Adam Asquini, Director Information Management & Data Analytics at KPMG – Interview-Serie

Adam Asquini ist ein Director of Information Management & Data Analytics bei KPMG in Edmonton. Er ist verantwortlich für die Leitung von Daten- und Advanced-Analytics-Projekten für KPMG-Kunden in den Prärien. Adam ist leidenschaftlich daran interessiert, hochleistungsfähige Teams aufzubauen und zu entwickeln, um die besten möglichen Ergebnisse für Kunden zu erzielen und ein engagierendes Arbeitsumfeld für seine Teams zu ermöglichen. Er hat zuvor bei AltaML als Vice-President of Customer Solutions, bei der Regierung von Alberta als Programm-Manager und bei den kanadischen Streitkräften als Signal-Offizier gearbeitet. Da er einen nicht-traditionellen Karriereweg in die KI eingeschlagen hat, ist Adam ein großer Befürworter der Nutzung der Vielfalt und Erfahrung von cross-funktionalen Teams und glaubt auch, dass jeder der wachsenden KI-Gemeinschaft beitreten kann.

Wir haben uns für unser Interview mit Adam auf der jährlichen Upper Bound-Konferenz 2023 getroffen, einer Konferenz über KI, die in Edmonton, AB, stattfindet und von Amii (Alberta Machine Intelligence Institute) ausgerichtet wird.

Sie haben einen nicht-traditionellen Karriereweg, können Sie uns bitte erzählen, wie Sie in die KI gekommen sind?

Ich begann meine Karriere in den kanadischen Streitkräften als Signal-Offizier, Signal-Offiziere sind für IT-Telekommunikationssysteme verantwortlich, die Menschen helfen, miteinander zu kommunizieren. Also wirklich viele Radiosatelliten. Es gab dort auch einige Daten, aber es waren hauptsächlich die Kern-Infrastrukturtechnologien, für die wir verantwortlich waren, die mich zunächst in die Technologie einführten. Ich hatte Chemieingenieurwesen an der Universität studiert, von Anfang an getrieben von meiner eigenen Neugier und dem Wunsch zu lernen. Es begann dort und das Eintauchen in die Technologie, das Upskilling und die Selbstentwicklung waren für mich sehr wichtig.

Nach 14 Jahren in den Streitkräften, in denen ich verschiedene Signalaufgaben hatte, von der Arbeit auf einer Basis und der Unterstützung von IT- und Telekommunikationsdiensten im Feld, der Einrichtung von Hauptquartieren und der Kommunikation mit Frontline-Einheiten, der Unterstützung von Inlandsoperationen wie Waldbränden und Überschwemmungen, wechselte ich zur Regierung von Alberta. Ich war im Programm-Management und befasste mich mit einigen cross-regierungsweiten Technologie-Initiativen. Zu dieser Zeit zentralisierte die Regierung die IT, wir arbeiteten mit verschiedenen Regierungsministerien zusammen, um ihre Dienste zusammenzuführen und zu konsolidieren, ich machte dort viel Arbeit und auch im Investitions-Management. Und wirklich, bei dieser Arbeit begann ich, zu sehen, wie einige Organisationen Daten und Analytics nutzten.

Es weckte wirklich meine Neugier und da ich immer neugierig und lernbegierig bin, begann ich, mich damit auseinanderzusetzen, indem ich mich an einigen Projekten beteiligte oder einfach Selbststudium betrieb, Dinge wie Coursera oder andere Trainings-Tools, um ein bisschen mehr zu lernen. Ich las viel, forschte nach einigen der Anbieter und Plattformen, die diese Tools bereitstellten. Ich wurde wirklich interessiert an Daten und Analytics und durch meine eigene natürliche Neugier und den Wunsch, mehr zu lernen, begann ich, mich immer mehr mit diesem Thema auseinanderzusetzen.

Außerhalb von Coursera, gibt es spezifische Podcasts oder Bücher, die Sie empfehlen würden?

Ich folge vielen verschiedenen Followern auf LinkedIn, aber einige, die mir einfallen, sind Emerj. Dan Faggella ist die Person dahinter. Er bringt viel Thought-Leadership ein. Ich folge auch einige der Mainstream-Podcasts wie HBR und Forbes. Ein Kontakt von mir namens Andreas Welch, der bei SAP arbeitet, veröffentlicht viel Inhalt über KI und KI-Adoption, also folge ich ihm. Ich denke, was Podcasts angeht, gibt es einige, die ich gehört habe, und auch Bücher. Ein wirklich gutes Buch, das ich kürzlich gelesen habe, ist Infonomics von Doug Laney. Er ist ehemals Gartner und MIT, und es ist ein wirklich gutes Buch, um einen Monetarisierungs-Rahmen für Daten zu erklären. Ich versuche einfach, mich in so viele Dinge wie möglich einzutauchen, um mehr zu lernen.

Wie hat Ihre militärische Erfahrung Ihnen in Ihrer aktuellen Rolle geholfen?

Auf verschiedene Weise. Ich denke, einige der großartigen Kernfähigkeiten, die ich durch meine militärische Karriere erlernt habe, sind eine sehr strukturierte Herangehensweise an die Planung, was wirklich gut ist. Zeitmanagement und Priorisierung. In einer militärischen Umgebung wird man gezwungen, zu lernen, was das Wichtigste ist und wie man mit einem bestimmten Tempo arbeitet, Abwägungen trifft und versteht, wie man den besten Kurs finden kann, der funktioniert. Ich finde, dass dies in einem schnellen Technologie-Landschaft wie KI, wo sich Dinge so schnell bewegen, sehr nützlich ist, um eine strukturierte Herangehensweise zu haben, um zu verstehen, was wichtig ist, was nicht wichtig ist, wo man sich konzentrieren möchte.

Der andere große Vorteil ist die Führung und Teamarbeit. Man arbeitet mit einer großen Organisation. Im Feld werden Teams ständig neu organisiert, um die beste Gruppe zusammenzustellen, um eine Mission zu erfüllen, starke zwischenmenschliche Fähigkeiten, Führungsqualitäten, Kommunikationsfähigkeiten sind alle Fähigkeiten, die in der militärischen Ausbildung betont werden, ich denke, dass sie auch in der KI-Branche nützlich sind.

Sie waren Vice-President of Customer Solutions bei AltaML für über zwei Jahre, was ist AltaML und an welchen interessanten Projekten haben Sie gearbeitet?

AltaML ist ein Anbieter von angewandter künstlicher Intelligenz und Machine Learning. Es hat seinen Hauptsitz in Alberta, mit einem großen Büro in Edmonton, Calgary und Toronto. Was sie tun, ist, dass sie mit anderen Unternehmen zusammenarbeiten, um Software-Lösungen und -Produkte zu entwickeln, die KI im Kern haben, es ist ein Business-to-Business-Angebot. Der Teil der Organisation, in dem ich gearbeitet habe, war die Dienstleistungsseite, wir haben mit Öl- und Gas-Unternehmen, Finanzinstituten gearbeitet. Wir haben in vielen verschiedenen Branchen gearbeitet. Ich habe mit ihnen zusammengearbeitet, um Geschäftsprobleme zu definieren, die relevant waren und einen Impact haben konnten, um sie mit KI zu lösen, und dann haben wir sie durch den Prozess der Zusammenführung ihrer Daten, dem Aufbau von KI-Modellen, der Implementierung und der Arbeitsgestaltung geführt, um sicherzustellen, dass sie operationalisiert und genutzt werden konnten, wirklich helfen, dass diese Organisationen Probleme durch die Entwicklung von angewandten KI-Lösungen lösen.

Die Rolle war Vice-President of Customer Solutions. Als ich anfing, war ich in einer Projekt-Manager-Rolle und leitete einige KI-Engagements, ich bin dann über die Zeit aufgestiegen, und die Rolle des Vice-President of Customer Solutions war verantwortlich für die Lieferfunktion, Ressourcen-Management für Projekte und aktives Kunden-Management, viele der client-seitigen Aspekte dieser Arbeit fielen in mein Team.

Was die Projekte angeht, gab es viele, ich würde sagen, in einer Form oder anderen, entweder als Projekt-Manager, Coach oder Qualitätssicherungs-Ressource, Dutzende von KI-Projekten, an denen ich über zwei Jahre gearbeitet habe, eines meiner Lieblingsprojekte war ein Projekt zum Schutz vor Waldbränden. Ich habe mit dem Gouverneur von Alberta gearbeitet. Sie hatten Schwierigkeiten, an Tagen mit mittlerem Feuerrisiko zu verstehen, ob ein Feuer in einem bestimmten Gebiet wahrscheinlich auftreten würde. Wenn sie unsicher waren, war ihre Praxis, alle verfügbaren Ressourcen zu planen, was auch die Vertragsvergabe von zusätzlichen Ressourcen, schwerem Gerät wie Bulldozern oder Flugzeugen, Hubschraubern, umfasste, was natürlich sehr teuer ist.

Der Zweck des KI-Projekts war es, die Wahrscheinlichkeit vorherzusagen, dass ein Feuer in einem bestimmten Gebiet für den nächsten Tag auftreten würde, um ihnen bei der Entscheidung über die optimale Ressourcen-Allokation für ein Verfahren zu helfen, das sie “Vorbeugung” nannten, was die proaktive Planung und Allokation von Ressourcen ist. Es war wirklich cool, zu sehen, dass man in bestimmten Szenarien Ressourcen reduzieren oder nur auf bestimmte Zeiten konzentrieren konnte, was Millionen von Dollar an Einsparungen ermöglichen könnte, aber nicht wirklich ein materielles Risiko eingehen würde, das Projekt zu verpassen. Diese Arbeit wird noch heute fortgesetzt. Sie suchen sogar danach, das Zeitfenster ein bisschen zu erweitern, die Zonen kleiner und granularer zu machen, um Ressourcen besser zu optimieren. Aber wenn man sieht, wie die Feuersaison, die wir hier in Alberta hatten, ist, ist jede Intelligenz, die man im Voraus über die Risiken liefern kann, und die Fähigkeit, Ressourcen zu optimieren oder zumindest umzuleiten, wirklich wirksam.

Ich habe auch an einem Projekt zur Verarbeitung von Schadensfällen gearbeitet. Ein Versicherungsanbieter erhält Tausende von Schadensfällen, welche davon automatisch genehmigt werden können, welche eine menschliche Überprüfung erfordern oder an welches Team ein Schadensfall weitergeleitet werden sollte, um die richtige Überprüfung zu erhalten. Diese Art von Arbeit ist auch sehr wichtig und kann Organisationen viel Aufwand und Geld sparen, wenn sie ihre Geschäfte abwickeln.

Sie sind derzeit Director of Information Management and Data Analytics bei KPMG. Was umfasst diese Rolle genau?

Ich arbeite mit Unternehmen zusammen, um sie auf ihrer Reise zu begleiten, Probleme zu lösen, indem ich in diesem Fall ein breiteres Spektrum an Daten- und Analytics-Fähigkeiten nutze. Wir arbeiten an allem, von der Daten-Strategie bis hin zu Berichterstattung und Analytics sowie KI und ML. Es ist ein bisschen eine breitere Rolle als meine vorherige, aber das ist auch wirklich aufregend für mich. Es fördert meine Leidenschaft für Lernen und Selbstentwicklung.

Als Director arbeite ich normalerweise mit Senior-Führern auf der Client-Seite zusammen, um ihnen bei ihrer Reise zu helfen, ihnen einen Sinn dafür zu geben, was es bedeutet, wie diese Projekte aussehen, wie sie sich vorbereiten können. Ein großer Fokus auf die Adoption, insbesondere bei den fortschrittlichen Analytics-Systemen, die neu sind und manchmal mit einem negativen Unterton von der Belegschaft verbunden sind, also wirklich mit ihnen zusammenzuarbeiten, um zu sehen, wie sie diese Lösungen am besten implementieren können, sowie Dinge wie die Prozesse, die sie benötigen, die Strukturen, die sie benötigen. Das ist ein großer Teil der Rolle. Intern führe ich die Beteiligung und das Projekt-Team, helfe, die richtigen Prioritäten für das Projekt-Team zu setzen und die Arbeit zu lenken sowie die Synchronisation der verschiedenen Teams, die an diesen Projekten arbeiten.

In einem aktuellen Interview mit der Calgary Herald sprachen Sie darüber, dass es in Alberta eine faire Menge an KI-Adoption gibt. In welchen Branchen sehen Sie diese am meisten?

Ich habe die Adoption über verschiedene Branchen in Alberta gesehen. Sicherlich hat die Energiebranche viel davon, also habe ich Use-Cases gesehen, bei denen Organisationen KI nutzen, um Wartung und Sicherheits-Inspektionen in Pipelines zu optimieren, wo Bohrungen erfolgen sollten oder könnten, weil Bohrungen sehr teuer sind, wenn ein Verdacht auf eine Leckage besteht. Ich habe auch viel in der Lieferkette gesehen. Wenn große Organisationen Fusionen und Übernahmen durchführen, sind ihre Daten überall, manchmal haben sie wirklich Schwierigkeiten, Artikel in ihren Material-Masters zu finden, also können sie diese Sprachmodelle, die wir derzeit sehen, nutzen, um Daten zu organisieren, zu strukturieren, so dass sie analysiert werden können. Wir haben viel Arbeit in der Konsolidierung von Lieferverträgen gesehen, indem man einfach besser suchen und abfragen kann, um Informationen zu finden. Das kann über mehrere Branchen hinweg angewendet werden, nicht nur in der Energiebranche, aber ich sehe es dort.

Sicherheit ist ein großes Thema, also die Verwendung von Bildverarbeitung oder sogar Sprachmodellen, um die relevantesten Sicherheits-Briefings oder Sicherheits-Inspektionen zu finden, die an einem bestimmten Standort durchgeführt werden sollten. Im Finanzsektor viel Arbeit an der Personalisierung der Erfahrung für einen Bank-Kunden, um die beste mögliche Beratung und maßgeschneiderte Lösungen für Menschen in verschiedenen finanziellen Situationen zu bieten, ist ein sehr wichtiger Schwerpunkt und wir haben viel Arbeit dort gesehen. Und dann Versicherungen, wie ich vorher erwähnt habe, viel Arbeit an der Triage und der Verarbeitung von Schadensfällen. Ein weiteres, das ich vielleicht auch erwähnen würde, ist Forstwirtschaft und Land-Management, ich sehe eine gewisse Zunahme bei der Verwendung von Satelliten-Bildern, um Änderungen an Land zu erkennen, um Land-Abkommen zu verwalten und diese Bild-Verarbeitungstechniken zu nutzen, um Dinge zu identifizieren, die da sein sollten oder nicht, oder Dinge, die sich im Laufe der Zeit geändert haben.

Es ist wirklich aufregend und wir sehen, dass verschiedene Organisationen auf verschiedenen Reifegraden sind. Einige beginnen gerade oder experimentieren, andere sind weiter fortgeschritten und haben vollständig adoptiert, aber die meisten Organisationen erkennen, dass sie, wenn sie nicht beginnen oder nicht vorankommen, zurückgelassen werden und dass dies einen großen Wettbewerbsnachteil für sie darstellen wird, also ist das Interesse wirklich hoch überall. Offensichtlich mit den generativen KI-Fähigkeiten wird viel Interesse geweckt.

Wenn man über generative KI spricht, wie sehen Sie diese Technologie die Zukunft verändern?

Ich bin sehr aufgeregt. Ich sehe das Potenzial. Ich denke auch, dass es wichtig ist, die richtigen Kontrollen für generative KI zu haben, ich denke wirklich, dass es viele Use-Cases gibt, bei denen diese Technologie angewendet werden kann, um große Produktivitäts- oder Effizienzgewinne für Unternehmen zu erzielen. Einige davon, wie im Fall der Lieferkette, die ich erwähnt habe, bevor ChatGPT öffentlich angekündigt wurde, nutzten bereits einige dieser Techniken. Was ich sehe, ist, dass immer mehr von dieser Technologie in mainstream-Geschäftsanwendungen eingebettet wird. Microsoft (MSFT ) hat sein Copilot-Tool angekündigt, das in Microsoft-Office-Anwendungen integriert werden wird, ich sah in ihrem Material Dinge wie das Schreiben eines Briefings, bei dem man dem Textverarbeitungsprogramm sagt: “Können Sie diesen Absatz kürzer machen?” Und es macht es einfach für Sie.

Wenn diese generativen KI-Technologien in mainstream-Geschäftsanwendungen eingebettet werden, wird es Unternehmen zwingen, über die Adoption und Kontrolle nachzudenken, wie sie diese Technologien nutzen können, wie sie sie überwachen können, um sicherzustellen, dass die Produkte, die sie herstellen, von hoher Qualität sind. Wenn es eine eigenständige Fähigkeit ist, ist es ein bisschen einfacher, sie langsam zu spielen oder zu ignorieren, aber wenn man diese Technologien in mainstream-Geschäftsanwendungen einbettet, wird das die Diskussion vorantreiben.

Ich hoffe auch, dass dies und der Schwerpunkt auf die verantwortungsvolle Nutzung dieser Technologie dazu beitragen, dass Organisationen einen Schwerpunkt auf verantwortungsvolle KI legen, die richtigen Prozesse, die richtige Governance aufbauen, um sicherzustellen, dass ihre KI-Lösungen effektiv aufgebaut werden, das Risiko im gesamten Lebenszyklus gemanagt wird, dass es Follow-on-Checks gibt und dass man den Ausgaben dieser Systeme vertrauen kann. Ich hoffe, dass diese Hype um die generative KI tatsächlich dazu beiträgt, diese Diskussion voranzutreiben.

Können Sie darüber sprechen, wie wichtig verantwortungsvolle KI und die Reduzierung von KI-Bias für Sie ist?

Absolut. Ich denke, es muss für eine Reihe von Gründen sein. Die meisten Menschen, die diese Systeme aufbauen, werden Stolz auf ihre Arbeit haben und wollen nicht, dass ihre Systeme diese Probleme haben, also wird es ein innerer Bedarf geben, dies zu haben, um ihre Belegschaft engagiert und glücklich zu halten. Rechtlich gibt es Beispiele, bei denen Organisationen rechtliche oder regulatorische Herausforderungen aufgrund von Bias in ihren KI-Systemen erlebt haben. Es gibt ein klassisches Fallbeispiel einer Organisation, die KI bei der Einstellung von Mitarbeitern nutzte, die Datenbasis war jedoch übermäßig zugunsten von Männern gegenüber Frauen, so dass ihre KI gegen Frauen diskriminierte.

Das war ein KI-Tool von Amazon.

Dinge wie diese sind bereits passiert und können weiterhin passieren, wenn man nicht die richtigen Kontrollen hat, das haben auch wirklich einen großen Einfluss auf das Geschäft. Und dann gibt es auch das Reputationsrisiko für Organisationen, wenn sie es falsch machen, kann das einen großen Einfluss auf ihr Geschäft haben.

Sie sind auch ein großer Befürworter der Nutzung der Vielfalt und Erfahrung von cross-funktionalen Teams. Warum ist Vielfalt Ihrer Meinung nach so wichtig?

Gerade jetzt, wo die Probleme, die mit KI gelöst werden, so komplex sind, von der Geschäftsseite, von den Daten, die dahinter liegen, kann niemand oder keine Rolle alle diese Probleme alleine lösen. Ein gutes cross-funktionales Team mit verschiedenen Perspektiven und Fähigkeiten ist wirklich wichtig, um Menschen zu haben, die in einem Bereich stark sind, ihre Stärken zu nutzen. Was die Vielfalt angeht, ist ein weiterer großer Treiber für die Vielfalt in Teams, dass in den meisten Fällen die Endnutzer dieser Systeme eine vielfältige Gruppe von Menschen sind, und wenn man diese Perspektiven nicht in das Team einbringt, wenn man diese Systeme aufbaut, setzt man sich dem Risiko aus, Fehler zu machen oder Dinge zu übersehen, die jemand anderes vielleicht sieht. Es ist einfacher, Probleme zu lösen und anzupassen, wenn man sie im Entwicklungszyklus hat, als nach einer Veröffentlichung.

Ich glaube auch einfach, dass eine andere Perspektive dort ist, wo man das beste Gespräch bekommt, man bekommt wirklich gute Fragen von Menschen, die etwas aus einer anderen Perspektive sehen. Es zwingt zu einem Gespräch darüber, wie man am besten vorgeht. Es macht, dass man einige dieser Steine umdreht, die man vielleicht nicht umgedreht hätte, wenn diese Person nicht da wäre, ein vielfältiges Team, das ein Problem betrachtet, ermöglicht es, das beste mögliche Ergebnis und die beste Lösung zu erzielen.

Was denken Sie, wird der nächste große Durchbruch in der KI sein?

In diesem generativen KI-Bereich denke ich, dass wir, wenn wir mehr von dieser Technologie in mainstream-Anwendungen einbetten, wirklich große Fortschritte sehen werden, weil es direkt in den Systemen sein wird, die die Menschen bereits nutzen. Es wird wirklich, wirklich wichtig sein, und das könnte auch einige neue Use-Cases öffnen, wenn die Menschen mehr vertraut mit dem sind, was es kann, was seine Grenzen sind, wie es optimal genutzt werden kann, und das könnte einfach ihre Denkweise auslösen und ihnen helfen, neue Probleme zu lösen.

Ich hoffe auch, dass die regulatorische Politik ein Durchbruch ist, der in naher Zukunft kommt. Ich weiß, dass es viel Bewegung auf der Gesetzgebungs- und Regulierungsebene gibt, aber was ich hoffe, ist, dass einzelne Unternehmen auch für sich selbst herausfinden, wie sie über diese Dinge nachdenken müssen, und was für interne Kontrollen sie einbauen sollten. Gesetze und Vorschriften brauchen lange, Unternehmen können viel Veränderung vorantreiben, indem sie diese Kontrollen intern einführen und überlegen, was diese Kontrollen sein könnten, wie sie die Ausgaben testen, wie sie sicherstellen, dass sie Halluzinationen reduzieren. Diese sind die richtigen Fragen, und ich hoffe, dass ein Teil des Hypes, den wir derzeit sehen, ein Durchbruch ist, wie wir über diese Dinge nachdenken und wie wir die richtigen Strukturen, Prozesse und Teams auf der verantwortungsvollen KI-Seite aufbauen.

Vielen Dank für das großartige Interview, Leser, die mehr erfahren möchten, sollten KPMG besuchen.