Σάρα Φίλιπ, Παγκόσμια Αρχηγός Ενεργοποίησης και Υιοθέτησης του AI στην Altimetrik – Σειρά Συνεντεύξεων

Σάρα Φίλιπ, Παγκόσμια Αρχηγός Ενεργοποίησης και Υιοθέτησης του AI στην Altimetrik, επικεντρώνεται στην βοήθεια των οργανισμών να γεφυρώσουν το χάσμα μεταξύ της ταχείας καινοτομίας του AI και της υιοθέτησης στην πραγματική εργασία. Το έργο της επικεντρώνεται στην κατασκευή προγραμμάτων γραμματοσύνης του AI, στρατηγικές ενεργοποίησης της ροής εργασίας και πρωτοβουλίες εκπαίδευσης που βασίζονται στο ρόλο, οι οποίες βοηθούν τους υπαλλήλους και τους διευθυντές να ενσωματώσουν το γεννητικό AI στις καθημερινές λειτουργίες. Στην Altimetrik, έχει βοηθήσει να διαμορφωθούν προγράμματα υιοθέτησης επιχειρήσεων γύρω από τεχνολογίες όπως το ChatGPT Enterprise, το OpenAI Agents SDK και τις ροές εργασίας κλίμακας επιχείρησης, ενώ έχει συνδημιουργήσει και το “LAByrinth”, μια πλατφόρμα προσομοίωσης του GenAI που βασίζεται σε έργα και σχεδιασμένη για μηχανικούς και τεχνικούς διευθυντές προγραμμάτων. Πριν ενταχθεί στην Altimetrik, είχε περάσει χρόνια ως αρχηγός εκπαιδευτικών και εφαρμογών σε πλατφόρμες SaaS όπως το Nudge Coach, δίνοντάς της μια ισχυρή βάση σε συστήματα μάθησης, ενεργοποίηση συμπεριφοράς και ψηφιακή μεταμόρφωση. Η καριέρα της αντανακλά μια αυξανόμενη τάση внутри των επιχειρήσεων του AI, όπου η επιτυχία εξαρτάται όλο και περισσότερο όχι μόνο από την ανάπτυξη μοντέλων, αλλά και από το να κάνει τους υπαλλήλους αυτοπεποίθητους, ικανούς και παραγωγικούς με τα εργαλεία του AI στην καθημερινή τους δουλειά.

Altimetrik είναι μια εταιρεία ψηφιακής μηχανικής και λύσεων δεδομένων που επικεντρώνεται στην βοήθεια των επιχειρήσεων να μοντερνοποιήσουν τα παλιά συστήματα και να κλιμακώσουν το γεννητικό AI σε όλες τις επιχειρηματικές λειτουργίες. Η εταιρεία δραστηριοποιείται σε διάφορους κλάδους, συμπεριλαμβανομένων των χρηματοοικονομικών υπηρεσιών, της υγείας, της παραγωγής, του λιανικού εμπορίου και των βιοεπιστημών, συνδυάζοντας μηχανική προϊόντων, moderneποίηση του cloud, υποδομή δεδομένων και υπηρεσίες ανάπτυξης του AI. Η Altimetrik έχει θέσει τον εαυτό της ως einen σημαντικό συνεργάτη υλοποίησης του AI για τις επιχειρήσεις μέσω συνεργασιών με την OpenAI, με έμφαση στην agentic AI, την ορχήστρα της ροής εργασίας, τη διακυβέρνηση και τα συστήματα του AI που είναι έτοιμα για παραγωγή. Το ALTI AI Lab της λειτουργεί ως εσωτερικός κόμβος καινοτομίας, όπου η εταιρεία προotyposes εφαρμογές του AI για τις επιχειρήσεις, που варίουν από έξυπνους βοηθούς μέχρι πολυμορφικές ροές εργασίας και λειτουργίες επιχειρήσεων που είναι εγγενείς στο AI. Τα τελευταία χρόνια, η Altimetrik έχει επεκταθεί επιθετικά μέσω συνεργασιών και αγορών, ενισχύοντας την παγκόσμια της παρουσία μηχανικής και τις ικανότητες παράδοσης του AI.

Έχετε χτίσει την καριέρα σας στο σημείο τομής της μεταμόρφωσης της επιχείρησης, του σχεδιασμού της μάθησης και της αναδυόμενης τεχνολογίας — ποια ήταν η καθοριστική εμπειρία που σας πείστησε ότι η υπεύθυνη υιοθέτηση του AI θα εξαρτηθεί τόσο από την ανθρώπινη ενεργοποίηση όσο και από την τεχνική ικανότητα;

Συνήθως καταλήγω να είμαι ένας khá αργός υιοθετητής των πραγμάτων. Είμαι σκεπτικός για το hype και επιμονή στο να κρατάω τον τρόπο που είμαι συνηθισμένος να κάνω τα πράγματα. Αυτό ήταν αλήθεια και με το AI. Ήμουν ένας αργός υιοθετητής και κινήθηκα πολύ αργά στην αρχή.

Τι άλλαξε για μένα ήταν όταν άκουσα, με πολύ ανθρώπινη και μη τεχνική γλώσσα, πώς άλλοι άνθρωποι χρησιμοποιούσαν το AI στην καθημερινή τους ζωή και δουλειά. Μόλις μπορούσα να το συνδέσω με πραγματικά και προσωπικά σημεία τριβής, η περιέργεια ακολούθησε.

Αυτή η εμπειρία ενίσχυσε κάτι που έχω δει σε κάθε προσπάθεια μεταμόρφωσης που έχω συμμετάσχει: η υιοθέτηση σπάνια αρχίζει με την ικανότητα μόνο. Αρχίζει με τη σχετικότητα, την εμπιστοσύνη και το νόημα. Οι άνθρωποι πρέπει πρώτα να δουν τον εαυτό τους στην αλλαγή και αυτό είναι το λόγο για τον οποίο η υπεύθυνη υιοθέτηση του AI εξαρτάται τόσο από την ανθρώπινη ενεργοποίηση όσο και από την τεχνική ετοιμότητα.

Στο ρόλο σας ως αρχηγός της παγκόσμιας ενεργοποίησης του AI στην Altimetrik, πώς ορίζετε την επιτυχημένη υιοθέτηση του γεννητικού AI σε κλίμακα επιχείρησης πέρα από τα πιλοτικά και τα πειράματα απόδειξης της концепции;

Η επιτυχημένη υιοθέτηση σε κλίμακα επιχείρησης δεν ζει σε θάλαμους. Ένα από τα πιο συνηθισμένα μοτίβα που βλέπουμε είναι η θυλάκωση της υιοθέτησης. Μια ομάδα γίνεται πολύ προηγμένη στην ωριμότητα του AI, ενώ μια άλλη ομάδα στην ίδια οργάνωση δεν έχει καθαρή στρατηγική ακόμη και μπορεί να χρησιμοποιεί θυλακωμένα εργαλεία ή προσωπικούς λογαριασμούς. Αυτό το είδος της ανώμαλης υιοθέτησης δημιουργεί ασυνέπεια και κίνδυνο.

Η αληθινή επιτυχία έρχεται όταν ένας οργανισμός χτίζει κοινές συνήθειες, κοινές προτυπώσεις και συνδεδεμένες τρόπους εργασίας. Απαιτεί και από πάνω και από κάτω διαχείριση της αλλαγής. Από πάνω, η ηγεσία πρέπει να ορίσει την κατεύθυνση, να καθορίσει τη διακυβέρνηση και να δημιουργήσει σαφήνεια γύρω από το τι σημαίνει υπεύθυνη και πολύτιμη υιοθέτηση. Από κάτω, οι υπαλλήλους πρέπει να κατανοήσουν πώς το AI ταιριάζει στη καθημερινή τους δουλειά, πού λύνει πραγματικά προβλήματα και πώς να το χρησιμοποιήσουν με εμπιστοσύνη στο ρόλο τους.

Το πραγματικό σημάδι της ωριμότητας είναι όταν οι ροές εργασίας τρέχουν ομαλά από άκρη σε άκρη και σε όλες τις ομάδες, όχι μόνο μέσα σε απομονωμένα τμήματα.

Πολυάριθμες οργανώσεις επενδύουν σε εργαλεία του γεννητικού AI αλλά δυσκολεύονται να τα λειτουργήσουν. Ποια είναι τα πιο συνηθισμένα κενά εκτέλεσης που βλέπετε μεταξύ του φιλόδοξου και του μετρήσιμου επιχειρηματικού αντικτύπου;

Η ιδιοκτησία της διακυβέρνησης είναι συχνά ασαφής. Ποιος είναι υπεύθυνος για τη τεκμηρίωση του τι χρησιμοποιείται, την έκδοση των προτύπων ή των ροών εργασίας, την παρακολούθηση της ποιότητας και τη διατήρηση του καταλόγου των σημείων όπου το AI εμφανίζεται στην επιχείρηση; Χωρίς αυτή τη σαφήνεια, οι οργανώσεις καταλήγουν με σκόρπια χρήση και πολύ λίγη λειτουργική πειθαρχία.

Πολυάριθμες οργανώσεις δεν έχουν αποφασίσει ποια χρήση του AI θέλουν να ενθαρρύνουν. Στόχο έχουν την ανάπτυξη προτύπων για ρόλους, μεμονωμένες περιπτώσεις παραγωγικότητας όπως η εύρεση ιδεών και η σύνταξη, ή προκαθορισμένους παράγοντες που συνδέονται με καθορισμένες ροές εργασίας; Αν αυτό δεν είναι σαφές, η ενεργοποίηση παραμένει ασαφής και η επίδραση γίνεται δύσκολο να μετρηθεί.

Υπάρχει επίσης συχνά μια διασύνδεση μεταξύ της κυκλοφορίας και της πραγματικής δουλειάς. Οι εταιρείες επενδύουν σε εργαλεία πριν έχουν προσδιορίσει τις στιγμές όπου το AI μπορεί να αφαιρέσει την τριβή, να βελτιώσει την ποιότητα ή να επιταχύνει την εκτέλεση με σημαντικό τρόπο. Ο φιλόδοξος είναι εύκολος, αλλά η λειτουργική εκτέλεση απαιτεί συγκεκριτικότητα.

Εργάζεστε στενά με ομάδες ηγετικής ιδιοκτησίας — τι μοιάζει η αποτελεσματική γλωσσική ικανότητα του AI στο επίπεδο του C-suite, και πώς η συμπεριφορά της ηγεσίας επηρεάζει την υιοθέτηση σε όλη την οργάνωση;

Μοιάζει με μοντέλο, περιέργεια και μια αρχαριακή στάση. Μοιάζει με ηγέτες που είναι ευάλωτοι σε ένα δωμάτιο με τους ανθρώπους που τους αναφέρουν.

Οι ηγέτες που κάνουν τη μεγαλύτερη διαφορά είναι εκείνοι που επιδεικνύουν μια αρχαριακή στάση. Είναι πρόθυμοι να μάθουν δημόσια. Είναι άνετοι λέγοντας, “Είμαι ακόμη στην διαδικασία να το κατανοήσω επίσης.” Αυτό το είδος της ευαλωτότητας έχει μεγαλύτερη σημασία από ότι οι άνθρωποι συνειδητοποιούν, γιατί δίνει σε όλους τους άλλους την άδεια να συμμετάσχουν χωρίς να чувствούν ότι πρέπει να είναι εμπειρογνώμονες πρώτα.

Η συμπεριφορά της ηγεσίας ορίζει τον τόνο. Αν οι εκτελεστές αντιμετωπίζουν το AI σαν ένα πλευρικό πείραμα, η οργάνωση θα το κάνει επίσης. Αν μοντελοποιούν τη σκέψη, κάνουν πρακτικές ερωτήσεις και επενδύουν ορατά στην μάθηση, η υιοθέτηση γίνεται πολιτισμικά ασφαλέστερη. Η εμπιστοσύνη είναι εξίσου σημαντική με την ικανότητα όταν πρόκειται για την κλιμάκωση του AI στην επιχείρηση.

Τι μοιάζει ένα δομημένο πλαίσιο πειραματισμού για το γεννητικό AI στην πράξη, και πώς μπορούν οι εταιρείες να ενθαρρύνουν την καινοτομία χωρίς να δημιουργούν θραύση ή κίνδυνο;

Θέλουμε να αρχίσουμε με πραγματικά σημεία τριβής της ροής εργασίας, όχι τυχαίες προτάσεις. Οι ομάδες πρέπει να ενθαρρυνθούν να αναγνωρίσουν επαναλαμβανόμενες εργασίες, σημεία συμφόρησης αποφάσεων ή υπάρχουσες лакκώσεις γνώσεων. Από εκεί, οι οργανώσεις μπορούν να προτεραιοποιήσουν πειράματα με βάση τη σχετικότητα της επιχείρησης, τη δυνατότητα και τον κίνδυνο.

Τα πιο υγιή περιβάλλοντα είναι αυτά όπου οι άνθρωποι μπορούν να δοκιμάσουν πράγματα ασφαλώς, να μοιράζονται τι λειτουργεί και να αποφεύγουν την ανακάλυψη του τροχού σε απομόνωση.

Συνδημιουργήσατε το LAByrinth, một πλατφόρμα προσομοίωσης του γεννητικού AI που σχεδιάστηκε για να δώσει στους μηχανικούς πρακτική εμπειρία με τα εργαλεία του AI σε ένα ασφαλές, καθοδηγούμενο περιβάλλον. Τι σας ενέπνευσε την δημιουργία του, και πώς η προσομοίωση-βασισμένη μάθηση επιταχύνει την πραγματική ικανότητα του AI;

Έχω πάντα αγαπήσει τις μορφές της πρακτικής, εμπειρικής μάθησης. Συγκεκριμένα, το είδος της “πάνω από τον ώμο” μεντορίας που υπάρχει σε περιβάλλοντα στούντιο τέχνης.

Όταν ο Martin Gaida και εγώ αρχίσαμε να σκέφτομαι γύρω από τις ιδέες για αυτή τη δομή εκπαίδευσης, όλο το έργο έγινε πολύ διασκεδαστικό να δημιουργηθεί. Έμοιαζε σαν να δημιουργούσαμε ένα παζλ για τους ανθρώπους να λύσουν. Αυτό ήταν το σημείο που ήξερα ότι ήμασταν στη σωστή πορεία. Οι άνθρωποι είναι πιο πιθανό να ασχοληθούν με νέο υλικό όταν το βρίσκουν ενδιαφέρον και να чувствούν ότι υποστηρίζονται.

Η προσομοίωση-βασισμένη μάθηση επιταχύνει την ικανότητα γιατί κλείνει το χάσμα μεταξύ της θεωρίας και της εφαρμογής. Δίνει στους ανθρώπους ένα ασφαλές μέρος να ασκήσουν την κρίση, όχι μόνο να θυμηθούν έννοιες. Και με το AI, αυτό έχει τεράστια σημασία, γιατί η πραγματική ικανότητα δεν είναι μόνο να ξέρεις τι μπορεί να κάνει ένα εργαλείο. Είναι να ξέρεις πώς να το χρησιμοποιήσεις σκέπτοντας και ασφαλώς.

Πώς πρέπει οι επιχειρήσεις να προσεγγίσουν την αναβάθμιση της εργατικής δύναμης διαφορετικά στην εποχή του γεννητικού AI σε σύγκριση με τις προηγούμενες κυματίσματα της ψηφιακής μεταμόρφωσης;

Συμμετοχικά και δημιουργικά. Με εργαλεία όπως το Notebook LM και το Figma make, υπάρχουν πολλά τρόποι να κάνετε το περιεχόμενο ενδιαφέρον και φρέσκο. Αγαπάμε μια παρουσίαση, αλλά επίσης αγαπάμε να κάνουμε διαδραστικά βιβλία εργασίας, κινούμενα βίντεο και άλλα μέσα για να παραδώσουμε το πρόγραμμα.

Προσωπικά, μαθαίνω καλύτερα με εικονογραφίες και άλλα οπτικά.

Η υπεύθυνη χρήση του AI συχνά πλαισιώνεται γύρω από τη διακυβέρνηση και τη συμμόρφωση. Από την πλευρά της ενεργοποίησης, τι μοιάζει η υπεύθυνη υιοθέτηση στην καθημερινή ροή εργασίας;

Συμβουλευτείτε τους ανθρώπους που χρησιμοποιούν τα εργαλεία για το τι τους κάνει χρήσιμα, και στη συνέχεια βεβαιωθείτε ότι όλοι οι χρήστες των εργαλείων γνωρίζουν τι σημαίνει η πολιτική στην πράξη. Πώς μεταφράζεται στην καθημερινή τους χρήση του AI;

Η υπεύθυνη υιοθέτηση σημαίνει ένα μοντέλο “άνθρωπος στο τιμόνι”. Το AI μπορεί να βοηθήσει στη σύνταξη, τη σύνοψη, την ανάλυση ή την επιτάχυνση, αλλά οι άνθρωποι ακόμη κατέχουν την κρίση, τον έλεγχο ποιότητας και την τελική απόφαση. Αυτή η ανθρώπινη ευθύνη είναι κρίσιμη.

Ιδιαίτερα σημαντικό, η υπεύθυνη υιοθέτηση εξαρτάται από την εμπιστοσύνη. Η κρίση προέρχεται από την εμπειρία. Αυτός είναι ο λόγος για τον οποίο οι οργανώσεις χρειάζονται χώρους χαμηλού κινδύνου, μη κριτικών, όπου οι υπαλλήλους μπορούν να ασκήσουν και να χτίσουν πραγματική ευφράδεια. Όταν οι άνθρωποι αποκτάουν αρκετή πρακτική εμπειρία για να κάνουν σκέπτοντας αποφάσεις, η υπεύθυνη χρήση σταματά να είναι αφηρημένη και αρχίζει να γίνεται συνηθισμένη.

Καθώς το γεννητικό AI εξελίσσεται γρήγορα, πώς μπορούν οι οργανώσεις να σχεδιάσουν προγράμματα ενεργοποίησης που παραμένουν προσαρμόσιμα και όχι απαρχαιωμένα μέσα σε quelques μήνες;

Είναι μια πρόκληση, αλλά υπάρχουν πολλά καλά εργαλεία εκεί έξω.

Το μεγαλύτερο λάθος είναι να χτίσετε την ενεργοποίηση完全 γύρω από το τρέχον τοπίο των εργαλείων.

Συχνά μας ζητούν αν προσφέρουμε εκπαίδευση που δεν εξαρτάται από τα εργαλεία, και η απάντηση είναι ναι. Απόλυτα. Εστιάζουμε στις ανθεκτικές ικανότητες του AI και στη συνέχεια διδάσκουμε τους ανθρώπους πώς να εφαρμόσουν αυτές τις ικανότητες μέσα στα εργαλεία που χρησιμοποιεί η οργάνωση σήμερα. Αυτή η προσέγγιση δίνει στα προγράμματα μια πολύ μεγαλύτερη διάρκεια ζωής.

Η προσαρμόσιμη ενεργοποίηση πρέπει επίσης να είναι modulaire. fractale. Αντί να αντιμετωπίζετε την εκπαίδευση ως μια μοναδική εκδήλωση, οι οργανώσεις πρέπει να σκέφτονται σε στρώματα: θεμελιώδεις γλωσσικές ικανότητες, εφαρμογές που βασίζονται στο ρόλο, προηγμένα πειράματα και συνεχείς ενημερώσεις καθώς τα εργαλεία και οι προτεραιότητες μεταβάλλονται.

Κοιτάζοντας μπροστά, ποια μετατοπίσεις πιστεύετε ότι θα ορίσουν την επόμενη φάση της υιοθέτησης του AI στην επιχείρηση τα επόμενα δύο χρόνια;

Βασισμένες στο ρόλο και agentic. Οι επιχειρήσεις έχουν ήδη αρχίσει να υιοθετούν την χρήση των agent. Αυτές οι οργανώσεις θέλουν να βεβαιωθούν ότι οι τεχνικές τους ομάδες είναι αναβαθμισμένες σε όλους τους αναγκαίους τρόπους για να χτίσουν και να κυβερνήσουν αυτό το είδος της χρήσης του AI.

Ευχαριστούμε για τη μεγάλη συνέντευξη, οι αναγνώστες που επιθυμούν να μάθουν περισσότερα πρέπει να επισκεφθούν την Altimetrik.