Conocida por sus soluciones innovadoras en el diseño de herramientas para evaluar, comparar y validar el rendimiento de los modelos de IA, Kolena declaró recientemente que había conseguido un prometedor fondo de 15 millones de dólares. Los inversores clave en la ronda de financiación presidida por Lobby Capital fueron empresas como SignalFire y Bloomberg Beta.
La nueva inyección de capital ha elevado los fondos totales de Kolena a la asombrosa cifra de 21 millones de dólares. Con el objetivo de acelerar la trayectoria de crecimiento de la empresa, los fondos impulsarán actividades de investigación, alianzas con autoridades reguladoras e iniciativas de ventas y marketing. La noticia fue confirmada por el cofundador y director ejecutivo de la empresa, Mohamed Elgendy, en una reciente entrevista por correo electrónico con TechCrunch.
Elgendy destacó el enorme potencial de las aplicaciones de IA, pero llamó la atención sobre el escepticismo subyacente de los desarrolladores y el público sobre la confianza en la IA. Enfatizó la necesidad de un despliegue metódico y eficaz de esta tecnología en evolución que mejore y no perjudique la experiencia digital. Su punto de vista surge de la creencia de que la industria necesita nutrir y guiar los avances tecnológicos para servir correctamente y no simplemente separarse debido a una utilización equivocada.
En colaboración con Andrew Shi y Gordon Hart, quienes aportaron su experiencia de seis años en las divisiones de inteligencia artificial de Amazon, Palantir, Rakuten y Synapse, Elgendy lanzó Kolena en 2021. Las mentes brillantes se unieron para idear un "marco de calidad modelo". El quid de la idea era facilitar las pruebas unitarias y las pruebas integrales para que los modelos se tradujeran a un formato compatible con las empresas.
Elgendy visualiza a Kolena como una herramienta transformadora en el panorama actual del marco de calidad de los modelos. La atención se centra en capacitar a los equipos para que realicen continuamente pruebas unitarias o basadas en escenarios, junto con pruebas de un extremo a otro de todos los sistemas de inteligencia artificial y aprendizaje automático, no solo de los subconjuntos.
Kolena resulta ventajoso para descifrar las lagunas en la cobertura de datos de prueba del modelo de IA. La plataforma integra funciones de gestión de riesgos para monitorear los riesgos que conlleva la aplicación de un sistema de inteligencia artificial en particular. La experiencia del usuario recibe un impulso adicional con la interfaz de usuario de Kolena, que permite a los usuarios formular casos de prueba para evaluar la productividad de un modelo e identificar posibles causas que impiden el rendimiento de un modelo y, al mismo tiempo, comparar su rendimiento con otros modelos.
A diferencia de las estrategias convencionales que se centran en parámetros genéricos como una puntuación de precisión, con Kolena los equipos pueden gestionar y realizar pruebas para escenarios específicos a los que tendrá que enfrentarse una aplicación de IA. Elgendy afirma la singularidad de cada modelo con diferentes fortalezas y debilidades y, por lo tanto, una puntuación de precisión de un modelo en la detección de automóviles no necesariamente puede afirmar su efectividad en diversos aspectos.
Si Kolena cumple su promesa, podría convertirse en un punto de inflexión para los científicos de datos que dedican un tiempo y esfuerzo considerables a crear modelos para respaldar las aplicaciones de inteligencia artificial. Elgendy afirma que la plataforma de Kolena es una de las pocas que ofrece un control completo sobre los tipos de datos, la lógica de evaluación y otros componentes integrales de una prueba de modelo de IA.
Elgendy arroja luz sobre la garantía de privacidad de Kolena, que anula la necesidad de que los clientes carguen sus datos o modelos en la plataforma. De hecho, Kolena solo conserva los resultados de las pruebas del modelo para futuras evaluaciones comparativas que pueden eliminarse a pedido.
Elgendy considera que las pruebas sólidas son fundamentales para anular los riesgos de un sistema de inteligencia artificial y aprendizaje automático antes de su implementación. Lamentando el escenario actual de pruebas casuales de modelos y fallas frecuentes en las pruebas de conceptos de aprendizaje automático, afirma el compromiso de Kolena con una evaluación exhaustiva del modelo. Por lo tanto, ofrece una visibilidad incomparable de la cobertura de pruebas de un modelo y los requisitos funcionales específicos del producto a los gerentes de aprendizaje automático, gerentes de producto y ejecutivos, permitiéndoles así influir de manera competente en la calidad del producto desde el principio.
