Δρ. Rich Sonnenblick, Chief Data Scientist, Planview – Σειρά Συνεντεύξεων

Δρ. Rich Sonnenblick, ο Chief Data Scientist της Planview, έχει χρόνια εμπειρίας εργασίας με einige από τις μεγαλύτερες φαρμακευτικές και βιοτεχνολογικές εταιρείες στον κόσμο. Μέσω αυτής της ενδελεχούς μελέτης και εφαρμογής, έχει διαμορφώσει με επιτυχία διαδικασίες προτεραιότητας και αναθεώρησης χαρτοφυλακίου, συστήματα βαθμολογίας και μεθόδους οικονομικής αξιολόγησης και προβλέψεων για την ενίσχυση τόσο της προβλέψεως προϊόντων όσο και της ανάλυσης χαρτοφυλακίου. Ο Δρ. Sonnenblick κατέχει διδακτορικό και master από το Πανεπιστήμιο Carnegie Mellon στα Τμήμα Μηχανικής και Δημόσιας Πολιτικής και πτυχίο στη Φυσική από το Πανεπιστήμιο της Καλιφόρνιας, Σάντα Κρουζ.

Η πλατφόρμα της Planview για Συνδεδεμένη Εργασία σχεδιάστηκε για να ενισχύσει τον χρόνο αγοράς και την προβλέψιμη λειτουργία, να βελτιώσει την απόδοση για να μεγιστοποιήσει την ικανότητα και να υποστηρίξει την παράδοση στρατηγικών πρωτοβουλιών που στοχεύουν στην επίτευξη βέλτιστων επιχειρηματικών αποτελεσμάτων.

Έχετε μια εκτεταμένη καριέρα που μετατρέπεται από τη διαχείριση συμβουλών σε ηγετικές πρωτοβουλίες δεδομένων. Τι σας ενέπνευσε να κάνετε αυτή τη μεταστροφή και πώς έχει διαμορφώσει η διαδρομή σας την προσέγγισή σας στην αξιοποίηση του AI στις επιχειρήσεις σήμερα;

Η διαχείριση συμβουλών μου παρείχε μια ευρεία άποψη των ανεπαρκειών των επιχειρήσεων και των μη εκμεταλλευμένων ευκαιριών, όπου υπάρχει ένα σαφές κενό μεταξύ στρατηγικών συμβουλών και ενεργητικών επιblickών. Η επιστήμη των δεδομένων γέμιζε αυτό το κενό, μετατρέποντας τα ακατέργαστα δεδομένα σε στρατηγικά περιουσιακά στοιχεία που έχουν τη δύναμη να ενημερώνουν την λήψη αποφάσεων σε πραγματικό χρόνο. Η διαδρομή μου με έχει διδάξει να θεωρώ το AI ως ένα βελτιωτικό που μπορεί να βελτιώσει τις διαδικασίες, να επιταχύνει την λήψη αποφάσεων και να απελευθερώσει τη δημιουργικότητα με τρόπους που ενισχύουν την ανθρώπινη εμπειρογνωσία.

Στη Planview, έχετε ηγηθεί της ενσωμάτωσης προηγμένων λύσεων AI σε διάφορες επιχειρηματικές λειτουργίες. Μπορείτε να μοιραστείτε πώς ο ρόλος σας ως Chief Data Scientist έχει επηρεάσει την στρατηγική AI της εταιρείας και τις μεγαλύτερες προκλήσεις που αντιμετωπίζετε κατά τη διάρκεια;

Στη Planview, το AI είναι ενσωματωμένο στην πλατφόρμα μας ως εργαλείο για να ξεκλειδώσει τις επιblickές και να βελτιώσει την λήψη αποφάσεων. Έχω επικεντρωθεί στο να χρησιμοποιήσω το AI για να βελτιώσω τη διαχείριση πόρων, τη σχεδίαση έργων και την λειτουργική απόδοση. Ο βοηθός AI Copilot μας παρέχει εκπαίδευση στο χώρο εργασίας για χρήστες σε όλα τα επίπεδα δεξιοτήτων, αυτοματοποιεί τις συχνές χρονοβόρες εργασίες όπως η δημιουργία αναφορών και αξιοποιεί τις besten πρακτικές για να προτείνει παραγωγικές διαδρομές δράσης, ενδυναμώνοντας τις ομάδες να λάβουν ενημερωμένες αποφάσεις γρήγορα.

Πώς μπορεί το AI να βοηθήσει τις εταιρείες να αναγνωρίσουν τις ανεπαρκείες εντός των ομάδων και να βελτιώσουν την κατανομή πόρων;

Το AI excels στην αναγνώριση προτύπων στα δεδομένα που είναι πολύ σύνθετα για να αναγνωριστούν γρήγορα από τους ανθρώπους. Μπορεί να υπογραμμίσει τις υποχρησιμοποιημένες πόρους, να αναγνωρίσει τα σημεία瓶 και να προβλέψει τις ανισορροπίες του φορτίου εργασίας. Για παράδειγμα, αναλύοντας τους στόχους του χαρτοφυλακίου, τα χρονοδιαγράμματα έργων και τα μετρικά στοιχεία απόδοσης ομάδας, το AI μπορεί να προτείνει την ανακατανομή των εργασιών ή την ανακατανομή των πόρων σε διάφορα χαρτοφυλάκια για να δημιουργήσει μέγιστη επίδραση χωρίς την προσθήκη επιπλέον πόρων.

Τι είναι einige από τις συνήθεις ανεπαρκείες στη διαχείριση πόρων που το AI είναι ιδιαίτερα αποτελεσματικό στο να τις αντιμετωπίσει;

Το AI είναι ιδιαίτερα ικανό στην υπογράμμιση των εκτός στρατηγικής και χαμηλής απόδοσης πρωτοβουλιών, και έχουμε ενσωματώσει αυτές τις κρίσιμες ικανότητες στο Planview Copilot. Όσο ο Copilot εξελίσσεται, είναι σε θέση να υπογραμμίσει και να προτείνει μέτρα μείωσης. Μπορεί επίσης να σημάνει την σπατάλη στις διαδικασίες, όπως τις διπλούνες εργασίες ή τις υπερβολικές παραδόσεις, και να προτείνει βελτιώσεις.

Γιατί η σπατάλη είναι một σημαντική πρόκληση για τις ομάδες ανάπτυξης λογισμικού και με ποιούς τρόπους μπορεί το AI να τη μειώσει;

Η σπατάλη στην ανάπτυξη λογισμικού συχνά προέρχεται από ανεπαρκείες όπως η κακή προτεραιότητα, η υπερβολική αποσφαλμάτωση ή οι μη συγχρονισμένες προσπάθειες ομάδας. Το AI μπορεί να μειώσει τη σπατάλη ενεργώντας ως βοηθός κωδικοποίησης, αυτοματοποιώντας τις επαναλαμβανόμενες εργασίες και προσφέροντας προβλέψεις σχετικά με τα χρονοδιαγράμματα έργων και τους πιθανούς κινδύνους. Για παράδειγμα, μπορεί να αναλύσει τα προηγούμενα έργα για να αναγνωρίσει τα πρότυπα που οδηγούν σε καθυστερήσεις, βοηθώντας τις ομάδες να αποφύγουν αυτά τα εμπόδια.

Υπάρχουν συγκεκριμένα μοντέλα AI ή εργαλεία που είναι ιδιαίτερα κατάλληλα για την оптимποίηση του κύκλου ζωής ανάπτυξης λογισμικού;

Για να βελτιώσουμε τον κύκλο ζωής ανάπτυξης λογισμικού, ψάχνουμε για αυξημένη αποτελεσματικότητα και ευθυγράμμιση. Ο Planview Copilot στο Viz αναγνωρίζει τα σημεία瓶 και τις εμπόδιες στην ταχύτητα ροής και παρέχει ενεργές επιblickές που είναι προσαρμοσμένες στα δεδομένα της οργάνωσης. Οι ομάδες μπορούν να χρησιμοποιήσουν απλή αγγλική για να ερμηνεύσουν τα μετρικά στοιχεία ροής, να αναγνωρίσουν τις συστημικές επιβραδύνσεις παράδοσης και να λάβουν λεπτομερείς συστάσεις. Αυτή η βελτίωση είναι το κλειδί για την αύξηση της παραγωγικότητας, τελικά ρυθμίζοντας την παράδοση.

Πώς δημιουργούν οι υποκείμενες σχέσεις δεδομένων πρόσθετη αξία όταν αναπτύσσετε το AI ως βοηθό εργασίας;

Χαρτογραφώντας τις σχέσεις μεταξύ των σημείων δεδομένων — είτε στα χρονοδιαγράμματα έργων, τη χρήση πόρων ή την επικοινωνία ομάδας — το AI μπορεί να επιφέρει επιblickές που πηγαίνουν πέρα από το προφανές. Για παράδειγμα, συνδέοντας τις τάσεις συναισθήματος στις ενημερώσεις κατάστασης με τα αποτελέσματα έργων μπορεί να βοηθήσει τους διευθυντές να προβλέψουν εμπόδια πριν η ομάδα τα αναφέρει στη διοίκηση, παρέχοντας επαρκή χρόνο για να κάνουν προληπτικές điều chỉnh.

Τι βήματα πρέπει να λάβουν οι μικρότερες οργανώσεις για να υιοθετήσουν το AI με οικονομικά αποδοτικό τρόπο χωρίς να επηρεάσουν την επίδραση;

Οι μικρότερες οργανώσεις πρέπει να αρχίσουν με προσιτά εργαλεία AI που λειτουργούν ως πύλες σε πιο σύνθετες λύσεις. Εργαλεία που συνόψιζαν έγγραφα, βοηθούν με το περιεχόμενο μάρκετινγκ ή βοηθούν με τη γεννήτρια κώδικα είναι οικονομικά αποδοτικοί τρόποι για αυτές τις οργανώσεις να αρχίσουν την υιοθέτηση του AI χωρίς εκτεταμένες επενδύσεις. Ξεκινώντας με μια οριζόντια προσφορά AI που είναι εφαρμόσιμη σε ένα ευρύ φάσμα περιπτώσεων χρήσης θα είναι μια καλύτερη αξία από την επένδυση σε εξειδικευμένες εφαρμογές που στρέφουν το AI σε πολύ συγκεκριμένα jobs-to-be-done. Αυτό επιτρέπει στην οργάνωση να αναγνωρίσει τις περιπτώσεις χρήσης με τη μεγαλύτερη επίδραση που είναι συγκεκριμένες για την οργάνωση τους, αντί να υπερεπενδύσουν σε πολλές προσφορές.

Τι ρόλο παίζει η προβλεπτική ανάλυση στην βελτίωση των αποτελεσμάτων έργων;

Η προβλεπτική ανάλυση βοηθά τις ομάδες να προβλέψουν πιθανές δυσκολίες και αποτελέσματα με βάση ιστορικά δεδομένα και τρέχουσες τάσεις. Οι πράκτορες AI μπορούν να προβλέψουν την πιθανότητα καθυστερήσεων έργων ή ελλείψεων πόρων, επιτρέποντας στους διευθυντές προϊόντων να προσαρμόσουν τα σχέδια προληπτικά. Αυτή η πρόγνωση ελαχιστοποιεί τον κίνδυνο και μεγιστοποιεί την αποτελεσματικότητα, τελικά επιτρέποντας στις οργανώσεις να φθάσουν τους στρατηγικούς τους στόχους πιο γρήγορα.

Κοιτάζοντας μπροστά, πώς οραματίζεστε το AI να μεταμορφώνει τις επιχειρηματικές λειτουργίες τις επόμενες δεκαετίες και ποίες αναδυόμενες τάσεις AI είναι πιο ενθουσιασμένες για την επίδρασή τους σε βιομηχανίες;

Το AI θα συνεχίσει να μεταμορφώνει τις επιχειρηματικές λειτουργίες τις επόμενες δεκαετίες. Θα δημιουργήσει νέους ρόλους, θα ενισχύσει τις προβλεπτικές ικανότητες και θα ρυθμίσει την καινοτομία.

Οι développers LLM-φιλικοί, οι εμπειρογνώμονες στην ενσωμάτωση της συνεργασίας AI, θα γίνουν η νόρμα και θα αντικαταστήσουν τους développers που δεν υιοθετούν το AI στις καθημερινές τους εργασίες. Η γεννήτρια AI θα συνεχίσει να σβήνει τα όρια με την προβλεπτική AI, εμπλουτίζοντας τους αλγόριθμους με συνθετικά σενάρια για στρατηγική λήψη αποφάσεων με βάση εξωτερικούς και εσωτερικούς παράγοντες. Στη βιοτεχνολογία, η γεννήτρια AI θα δημιουργήσει περίπλοκες προφίλ ασθενών για να ανακαλύψει νέες θεραπείες, ενώ στην κυβερνοασφάλεια, το AI θα προσομοιώσει νέες απειλές για προβλεπτικά μοντέλα να τις αντικρούσουν. Οι αναδυόμενες τάσεις όπως η προσαρμοστική συλλογή και τα μικρότερα, πιο αποτελεσματικά μοντέλα AI, θα αντιμετωπίσουν τις υπολογιστικές προκλήσεις τις επόμενες δεκαετίες. Θα εξασφαλίσουν ταχύτερες, πιο στοχευμένες λύσεις.

Από τη στρατηγική σχεδίαση στην προληπτική ασφάλεια, η ενσωμάτωση του AI θα επιτρέψει στις επιχειρήσεις να πηδήξουν με ευελιξία, ανακαλύπτοντας ανθεκτικές στρατηγικές και επιχειρηματική αριστεία σε έναν ολοένα και πιο δυναμικό κόσμο.

Ευχαριστούμε για τη μεγάλη συνέντευξη, οι αναγνώστες που επιθυμούν να μάθουν περισσότερα μπορούν να επισκεφθούν Planview.