Dr. Rich Sonnenblick, Chief Data Scientist, Planview – Interview-Serie

Dr. Rich Sonnenblick, Planviews Chief Data Scientist, verfügt über Jahre der Erfahrung bei der Arbeit mit einigen der größten Pharma- und Life-Sciences-Unternehmen der Welt. Durch diese umfassende Studie und Anwendung hat er erfolgreich Priorisierungs- und Portfolio-Überprüfungsprozesse, Bewertungssysteme und Finanzbewertungs- und Prognosemethoden für die Verbesserung der Produktprognose und Portfolioanalyse entwickelt. Dr. Sonnenblick hält einen Ph.D. und MS von der Carnegie Mellon University in Ingenieurwesen und Public Policy (PPHC ) und einen BA in Physik von der University of California, Santa Cruz.

Planviews Plattform für vernetzte Arbeit ist darauf ausgelegt, die Zeit bis zur Markteinführung und Vorhersehbarkeit zu verbessern, die Effizienz zu maximieren, um die Kapazität zu erhöhen, und die Lieferung strategischer Initiativen zu unterstützen, die darauf abzielen, optimale Geschäftsergebnisse zu erzielen.

Sie haben eine umfassende Karriere, die vom Management-Beratung zum Leiten von Data-Science-Initiativen reicht. Was hat Sie dazu inspiriert, diesen Wechsel zu machen, und wie hat Ihre Reise Ihre Herangehensweise an die Nutzung von KI in der Geschäftswelt heute geprägt?

Das Management-Beratung hat mir einen umfassenden Überblick über die Ineffizienzen und ungenutzten Chancen in der Geschäftswelt gegeben, wo es eine deutliche Lücke zwischen strategischer Beratung und handlungsfähigen Erkenntnissen gibt. Data Science schließt diese Lücke, indem es rohe Daten in strategische Vermögenswerte verwandelt, die die Entscheidungsfindung in Echtzeit informieren können. Meine Reise hat mich gelehrt, KI als eine Ergänzung zu sehen, die Prozesse verfeinern, die Entscheidungsfindung beschleunigen und die Kreativität auf Arten freisetzen kann, die die menschliche Expertise verstärken.

Bei Planview haben Sie die Integration von fortschrittlichen KI-Lösungen in verschiedene Geschäftsfunktionen vorangetrieben. Können Sie uns erzählen, wie Ihre Rolle als Chief Data Scientist die KI-Strategie des Unternehmens beeinflusst hat und welche größten Herausforderungen Sie auf dem Weg dorthin erlebt haben?

Bei Planview ist KI in unsere Plattform integriert, um Erkenntnisse zu gewinnen und die Entscheidungsfindung zu verbessern. Ich habe mich darauf konzentriert, KI zu nutzen, um das Ressourcenmanagement, die Projektplanung und die betriebliche Effizienz zu optimieren. Unser Copilot-KI-Assistent bietet eine Schulung für Benutzer auf allen Kompetenzniveaus, automatisiert zeitaufwändige Aufgaben wie die Berichterstellung und nutzt Best-Practices, um produktive Maßnahmen vorzuschlagen, sodass Teams schnell informierte Entscheidungen treffen können.

Wie kann KI Unternehmen helfen, Ineffizienzen innerhalb von Teams zu identifizieren und die Ressourcenverteilung zu verbessern?

KI ist besonders gut darin, Muster in Daten zu erkennen, die für Menschen zu komplex sind, um sie schnell zu erkennen. Sie kann unterausgelastete Ressourcen, Engpässe und prognostizierte Arbeitslastungleichgewichte hervorheben. Durch die Analyse von Portfoliozielen, Projektzeitplänen und Teamleistungsdaten kann KI vorschlagen, Aufgaben umzuverteilen oder Ressourcen über Portfolios hinweg umzuverteilen, um den maximalen Einfluss ohne zusätzliche Ressourcen zu erzielen.

Welche häufigen Ineffizienzen im Ressourcenmanagement kann KI besonders effektiv ansprechen?

KI ist besonders gut darin, strategiefremde und schlecht performende Initiativen hervorzuheben, und wir haben diese kritischen Fähigkeiten in Planview Copilot integriert. Wenn Copilot weiterentwickelt wird, kann es besser Maßnahmen zur Abmilderung vorschlagen. Es kann auch Abfall in Prozessen wie redundanten Aufgaben oder übermäßigen Übergaben identifizieren und Optimierungen vorschlagen.

Warum ist Abfall ein erhebliches Problem für Software-Entwicklungsteams, und wie kann KI ihn reduzieren?

Abfall in der Software-Entwicklung entsteht oft durch Ineffizienzen wie schlechte Priorisierung, übermäßiges Debugging oder fehlgeleitete Teamanstrengungen. KI kann Abfall reduzieren, indem sie als Coding-Assistent fungiert, wiederkehrende Aufgaben automatisiert und vorhersehbare Erkenntnisse in Projektzeitpläne und potenzielle Risiken bietet. Zum Beispiel kann sie vergangene Projekte analysieren, um Muster zu identifizieren, die zu Verzögerungen führen, und Teams helfen, diese Fallstricke zu vermeiden.

Gibt es spezifische KI-Modelle oder -Tools, die besonders gut geeignet sind, um den Software-Entwicklungslebenszyklus zu optimieren?

Um den Software-Entwicklungslebenszyklus zu optimieren, suchen wir nach verbesserter Effizienz und Ausrichtung. Planview Copilot in Viz identifiziert Engpässe und Hindernisse für die Flussgeschwindigkeit und bietet handlungsfähige Erkenntnisse, die auf die Daten einer Organisation zugeschnitten sind. Teams können einfaches Englisch verwenden, um Flussmetriken zu interpretieren, systemische Lieferverzögerungen zu identifizieren und detaillierte Empfehlungen zu erhalten. Diese Optimierung ist der Schlüssel zur Steigerung der Produktivität und letztendlich zur Straffung der Lieferung.

Wie schaffen die zugrunde liegenden Datenbeziehungen zusätzlichen Wert, wenn KI als Arbeitsassistent eingesetzt wird?

Indem die Beziehungen zwischen Datenpunkten kartiert werden – sei es in Projektzeitplänen, Ressourcennutzung oder Teamkommunikation – kann KI Erkenntnisse hervorbringen, die über das Offensichtliche hinausgehen. Zum Beispiel kann das Verknüpfen von Stimmungstrends in Statusaktualisierungen mit Projektergebnissen dazu beitragen, dass Manager vorhersehbare Hindernisse vorhersehen, bevor das Team sie der Geschäftsleitung meldet, und ihnen so genügend Zeit gibt, proaktive Anpassungen vorzunehmen.

Welche Schritte sollten kleinere Organisationen unternehmen, um KI erschwinglich zu adoptieren, ohne die Auswirkungen zu beeinträchtigen?

Kleinere Organisationen sollten mit zugänglichen generativen KI-Tools beginnen, die als Tor zu komplexeren Lösungen dienen. Tools, die Dokumente zusammenfassen, bei Marketinginhalten helfen oder Code generieren, sind kostengünstige Wege für diese Organisationen, um ihre KI-Adoption zu beginnen, ohne erhebliche Investitionen zu tätigen. Das Starten mit einem horizontalen KI-Angebot, das auf eine breite Palette von Anwendungsfällen anwendbar ist, ist ein besserer Wert als die Investition in spezialisierte Anwendungen, die generative KI auf sehr spezifische Aufgaben anwenden. Dies ermöglicht es der Organisation, die höchsten Auswirkungen auf ihre spezifischen Anwendungsfälle zu identifizieren, anstatt in mehrere Angebote zu investieren.

Welche Rolle spielt die vorhersehbare Analyse bei der Verbesserung der Projektergebnisse?

Die vorhersehbare Analyse hilft Teams, potenzielle Hindernisse und Ergebnisse auf der Grundlage historischer Daten und aktueller Trends vorherzusehen. KI-Agenten können die Wahrscheinlichkeit von Projektverzögerungen oder Ressourcenengpässen vorhersagen, sodass Produktmanager ihre Pläne proaktiv anpassen können. Diese Voraussicht minimiert das Risiko und maximiert die Effizienz, sodass Organisationen ihre strategischen Ziele schneller erreichen können.

Wenn Sie in die Zukunft blicken, wie stellen Sie sich vor, dass KI die Geschäftsoperationen in den nächsten zehn Jahren verändern wird, und welche aufkommenden KI-Trends sind Sie am meisten für ihren potenziellen Einfluss auf Branchen begeistert?

KI wird die Geschäftsoperationen in den kommenden zehn Jahren weiter verändern. Sie wird neue Rollen schaffen, die vorhersehbaren Fähigkeiten verbessern und die Innovation straffen.

Entwickler, die in der Integration von KI-Kollaboration erfahren sind, werden zum Standard werden und Entwickler ersetzen, die KI nicht in ihre tägliche Arbeit integrieren. Generative KI wird die Grenzen zur vorhersehbaren KI weiter verwischen, indem sie Algorithmen mit synthetischen Szenarien für strategische Entscheidungen auf der Grundlage externer und interner Faktoren anreichert. In der Biotechnologie wird KI komplexe Patientenprofile erstellen, um neue Behandlungen zu entdecken, während in der Cybersicherheit KI neue Bedrohungen simulieren wird, um vorhersehbare Modelle zu entwickeln, um sie zu bekämpfen. Aufkommende Trends wie adaptive Inferenz und kleinere, effizientere KI-Modelle werden die Rechenherausforderungen in den kommenden Jahren angehen. Sie werden schnellere, gezieltere Lösungen sicherstellen.

Wenn es um strategische Planung und proaktive Sicherheit geht, wird die Integration von KI es Unternehmen ermöglichen, mit Agilität zu reagieren, widerstandsfähige Strategien und betriebliche Exzellenz in einer immer dynamischeren Welt zu entdecken.

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