспрепятственно сотрудничают.
Компания предлагает услуги в таких областях, как обогащение данных, генерация лидов, поддержка клиентов и операции в бэк-офисе, позволяя клиентам делегировать сложные, повторяющиеся задачи и сосредоточиться на основных стратегических целях. Уникальная модель «работа как услуга» от Invisible предоставляет предприятиям масштабируемую, прозрачную и экономически эффективную операционную поддержку.
Вопрос: вы недавно перешли с поста руководителя QuantumBlack Labs в McKinsey на должность генерального директора Invisible Technologies. Что вас привлекло в этой роли и что больше всего волнует в миссии Invisible?
Ответ: в McKinsey у меня была возможность работать на переднем крае инноваций в области искусственного интеллекта — создавать программные продукты на основе ИИ, руководить исследованиями и разработками, помогать предприятиям использовать возможности данных. Что привело меня в Invisible Technologies, так это возможность внедрить это в действие в масштабе с помощью уникальной гибкой платформы программного обеспечения ИИ и экспертной площадки для обратной связи от человека. Я считаю, что обучение с подкреплением на основе обратной связи от человека (RLHF) — это ключ к точным и надёжным реализациям GenAI.
Invisible поддерживает ИИ на протяжении всей цепочки создания стоимости: от очистки данных и автоматизации ввода данных до рассуждений по цепочке мыслей и индивидуальных оценок. Наша миссия проста: объединить человеческий интеллект и ИИ, чтобы помочь бизнесу реализовать потенциал ИИ, что на предприятии оказалось намного сложнее, чем ожидалось.
Вопрос: вы руководили более чем 1 тыс. инженерами и масштабировали несколько продуктов ИИ в разных отраслях. Какие уроки из McKinsey вы применяете на следующем этапе роста Invisible?
Ответ: выделяются два урока. Во-первых, успешное внедрение ИИ зависит не только от технологий, но и от организационных преобразований. Вам нужны правильные люди и процессы — помимо отличных моделей. Во-вторых, компании, которые побеждают в сфере ИИ, — это те, кто овладел «последней милей» — переходом от экспериментов к производству. В Invisible мы применяем ту же строгость и структуру, чтобы помочь клиентам выйти за рамки пилотных проектов и запустить их в производство, обеспечивая реальную ценность для бизнеса.
Вопрос: вы сказали, что «2024 год был годом экспериментов с ИИ, а 2025 — это год реализации рентабельности». Какие конкретные тенденции вы видите среди предприятий, которые действительно достигают этой рентабельности?
Ответ: предприятия, которые в этом году добиваются реальной рентабельности, хорошо справляются с тремя вещами. Во-первых, они тесно связывают варианты использования ИИ с ключевыми бизнес-показателями, такими как операционная эффективность или удовлетворённость клиентов. Во-вторых, они инвестируют в повышение качества данных и петли обратной связи от человека для постоянного улучшения производительности моделей. В-третьих, они переходят от универсальных решений к индивидуальным, специфичным для предметной области системам, отражающим сложность их среды.
Вопрос: как меняется спрос на специализированную маркировку данных и маркировку данных на уровне докторов наук среди поставщиков базовых моделей, таких как AWS, Microsoft и Cohere?
Ответ: мы наблюдаем всплеск спроса на специализированную маркировку, поскольку поставщики базовых моделей продвигаются в более сложные вертикали. В Invisible у нас годовой уровень приёма экспертов составляет 1%, и 30% наших тренеров имеют степень магистра или доктора наук. Этот глубокий опыт становится всё более необходимым — не только для точной аннотации данных, но и для предоставления детальной, контекстно-зависимой обратной связи для улучшения рассуждений, точности и согласованности.
Вопрос: Invisible находится в авангарде агентского ИИ, уделяя особое внимание принятию решений в реальных рабочих процессах. Как вы определяете агентский ИИ и где мы видим наибольший потенциал?
Ответ: агентский ИИ относится к системам, которые не просто выполняют инструкции — они планируют, принимают решения и действуют в рамках определённых ограничений. Это ИИ, который ведёт себя скорее как товарищ по команде, чем как инструмент. Мы видим наибольшую отдачу в условиях высоких объёмов и сложных рабочих процессов: например, в поддержке клиентов и страховых выплатах.
Вопрос: можете ли вы поделиться примерами того, как Invisible обучает модели для рассуждений по цепочке мыслей, и почему это критически важно для внедрения на предприятиях?
Ответ: Рассуждения по цепочке мыслей (CoT) открыли новый потенциал для корпоративного ИИ. В Invisible мы обучаем модели рассуждать шаг за шагом, что необходимо, когда ставки высоки — будь то диагностика пациента, анализ контракта или проверка финансовой модели. CoT не только повышает прозрачность, но и позволяет отлаживать, совершенствовать и повышать производительность без огромных новых наборов данных.
Вопрос: Invisible поддерживает обучение на 40+ языках программирования и на 30+ человеческих языках. Насколько важна культурная и лингвистическая точность при построении глобально масштабируемого ИИ?
Ответ: это критически важно. Язык — это не только перевод, это контекст, нюансы и культурные нормы. Если модель неверно интерпретирует тон или упускает региональные особенности, это может привести к плохому пользовательскому опыту или даже к рискам соответствия. Наши многоязычные тренеры не просто бегло говорят — они погружены в культуры, которые представляют.
Вопрос: каковы общие точки сбоя, когда компании пытаются перейти от доказательства концепции к производству, и как Invisible помогает преодолеть эту «последнюю милю»?
Ответ: большинство моделей ИИ так и не доходят до производства, потому что компании недооценивают необходимые операционные усилия. Им не хватает чистых данных, надёжных протоколов оценки и стратегии внедрения моделей в реальные рабочие процессы. В Invisible мы сочетаем глубокий технический опыт с инфраструктурой данных производственного уровня, чтобы помочь предприятиям преодолеть этот разрыв.
Вопрос: не могли бы вы рассказать о подходе Invisible к RLH (обучение с подкреплением на основе обратной связи от человека) и чем он отличается от других в отрасли?
Ответ: в Invisible мы рассматриваем обучение с подкреплением на основе обратной связи от человека (RLHF) как нечто большее, чем просто тонкую настройку. Это позволяет разработать более сложную систему индивидуальной оценки и перейти к обучению моделей с учётом нюансов человеческого суждения, а не бинарных сигналов, таких как «большой палец вверх» и «большой палец вниз».
Вопрос: как вы представляете будущее сотрудничества человека и ИИ, особенно в таких важных областях, как финансы, здравоохранение или государственный сектор?
Ответ: ИИ не заменяет человеческий опыт — он становится инфраструктурой, которая его поддерживает. Я представляю себе будущее, в котором агенты ИИ и эксперты-люди работают сообща — когда врачи поддерживаются диагностическими помощниками, государственные учреждения используют ИИ для более эффективного отбора пособий, а финансовые аналитики могут сосредоточиться на стратегии, а не на электронных таблицах.