Ontdek Continuous Intelligence: Juji CEO Michelle Zhou over democratisering van AI

In deze RTInsights Real-Time Talk podcast spreekt RTInsights-redacteur Joe McKendrick met Michelle Zhou, mede-oprichter en CEO van Juji.

In deze RTInsights Real-Time Talk podcast spreekt RTInsights-redacteur Joe McKendrick met Michelle Zhou, mede-oprichter en CEO van Juji, over het uitbreiden van het gebruik van kunstmatige intelligentie (AI) door het toegankelijker te maken met behulp van AI zelf. Het gesprek behandelt hoe ze voortbouwde op haar werk met IBM Watson om te focussen op het gebruik van no-code, herbruikbare cognitieve AI-platforms om AI-assistents/chatbots te democratiseren en de groeiende AI-kloof te overbruggen.

• Apple
• Google
• Spotify
• Andere platforms

Joe McKendrick: Hallo, dit is Joe McKendrick, en welkom bij RTInsights' Continuous Intelligence podcasts, de volgende in onze reeks. En ik ben echt verheugd vandaag samen te zijn met Michelle Zhou, de president en mede-oprichter van Juji en je bent een toonaangevende stem en denker en doener in het kunstmatige intelligentie veld. En we kijken ernaar uit om een beetje te leren over wat er gebeurt en hoe we vooruit kunnen gaan met dingen.

En voor starters, Michelle, waarom vertel je ons niet een beetje over je reis? Ik weet dat je bij IBM Watson bent geweest en je hebt veel werk in dat gebied gedaan. Dus je bent al een aantal jaar in het AI-veld, sinds dingen echt op gang kwamen. Vertel ons een beetje over je reis. Hoe ben je gekomen waar je vandaag bent?

Michelle Zhou: Zeker. Oh, dank je, Joe, voor het hebben van me. Ik ben Michelle Zhou en ik heb eigenlijk mijn AI-reis gestart toen ik een graduate student was aan Columbia University. Ik deed mijn Ph.D. daar. Een van de dingen waar ik altijd gefascineerd ben door is hoe kun je een machine gebruiken om mensen te helpen om iets te doen wat mensen niet leuk vinden om te doen, of waar mensen niet goed in zijn? Dus mijn thesis was over het creëren van een AI-assistent om mensen te helpen creëren, als je wilt, informatiegrafieken omdat niet iedereen een ontwerper is. Niet iedereen kan mooie informatiegrafieken ontwerpen, maar iedereen wil de data liken, de data willen interpreteren. Dus ik creëerde AI tijdens mijn Ph.D.-studie om eigenlijk naar de data te kijken, de data te analyseren, en automatisch visuele verklaringen van de data te creëren. Dat is eigenlijk gebruikt voor dokters en verpleegkundigen om patiëntendata te begrijpen en ook voor netwerkanalysten om netwerkdata, netwerkdata en hun netwerkprestaties te begrijpen.

Vanaf daar, toen ik afstudeerde, trad ik toe tot IBM Watson Research Center. En ik startte ... Omdat daarvoor werkte ik in dit gebied, het systeem was niet interactief, wat betekent dat als je een set data hebt, je een gebruikstaak hebt en de visuele voorkeuren, dan genereer je automatisch. Maar wat als de gebruikers, zodra de gebruikers zien wat ze zagen van de visuele illustratie, wat als ze verdere vragen hebben? Wat als ze verschillende delen van de data willen zien? Dus ik startte een project. Eigenlijk heet het conversational AI voor data analytics. Dus dat was bijna 15, 20 jaar geleden, nu, zo lang geleden. Dus toen zijn we eigenlijk, de conversational interface, het is om te helpen om de natuurlijke taal te gebruiken, om te informeren over de data.

Bijvoorbeeld, mensen kunnen vragen, "Oh, kun je me het product laten zien?" Laten we zeggen, bijvoorbeeld, laten we zeggen dat we verzekeringsproducten kopen. "Kun je me de woningverzekeringsproducten laten zien, laten we zeggen voor huizen onder een miljoen dollar," of zoiets. Wat als ik het koop met autoverzekering? Dus je kunt zien dit is een context incentive, om mensen te laten informeren over de data en misschien door de data heen te komen puur in natuurlijke taal. En het systeem zal eigenlijk de gebruikersvragen nemen, ze parsen. Het begrijpt wat een gebruiker vraagt, komt automatisch met de data en de juiste vorm om eigenlijk aan de mensen uit te leggen hoe hier de data is die je hebt opgevraagd. Dus dat is de een.

Dus toen daar, heel interessant wat in zo'n project zit, we zorgen ons alleen om de gebruikersvoorkeuren van data en gebruikersvoorkeuren over de presentatie, maar niet om individuele verschillen. Als ik individuele verschillen zeg, is het bijvoorbeeld, wat is je persoonlijkheid? Wat is je cognitieve stijl, of je meer hou van een meer story-achtig type data story of waar je meer hou van een meer feit-gebaseerd en cijfer-achtig data story? Dus we namen het niet in overweging.

Dus toen startte ik een ander project bij IBM genaamd IBM ... toen werd IBM Watson Personality Insights, wat betekent dat we willen gebruiken van gebruikersgedragsdata zoals communicatiedata om individuele verschillen beter te begrijpen. Bijvoorbeeld, ben je een extravert? Ben je een introvert? Ben je erg collaboratief of ben je meer over de eenzame leerling? Dus toen startte ik Juji als een startup met mijn mede-oprichter, die toevallig een computerwetenschapper en een psycholoog is en die IBM Watson personalities met me co-uitvond.

Dus we startten deze. We wilden echt een nieuwe generatie AI-assistents creëren. We noemen ze cognitieve assistenten. Dus basisweg moeten ze interacteren met mensen. En dan helpen ze organisaties om hun workforce te augmenteren, om verschillende typen taken te automatiseren, vooral tamelijk tijdrovende, arbeidsintensieve taken die mensen echt niet leuk vinden om te doen. Bijvoorbeeld, een gesprek voeren met vreemden, wat niet iedereen wil doen, of mensen aansturen om iets te doen wat ze niet leuk vinden. Bijvoorbeeld, je huiswerk afmaken of sporten, of je gezondheidsstatus elke dag checken. Dus we moeten het laten aan de AI-assistent om te doen. Dus dat is wat we vandaag zijn.

Joe McKendrick: Dat is echt fascinerend. Als consument gebruik ik een Google Assistant hier op kantoor en ik heb Alexa thuis. Maar dit klinkt alsof wat je aan het bouwen bent geavanceerder is dan ik gok de relatief simpele vragen of verzoeken voor nummers of wat dan ook, die een consumentgebruiker nu op AI zou gebruiken, op een persoonlijke assistent.

Michelle Zhou: Correct. Dus ik ben blij dat je dat contrast noemt. Dus het is een echt, dus wat normaal mensen gebruiken, zoals Alexa of Google Home, ze zijn meer wat we noemen user-driven interactie, dat de gebruiker zal zeggen, "Kun je me vertellen wat de temperatuur buiten is?" Of, "Kun je me helpen het nummer vinden dat ik leuk vind?" Dus het is meer user-driven. De systemen zijn erg passief. Dus in ons geval willen we echt interactieve AI-assistents ondersteunen. Dus het is niet alleen user-driven, het kan eigenlijk gedreven worden door zowel de machines als de gebruiker. Bijvoorbeeld, een heel simpel voorbeeld.

Laten we zeggen je bent aan het gaan naar een universitaire website, je wilt zoeken naar een online programma om te appliceren. Dus de assistent kan eigenlijk een tour geven van het online programma omdat dat is wat we net bespraken over Zoom omdat niet iedereen Zoom heel goed kent. Dus laten we zeggen als jouw assistent je een tour had kunnen geven van ze, maar onderweg, tijdens de tour, kun je elke vraag stellen. Dus bijvoorbeeld, als de Zoom-assistent je vertelt, "Hey, je kunt gewoon deze starten, test je stem, kijk naar een plaatje. En je vraagt, "Oh, ik hou niet van mijn achtergrond tonen. Wat moet ik doen?" Dus in dit geval zegt Zoom, "Oh, nu kun je dit doen, je kunt je achtergrond veranderen of misschien je achtergrond dempen, dan de tour voortzetten." Dus het is bijna als wat we praten. Het is een echt gesprek.

Dus dat is wat Juji echt heeft ontwikkeld. Dus dat is waarom we het cognitieve AI-assistentie noemen. Dit is wat cognitieve intelligentie heet. In tegenstelling tot reguliere AI, cognitieve intelligentie, wat betekent dat het niet alleen taalvaardigheden heeft zoals je hebt ervaren van Alexa of Google home, ze hebben ook wat we noemen geavanceerde menselijke vaardigheden, vooral zachte vaardigheden. Een voorbeeld van zachte vaardigheden is wat we actief luisteren noemen. Dus, dat betekent niet alleen dat de AI-assistents begrijpen wat gebruikers zeggen, maar ze zijn eigenlijk om de emoties te verifiëren, paraphraseren wat ze zeggen, samenvatten wat de gebruikers zeggen, om heel attent te zijn, alsook heel betrokken te zijn met wat de gebruiker zich zorgen maakt over. En dan eigenlijk het vertrouwenswaardige en empathische gesprek voeren. Dus in dit geval, denk aan hoe je echt converseert met de persoon. En je kunt dat bijna als een heel persoonlijke relatie hebben.

Joe McKendrick: We horen over, bijvoorbeeld, met call centers of contact centers en we bellen en we krijgen een virtuele assistent. En je hoort tegenwoordig dat ze kunnen voelen als een klant boos is, bijvoorbeeld als een klant gefrustreerd is. Ze zullen ze of doorverbinden naar een live operator, of ik gok het zal proberen hun frustratie aan te pakken. En het klinkt alsof je op dat type toepassing bouwt. Klopt?

Michelle Zhou: Juist. Dus eigenlijk zijn we daar al voorbij. Dus de eerste, wat we actief luisteren noemen, wat betekent dat is om te voelen wat je zei, gebruikerssentiment, gebruikersemoties, en om eigenlijk dat te herformuleren, te paraphraseren. En het volgende voorbeeld, ik ben blij dat je daarop bent, we noemen, "Tussen de regels door lezen." Dus wat het betekent is dat je kunt nadenken over het hoe je spreekt met een psycholoog, dat psychologen altijd proberen te begrijpen wat er buiten wat je zojuist zei zit. Dus wat je onuitgesproken behoeften en wensen zijn, wat je emotionele handtekening. Dus het gaat niet om alleen het moment van een sentiment, het moment van emoties die getoond worden. Wat ziet de handtekening eruit? Dus dat is waarom we het noemen tussen de regels door lezen.

Bijvoorbeeld, onze AI-assistent analyseert dynamisch de conversationele tekst van een gebruiker en probeert te detecteren wat we individuele verschillen noemen. Dus individuele verschillen, ze omvatten wat je passies of interesses zijn, en wat je goed bent in? Sommige mensen zijn erg goed in logisch redeneren. Sommige mensen zijn erg goed in vertellen. En sommige mensen, hoe ze het leven uitdagingen aanpakken. Bijvoorbeeld, sommige mensen onder druk zijn erg kalm, en sommige mensen onder druk kunnen een beetje off zijn. Dus je kunt zien omdat je de onderliggende unieke individuele verschillen begrijpt, de karakteristieken van elke gebruiker. Dan kunnen ze elke gebruiker beter helpen.

Gewoon om je een voorbeeld te geven waar we eerder over spraken, een student prospect, een student die zoekt naar een online programma, maar deze persoon kan zich zorgen maken over de financiële last, omdat alles, een online programma, je moet betalen voor de tuition. In een ander geval, als de assistent dergelijke onuitgesproken behoeften en wensen detecteert, kan het ze echt begeleiden, kan het hun zeggen, "Hey, weet je wat? Vooral voor een persoon die erg bezorgd is, en ook wil erg onafhankelijk zijn toen zei, "We hebben veel financiële hulp programma's. We hebben beurzen, dus we kunnen je eigenlijk helpen in je reis om een graad te krijgen of misschien je carrière te laten vooruitgang." Dus je kunt zien, echt heel gepersonaliseerd, dat als een ander persoon dezelfde zorgen heeft, die persoon is veel meer methodisch, veel meer, laten we zeggen, voorzichtig. Dus dan zul je andere manieren van presenteren van de informatie gebruiken.

Misschien zeggen, "Nu ga ik je presenteren met verschillende typen financiële hulp opties. Je kunt de kiezen die het beste past bij je leefstijl, of misschien je werkstijl." Dus je kunt zien, je kunt echt personaliseren, zelfs de mensen die behoeften kunnen hetzelfde zijn, willen het programma vinden waarin je inschrijft, maar onderliggend hebben ze hun eigen psychologische behoeften, psychologische wensen.

Joe McKendrick: Het klinkt alsof de cognitieve AI-assistents ook hun eigen persoonlijkheid, hun eigen set gedragingen aannemen om zich aan te passen aan de... klopt?

Michelle Zhou: Eigenlijk deden we veel werk. Ja. We deden veel studie over dat. Ze nemen het nog niet aan. Dus we zijn nog in research. En we vragen ons af, omdat het onderzoek conflicterende resultaten toont. Dus sommige onderzoeken tonen dat ... Ons onderzoek toont ook aan dat mensen graag interacteren met AI's die een vergelijkbare persoonlijkheid hebben. Dus als ik erg extraverteerd ben, hou ik van interacteren met de AI met de extraverte persoonlijkheid. Maar sommige onderzoeken weerleggen dat eigenlijk, tonen aan dat mensen graag interacteren met AI, die het tegenovergestelde hebben, wat we complimentaire persoonlijkheid noemen. Dus als ik erg praatjes ben, kies ik AI niet erg praatjes, die meer gereserveerd is. Dus dat is waarom we het nog niet in productie gezet hebben, omdat we nog proberen uit te zoeken welke manier gebruikers meer prefereren. Het vereist een beetje meer onderzoek in die specifieke zin.

Joe McKendrick: Ja. Je praat over de democratisering van AI, wat echt een geweldig concept is. En zie je AI voor als onderdeel van kleinere footprint apparaten, zeg onze smartphones, zullen ze interacteren via smartphones? Misschien zal er enige AI op die zijn. Of misschien de apparaten die geïntegreerd kunnen zijn in andere systemen. Is dat iets waar je ook naar kijkt?

Michelle Zhou: Ja. Correct. Eigenlijk, je raakte een aspect van het democratiseren van AI. Dus denk eraan, terug in waarschijnlijk de jaren 1970, wat noemen we democratiseren van computing. Voor dat had IBM deze mainframe computers, of misschien de kleine computer. Dus echt mensen konden het niet betalen om te kopen, omdat het te duur was. Niet alleen dat, het tweede deel ervan is dat niet veel mensen die soort computer kunnen gebruiken omdat ze niet kunnen programmeren. Ze kennen de programmeertalen niet. Ze kunnen ze echt niet gebruiken. Dus met het avontuur van de personal computers, de PCs, de Macs, dus dat is echt democratiseren van computing, is niet alleen ... Bijna iedereen nu, elk bedrijf kan zich een computer permitteren. Iedereen die heel weinig kennis heeft, wie geen programmeur is, of wie geen expert is in computerwetenschap, kan een computer bedienen.

Dus we hebben een heel vergelijkbaar idee in het democratiseren van AI. Dus als je zegt dat we AI moeten zien draaien op elk type apparaat, inclusief de smartphone. We deden dat al. Het tweede deel ervan is, verder dan dat deel is dat we iedereen willen in staat stellen, letterlijk iedereen, zolang ze PowerPoints kunnen doen, ze spreadsheets kunnen doen. Ze moeten in staat zijn om een custom AI-assistent op te zetten, te deployen en te managen. Net als ik zei, met al de cognitieve intelligentie op hun eigen, geen coding, ze hebben geen AI-expertise nodig. Ze hebben geen trainingsdata nodig, omdat we al getraind hebben, dus ze kunnen het snel aanpassen en deployen en managen. Dus dat is wat we echt bedoelen met democratiseren van AI. Dus het betekent dat ze gewoon kunnen adopteren en dan snel aanpassen en gebruiken voor hun voordelen.

Joe McKendrick: Wow. Dat klinkt best spannend. Iemand als ik, of als er een persoon is die geen technische achtergrond heeft, zou beginnen om dit type applicaties op te zetten, dan, die zou kunnen.

Michelle Zhou: Je zou ja.

Joe McKendrick: Klanten.

Michelle Zhou: Joe, doe je PowerPoints? Je kent PowerPoint? Je kent spreadsheets. Dus we maakten de drempels om te starten echt, echt laag, letterlijk betekent dat mensen PowerPoints kunnen doen. Mensen kunnen spreadsheets doen. Ze moeten komen, in staat zijn om ons platform te gebruiken om een heel krachtige AI-assistent te creëren die aangepast is en ook aangepast aan hun context, hun taak. Omdat de meeste van onze gebruikers zijn, bijv. recruitmentspecialisten, marketingmanagers, productmanagers, en user research, daar is een researcher. Dus dat betekent dat ze zeker geen computerwetenschappers zijn. Ze weten niet hoe te programmeren. Ze hoeven niet te weten hoe het programma. En ze zijn eigenlijk gewoon het soort algemene kenniswerkers. Dus ze zijn in staat om een heel krachtige AI-assistent op ons platform op te zetten.

Joe McKendrick: Dat is geweldig. En hoe zie je ... Als je vooruitgaat met dit, zal er een Juji-gebrand product zijn dat klanten kunnen downloaden of kopen? Of zul je achter de schermen werken met andere applicatieaanbieders om dat te bouwen? Wat zullen we in de nabije toekomst van jullie zien?

Michelle Zhou: Oke. Ik denk beide. Dus de ene manier is dat al klanten komen om gewoon ons platform te gebruiken om de custom AI te creëren. Deployen, we hosten het. En de andere is dat we ook partneren met andere bedrijven. Dus basisweg worden ze onze channel partners. Dus hun klanten zullen de hun in combinatie met de onze gebruiken om een AI-assistent te creëren. Bijvoorbeeld, met de stem. Dus omdat bij Juji, we geen stem doen. Dus dan als iemand die gespecialiseerd is in spraakherkenning en TTS, dan kunnen ze eigenlijk combineren met onze technologieën om een heel slimme cognitieve AI-assistentie met de stem ook te creëren, altijd een gezicht. Dus we kunnen al die technologieën combineren. Dus een is als je zei ... Het is meer, dus we dienen als de conversationele AI-engine, cognitieve engine, als je wilt, aan die potentiële partners. En tegelijkertijd, de mensen, als ze gewoon de tekst-gebaseerde AI-assistent willen, kunnen ze direct naar ons platform komen en het gebruiken.

Joe McKendrick: Ben jullie dichtbij het doorstaan van de Turing-test waar iemand het niet kan onderscheiden?

Michelle Zhou: Iemand zei dat. Maar we weten niet of we dat als de standaard moeten gebruiken om de kwaliteit te testen. Omdat de reden, ik ben niet zeker of je gehoord hebt over deze, eigenlijk terug in de jaren 1970, een bepaalde professor's Turing ... Een chatbot die de Turing-test doorstond, dat was de eerste. De reden is dat het een patiënt namade die een psychologische stoornis had. Dus dat is waarom. Dus dat is waarom het doorstond omdat niemand wist wat hij aan het praten was. Dus ik ben niet zeker of dat een goed criterium is of niet.

Dus ik denk ons criterium zou meer concrete zijn? Kan de AI je eigenlijk helpen je taak af te maken? Kan de AI echt die gebruikstevredenheid leveren? Ik denk dat het praktischer is en het is ook eigenlijk meetbaarder, vanuit een zakelijk oogpunt. Omdat als we helpen, laten we zeggen, een universiteit om hun prospective studenten of bestaande studenten te helpen, of zelfs afgestudeerden en of deze AI zijn hulp heeft gedaan. Wat is de uitkomst van de hulp? Hebben ze meer inschrijvingen en hebben ze dat eigenlijk gezien? Ja. Hebben ze een hogere succesratio en retentieratio van de studenten? Ja. Of zullen hun afgestudeerden of alumni terugkomen, meer van hen zullen terugkomen en hun opleiding voortzetten? Dat is heel concrete ... Eigenlijk zou ik zeggen uitkomst, succesuitkomsten, of bruikbaarheid van de AI, versus gewoon het vergelijken van het doorstaan.

Joe McKendrick: En een van de zorgen van AI is altijd de data, de hoeveelheid data die nodig is, big data bijv. je hebt grote datasets nodig om te identificeren en te trainen, enzovoort. Hoe zie je dat gebeuren? Wat je aan het doen bent vereist grote datasets.

Michelle Zhou: Precies. Dit is een geweldige vraag. Dus ik praatte over democratiseren van AI omdat veel organisaties die soort data niet hebben. Bijvoorbeeld, ze hebben die soort AI nog niet eens. Dus dat is waarom we, als bedrijf, als platformbedrijf, en we hebben onze eigen data gegenereerd, onze data verzameld. Dus ja, onze modellen zijn getraind op massive hoeveelheden data, omdat we al data getraind hebben. We moeten gewoon andere mensen het hergebruiken laten. Dus het is bijna als een overdracht van intelligentie.

Ik was op een andere call net vorige week, mensen vroegen me over deze. En ik zei, "Het is de schoonheid van wat we aan het doen zijn, wat Juji doet is dit." Je zegt dat we AI alles van scratch leren, tussen de regels door lezen. We embedden eigenlijk intelligentie in dat. Dus als je de AI daadwerkelijk adopteert, kwam die AI met die, geboren met deze intelligentie. Built-in, noemen we het built-in intelligentie. Dus we kunnen echt intelligentie overdragen van de ene naar de andere.

Een ander ding, bijv. we werken met universiteiten om hun wervingsprogramma te helpen. Dus dan krijg je veel prospective studenten vragen daar. Dus in dit geval, die data kan eigenlijk gebruikt worden voor andere universiteiten ook. Als ik de data zeg, niet de antwoorden per se, maar de vragen. Dus studenten stellen een vraag, formuleren de vraag, en daarbovenop genereren we automatisch meer trainingsdata. Dus de universiteiten hoeven dat niet te doen. Dus als ze oorspronkelijk bij ons komen en zeggen, "Hey, we hebben de data niet." Dus je hoeft je geen zorgen te maken. We hebben het al. Dus je kunt gewoon een jumpstart van je AI-assistent hebben. Dus dat is wat ik ook precies bedoelde over democratiseren van AI, wat betekent dat je de intelligentie verpakt. Je pre-bouwt intelligentie, dus andere mensen kunnen het adopteren, en het direct hergebruiken.

Joe McKendrick: Net als wetenschappelijk onderzoek, kun je bouwen op bestaand onderzoek en dingen verbeteren. Klopt?

Michelle Zhou: Ja. Dus het is het meest als je opgroeit als een kind. Het kind heeft de intelligentie, het begin heeft heel goede intelligentie. Dus zodra dit kind meer intelligentie heeft, dus je houdt het, niet alleen houd je het, je overdraagt deze kind's intelligentie in een ander kind, dus het andere kind hoeft niet van scratch te leren. Dus dat is heel krachtig.

Joe McKendrick: Het is. Absoluut. En Michelle, wat zie je gebeuren de komende 5 tot 10 jaar? Wat kijk je uit naar te zien gebeuren? Wat zal de wereld eruitzien tegen 2025 of zelfs 2030, met name met jouw technologie?

Michelle Zhou: Ik denk dat we gaan naar een meer, eigenlijk opgemaakt optimistisch scenario van de film Her. Je herinnert je de film Her?

Joe McKendrick: Ja. Ja. Geweldige film.

Michelle Zhou: Klopt? Dus dit betekent dat je AI misschien meer over je weet dan jij jezelf. En je AI zal weten wat je wilt voordat je zelfs weet wat je wilt. Bijvoorbeeld, je moet geld sparen. De AI wist al van tevoren dat je geld moet sparen. Of je hebt een nieuwe graad nodig om meer te kunnen werkzaam zijn. De AI zal dat waarschijnlijk weten voordat je het weet. Dus dat is wat ik zie. Je hebt een echte, wat ik noem persoonlijke assistent, persoonlijke compagnie, in dit geval, de AI-compagnon, die echt kan begrijpen wie je bent, wat je behoeften en wensen zijn, en je helpt op de beste manier om je te laten profiteren. Dus dat is waarom we ook gaan naar ons onderwerp van verantwoordelijke AI, omdat met die niveau van begrip, als we niet gaan afdwingen deze verantwoordelijke AI, als deze technologie in slechte handen valt, kan het misbruikt worden en slechte gevolgen hebben. Dus dat is waarom we ook deze verantwoordelijke AI inprenten, wat betekent dat we willen zorgen dat AI mensen helpt eigenlijk op de beste manier om mensen te laten profiteren.

Joe McKendrick: Geweldig. Geweldig. En absoluut het werk dat je doet in dat gebied beweegt AI echt in een positieve richting om mensen te laten profiteren. En we waarderen het echt dat je in staat was om dit met ons te delen in onze podcast vandaag. Nogmaals, ik spreek met Michelle Zhou. Ze is de CEO en mede-oprichter van Juji. En heel erg bedankt Michelle voor het meedoen vandaag. We hebben er echt van genoten.

Michelle Zhou: Dank je, Joe, voor het hebben van me. Dank je. Doei.