Adam Asquini, ředitel Information Management & Data Analytics ve společnosti KPMG – Interview Series

Adam Asquini je ředitelem pro správu informací a analýzu dat ve společnosti KPMG v Edmontonu. Je zodpovědný za vedení datových a pokročilých analytických projektů pro klienty KPMG v prériích. Adam je nadšený budováním a rozvojem vysoce výkonných týmů, které klientům přinášejí nejlepší možné výsledky a umožňují svým týmům poutavou pracovní zkušenost. Dříve pracoval ve společnosti AltaML jako viceprezident pro zákaznická řešení, ve vládě Alberty jako programový manažer a v kanadských ozbrojených silách jako signální důstojník. Po netradiční kariéře v oblasti AI je Adam velkým zastáncem využití rozmanitosti a zkušeností mezifunkčních týmů a také věří, že kdokoli se může připojit k rostoucí komunitě AI.

Zasedli jsme k rozhovoru s Adamem na výročním ročníku 2023 Horní hranice konference o AI, která se koná v Edmontonu, AB a kterou pořádá Amii (Alberta Machine Intelligence Institute).

Máte netradiční profesní dráhu, mohl byste jen probrat, jak jste se dostal k AI?

Svou kariéru jsem začal v kanadských ozbrojených silách jako signální důstojník, signální důstojníci jsou zodpovědní za IT telekomunikační systémy, které pomáhají lidem komunikovat. Takže opravdu hodně rádiových satelitů. Byla tam nějaká data, ale byla to spousta základních infrastrukturních technologií, za které jsme byli zodpovědní, které mě zpočátku nastartovaly do technologie. Studoval jsem chemické inženýrství na univerzitě všeho druhu, hned na začátku jsem byl poháněn vlastní zvědavostí a touhou učit se. Začalo to tam a ponořit se do technologického upskillingu a seberozvoje byly pro mě opravdu důležité.

Po 14 letech v armádě, kde jsem dělal řadu různých signálních prací, vše od práce na základně a podpory IT a telekomunikačních služeb v terénu, zřizování velitelství a komunikace předních jednotek, podpory domácích operací, jako jsou lesní požáry a záplavy, jsem se přestěhoval na vládu provincie Alberta. Byl jsem v programovém managementu a díval jsem se na některé mezivládní technologické iniciativy. V té době vláda centralizovala IT, spolupracovali jsme s různými ministerstvy, abychom spojili jejich služby a zkonsolidovali věci, udělal jsem tam spoustu práce i v investičním managementu. A skutečně jsem při této práci začal vidět některé organizace využívající data a analýzy.

Opravdu to ve mně vzbudilo zvědavost, protože jsem byl vždy zvědavý a hladový po učení, začal jsem se o něco toho skutečně zajímat, a to buď tím, že jsem se tam zapojil do nějakých projektů, nebo jsem se jen samostudoval, věci jako Coursera nebo jiné školicí nástroje, abych se naučil trochu víc. Hodně jsem četl, zkoumal některé dodavatele a platformy, které tyto nástroje poskytovaly. Opravdu jsem se začal zajímat o data a analytiku a díky své vlastní přirozené zvědavosti a touze dozvědět se více jsem se do toho postupem času začal více a více zapojovat.

Mimo Coursera, existují konkrétní podcasty nebo knihy, které byste doporučili?

Na LinkedIn sleduji spoustu různých sledujících, ale pár takových, které mi vyskočí na mysl, jako např Emerj. Za tím stojí Dan Faggella. Vnáší do toho hodně myšlenkového vedení. Určitě sleduji některé z těch mainstreamových jako HBR a Forbes. Jmenoval se můj kontakt Andreas Welch který pracuje v SAP, vydává spoustu obsahu kolem AI a adopce AI, takže ho sleduji. Myslím, že pokud jde o podcasty, bylo jich několik, které jsem poslouchal, a pak také knihy. Opravdu dobrá kniha, kterou jsem nedávno četl, se jmenuje Infonomika od Douga Laneyho. Je bývalý Gartner a MIT a je to opravdu dobrá kniha, která vysvětluje monetizační rámec pro data. Snažím se prostě ponořit do co nejvíce věcí a navíc se zapojit do projektové práce, abych se dozvěděl více.

Jak vám ve vaší současné roli pomohly vaše vojenské zkušenosti?

V několika ohledech. Myslím, že některé z úžasných základních dovedností, které jsem se naučil během své vojenské kariéry, velmi strukturovaný přístup k plánování, což je opravdu dobré. Time management a stanovení priorit. Ve vojenském prostředí vás to opravdu nutí naučit se, co je nejdůležitější, a pracovat určitým tempem, posuzovat kompromisy a rozumět tomu, jak nejlépe přijít s postupem, který je proveditelný a který vás posune vpřed. . V rychle se rozvíjejícím technologickém prostředí, jako je umělá inteligence, kde se věci hýbou tak rychle, jsem schopen zpracovat spoustu informací a mít strukturovaný přístup, abyste byli schopni porozumět tomu, co je důležité, co není důležité, kam se chcete zaměřit byl dobrý soubor dovedností.

Další velký je kolem vedení a týmové práce. Pracujete s velkou organizací. V terénu se týmy neustále organizují a reorganizují, aby se dala dohromady ta nejlepší skupina pro dokončení mise, mající opravdu silné mezilidské dovednosti, vůdčí schopnosti, komunikační dovednosti jsou všechny dovednosti, na které se ve výcviku v armádě opravdu klade důraz. , Myslím, že některé z nich také skutečně využili.

Více než dva roky jste byl viceprezidentem zákaznických řešení v AltaML, co je AltaML a na jakých zajímavých projektech jste pracoval?

AltaML je společnost zaměřená na strojové učení s aplikovanou umělou inteligencí. Sídlí v Albertě, centrála je v Edmontonu, velká kancelář v Calgary a také v Torontu. Dělají to, že spolupracují s dalšími podniky na vývoji softwarových řešení a produktů, jejichž jádrem je umělá inteligence, je to business to business. Část organizace, ve které jsem pracoval, byla část služeb, spolupracovali jsme s finančními institucemi ropných a plynárenských společností. Pracovali jsme v mnoha různých průmyslových odvětvích. Pracoval jsem s nimi, abych definoval obchodní problémy, které byly relevantní a mohly mít dopad, které je třeba vyřešit pomocí AI, a poté jsem je prošel procesem sdružování jejich dat, vytváření modelů umělé inteligence, jejich nasazení a práce na straně správy změn. aby mohly být operacionalizovány a používány, což těmto organizacím skutečně pomáhá řešit problémy prostřednictvím vytváření aplikovaných řešení AI.

Rolí byl viceprezident zákaznických řešení. Když jsem začínal, byl jsem v roli projektového manažera a vedl jsem několik zakázek AI, pak jsem se postupem času posunul nahoru a role viceprezidenta pro zákaznická řešení byla zodpovědná za doručovací funkci, správu zdrojů pro projekty a aktivní správu účtů. klientů, kterým čelí aspekty této práce, spadalo do mého týmu.

Pokud jde o projekty, bylo toho hodně, řekl bych, že v jednom směru, tvaru nebo formě, ať už jako praktický projektový manažer, kouč nebo zdroj zajišťování kvality, desítky projektů umělé inteligence, na kterých bych pracoval. po více než dva a půl roku byl jedním z mých nejoblíbenějších projekt divokého požáru. Pracoval jsem s guvernérem Alberty. Snažili se ve dnech, kdy je mírné riziko požáru, pochopit, zda je pravděpodobné, že v určité oblasti dojde k požáru. Když si nebyli jisti, jejich plánovací praxí bylo naplánovat jakékoli zdroje, které měli k dispozici, a to zahrnovalo nasmlouvání dalších zdrojů, těžkého vybavení, jako jsou buldozery nebo letadla, vrtulníky, což je samozřejmě drahé.

Účelem projektu umělé inteligence bylo předpovědět pro daný region, jaká by byla pravděpodobnost požáru pro daný region na další den, a pomoci jim tak učinit rozhodnutí ohledně optimální alokace zdrojů pro proces, který nazvali pre-supression, tj. skutečně proaktivní plánování a přidělování zdrojů.

Bylo opravdu skvělé vidět, že v určitých scénářích můžete čerpat zdroje nebo jen snížit úroveň nebo je zaměřit na určitou denní dobu. To by ušetřilo spoustu peněz, ale ve skutečnosti by to nepředstavovalo velké materiální riziko zmeškaného požáru, potenciál úspor v milionech dolarů. Ta práce stále pokračovala. Dokonce i dnes se nyní dívají na to, jak trochu prodloužit časové okno, udělat zóny menšími a podrobnějšími pro lepší optimalizaci zdrojů. Ale když se podíváme na to, jaká byla požární sezóna, kterou jsme doposud měli tady v Albertě, jakékoli informace, které můžete poskytnout předem o tom, kde jsou rizika, a schopnost optimalizovat zdroje nebo alespoň přerozdělit zdroje na správná místa, je opravdu působivá práce. bylo opravdu příjemné.

Také jsem dělal nějakou práci při zpracování reklamací. Jako poskytovatel pojištění by přicházely tisíce žádostí, které by mohly být automaticky schváleny, které by vyžadovaly lidskou kontrolu, nebo dokonce, kterému týmu by měla být žádost předána, aby bylo možné získat správnou úroveň kontroly. Tento typ práce je také opravdu důležitý a může organizacím ušetřit spoustu úsilí a spoustu peněz za to, jak podnikají,

V současné době jste ředitelem pro správu informací a datovou analýzu ve společnosti KPMG. Co přesně tato role obnáší?

Spolupracuji s podniky, abych je provedl cestou řešení těchto problémů, v tomto případě prostřednictvím širší sady datových a analytických funkcí. Pracujeme na všem, od datové strategie dopředu a pomáháme organizacím organizovat data z různých systémů, spojovat je dohromady, vytvářet sestavy a analýzy, stejně jako AI a ML. Je to trochu širší role než moje předchozí, ale i to je pro mě opravdu vzrušující. Podporuje moji vášeň pro učení a seberozvoj.

Jako ředitel obvykle pracuji se staršími lídry na straně klienta, abych jim pomohl poradit na cestě, získat představu o tom, co to obnáší, jak ty projekty vypadají, jak se mohou připravit. Velký důraz je kladen také na přijetí, zejména s pokročilými analytickými systémy, které jsou nové a které někdy přicházejí s negativní konotací ze strany zaměstnanců, takže s nimi skutečně pracujte na tom, jak tato řešení nejlépe implementovat, stejně jako procesy, které používají. budou potřebovat struktury, které budou potřebovat. To je velká část role. Interně vedení angažovanosti a vedení projektových týmů, pomoc při získávání správných priorit pro projektový tým a vedení práce a také synchronizace různých týmů, které na těchto projektech pracují.

V poslední rozhovor pro Calgary Herald, mluvil jste o tom, že v Albertě došlo k velkému množství adopce AI. V jakých odvětvích to vidíte nejčastěji?

V Albertě jsem viděl přijetí v řadě různých odvětví. Energie toho má určitě hodně, takže jsem viděl případy použití, kdy organizace využívají umělou inteligenci k optimalizaci údržby a bezpečnostních kontrol v potrubí, kde by mělo nebo mohlo dojít k výkopům? Protože vykopávky jsou velmi drahé, pokud existuje podezření na únik. Také jsem toho viděl hodně v dodavatelském řetězci. Protože velké organizace provádějí fúze a akvizice, jejich data jsou všude. Někdy se opravdu potýkají s hledáním položek ve svých materiálových vzorech, takže mohou používat tyto jazykové modely, které se právě teď objevují, k organizaci dat a jejich strukturování tak, aby je bylo možné analyzovat. Zaznamenali jsme významnou práci při konsolidaci smluv o dodávkách, protože jsme byli schopni lépe vyhledávat a dotazovat se a nacházet informace. To se může týkat více průmyslových odvětví, nejen v energetice, ale vidím, že se to tam aplikuje.

Bezpečnost je důležitá věc, takže pomocí zpracování obrazu nebo dokonce jazykových modelů vyhledejte nejvhodnější typ bezpečnostní inspekce nebo bezpečnostní kontroly, která by měla na konkrétním místě probíhat. Ve finančních službách je opravdu důležité zaměřit se hodně práce na personalizaci zkušeností pro bankovního zákazníka, poskytování nejlepších možných rad a hledání řešení na míru pro lidi, kteří se nacházejí v různých finančních scénářích, a viděli jsme tam hodně práce. A pak pojištění. Jak jsem již zmínil, hodně z tohoto třídění a zpracování reklamací. Ještě jeden bych možná také navrhl, je hospodaření s půdou v oblasti lesnictví a přírodních zdrojů, vidět trochu zavádění v používání satelitních snímků k detekci změn na zemi, být schopen řídit dohody o půdě a používat tyto techniky zpracování obrazu, aby bylo možné identifikovat věci, které by tam měly nebo neměly být, nebo věci, které se časem změnily.

Je to opravdu vzrušující a vidíme, že různé organizace jsou v různých fázích své zralosti. Některé buď teprve začínají, nebo experimentují, jiné jsou dále a plně si je osvojují, ale většina organizací si uvědomuje, že pokud nezačnou nebo pokud se v tom neposouvají kupředu, zůstanou pozadu. vytvořit pro ně docela konkurenční nevýhodu, takže zájem je plošně opravdu vysoký. Je zřejmé, že s generativními schopnostmi umělé inteligence to také vyvolává velký zájem.

Když mluvíme o generativní umělé inteligenci, jak vidíte, že tato technologie mění budoucnost?

Jsem z toho velmi nadšený. Vidím potenciál. Také si myslím, že je důležité mít správné ovládací prvky pro generativní AI, opravdu si myslím, že existuje mnoho případů použití, kde by to mohlo být použito k dosažení obrovského zvýšení produktivity nebo zvýšení efektivity pro podnikání. Něco z toho jako v případě použití, který jsem právě zmínil s dodavatelským řetězcem, který využíval některé z těchto technik ještě předtím, než byl ChatGPT veřejně oznámen. Pokud jde o to, kam to vidím, jedním z dalších skvělých trendů, které vidím, je, že stále více této technologie je právě teď začleňováno do běžných obchodních aplikací. Společnost Microsoft oznámila svůj nástroj Copilot, který bude integrován s vašimi aplikacemi sady Microsoft Office, v některých jejich materiálech jsem viděl věci, jako je psaní poznámky a pouhé vybídnutí textového editoru: „Můžete tento odstavec zkrátit?“ A dělá to jen pro vás.

Jakmile se tyto generativní technologie umělé inteligence zabudují přímo do běžných podnikových aplikací, donutí podniky přemýšlet o tom, jak a kdy je přijmou, jak je ovládají, jak mohou monitorovat zajištění kvality produktů, které vyrábějí. Když je to celá samostatná samostatná funkce, je o něco snazší ji zpomalit nebo ji ignorovat, ale vidět, že je toto začleněno do běžných podnikových aplikací a platforem, skutečně posouvá tuto diskusi kupředu.

Doufám také, že s tímto a současným důrazem na zodpovědné používání této technologie pomůže organizacím klást důraz na zodpovědnou umělou inteligenci, zavést správné procesy a zavést správné řízení, aby se skutečně zajistilo, že jejich umělá inteligence řešení jsou efektivně budována, riziko je řízeno během celého životního cyklu, že existují následné kontroly a že víte, že jejich výstupům můžete důvěřovat. Doufám, že tento humbuk právě teď na generativní AI ve skutečnosti nadále pohání diskusi o těchto schopnostech.

Můžete diskutovat o tom, jak je pro vás zodpovědná umělá inteligence a snížení zkreslení umělé inteligence skutečně důležité?

Absolutně. Myslím, že to musí být z několika důvodů. Většina lidí, kteří vytvářejí tyto systémy, bude hrdá na práci, kterou dělají, a nechtějí, aby to jejich systémy měly, takže to bude vnitřní potřeba mít, aby byli vaši zaměstnanci zaujatí a šťastní. a chráněny. Z právního hlediska existují příklady, kdy organizace čelily právním problémům nebo regulačním problémům kvůli zaujatosti ve své AI. Existuje klasická případová studie organizace, která při náboru používala umělou inteligenci. Soubor dat byl příliš zaujatý vůči mužům oproti ženám, takže jejich umělá inteligence diskriminovala ženy.

Byl to nástroj AI Amazonka.

K takovým věcem již došlo a mají potenciál se dít i nadále, pokud nemáte zavedeny správné kontroly. Skutečné zaměření na to bude pro většinu organizací zásadní. A pak reputační riziko samozřejmě pro organizace. Pokud se mýlíte, může to mít obrovský, obrovský dopad na vaše podnikání.

Jste také velkým zastáncem využití rozmanitosti a zkušeností mezifunkčních týmů. Proč je z vašeho pohledu rozmanitost tak důležitá?

Právě teď jsou typy problémů, které se řeší pomocí AI, tak složité, z obchodního hlediska, z dat, která za tím stojí, žádná osoba ani jedna role nedokáže vyřešit všechny tyto problémy sama. Mít dobrý mezifunkční tým s různými úhly pohledu a dovednostmi je opravdu důležité, abyste mohli mít lidi, kteří jsou silní v jedné oblasti, skutečně využívající svou sílu. Pokud jde o diverzitu, dalším skutečně velkým hnacím motorem různorodého týmu je to, že ve většině případů bude koncovým uživatelem těchto systémů různorodá skupina lidí, a nemít tyto pohledy do vašeho týmu, když budete Jejich opětovné sestavení vás skutečně nastaví na to, abyste na cestě dělali chyby nebo vám něco chybělo, věci, o kterých si možná nemyslím, že by o nich mohl uvažovat někdo jiný, a přinášejí tuto perspektivu vpřed. Je snazší vyřešit problémy a přizpůsobit se tomu ve vývojovém cyklu než po vydání.

Pevně ​​také věřím, že když máte jiný pohled, získáte nejlepší dialog, dostanete opravdu dobré otázky od lidí, kteří vidí něco z jiného úhlu. Nutí konverzaci o tom, jak k něčemu nejlépe přistupovat. Přinutí vás to otočit některé z těch kamenů, které byste možná nepřevrátili, kdyby tam ten člověk nebyl, protože různorodá skupina lidí, kteří se dívají na problém, vám skutečně umožňuje dosáhnout nejlepšího možného výsledku a nejlepšího řešení.

Co si myslíte, že bude dalším velkým průlomem v AI?

V tomto generativním objektivu umělé inteligence si myslím, že jak uvidíme více této technologie začleňovat do běžných aplikací, a to už začíná, bude to pro přijetí této technologie opravdu obrovské, protože bude přímo v systémech, které lidé již používají. Bude to opravdu, opravdu důležité, a to by mohlo otevřít dveře k některým dalším případům použití, až se lidé blíže seznámí s tím, co dokáže, jaká jsou jeho omezení, jak jej lze optimálně využít, a to by mohlo jen spustit přemýšlím a dobře, teď mám lepší představu o typu problémů, které to vyřeší. Máme tento problém. To by bylo opravdu skvělé vyřešit a mohlo by to otevřít nové dveře.

Také doufám, že tato regulační politika bude průlomem, který přijde také v blízké budoucnosti. Vím, že na úrovni tvorby zákonů a na úrovni regulačních orgánů dochází k velkému pohybu, ale doufám, že jednotlivé podniky také přijdou na to samy nebo si nechají poradit, jak o tom musí přemýšlet a jaké jsou vnitřní kontroly, které by nyní měly zavést.

Zákony a předpisy trvají dlouho. Podniky mohou vést k mnoha změnám tím, že převezmou některé z těchto kontrol interně a promyslí je. Existuje pro to precedens, samozřejmě s audity a podobnými věcmi, v čem je KPMG opravdu silná. Ale přemýšlet o tom, jaké by tyto kontroly mohly být, jak bychom to mohli kontrolovat, jak testujeme výstupy? Jak zajistíme, že snížíme halucinace? Jaké jsou některé další kroky poté, co model vytvoří svůj výstup, které můžeme podniknout, abychom minimalizovali jakékoli potenciální poškození nebo riziko? To jsou správné typy otázek a já doufám, že nějaký ten humbuk, opět, právě teď je průlom v tom, jak o tom přemýšlíme a jak budujeme správné struktury, procesy a týmy na odpovědné straně umělé inteligence.

Děkuji za skvělý rozhovor, čtenáři, kteří se chtějí dozvědět více, by měli navštívit KPMG.