Maria Elena, direktør for løsninger i Stradigi AI – Intervju-serie

Maria Elena Carbajal bringer mere end 25 års erfaring inden for kunstig intelligens, informationsteknologi og telekommunikation til sin professionelle karriere. Hun har 18 års erfaring med at arbejde i en telekommunikationsvirksomhed i Canada og Sverige, samt i områderne Aerospace, Energy og Information Technology med forskellige virksomheder. I øjeblikket arbejder hun for Stradigi AI, en kunstig intelligens-leder i Canada.

Maria Elena Carbajal har fungeret i mange funktionelle roller inden for R&D, Engineering, Global Professional Services, Digital Transformation og Information Technology. Hendes internationale erfaring omfatter arbejde og ledelse af hold i lande som Peru, Canada, USA, Mexico, Brasilien, Sverige, Finland, Norge, Rusland, Estland og Hviderusland.

Hvad var det, der tiltrak dig til AI først?

Jeg har altid været passioneret om at arbejde i teknologisektoren. Som person er jeg altid investeret i at optimere, hvad der er omkring mig: fra at organisere mit hjem til at bringe effektivitet til mine hold, kunder og virksomheder generelt. Det er i mit væsen. Jeg har været heldig at have meget praktisk erfaring med at implementere førende teknologi i de sidste to årtier i forskellige brancher, så færdigheder bliver meget diverse og overførbar.

Når man ser mere specifikt på AI, er jeg en stærk tilhænger af, at kunstig intelligens og kvante-computering vil revolutionere alle brancher – uden undtagelser. AI er kritisk for at frigøre og drive optimering i alle områder: forretning, professionel og personlig. Det er, hvad der trak mig til og holdt mig engageret og inspireret, dag efter dag.

Du var tidligere ansat hos Ericsson (ERIC ) i 18 år, hvad gjorde dig til at beslutte dig for at tilslutte dig Stradigi AI?

Jeg var interesseret i at fokusere mine professionelle anstrengelser på AI på grund af, hvor meget det vil påvirke og ændre måden, vi lever og arbejder på. AI åbner døren til en række problemer, man søger at løse, når man arbejder med virksomheder, store eller små, som giver mulighed for at gøre en forskel, flytte nålen og bruge teknologi til godt. Desuden havde jeg omfattende ledelseserfaring hos Ericsson, som i modsætning hertil er en kæmpeorganisation. Ved at skifte til en startup som Stradigi AI, ønskede jeg at udfordre mig selv uden for min komfortzone og opleve, hvad det er at være en del af den blomstrende, udviklende AI-økosystem, der dannes i Montreal. Der er noget motiverende og energigivende ved at være en del af denne fællesskab.

Jeg har været hos Stradigi AI i et år nu, og efter et år med at arbejde med en fantastisk gruppe af professionelle og innovatorer, er det klart, at mine erfaringer hos Ericsson har været så værdifulde og overførbar til enhver organisation, uanset størrelse. Min filosofi var altid om at flytte teknologinålen én klient ad gangen, og jeg har bragt det med til Stradigi AI også.

Stradigi AI giver mulighed for, at nogen uden maskinlæringsoplevelse kan producere AI-modeller, kan du beskrive, hvordan dette opnås?

Meget af diskussionen i AI- og ML-verdenen handler om “demokratisering”. Det handler om at gøre AI tilgængelig for masserne. Men tilgængelighed og brugervenlighed er ikke det samme. Med vores selvbetjenings-ML-platform, Kepler, er vores primære mål at sikre, at interne SME’er og analytikere kan producere modeller med avancerede ML-teknikker, uden at skulle lære kompleks datavidenskab eller involvere deres datavidenskabs-hold.

Fra et praktisk og teknisk perspektiv opnås dette gennem automatisering af trin-for-trin datavidenskabsprocesser, som normalt tager tid og ekspertise at gennemføre. For eksempel automatiserer Kepler funktioneringsprocessen, et komplekst, multi-trins forsøg. Det skaber også automatisk en pipeline ved at vælge de bedste algoritmer, gennemgår automatiseret konfiguration og hyperparameter-optimering – alt håndfrit.

Målet med at have dette niveau af automatisering i processen er at frigøre ekspertene fra at spilde tid på trivielle og tidskrævende opgaver. Ved at automatisere disse trin giver Kepler dit hold mere tid til at tænke over den næste store innovation, i stedet for de menialske opgaver om dagen. For analytikere og SME’er er det også en vej til at opgradere deres færdigheder: ved at implementere ML-værktøjer i deres daglige arbejde, giver du dem chancen til at berigende deres analyse og deres tilgang til nøgleuse-cases.

Hvad er nogle interessante AI-modeller, du har set fra virksomheder, der bruger Kepler?

Skønheden ved Kepler er, at det dækker en bred vifte af use-cases på tværs af flere brancher, ved hjælp af en række teknikker fra klassisk ML til dyb læring. Fra regeringer til investeringer kan Kepler hjælpe ledere med at opnå målbare resultater.

Et par betydningsfulde projekter, der kommer i tanke, og som har en stor indvirkning på måden, vi lever og arbejder på, er udviklingen af innovative modeller i sundhedssektoren, hvor vi brugte billedsegmenteringsmodeller og regressionsmodeller til at detektere sygdom. En anden er vores arbejde med reguleringsmyndigheder i lokale og nationale regeringer med brug af Natural Language Understanding til at kategorisere kompleks tekstinformation og bringe nye effektiviteter til arvede processer.

På den anden side har vi også udnyttet Kepler til at optimere handelsaktiviteter for en kunde i den finansielle sektor.

Stradigi AI bruger en automatiseret datavidenskabsworkflow. For dem, der ikke er fortrolige med dette, kan du beskrive, hvad det er og hvordan det bruges af Stradigi AI?

Automatiserede datavidenskabsworkflows (ADSW) er de end-to-end datavidenskabsprocesser, der fungerer inden for Kepler. ADSW’er blev skabt for at løse en række use-cases, så vi byggede hver “workflow” til at have højst praktiske anvendelser. For eksempel er en af vores workflows Time Series Forecasting, som giver professionelle i CPG eller detailhandel mulighed for at forudsige, hvornår lagerbeholdningen skal genopfyldes. Der er otte forhåndsdefinerede workflows i Kepler, som alle er intuitivt designede for ikke-datavidenskabsfolk.

ADSW’er er avancerede ML-workflows, der automatiserer nøgleprocesser, nogle af dem jeg nævnte ovenfor. I en ADSW automatiserer Kepler:

• Hyperparameter-optimering
• Konfiguration
• Modelvalg
• Trænings- og testdatadeling
• Dashboard-oprettelse
• Evaluering af modellometrik

Alt, brugeren behøver for at få en deploybar maskinlæringsmodel, er data og en use-case at tackle. Og, afhængigt af datasættet, kan alle komplekse arbejder inden for en ADSW være fuldført inden for minutter.

Hvilke typer data kan bruges?

Kepler-platformen giver mulighed for at arbejde med tabel-, tekst- og billeddata.

For dem, der ikke er fortrolige med data og datatyper, vil jeg bryde dem ned:

1. Tabel: det ville være et regneark, der indeholder nøgleinformation som salgsdata eller en database-tabel over kunde-demografi, produkter osv.
2. Tekst: denne type data kan komme i så mange former, tænk på e-mails, kundeanmeldelser, sociale medie-indhold, biblioteksarkiver, kontrakter osv.
3. Billeder: tænk på produktgallerier eller billeder af varer på en samlebånd.

Video-data vil være indtagelige i Kepler i fremtiden. På vores website under “Data Types” forklarer vi, hvilke typer data kan løse nøgleuse-cases. Du ville være overrasket over, hvor meget data ikke udnyttes, især i større virksomheder.

Har du nogen råd eller strategier for kvinder, der er interesseret i at tilslutte sig teknologi?

Jeg har tre råd, som jeg mener er grundlæggende for succes for enhver, der ønsker at trives i teknologi-industrien.

1 – Læring. Dette skal altid være en del af dit liv. Uanset hvor ung eller gammel du er, skal du altid have noget at lære. Det er ligegyldigt, hvordan du går til læring eller hvem du lærer af, bare vær parat til at modtage viden. Åbn dit sind. Ryd dit hjerte, så du kan være parat til at modtage mere viden, mere kærlighed, mere empati… bare mere. Vær besat af din egen udvikling. En god påmindelse er, at være parat til at lære er en af de vigtigste manifestationer af empati.

2 – Passion. Eksempler på hårdt arbejde har aldrig svigtet i min professionelle erfaring. Jeg er altid parat til at række hånden op på arbejdet for at tage på komplekse situationer eller komplicerede aktiviteter. Jo mere jeg gør det, jo mere jeg realiserer, at alt er muligt. Jeg ville ikke tøve med at springe ud af min komfortzone og tage på den ekstra udfordring. Når du gør det, kan ledere identificere og værdsætte den passion, du viser.

Når du tilgår arbejdet på den måde, behøver du ikke at vente på, at den store jobs mulighed, der vil ændre dit liv, kommer. Hvis du er opmærksom, vil du bemærke, at der er masser af små opgaver omkring dig, der giver dig mere eksponering for beslutningstagere og vigtigst, mere muligheder for at lære.

3 – Mentorering. For mig er mentorering et så kraftfuldt værktøj, da det strækker dine lyttemuskler eller færdigheder. Mentorering kan også bringe dig tættere på store ledere fra dine professionelle netværk eller inden for din personlige cirkel. Gennem din karriere er det afgørende at identificere den type ledere, du kan stole på og følge, og vælge dem som dine mentorer og rollemodeller.

De ledere, der tror på dig, vil presse dig ud af din komfortzone og være der for at hjælpe dig med at styrke dig selv. Store ledere og store mentorer kan være brutalt ærlige, men de kan også være fremragende lyttere. At finde selvlessættende mennesker, der kan hjælpe dig med at nå dit fulde potentiale, kan give dig nogle af de bedste undervisningsøjeblikke i dit liv. Nu er dit opgave at finde og genkende, hvem disse mentorer er eller kan være for dig – og stole på dem.

Tak for interviewet. Dine tre strategier for dem, der ønsker at tilslutte sig teknologi, er anvendelige på alle og jeg er enig med dem. Enhver, der ønsker at lære mere om Kepler eller dette fantastiske selskab, skal besøge Stradigi AI.