Adam Asquini, ředitel Informačního managementu a Data Analytics ve společnosti KPMG – Interview Series

Adam Asquini je ředitel Informačního managementu a Data Analytics ve společnosti KPMG v Edmontonu. Je zodpovědný za vedení projektů dat a pokročilé analýzy pro klienty KPMG v prériích. Adam je vášnivý o budování a rozvoji vysoce výkonných týmů, aby mohli dodávat nejlepší možné výsledky pro klienty a umožnit jim zajímavou pracovní zkušenost. Předtím pracoval ve společnosti AltaML jako viceprezident pro Customer Solutions, v vlády Albertě jako programový manažer a v Kanadských ozbrojených silách jako signální důstojník. Díky své netradiční kariérní cestě do AI je Adam velkým zastáncem využití rozmanitosti a zkušeností mezioborových týmů a také věří, že kdokoli se může připojit k rostoucí komunitě AI.

Usadili jsme se k rozhovoru s Adamem na každoroční konferenci Upper Bound o AI, která se koná v Edmontonu, AB a je hostována Amii (Alberta Machine Intelligence Institute).

Máte netradiční kariérní cestu, můžete nám říct, jak jste se dostal do AI?

Začal jsem svou kariéru v Kanadských ozbrojených silách jako signální důstojník, signální důstojníci jsou zodpovědní za IT a telekomunikační systémy, které pomáhají lidem komunikovat. Takže to byla vlastně hodně rádia, satelitů. Tam bylo trochu dat, ale bylo to hlavně o jádru infrastruktury technologií, za které jsme byli zodpovědní, což mě nejprve přivedlo k technologiím. Studoval jsem chemické inženýrství na univerzitě, všechno začalo mým vlastním zvědavým a učením se. To začalo tam a ponoření se do technologií a sebevzdělávání byly pro mě opravdu důležité.

Po 14 letech v armádě, kdy jsem dělal různé signální práce, od práce na základně a podpory IT a telekomunikačních služeb v terénu, nastavování velitelství a komunikace s jednotkami na frontě, podpory domácích operací, jako jsou lesní požáry a povodně, jsem přešel do albertské provincionální vlády. Byl jsem v programu managementu a zkoumal jsem některé mezi vládní technologické iniciativy. V té době centralizovala vláda IT, pracovali jsme s různými vládními ministerstvy, abychom jejich služby spojili a konsolidovali, udělal jsem tam hodně práce, stejně jako v investičním managementu. A vlastně, při této práci, jsem začal vidět, jak některé organizace využívají data a analýzy.

To真的 poutalo mou pozornost a vždycky jsem byl zvědavý a hladový po učení, začal jsem se tím zabývat buď tím, že jsem se zapojil do některých projektů, nebo jsem si prostě sám studoval, věci jako Coursera nebo jiné tréninkové nástroje, abych se mohl dozvědět trochu více. Udělal jsem hodně čtení, prozkoumal jsem některé dodavatele a platformy, které tyto nástroje poskytují. Skutečně jsem se stal zvědavým na data a analýzy a díky své vlastní přirozené zvědavosti a touze dozvědět se více, začal jsem se tím zabývat stále více.

Mimo Courseru, jsou nějaké konkrétní podcasty nebo knihy, které byste doporučil?

Sleduji mnoho různých lidí na LinkedInu, ale pár, kteří mi připadají na mysl, jako Emerj. Dan Faggella je člověk za tím. Přináší много myšlenkového vedení. Jistě sleduji některé mainstreamové, jako HBR a Forbes. Kontakt můj, Andreas Welch, který pracuje v SAP, vydává hodně obsahu kolem AI a adopce AI, takže jsem ho sledoval. Myslím, že pokud jde o podcasty, tam bylo několik, které jsem poslouchal, a také knihy. Velmi dobrá kniha, kterou jsem nedávno četl, se jmenuje Infonomics od Douga Laneyho. Je bývalý Gartner a MIT, a je to opravdu dobrá kniha, která vysvětluje rámec pro monetizaci dat. Snažím se prostě ponořit se do mnoha věcí, abych se mohl dozvědět více.

Jak vám vaše vojenská zkušenost prospěla ve vaší současné roli?

Určitě několika způsoby. Myslím, že některé skvělé základní dovednosti, které jsem získal během své vojenské kariéry, velmi strukturovaný přístup k plánování, který je opravdu dobrý. Časové řízení a prioritizace. V vojenském prostředí vás to opravdu nutí naučit se, co je nejdůležitější, a pracovat v určitém tempu, vyhodnocovat kompromisy a pochopit, jak nejlépe vytvořit akční plán, který je proveditelný a který vás bude hnát dopředu. Nachází se, že být schopen zpracovat spoustu informací a mít strukturovaný přístup, aby pochopit, co je důležité, co není důležité, kam se chce zaměřit, byl dobrý soubor dovedností.

Další velkou věcí je leadership a týmová práce. Pracujete s velkou organizací. V terénu se týmy organizují a reorganizují neustále, aby se vytvořil nejlepší tým pro dokončení mise, mít opravdu silné mezilidské dovednosti, leadership dovednosti, komunikační dovednosti jsou všechny dovednosti, které jsou opravdu zdůrazňovány ve výcviku v armádě, myslím, že jsem využil některé z nich.

Byl jste viceprezidentem pro Customer Solutions ve společnosti AltaML po dobu více než dvou let, co je AltaML a na jakých zajímavých projektech jste pracoval?

AltaML je aplikovaná umělá inteligence a strojové učení společnost. Její sídlo je v Albertě, hlavní kancelář je v Edmontonu, velká kancelář je v Calgary a také jedna v Torontu. Co dělají, je, že pracují s jinými podniky na vývoji softwarových řešení a produktů, které mají AI v jádru, je to business-to-business. Část organizace, ve které jsem pracoval, byla služební strana, pracovali jsme s ropnými a plynárenskými společnostmi, finančními institucemi. Pracoval jsem napříč mnoha různými průmyslovými vertikálami. Pracoval jsem s nimi, abychom definovali obchodní problémy, které byly relevantní a mohly mít dopad, aby je vyřešili pomocí AI, a poté jsem je provedl procesem spojení jejich dat, budování AI modelů, nasazení a práce na straně změny, aby je mohli operacionalizovat a používat, opravdu pomáhající těmto organizacím řešit problémy budováním aplikovaných AI řešení.

Role byla viceprezident pro Customer Solutions. Když jsem začal, byl jsem v roli projektového manažera, vedl jsem několik AI projektů, poté jsem se přesunul nahoru a role viceprezidenta pro Customer Solutions byla zodpovědná za dodavatelskou funkci, řízení zdrojů pro projekty a aktivní řízení účtů, banyak z klienta orientované práce spadalo do mého týmu.

Jako daleko jako projekty se týká, tam bylo hodně, řekl bych, že nějakým způsobem, buď jako praktický projektový manažer, kouč nebo kvalitní zajišťovací zdroj, desítky AI projektů, na kterých jsem pracoval během těch dvou a půl let, jeden z mých oblíbených byl projekt s divokými požáry. Pracoval jsem s guvernérem Albertě. Bojovali s tím, aby pochopili, zda je na dny se středním požárním rizikem pravděpodobné, že se požár vyskytne v určité oblasti. Když byli nejistí, jejich plánovací praxe spočívala v tom, že naplánovali všechny dostupné zdroje, a to zahrnovalo i najímání dalších zdrojů, těžké vybavení, jako jsou buldozery nebo letadla, vrtulníky, což je samozřejmě drahé.

Účelem AI projektu bylo předpovědět pro danou oblast pravděpodobnost požáru pro tuto oblast na následující den, aby jim pomohli rozhodnout o optimálním rozdělení zdrojů pro proces, který nazývali pre-suprese, což je vlastně proaktivní plánování a přidělování zdrojů.

Bylo to opravdu cool vidět, že v určitých scénářích můžete snížit zdroje nebo je zaměřit na určitou dobu dne. To by mohlo ušetřit spoustu peněz, ale nezasáhlo by do něj žádné významné riziko zmeškaného požáru, miliony dolarů úspor. Tato práce pokračuje dodnes. Dneska se dívají na to, jak prodloužit časové okno, učinit zóny menší a více granulární, aby lépe optimalizovali zdroje. Ale pohled na to, jak vypadá požár v Albertě, jakékoli inteligence, kterou můžete poskytnout dopředu o tom, kde jsou rizika, a být schopni optimalizovat zdroje nebo je alespoň realokovat na správná místa, je opravdu působivé, bylo to opravdu příjemné.

Také jsem pracoval na některých projektech zpracování pojistných nároků. Jako pojistitelé dostávají tisíce nároků, které mohou být automaticky schváleny, které vyžadují lidskou kontrolu, nebo které by měly být předány správnému týmu pro správnou úroveň kontroly. Taková práce je také opravdu důležitá a může organizacím ušetřit spoustu úsilí a peněz, jakým způsobem podnikají.

Jste aktuálně ředitelem Informačního managementu a Data Analytics ve společnosti KPMG. Co přesně tato role zahrnuje?

Pracuji s podniky, abych je provedl cestou řešení těchto problémů pomocí širšího souboru dat a analytických schopností. Pracujeme na všem, od datové strategie na začátku a pomoci organizacím uspořádat data z různých systémů, spojit je, reporting a analýzy, stejně jako AI a ML. Je to trochu širší role než moje předchozí, ale to je také opravdu vzrušující pro mě. To palivo mé vášeň pro učení a sebevzdělávání.

Jako ředitel obvykle pracuji se seniorními leaders na straně klienta, abych jim poradil, jak projít touto cestou, dát jim pocit, co to bude vyžadovat, jak tyto projekty vypadají, jak se mohou připravit. Velký důraz na adopci, zejména s pokročilými analytickými systémy, které jsou nové a někdy přicházejí s negativní konotací z hlediska pracovní síly, takže opravdu pracuji s nimi, aby mohli tyto řešení co nejlépe implementovat, stejně jako věci, jako jsou procesy, které budou potřebovat, struktury, které budou potřebovat. To je velká část role. Vnitřně, vedení zapojení a vedení projektových týmů, pomoc při získání správných priorit pro projektový tým a vedení práce, stejně jako synchronizace různých týmů, které pracují na těchto projektech.

V nedávném rozhovoru s Calgary Herald, hovořil jste o tom, že je v Albertě poměrně dost adopce AI. Ve kterých odvětvích ji vidíte nejvíce?

Vidím adopci AI napříč mnoha různými odvětvími v Albertě. Určitě je toho hodně v energetice, takže jsem viděl použití AI, aby pomohla optimalizovat údržbu a bezpečnostní inspekce v potrubích, kde by se měly provést výkopy, protože výkopy jsou velmi drahé. Také jsem viděl hodně práce ve zpracování dodavatelského řetězce. Velké organizace, které dělají fúze a akvizice, mají svá data všude, někdy opravdu bojují s nalezením položek ve svých materiálových masterch, takže být schopni použít tyto jazykové modely, které vidíme, aby se objevily, aby uspořádaly data, strukturalizovaly je způsobem, který může být analyzován, viděl jsem významnou práci při konsolidaci dodavatelských smluv pouze tím, že lépe vyhledávají a dotazují a nacházejí informace. To může přesahovat více odvětví, nejenom v energetice, ale vidím to aplikované tam.

Bezpečnost je velkou věcí, takže použití buď zpracování obrazu nebo i jazykových modelů, aby našli nejrelevantnější typ bezpečnostního briefing nebo bezpečnostní inspekce, která by se měla konat na určitém místě. Ve finančních službách je spousta práce na personalizaci zkušeností pro bankovního zákazníka, poskytování nejlepších možných rad a nalezení přizpůsobených řešení pro lidi, kteří jsou v různých finančních scénářích, je opravdu důležitým zaměřením a vidím spoustu práce tam. A pak pojištění, jak jsem zmínil dříve, hodně práce na triáži a zpracování pojistných nároků. Jednou další věcí, kterou bych zmínil, je lesnictví a přírodní zdroje, vidím určitý vzestup v použití satelitních snímků k detekci změn na zemi, být schopni spravovat dohody o zemi a používat tyto techniky zpracování obrazu, aby identifikovali věci, které by měly nebo neměly být tam, nebo věci, které se změnily v čase.

Je to opravdu vzrušující a vidíme, že různé organizace jsou na různých úrovních zralosti. Některé jsou právě začínají nebo experimentují, jiné jsou dále a plně adoptují, ale většina organizací si uvědomuje, že pokud nezačnou nebo nejsou na cestě vpřed, budou zanechány pozadu a to bude vytvářet velkou konkurenční nevýhodu pro ně, takže zájem je opravdu vysoký napříč všemi.

Mluvili jste o generativní AI, jak vidíte, že tato technologie změní budoucnost?

Jsem pro to velmi nadšený. Vidím potenciál. Také si myslím, že je důležité mít správné kontroly na místě pro generativní AI, opravdu si myslím, že tam jsou spousta případů použití, kde by se to mohlo aplikovat, aby se dosáhlo obrovských zisků z produktivity nebo efektivity pro podniky. Některé z toho, jako v případě, který jsem zmínil s dodavatelským řetězcem, to využívalo některé z těchto technik, dokonce předtím, než byl ChatGPT veřejně oznámen. Pokud jde o to, kam to půjde, jedna z dalších cool trendů, které vidím, je, že více a více této technologie je zabudováno do hlavních obchodních aplikací právě teď. Microsoft (MSFT ) oznámil svůj nástroj Copilot, který bude integrován s vašimi aplikacemi Microsoft Office, viděl jsem v některých materiálech věci, jako je psaní briefingové poznámky a pouze promptování word procesoru s “Můžete udělat tuto část kratší?” A prostě to udělá pro vás.

Jako tyto generativní AI technologie se začleňují přímo do hlavních obchodních aplikací, bude to opravdu tlačit diskusi o tom, jak a kdy je podniky adoptují, jak je kontrolují, jak mohou monitorovat kvalitu zajištění produktů, které vyrábějí. Když je to samostatná kapacita, je to trochu jednodušší zpomalit to nebo ignorovat, ale vidět, že se tato technologie začleňuje do hlavních obchodních aplikací a platforem, bude opravdu tlačit tuto diskusi vpřed.

Také doufám, že s tím a důrazem na odpovědné použití této technologie, že to pomůže organizacím položit důraz na odpovědnou AI, aby měly správné procesy, správnou správu na místě, aby se ujistily, že jejich AI řešení jsou účinně postavena, riziko je řízeno po celý životní cyklus, že jsou následné kontroly a že můžete důvěřovat výstupům z nich. Doufám, že tato horečka kolem generativní AI opravdu povede tuto diskusi s těmito schopnostmi vpřed.

Můžete diskutovat o tom, jak je pro vás odpovědná AI a snižování AI bias opravdu důležité?

Určitě. Myslím, že to musí být pro řadu důvodů. Většina lidí, kteří tyto systémy budují, bude mít pýchu na práci, kterou dělají, a nechtějí, aby jejich systémy měly tuto vadu, takže tam bude vnitřní potřeba mít to, aby udrželi svou pracovní sílu angažovanou a šťastnou a chráněnou. Legálně, tam jsou příklady, kde organizace čelily právním nebo regulačním výzvám pro bias v jejich AI. Je tam klasický případ studie o organizaci, která používala AI při náboru. Datová sada byla příliš zkreslená ve prospěch mužů nad ženami, takže jejich AI diskriminovala ženy.

To bylo AI nástroj od Amazonu.

Věci, jako je tato, se již staly a mají potenciál pokračovat, pokud nemáte správné kontroly na místě, mít skutečný důraz na to, bude kritický pro většinu organizací. A pak reputační riziko pro organizace. Pokud to uděláte špatně, mohlo by to mít obrovský dopad na váš podnik.

Jste také velkým zastáncem využití rozmanitosti a zkušeností mezioborových týmů. Proč je pro vás rozmanitost tak důležitá?

Právě teď, typy problémů, které jsou řešeny pomocí AI, jsou tak komplexní, z obchodního hlediska, z dat, která jsou pod nimi, nikdo nebo žádná role nemůže vyřešit všechny tyto problémy sami. Mít dobrý mezioborový tým s různými perspektivami a sadami dovedností je opravdu důležité, aby bylo možné mít lidi, kteří jsou silní v jedné oblasti, opravdu využít jejich sílu. Pokud jde o rozmanitost, další velký hnací motor pro to je, že ve většině případů bude konečným uživatelem těchto systémů rozmanitá skupina lidí, a nemít tyto perspektivy vnesené do vašeho týmu, když je budujete, opravdu vás nastaví na to, aby jste udělali chyby na cestě nebo vám chyběly věci, věci, o kterých bych třeba neuvažoval, ale někdo jiný ano, a oni by to přinesli dopředu. Je snazší vyřešit problémy a upravit to ve vývojovém cyklu než po vydání.

Také prostě věřím, že mít jinou perspektivu je tam, kde dostanete nejlepší dialog, dostanete opravdu dobré otázky, které přicházejí z lidí, kteří vidí něco z jiného úhlu. To nutí konverzaci o tom, jak nejlépe přistupovat k něčemu. To vás nutí otočit některé z těch kamenů, které byste jinak nemuseli otočit, pokud tam ten člověk nebyl, mít rozmanitou skupinu lidí, kteří se dívají na problém, opravdu vám umožňuje dostat nejlepší možný výsledek a nejlepší řešení.

Co si myslíte, že bude příští velký průlom v AI?

V tom generativním AI pohledu, myslím, že jak uvidíme více této technologie zabudované do hlavních aplikací, a to už začíná, bude to opravdu obrovské pro adopci technologie, protože bude přímo v systémech, které lidé již používají. Bude to opravdu, opravdu důležité, a to může otevřít dveře některým dalším případům použití, jak lidé budou více zvyklí na to, co to může udělat, co jsou jeho omezení, jak jej lze optimálně použít, a to může prostě spustit lidi, aby mysleli a říkali: “Teď mám lepší pocit, jaký typ problémů to vyřeší. Máme tento problém. Bylo by skvělé to vyřešit a může otevřít některé nové dveře.”

Také doufám, že ten regulační politický průlom přijde brzy. Ví, že je tam hodně pohybu na úrovni zákonodárství a regulace, ale co doufám, je, že jednotlivé podniky také sami pro sebe nebo dostanou rady, jak potřebují myslet na to, a co jsou některé vnitřní kontroly, které by měly být zavedeny právě teď.

Zákony a regulace trvají dlouho. Podniky mohou řídit spoustu změn, tím, že vezmou na sebe některé z těchto kontrol vnitřně a přemýšlejí o tom, co by to mohlo být, jak bychom mohli kontrolovat to, jak bychom mohli testovat výstupy? Jak bychom mohli zajistit, že snižujeme halucinace? Co jsou některé další kroky po tom, co model produkoval výstup, které bychom mohli učinit, aby se minimalizovalo potenciální poškození nebo riziko? To jsou správné otázky a doufám, že část horečky, opět, právě teď je průlom v tom, jak přemýšlíme o tom a jak stavíme správné struktury, procesy a týmy na straně odpovědné AI.

Arm nebo risk? To jsou správné typy otázek a doufám, že část horečky, opět, právě teď je průlom v tom, jak přemýšlíme o tom a jak stavíme správné struktury, procesy a týmy na straně odpovědné AI. Děkuji vám za skvělý rozhovor, čtenáři, kteří chtějí se dozvědět více, by měli navštívit KPMG.