Adam Asquini, Director for Information Management & Data Analytics hos KPMG – Interviewserie

Adam Asquini er direktør for Information Management & Data Analytics hos KPMG i Edmonton. Han er ansvarlig for at lede data- og avancerede analytics-projekter for KPMG’s kunder i prærien. Adam er passioneret om at bygge og udvikle højtydende hold til at levere de bedst mulige resultater for kunderne og til at give en engagerende arbejdserfaring for hans hold. Han har tidligere arbejdet hos AltaML som vicepræsident for kundeløsninger, hos den canadiske regering som programchef og i den canadiske hær som signalofficer. Efter at have fulgt en ikke-traditionel karrierevej ind i AI, er Adam en stor tilhænger af at udnytte diversiteten og erfaringen fra tværfaglige hold og tror også, at alle kan være en del af den voksende AI-fællesskab.

Vi satte os ned til interview med Adam ved den årlige 2023 Upper Bound-konference om AI, der afholdes i Edmonton, AB, og arrangeres af Amii (Alberta Machine Intelligence Institute).

De har en ikke-traditionel karrierevej, kan du fortælle lidt om, hvordan du kom ind i AI?

Jeg startede min karriere i den canadiske hær som signalofficer, signalofficerer er ansvarlige for IT-telekommunikationssystemer, der hjælper mennesker med at kommunikere. Så det var virkelig meget radio, satellitter og det hele. Der var lidt data i det, men det var meget af de grundlæggende infrastrukturteknologier, vi var ansvarlige for, der fik mig ind i teknologi. Jeg havde studeret kemiteknik på universitetet, og det var virkelig drevet af min egen nysgerrighed og lyst til at lære. Det startede der, og dykning i teknologi, opkvalificering og selvudvikling var virkelig vigtigt for mig.

Efter 14 år i hæren med en række forskellige signalsjob, fra at arbejde på en base og støtte IT- og telekommunikationstjenester i felten, oprette hovedkvarterer og kommunikation med frontlinjenheder, støtte til domestic operations som skovbrande og oversvømmelser, gik jeg over til den canadiske regering. Jeg var i programledelse og kiggede på nogle tværgående teknologiinitiativer. På det tidspunkt centraliserede regeringen IT, og vi arbejdede med forskellige regeringsministerier for at samle deres tjenester sammen og konsolidere ting, jeg gjorde meget arbejde der, samt i investeringsledelse. Og virkelig, i det arbejde, begyndte jeg at se, hvordan nogle organisationer udnyttede data og analytics.

Det fik virkelig min nysgerrighed og altid værende sulten efter at lære, så jeg startede med at deltage i nogle projekter der eller blot selvstudie, ting som Coursera eller andre træningsværktøjer for at lære lidt mere. Jeg gjorde meget læsning, forskning og undersøgte nogle af de leverandører og platforme, der tilbød disse værktøjer. Jeg blev virkelig interesseret i data og analytics, og gennem min egen naturlige nysgerrighed og lyst til at lære mere, begyndte jeg at blive mere og mere involveret i dette over tid.

Uden for Coursera, er der specifikke podcasts eller bøger, du ville anbefale?

Jeg følger mange forskellige følgere på LinkedIn, men nogle, der springer i øjnene, er f.eks. Emerj. Dan Faggella er manden bag det. Han bringer meget tankeledelse til det. Jeg følger også nogle af de mere mainstream, som HBR og Forbes. En kontakt af mine, Andreas Welch, der arbejder hos SAP, udgiver meget indhold om AI og AI-adopteringsprocesser, så jeg har følgende ham. Jeg synes, hvad angår podcasts, der har været nogle, jeg har lyttet til, og så bøger også. En rigtig god bog, jeg har læst for nylig, er kaldet Infonomics af Doug Laney. Han er tidligere Gartner og MIT, og det er en rigtig god bog til at forklare en monetiseringsramme for data. Jeg prøver bare at dykke ind i så mange ting som muligt og også plugge ind i projektarbejde for at lære mere.

Hvordan har din militære erfaring haft en positiv indvirkning på din nuværende rolle?

På flere måder. Jeg tror, nogle af de fantastiske kernefærdigheder, jeg lærte gennem min militære karriere, en meget struktureret tilgang til planlægning, som er rigtig god. Tidsstyring og prioritering. I en militær kontekst tvinger det dig til at lære, hvad der er vigtigst, og hvordan du kan arbejde med en bestemt hastighed, vurdering af kompromiser og forståelse af, hvordan du kan komme med en handlingsplan, der er gennemførlig og der kan få dig til at bevæge dig fremad. Jeg finder, i en hurtig udviklende teknologilandskab som AI, hvor tingene bevæger sig så hurtigt, at have en struktureret tilgang til at forstå, hvad der er vigtigt, hvad der ikke er vigtigt, hvor du vil fokusere, har været en god færdighed.

Det andet store er omkring ledelse og samarbejde. Du arbejder med en stor organisation. Ude på felten bliver hold organiseret og reorganiseret hele tiden for at få det bedste hold sammen til at fuldføre en mission, havde virkelig stærke interpersonlige færdigheder, ledelsesfærdigheder, kommunikationsfærdigheder, der alle er færdigheder, der er meget fokuseret på i træningen i hæren, jeg tror, de har virkelig udnyttet nogle af disse også.

De var vicepræsident for kundeløsninger hos AltaML i over to år, hvad er AltaML, og hvilke interessante projekter arbejdede du på?

AltaML er et selskab, der arbejder med anvendt kunstig intelligens og maskinlæring. Det er baseret i Alberta, med hovedkontor i Edmonton, et stort kontor i Calgary og også et i Toronto. Det, de gør, er, at de arbejder med andre virksomheder for at udvikle softwareløsninger og produkter, der har AI som kerne, det er en forretnings-til-forretnings-model. Den del af organisationen, jeg arbejdede i, var servicesiden, hvor vi arbejdede med olie- og gasvirksomheder, finansielle institutioner, vi arbejdede på tværs af mange forskellige brancher. Jeg arbejdede med dem for at definere forretningsproblemer, der var relevante og kunne have en betydning for at blive løst med AI, og derefter arbejdede jeg dem igennem processen med at samle deres data sammen, bygge AI-modeller, implementere dem og arbejde med ændringsstyringssiden, så de kunne blive operativiseret og brugt, virkelig hjælpe disse organisationer med at løse problemer gennem udvikling af anvendt AI-løsninger.

Rollen var vicepræsident for kundeløsninger. Da jeg startede, var jeg i en projektlederrolle, hvor jeg ledte nogle AI-engagementer, jeg rykkede derefter op over tid, og vicepræsidenten for kundeløsningernes rolle var ansvarlig for leveringsfunktionen, ressourcestyring for projekter og aktiv kundehåndtering, en stor del af den kundeorienterede arbejde faldt under mit team.

Så langt som projekterne angår, var der mange, jeg ville sige, på en eller anden måde, enten som en hånd-til-hånd-projektleder, en coach eller en kvalitetsikringsressource, dusinvis af AI-projekter, jeg ville have arbejdet på over de to og en halv år, et af mine yndlingsprojekter var et projekt omkring skovbrande. Jeg arbejdede med guvernøren af Alberta, de havde svært ved at forstå, om en brand var sandsynlig på en given dag i en bestemt region, for at hjælpe dem med at træffe beslutninger om den optimale ressourceallokering for en proces, de kaldte forudsigelse, som er en proaktiv tildeling og allokering af ressourcer.

Det var virkelig fedt at se, at i visse scenarier kunne man trække ressourcer ned eller blot fokusere på bestemte tidspunkter af dagen, hvilket ville spare mange penge, men ikke introducere en stor risiko for at gå glip af en brand, millioner af dollars i potentiel besparelse. Det arbejde er stadig i gang, selv i dag, hvor de nu kigger på at udvide tidsvinduet lidt, gøre zonerne mindre og mere detaljerede for at bedre optimere ressourcer, eller omdele ressourcer til de rette steder, er virkelig betydningsfuldt arbejde, det var virkelig dejligt.

Jeg gjorde også noget arbejde medkrævende behandling, og det er også meget vigtigt, og kan spare organisationer en masse arbejde og penge i, hvordan de driver deres forretning,

De er i øjeblikket direktør for information management og data analytics hos KPMG. Hvad indebærer denne rolle præcis?

Jeg arbejder med virksomheder for at vejlede dem gennem rejsen med at løse disse problemer gennem, i dette tilfælde, en bredere sæt af data- og analytics-kapaciteter. Vi arbejder med alt fra datastrategi fremme og hjælpe organisationer med at organisere data fra forskellige systemer, bringe det sammen, rapportering og analytics samt AI og ML. Det er en lidt bredere rolle end min tidligere, men det er også rigtig spændende for mig. Det føder min passion for at lære og udvikle mig selv.

Som direktør er jeg normalt ansvarlig for at arbejde med seniorledere på kundesiden for at hjælpe dem med at vejlede dem gennem rejsen, give dem en fornemmelse af, hvad det kommer til at kræve, hvordan disse projekter ser ud, hvordan de kan forberede sig. En stor fokus på adoption, især med de avancerede analytics-systemer, der er nye og sommetider kommer med en negativ konnotation fra en arbejdsstyrke, så virkelig arbejde med dem på, hvordan de bedst kan implementere disse løsninger, samt ting som processer, de skal bruge, strukturer, de skal bruge. Det er en stor del af rollen. Internt, ledelse af engagement og ledelse af projektteam, hjælp til at få de rigtige prioriteringer for projektteamet og vejledning af arbejdet, samt koordinering af forskellige hold, der arbejder på disse projekter.

I et nyligt interview med Calgary Herald, talte du om, hvordan der har været en rimelig mængde AI-adopteringsprocesser i Alberta. I hvilke brancher ser du dette mest?

Jeg har set adoption på tværs af mange forskellige brancher i Alberta. Bestemt har energisektoren en del, så jeg har set brugs eksempler, hvor organisationer bruger kunstig intelligens til at hjælpe med at optimere vedligeholdelse og sikkerhedsinspektioner i rørledninger, hvor eller hvornår kan udgravninger ske? Fordi udgravninger er meget dyre at udføre, hvis der er en formodet lækkage. Jeg har også set meget i forsyningskæden. Når store organisationer gør fusioner og opkøb, er deres data overalt, og de kæmper virkelig med at finde ting i deres materiale mestre, så at kunne bruge disse sprogmodeller, vi ser opstå nu, til at organisere data, strukturere det på en måde, så det kan analyseres, har jeg set betydeligt arbejde i konsolidering af leverandørkontrakter ved blot at kunne bedre søge og forespørgsler og finde information. Det kan spænde over flere brancher, ikke kun energi, men jeg ser det anvendt der.

Sikkerhed er en stor en, så brugen af enten billedbehandling eller selv sprogmodeller til at finde den mest relevante type sikkerhedsbrief eller sikkerhedsinspektion, der skal foretages på en bestemt lokalitet. I finansielle tjenester, meget arbejde med at personificere oplevelsen for en bankkunde, give den bedst mulige rådgivning og finde tilpassede løsninger for mennesker i forskellige finansielle situationer er en rigtig vigtig fokus, og jeg har set meget arbejde der. Og så forsikring, som jeg nævnte før, meget arbejde med at triage og behandling af krav.

Det er virkelig spændende, og vi ser, at forskellige organisationer er på forskellige stadier af deres modenhed. Nogle er enten startet eller eksperimenterer, andre er længere fremme og fuldt ud adopteret, men de fleste organisationer erkender, at hvis de ikke starter eller ikke bevæger sig fremad på dette, vil de blive efterladt og det vil skabe en stor konkurrencemæssig ulempe for dem, så interessen er rigtig høj overalt. Og med generative AI-kapaciteter genererer det en masse interesse.

Talende om generativ AI, hvordan ser du, at denne teknologi vil forandre fremtiden?

Jeg er meget spændt. Jeg ser potentialet. Jeg tror også, det er vigtigt at have de rigtige kontroller på plads for generativ AI, jeg tror virkelig, der er mange brugs eksempler, hvor dette kan anvendes til at skabe enorme produktivitetsgevinster eller effektivitetsgevinster for virksomheder. Nogle af det, som i det eksempel, jeg lige nævnte med forsyningskæden, det var med at udnytte nogle af disse teknikker, før ChatGPT blev offentliggjort. Så langt som jeg ser det, er en af de andre cool trends, jeg ser, at mere og mere af denne teknologi bliver integreret i mainstream forretningsapplikationer lige nu. Microsoft (MSFT ) har annonceret deres Copilot-værktøj, der vil blive integreret med deres Microsoft Office-apps, jeg så i nogle af deres materiale ting som at skrive en briefing og blot prompte ordbehandleren med, “Kan du gøre denne paragraf kortere?” Og det gør det bare for dig.

Når disse generative AI-teknologier bliver integreret direkte i mainstream forretningsapplikationer, vil det tvinge virksomheder til at tænke over, hvordan og hvornår de adopterer dem, hvordan de kontrollerer dem, hvordan de kan overvåge kvalitetssikring på de produkter, de producerer. Når det er en hel selvstændig separat kapacitet, er det lidt lettere at slow-play det eller ignorere det, men at se, at dette bliver integreret i mainstream forretningsapplikationer og -platforme, vil virkelig drive denne diskussion fremad.

Jeg håber også, at med dette og fokus på ansvarlig brug af denne teknologi, at det hjælper organisationer med at lægge fokus på ansvarlig AI, at sætte de rigtige processer, den rigtige styring på plads for at sikre, at deres AI-løsninger bliver effektivt bygget, risikoen bliver styret på tværs af hele livscyklussen, at der er følge-op-checks og at man kan stole på outputtet af dem. Jeg håber, at denne hype lige nu omkring generativ AI faktisk fortsætter med at drive denne diskussion med disse kapaciteter fremad.

Kan du diskutere, hvordan ansvarlig AI og reduktion af AI-forvrængning er rigtig vigtigt for dig?

Absolut. Jeg tror, det må være for en række grunde. De fleste mennesker, der bygger disse systemer, vil have stolthed over det arbejde, de gør, og de vil ikke have, at deres systemer har forvrængning, så der vil være en intern behov for at have dette for at holde deres arbejdsstyrke engageret og glad og beskyttet. Lovligt, der er eksempler ude, hvor organisationer har stået over for retslige eller regulatoriske udfordringer på grund af forvrængning i deres AI. Der er en klassisk case-study om en organisation, der brugte AI i rekruttering, hvor datasættet var overvældende fordelt mod mænd over for kvinder, så deres AI diskriminerede kvinder.

Det var et AI-værktøj af Amazon.

Ting som det her er allerede sket og har potentialet til at fortsætte med at ske, hvis man ikke har de rigtige kontroller på plads, at have en rigtig fokus på dette vil være kritisk for de fleste organisationer. Og så reputationsrisikoen for organisationer, hvis de får det galt, kunne det have en enorm, enorm indvirkning på deres forretning.

De er også en stor tilhænger af at udnytte diversiteten og erfaringen fra tværfaglige hold. Hvorfor er diversitet så vigtig i din mening?

Nu, de problemer, der løses med AI, er så komplekse, fra et forretningsperspektiv, fra data, der ligger til grund for det, ingen enkelt person eller enkelt rolle kan løse alle disse problemer alene. At have et godt tværfagligt hold med forskellige perspektiver og færdigheder er rigtig vigtigt, for at kunne have mennesker, der er stærke i et område, udnytte deres styrke. Så langt som diversitetsaspektet kommer ind, en anden stor driver for at have et diversificeret hold er, at i de fleste tilfælde, slutbrugeren af disse systemer vil være en diversificeret gruppe mennesker, og ikke at have disse perspektiver med i dit hold, når du bygger dem, sætter dig op for at begå fejl længere nede i udviklingscyklussen, ting, jeg måske ikke tænker over, som en anden person kan, og de bringer det perspektiv fremad. Det er lettere at løse problemer og justere for det i udviklingscyklussen end efter en udgivelse.

Jeg tror også stærkt på, at at have et andet perspektiv er, hvor du får den bedste dialog, du får rigtig gode spørgsmål fra mennesker, der ser på noget fra en anden vinkel. Det tvinger samtale om, hvordan man bedst kan tilgang til noget. Det får dig til at vende nogle af de sten, du måske ikke ville have vendt, hvis den person ikke var der, at have en diversificeret gruppe mennesker, der kigger på et problem, giver dig mulighed for at få den bedste mulige løsning.

Hvad tror du vil være den næste store gennembrud i AI?

I den generative AI-lins, tror jeg, at når vi ser mere af denne teknologi blive integreret i mainstream-applikationer, og det er allerede i gang, det vil være rigtig stort for adoptionen af teknologien, fordi det vil være lige der på systemerne, som folk allerede bruger. Det vil være rigtig, rigtig vigtigt, og det måske åbner døren for nogle af de andre brugs eksempler, når folk bliver mere fortrolige med, hvad det kan gøre, hvad dets begrænsninger er, hvordan det kan bruges optimalt, og det måske bare udløser folks tænkning, og “okay, nu har jeg en bedre forståelse af, hvilke problemer dette kan løse, vi har dette problem, det ville være rigtig fedt at løse”, og det måske åbner nogle nye døre.

Jeg håber også, at den regulering og politik, der kommer, er et gennembrud, der kommer i den nærmeste fremtid. Jeg ved, at der er meget bevægelse på lovgivningsniveau og regulatorisk niveau, men hvad jeg håber, er, at enkelte virksomheder også selv finder ud af, hvordan de selv skal tænke over det, og hvad nogle af de interne kontroller, de skal sætte på plads, er. Love og reguleringer tager lang tid. Virksomheder kan drive en masse forandring ved at tage på sig nogle af disse kontroller internt og tænke over, hvad de skal gøre.

Der er præcedens for det, åbenbart med revisioner og ting som det, noget, som KPMG er rigtig stærke i. Men at tænke over, hvad disse kontroller kunne være, hvordan vi kan kontrollere det, hvordan vi kan teste output, hvordan vi kan sikre, at vi reducerer hallucinationer? Hvad er nogle af de ekstra skridt efter, at modellen har produceret sin output, som vi kan tage for at minimere potentiel skade eller risiko? Det er de rigtige spørgsmål, og jeg håber, at noget af hypen lige nu er et gennembrud i, hvordan vi tænker over dette og bygger de rigtige strukturer, processer og hold på den ansvarlige AI-side.

Tak for det gode interview, læsere, der ønsker at lære mere, skal besøge KPMG.