Σαντάι Ροστάμι, Αντιπρόεδρος Μηχανικής στην Amplitude – Σειρά Συνεντεύξεων

Η Σαντάι είναι Αντιπρόεδρος Μηχανικής στην Amplitude, ηγέτη των ψηφιακών αναλυτικών. Είναι μια παθιασμένη, έμπειρη ηγέτης τεχνολογίας και αρχιτέκτονας με εμπειρία στη δημιουργία και διαχείριση εξαιρετικά αποτελεσματικών ομάδων μηχανικής. Πριν από την Amplitude, ήταν Αντιπρόεδρος Μηχανικής στη Palo Alto Networks (PANW ). Έχει καινοτομήσει και παραδώσει πολλές γραμμές προϊόντων και υπηρεσιών που ειδικεύονται σε κατανεμημένα συστήματα, υπολογισμό νεφών, μεγάλα δεδομένα, μηχανική μάθηση και ασφάλεια.

Amplitude είναι χτισμένο με σύγχρονες τεχνολογίες μηχανικής μάθησης και γενετικής νοημοσύνης που επιτρέπουν στις ομάδες προϊόντων να δημιουργούν έξυπνα, να μαθαίνουν γρήγορα και να δημιουργούν τις καλύτερες ψηφιακές εμπειρίες για τους πελάτες τους.

Τι σας έκανε να ενδιαφερθείτε αρχικά για την επιστήμη των υπολογιστών και τη μηχανική;

Εγώ μεγάλωσα στο Ιράν και αρχικά ακολούθησα ένα σχολικό δρόμο που θα μου επέτρεπε να ακολουθήσω μια καριέρα στην ιατρική, που ήταν ο δρόμος που ο πατέρας μου ήθελε να ακολουθήσω και που ο αδερφός μου είχε ακολουθήσει. Περίπου ένα χρόνο και μισό, αποφάσισα ότι δεν ήταν ο δρόμος για μένα. Αντίθετα, ακολούθησα τη μηχανική και έγινα η πρώτη κοπέλα στο Ιράν που πήγε στο Informatic Olympiad (IOI) και κέρδισε το χάλκινο μετάλλιο, μια ετήσια διοργάνωση για μαθητές λυκείου από όλο τον κόσμο που διαγωνίζονται σε μαθηματικά, φυσική, πληροφορική και χημεία. Αυτό με οδήγησε να ακολουθήσω τη μηχανική στο Πανεπιστήμιο Τεχνολογίας Sharif στο Ιράν και αργότερα να πάρω το διδακτορικό μου στη μηχανική υπολογιστών στο Πανεπιστήμιο της Βρετανικής Κολομβίας στον Καναδά. Μετά από αυτό, εργάστηκα για startups για quelques χρόνια και στη συνέχεια πέρασα μια δεκαετία στη Palo Alto Networks, τελικά γίνοντας Αντιπρόεδρος υπεύθυνος για την ανάπτυξη, τον έλεγχο ποιότητας, τον DevOps και την επιστήμη δεδομένων. Πέντε χρόνια πριν, μετακόμισα στην Amplitude ως Αντιπρόεδρος Μηχανικής.

Μπορείτε να συζητήσετε τη βασική φιλοσοφία της Amplitude για την τεχνητή νοημοσύνη, ότι η τεχνητή νοημοσύνη πρέπει να βοηθά τους ανθρώπους να βελτιώσουν τη δουλειά τους αντί να τους αντικαταστήσει;

Η τεχνητή νοημοσύνη μεταμορφώνει γρήγορα σχεδόν κάθε βιομηχανία, και με τη μεταμόρφωση έρχονται ερωτήσεις σχετικά με τον τρόπο που οι εταιρείες θα χρησιμοποιήσουν την τεχνολογία. Νομίζουμε ότι πρέπει να κάνουμε σωστά την τεχνητή νοημοσύνη. Αυτή η πίστη μας οδήγησε να αναπτύξουμε τη φιλοσοφία της τεχνητής νοημοσύνης που επικεντρώνεται στον πελάτη, η οποία βασίζεται σε πέντε κύρια αρχές: (1) συνεργατική ανάπτυξη και εταιρική σχέση, (2) διακυβέρνηση δεδομένων και προστασία δεδομένων χρήστη, (3) διαφάνεια, (4) ιδιωτικότητα, ασφάλεια και συμμόρφωση με τους κανονισμούς, και (5) επιλογή και έλεγχος του πελάτη. Ξέρουμε ότι αυτές οι αρχές είναι κρίσιμες καθώς οι εταιρείες συνεχίζουν να υιοθετούν και να δοκιμάζουν την τεχνητή νοημοσύνη και τελικά γίνονται πραγματικά δεδομενο-κεντρικές. Για τους σκοπούς μας, αυτό σημαίνει να χτίζουμε εργαλεία τεχνητής νοημοσύνης που βοηθούν τους ανθρώπους να φτάσουν σε ερμηνείες γρηγορότερα. Όταν χρησιμοποιηθεί σωστά, αυτές οι ερμηνείες οδηγούν σε γρηγορότερες, καλύτερες αποφάσεις που οδηγούν σε αποτελέσματα που επηρεάζουν τον πυλώνα. Η χρήση της τεχνητής νοημοσύνης ως εργαλείου για να συμπληρώσει την ανθρώπινη νοημοσύνη και δημιουργικότητα είναι εκεί που βλέπω τη μεγαλύτερη επίδραση της.

Μπορείτε να εξηγήσετε το概念 της “δημοκρατίας των δεδομένων” στο контέκστ της σημερινής επιχειρηματικής περιβάλλοντος που οδηγείται από την τεχνητή νοημοσύνη;

“Η δημοκρατία των δεδομένων οδηγείται από τη γνώση ότι οι ομάδες λειτουργούν καλύτερα, γρηγορότερα και αποτελεσματικότερα όταν μπορούν να έχουν πρόσβαση στις σωστές ερμηνείες δεδομένων στην σωστή στιγμή. Στη σημερινή ταχύτατα εξελισσόμενη τεχνητή νοημοσύνη, οι ομάδες δεν μπορούν να περιμένουν ημέρες ή εβδομάδες για την ανάκτηση δεδομένων. Για να μετριάσει αυτό, οι εταιρείες πρέπει να ενδυναμώσουν τις ομάδες τους να χρησιμοποιήσουν τα δεδομένα με αυτοεξυπηρέτηση. Αυτό δεν σημαίνει χάος δεδομένων χωρίς παραμέτρους. Στο τέλος της ημέρας, τα κακά δεδομένα οδηγούν σε κακή τεχνητή νοημοσύνη. Αλλά με τα σωστά εργαλεία και τις διαδικασίες στη θέση τους, οι επιχειρήσεις μπορούν να ισορροπήσουν τη δημοκρατία των δεδομένων με τη διακυβέρνηση δεδομένων, επιτρέποντας καλύτερα επιχειρηματικά αποτελέσματα.”

Ποια είναι τα βασικά σχήματα της οργανωτικής κουλτούρας που πιστεύετε ότι είναι απαραίτητα για την ενεργοποίηση της αληθινής δημοκρατίας των δεδομένων στην εποχή της τεχνητής νοημοσύνης;

Η καθιέρωση μιας αληθινής δημοκρατίας των δεδομένων μέσα στην οργάνωση σας ξεκινά με δύο θεμελιώδεις σχήματα κουλτούρας: την παροχή των σωστών, πιο προσιτών εργαλείων και την πραγματοποίηση οργανωτικών προσπαθειών γύρω από τη γνώση δεδομένων. Αυτό σημαίνει την υιοθέτηση εργαλείων αυτοεξυπηρέτησης που επιτρέπουν σε μη τεχνικούς μελές της ομάδας, όπως ομάδες μάρκετινγκ ή πελάτη, όχι μόνο να έχουν πρόσβαση στα δεδομένα αλλά και να τα αναλύουν και να λαμβάνουν ενέργειες. Πιστεύω ότι η αυτοεξυπηρέτηση των αναλυτικών δεδομένων μπορεί και πρέπει να τροφοδοτήσει τη συνεργασία μεταξύ των ομάδων, να εμπνεύσει την περιέργεια και την εξερεύνηση, να κλιμακώσει τη γνώση δεδομένων και να τοποθετήσει μια προκατάληψη στην ενέργεια και την επίδραση. Επίσης, είναι σημαντικό να δαπανηθούν κοινές προσπάθειες μεταξύ της κεντρικής ομάδας δεδομένων και των ομάδων επιχειρήσεων για τη συνεχή διακυβέρνηση δεδομένων, ώστε να διασφαλιστεί ότι η ποιότητα των δεδομένων δεν χειροτερεύει με τον καιρό.

Σε ποια σημεία πιστεύετε ότι οι οργανισμοί αντιμετωπίζουν τις πιο σημαντικές προκλήσεις για την επίτευξη της δημοκρατίας των δεδομένων, και πώς μπορούν να υπερβούν αυτά τα εμπόδια;

Στον παρελθόν, οι εταιρείες έχουν προσπαθήσει να κεντρώσουν τα δεδομένα μέσα σε μια ομάδα εμπειρογνωμόνων, αφήνοντας την υπόλοιπη οργάνωση να εξαρτάται από αυτήν την ομάδα για την παράδοση ανάλυσης και κρίσιμων ερμηνειών που μπορεί να είναι κρίσιμες για τις ημερήσιες εργασίες και τις αποφάσεις. Ενώ η δημοκρατία των δεδομένων είναι κρίσιμη για την επίλυση αυτού του φραγμού, μπορεί επίσης να είναι προκλητική. Όταν μιλάω με ηγέτες δεδομένων για την λειτουργική αυτοεξυπηρέτηση, είναι σαφές ότι υπάρχει ένα φάσμα. Στο ένα άκρο, έχετε εργαλεία χαμηλής εγκατάστασης για μη τεχνικούς και ομάδες επιχειρήσεων. Αυτά τα εργαλεία δεν προσφέρουν το βάθος και το πλάτος των απαντήσεων που χρειάζονται αυτές οι ομάδες. Στο άλλο άκρο, έχετε πιο τεχνικά εργαλεία για πιο τεχνικές ομάδες. Αυτά τα εργαλεία είναι πιο ευέλικτα σε σχέση με την ανάλυση, αλλά είναι αργά και είναι πιθανό ότι μόνο λίγοι άνθρωποι θα μπορέσουν να τα χρησιμοποιήσουν. Αναφερόμαστε σε αυτά τα εργαλεία ως “γραμμή ψωμιού” … πάντα περιμένετε για απαντήσεις. Οι ομάδες χρειάζονται μια λύση στο μέσο. Σκεφτείτε λύσεις που ενθαρρύνουν, όχι που εμποδίζουν, την εξερεύνηση και το πείραμα. Με τα σωστά εργαλεία και την εκπαίδευση της ομάδας, οι εταιρείες μπορούν να γεφυρώσουν πιο εύκολα το χάσμα της δημοκρατίας των δεδομένων.

Πόσο κρίσιμο είναι η γνώση δεδομένων στη διαδικασία της δημοκρατίας των δεδομένων, και ποια βήματα πρέπει να λάβουν οι εταιρείες για να τη βελτιώσουν μεταξύ των υπαλλήλων τους;

Η δημιουργία ενός περιβάλλοντος δημοκρατίας των δεδομένων στις ομάδες σας είναι μια προκλήση κουλτούρας που απαιτεί εκπαίδευση και εταιρική έγκριση. Στις εμπειρίες μου με τη διδασκαλία διαδικασιών δεδομένων σε μη τεχνικούς μελές, ο καλύτερος τρόπος για την ανάπτυξη αυτών των δεξιοτήτων είναι μέσω μιας συνδυασμής εκπαίδευσης και πρακτικής μάθησης. Συνιστώ να αναπτύξετε ένα ολοκληρωμένο πρόγραμμα εκπαίδευσης για να διασφαλίσετε ότι οι υπάλληλοι αισθάνονται άνετα και自信 στην ανάλυση που τραβούν από τα δεδομένα. Βεβαιωθείτε ότι χρησιμοποιείτε ένα εργαλείο που δεν αποκλείει μη τεχνικούς χρήστες: για παράδειγμα, οποιοδήποτε εργαλείο που απαιτεί γνώση SQL θα αποκλείσει άτομα χωρίς εμπειρία προγραμματισμού. Από εκεί, παρέχετε ευκαιρίες στους υπαλλήλους να βουτήξουν και να αρχίσουν να παίζουν με τα δεδομένα. Τέλος, εφαρμόστε ένα εργαλείο που προάγει την εξερεύνηση και τη συνεργασία. Όσο λιγότερο οι άνθρωποι εργάζονται σε σιλό, τόσο περισσότερο μπορούν να ανταλλάσσουν ιδέες, οδηγώντας σε πιο φωτιστικές ερμηνείες. Αν είστε ένας επαγγελματίας δεδομένων που διδάσκει σε μη τεχνικούς, θυμηθείτε ότι έχετε ξοδέψει χρόνια μαθαίνοντας πώς να λαμβάνετε και να χρησιμοποιείτε δεδομένα, οπότε σκέφτεστε διαφορετικά από τον καθημερινό χρήστη. Να είστε ανοιχτοί στη διδασκαλία άλλων αντί να κάνετε mọiTHING μόνοι σας. Διαφορετικά, δεν θα έχετε ποτέ ελεύθερο χρόνο για να κάνετε τίποτα άλλο εκτός από την απάντηση στις ερωτήσεις των ανθρώπων.

Με την ταχεία εξέλιξη των εργαλείων δεδομένων και των τεχνολογιών της γενετικής νοημοσύνης, πώς πρέπει οι εταιρείες να προσαρμόσουν τις στρατηγικές τους για να παραμείνουν μπροστά στη διαχείριση και την αξιοποίηση των δεδομένων;

Η διακυβέρνηση δεδομένων είναι μια από τις κύριες προκλήσεις που αντιμετωπίζουν ακόμη οι εταιρείες, και είναι κάτι που κάθε οργάνωση πρέπει να καταλάβει για να ενδυναμώσει τις σημαντικές εμπειρίες δεδομένων και τεχνητής νοημοσύνης. Η τεχνητή νοημοσύνη είναι τόσο καλή όσο τα δεδομένα που την τροφοδοτούν, και τα καθαρά δεδομένα οδηγούν σε πιο σημαντικές ερμηνείες, πιο ευτυχισμένους χρήστες και επιχειρηματική ανάπτυξη. Με αυτόν τον τρόπο, οι εταιρείες πρέπει να είναι προηγμένες σχετικά με την καθαριότητα και την ταξινόμηση δεδομένων, και υπάρχουν ευκαιρίες να χρησιμοποιήσουν τη γενετική νοημοσύνη για τη διαχείριση της διακυβέρνησης και της ποιότητας της τεχνητής νοημοσύνης. Για παράδειγμα, στην Amplitude, εκτοξεύσαμε το προϊόν μας Data Assistant με τεχνητή νοημοσύνη πέρυσι, το οποίο προσφέρει έξυπνες συστάσεις και αυτοματοποίηση για να κάνει τη διακυβέρνηση δεδομένων να γίνει ομαλή και να βοηθήσει τους χρήστες να λάβουν τον έλεγχο των προσπαθειών ποιότητας δεδομένων.

Πώς η Amplitude επιτρέπει στις επιχειρήσεις να κατανοήσουν καλύτερα την πορεία του πελάτη;

Η δημιουργία εξαιρετικών ψηφιακών προϊόντων και εμπειριών είναι δύσκολη, ιδιαίτερα στο σημερινό ανταγωνιστικό τοπίο. Σήμερα, πολλές εταιρείες δεν ξέρουν για ποιους χτίζουν ή τι θέλουν οι πελάτες τους. Η Amplitude βοηθά τις επιχειρήσεις να απαντήσουν σε ερωτήσεις όπως “Τι αγαπούν οι πελάτες μας; Πού μπερδεύονται; Τι τους κρατάει να επιστρέφουν;” μέσω ποσοτικών και ποιοτικών ερμηνειών δεδομένων. Η πλατφόρμα μας βοηθά τις επιχειρήσεις να κατανοήσουν καλύτερα την πορεία του πελάτη από την αρχή έως το τέλος, επιφέροντας δεδομένα για να οδηγήσουν τον κύκλο απόκτησης, μονοποίηση και διατήρησης του πελάτη. Σήμερα, περισσότεροι από 2.700 πελάτες, συμπεριλαμβανομένων επιχειρηματικών μαρκών όπως Atlassian (TEAM ), NBC Universal και Under Armour (UAA ), χρησιμοποιούν την Amplitude για να χτίζουν καλύτερα προϊόντα.

Ευχαριστούμε πολύ για τη μεγάλη συνέντευξη, οι αναγνώστες που θέλουν να μάθουν περισσότερα πρέπει να επισκεφθούν Amplitude.