Dr. Rich Sonnenblick, Científico de Datos Jefe, Planview – Serie de Entrevistas

Dr. Rich Sonnenblick, Científico de Datos Jefe de Planview, cuenta con años de experiencia trabajando con algunas de las empresas farmacéuticas y de ciencias de la vida más grandes del mundo. A través de este estudio y aplicación en profundidad, ha formulado con éxito procesos de priorización y revisión de cartera, sistemas de puntuación y métodos de valoración y previsión financieros para mejorar tanto la previsión de productos como el análisis de cartera. El Dr. Sonnenblick tiene un Ph.D. y una maestría de la Universidad Carnegie Mellon en Ingeniería y Política Pública, y una licenciatura en Física de la Universidad de California, Santa Cruz.

La plataforma de Planview para el Trabajo Conectado está diseñada para mejorar el tiempo de llegada al mercado y la previsibilidad, mejorar la eficiencia para maximizar la capacidad y apoyar la entrega de iniciativas estratégicas destinadas a lograr resultados comerciales óptimos.

Ha tenido una carrera extensa que ha pasado de la consultoría de gestión a liderar iniciativas de ciencia de datos. ¿Qué lo inspiró a hacer este cambio y cómo ha moldeado su enfoque para aprovechar el AI en los negocios hoy en día?

La consultoría de gestión me proporcionó una visión general de las ineficiencias comerciales y las oportunidades no aprovechadas, donde hay una brecha distinta entre el asesoramiento estratégico y las perspectivas accionables. La ciencia de datos cubre esa brecha, convirtiendo los datos brutos en activos estratégicos que tienen el poder de informar la toma de decisiones en tiempo real. Mi viaje me ha enseñado a ver el AI como un mejorador que puede refinar los procesos, acelerar la toma de decisiones y desbloquear la creatividad de maneras que amplifican la experiencia humana.

En Planview, ha liderado la integración de soluciones de AI avanzadas en diversas funciones comerciales. ¿Podría compartir cómo su papel como Científico de Datos Jefe ha influido en la estrategia de AI de la empresa y los mayores desafíos que ha enfrentado en el camino?

En Planview, el AI está integrado en nuestra plataforma como una herramienta para desbloquear perspectivas y mejorar la toma de decisiones. Me he centrado en utilizar el AI para optimizar la gestión de recursos, la planificación de proyectos y la eficiencia operativa. Nuestro asistente de AI Copilot proporciona capacitación en el trabajo para usuarios de todos los niveles de habilidad, automatiza tareas frecuentes y consume tiempo, como la generación de informes, y aprovecha las mejores prácticas para sugerir cursos de acción productivos, permitiendo a los equipos tomar decisiones informadas con rapidez.

¿Cómo puede el AI ayudar a las empresas a identificar ineficiencias dentro de los equipos y mejorar la asignación de recursos?

El AI sobresale en la identificación de patrones en los datos que son demasiado complejos para ser reconocidos rápidamente por los humanos. Puede resaltar recursos subutilizados, identificar cuellos de botella y predecir desequilibrios de carga de trabajo. Por ejemplo, al analizar los objetivos de la cartera, los plazos de los proyectos y las métricas de rendimiento del equipo, el AI puede sugerir la reasignación de tareas o la reasignación de recursos en toda la cartera para crear el máximo impacto sin agregar recursos adicionales.

¿Cuáles son algunas ineficiencias comunes en la gestión de recursos que el AI es particularmente efectivo para abordar?

El AI es particularmente hábil para resaltar las iniciativas fuera de estrategia y de bajo rendimiento, y hemos incorporado estas habilidades críticas en Planview Copilot. A medida que Copilot evoluciona, es mejor para resaltar y sugerir medidas de mitigación. También puede señalarizar el desperdicio en los procesos, como tareas redundantes o entregas excesivas, y sugerir optimizaciones.

¿Por qué el desperdicio es un desafío significativo para los equipos de desarrollo de software y de qué manera puede el AI reducirlo?

El desperdicio en el desarrollo de software a menudo se debe a ineficiencias como la mala priorización, la depuración excesiva o los esfuerzos de equipo mal alineados. El AI puede reducir el desperdicio actuando como asistente de codificación, automatizando tareas repetitivas y ofreciendo perspectivas predictivas sobre los plazos de los proyectos y los riesgos potenciales. Por ejemplo, puede analizar proyectos pasados para identificar patrones que conducen a retrasos, ayudando a los equipos a evitar esas trampas.

¿Hay modelos o herramientas de AI específicas que sean particularmente adecuadas para optimizar el ciclo de vida de desarrollo de software?

Para optimizar el ciclo de vida de desarrollo de software, estamos buscando una mayor eficiencia y alineación. Planview Copilot en Viz identifica cuellos de botella y obstáculos para la velocidad de flujo, y proporciona perspectivas accionables adaptadas a los datos de una organización. Los equipos pueden utilizar inglés plano para interpretar las métricas de flujo, identificar ralentizaciones sistemáticas de entrega y recibir recomendaciones detalladas. Esta optimización es la clave para aumentar la productividad, en última instancia, racionalizando la entrega.

¿Cómo crean las relaciones subyacentes de los datos un valor adicional al implementar el AI como asistente de trabajo?

Al mapear las relaciones entre los puntos de datos, ya sea en los plazos de los proyectos, la utilización de recursos o la comunicación del equipo, el AI puede surfacear perspectivas que van más allá de lo obvio. Por ejemplo, vincular las tendencias de sentimiento en las actualizaciones de estado a los resultados del proyecto puede ayudar a los gerentes a anticipar obstáculos antes de que el equipo los presente a la gestión, proporcionando tiempo suficiente para hacer ajustes proactivos.

¿Qué pasos deben seguir las organizaciones más pequeñas para adoptar el AI de manera asequible sin comprometer el impacto?

Las organizaciones más pequeñas deben comenzar con herramientas de AI generativas accesibles que funcionen como puertas de entrada a soluciones más sofisticadas. Las herramientas que resumen documentos, asisten con contenido de marketing o asisten con la generación de código son formas rentables para que estas organizaciones comiencen a adoptar el AI sin una gran inversión. Comenzar con una oferta de AI horizontal que sea aplicable a una amplia gama de casos de uso será un mejor valor que invertir en aplicaciones especializadas que doblen el AI generativo en trabajos muy específicos. Esto permite a la organización identificar casos de uso de alto impacto específicos de su organización en lugar de invertir en demasiadas ofertas.

¿Cuál es el papel de la analítica predictiva para mejorar los resultados de los proyectos?

La analítica predictiva ayuda a los equipos a prever posibles obstáculos y resultados basados en datos históricos y tendencias actuales. Los agentes de AI pueden predecir la probabilidad de retrasos de proyectos o escasez de recursos, lo que permite a los gerentes de productos ajustar los planes proactivamente. Esta previsión minimiza el riesgo y maximiza la eficiencia, permitiendo en última instancia a las organizaciones cumplir con sus objetivos estratégicos más rápidamente.

Mirando hacia adelante, ¿cómo vislumbra el AI transformando las operaciones comerciales en la próxima década y qué tendencias de AI emergentes está más emocionado sobre su potencial impacto en las industrias?

El AI continuará transformando las operaciones comerciales en la próxima década. Creará nuevos roles, mejorará las capacidades predictivas y racionalizará la innovación.

Los desarrolladores nativos de LLM, expertos en la integración de la colaboración de AI, se convertirán en la norma y reemplazarán a los desarrolladores que no adopten el AI en sus tareas diarias. El AI generativo continuará borrosas las líneas con el AI predictivo, enriqueciendo los algoritmos con escenarios sintéticos para la toma de decisiones estratégicas basadas en factores internos y externos. En biotecnología, el AI generativo creará perfiles de pacientes intrincados para descubrir nuevos tratamientos, mientras que en la ciberseguridad, el AI simulará nuevas amenazas para que los modelos predictivos las contrarresten. Las tendencias emergentes como la inferencia adaptativa y los modelos de AI más pequeños y eficientes abordarán los desafíos computacionales en los próximos años. Garantizarán soluciones más rápidas y más dirigidas.

Desde la planificación estratégica hasta la seguridad proactiva, la integración del AI permitirá que las empresas se muevan con agilidad, descubran estrategias resilientes y excelencia operativa en un mundo cada vez más dinámico.

Gracias por la gran entrevista, los lectores que deseen aprender más pueden visitar Planview.