Adam Asquini, KPMG:n tiedonhallinnan ja data-analytiikan johtaja – Haastattelusarja

Adam Asquini on KPMG:n tiedonhallinnan ja data-analytiikan johtaja Edmontonissa. Hän vastaa data- ja edistyneiden analytiikka projektien johdosta KPMG:n asiakkaille preerioilla. Adam on intohimoisen kiinnostunut rakentamasta ja kehittämästä korkean suorituskyvyn tiimejä, jotta asiakkaat saavat parhaan mahdollisen lopputuloksen ja tiimit voivat kokea mukavan työkokemuksen. Hän on aiemmin työskennellyt AltaML:ssa asiakasratkaisujen varapuheenjohtajana, Albertan hallituksessa ohjelmapäällikkönä ja Kanadan asevoimissa signaaliupseerina. Seurattuaan epäperinteistä urapolkua tekoälyyn, Adam uskoo vahvasti hyödyntämään monialaisten tiimien monimuotoisuutta ja kokemusta ja uskoo, että kuka tahansa voi liittyä kasvavaan tekoälyyhteisöön.

Haastattelimme Adamia Upper Bound -konferenssissa 2023, joka järjestettiin Edmontonissa, AB, ja jota isäntänä toimi Amii (Alberta Machine Intelligence Institute).

On sinulla epäperinteinen urapolku, voitko kertoa, miten päädyit tekoälyyn?

Aloittelin urani Kanadan asevoimissa signaaliupseerina, signaaliupseerit ovat vastuussa IT- ja tietoliikennejärjestelmistä, jotka auttavat ihmisiä viestimään. Se oli aluksi paljon radio- ja satelliittiteknologiaa. Siinä oli myös jonkin verran dataa, mutta se keskittyi enemmän perusrakenteisiin. Tämä aloitti minun kiinnostukseni teknologiaa kohtaan. Olin opiskellut kemian insinööritieteen yliopistossa, ja se oli alusta lähtien minun omasta uteliaisuudestani ja oppimisenhalustani johtuvaa. Se alkoi siitä ja jatkui teknologian ja itseopiskelun kautta.

Kun olin 14 vuotta asevoimissa ja tein erilaisia signaaliupseerin tehtäviä, kuten tukitoimintoja tukikohdassa ja kenttätoimissa, perustaminen päämajaan ja viestintä eturintamayksiköille, tukeminen kotimaan operaatioissa kuten metsäpaloissa ja tulvissa, siirryin sitten Albertan provinssihallitukseen. Olin ohjelmapäällikkö, joka tarkasteli hallituksen laajuisia teknologia-aloitteita. Silloin hallitus keskitti IT-toimintoja, ja työskentelin eri hallituksen ministeriöiden kanssa yhdistämällä heidän palvelunsa ja konsolidoimalla niitä. Tein myös paljon työtä sijoitusjohtamisessa. Ja todella, tekemällä tämän työn, aloin nähdä joitain organisaatioita hyödyntämässä dataa ja analytiikkaa.

Se herätti minun uteliaisuuteni, ja olen aina ollut utelias ja halukas oppimaan, joten aloin seurata sitä joko osallistumalla projekteihin tai itseopiskelun kautta, kuten Courseran tai muiden koulutusvälineiden avulla. Luin paljon, tutkin joitain toimittajia ja alustoja, jotka tarjosivat nämä työkalut. Minusta tuli kiinnostunut datasta ja analytiikasta, ja oman uteliaisuuteni ja oppimisenhaluni kautta aloin osallistua siihen yhä enemmän.

Onko sinulla suosittuja podcasteja tai kirjoja, joita voit suositella?

Seuraan monia eri seuraajia LinkedInissä, mutta muutamia, jotka tulevat mieleeni, ovat esimerkiksi Emerj. Dan Faggella on henkilö, joka on sen takana. Hän tuo paljon ajattelua johtajuuteen. Seuraan myös joitain suurimpien medioitten podcasteja, kuten HBR ja Forbes. Ystäväni Andreas Welch, joka työskentelee SAP:lla, julkaisee paljon sisältöä tekoälystä ja tekoälyn omaksumisesta, joten olen seurannut häntä. Luulen, että podcasteja on kuunneltu ja kirjoja on luettu. Hyvä kirja, jonka olen hiljattain lukenut, on Infonomics Doug Laneyltä. Hän on entinen Gartner ja MIT, ja se on hyvä kirja, joka selittää datan rahastamiskehikon. Yritän vain upottaa itseni mahdollisimman moniin asioihin ja lisäksi ottaa osaa projekteihin, jotta voin oppia enemmän.

Miten sotilasuraasi on hyödyttänyt sinua nykyisessä roolissasi?

Usealla tavalla. Luulen, että jotkut hienot perustaidot, jotka opiskelin sotilasurallani, ovat hyvin järjestelmällinen lähestymistapa suunnitteluun, mikä on todella hyvä. Ajanhallinta ja priorisointi. Sotilasymmistössä se pakottaa oppimaan, mikä on tärkeintä, ja työskentelemään tietyssä tahdissa, arvioimaan vaihtoehtoja ja ymmärtämään, miten kehittää toimintasuunnitelma, joka on toteuttamiskelpoinen. Luulen, että nopeasti kehittyvässä teknologiamaisemassa, kuten tekoälyssä, jossa asiat liikkuvat todella nopeasti, pystyäksesi prosessoida paljon tietoa ja käyttää järjestelmällistä lähestymistapaa ymmärtääksesi, mikä on tärkeää, mikä ei ole tärkeää, mihin haluat keskittyä, on ollut hyvä taito.

Toinen suuri asia on johtajuus ja tiimityö. Työskentelet suuren organisaation kanssa. Kenttätoimissa tiimit järjestetään ja järjestetään uudelleen jatkuvasti, jotta saadaan paras ryhmä kootuksi tehtävän suorittamiseksi, vahvat vuorovaikutuskyky, johtamistaidot, viestintätaidot ovat kaikki taitoja, joita sotilaskoulutuksessa korostetaan, ja luulen, että ne ovat hyödyttäneet minua.

Olit AltaML:n asiakasratkaisujen varapuheenjohtajana yli kaksi vuotta, mitä AltaML on ja mitä mielenkiintoisia projekteja sinä työskentelit?

AltaML on sovelletun tekoälyn ja koneoppimisen yritys. Sen pääkonttori on Albertassa, Edmontonissa, ja siellä on myös suuri toimisto Calgaryssä ja Torontossa. He työskentelevät muiden yritysten kanssa kehittääkseen ohjelmistoratkaisuja ja tuotteita, joissa tekoäly on keskeisessä asemassa, se on liiketoimintaa. Osa organisaatiosta, jossa työskentelin, oli palveluliiketoimintaa, ja työskentelin öljy- ja kaasuyhtiöiden, rahoituslaitosten kanssa. Työskentelin useiden eri teollisuusalojen parissa. Työskentelin heidän kanssaan määrittämään liiketoimintahaasteita, joita voitiin ratkaista tekoälyllä, ja työskentelin heidän kanssaan keräämään heidän dataa yhteen, rakentamaan tekoälymallit, ottamaan ne käyttöön ja työskentelemään muutoksenhallinnan parissa, jotta ne voitiin ottaa käyttöön ja käytännössä. Olin työskennellyt useissa kymmenissä tekoälyprojekteissa joko projektinjohtajana, valmentajana tai laadunvarmistusresurssina.

Yksi lemppariprojektejani oli maastopalojen projekti. Työskentelin Albertan kuvernöörin kanssa. He kamppailivat päivinä, jolloin tulipaloriski oli kohtalainen, ymmärtämään, onko todennäköistä, että tulipalo syttyy tietyllä alueella. Kun he olivat epävarmoja, heidän aikataulutus käytäntö oli aikatauluttaa kaikki saatavilla olevat resurssit, mukaan lukien ulkopuoliset resurssit, kuten bulldozerit tai lentokoneet, helikopterit, mikä on tietysti kallista.

Tekoälyprojektin tarkoituksena oli ennustaa annetulle alueelle tulipalon todennäköisyys seuraavaksi päiväksi, jotta voidaan tehdä päätöksiä optimaalisten resurssien alokimisesta prosessiin, jota kutsutaan ennakkoestoaikaa, joka on proaktiivinen resurssien ajoitus ja alokointi.

Se oli todella hienoa nähdä, miten tietyissä skenaarioissa voitiin laskea resursseja tai kohdistaa niitä tiettyyn aikaan päivästä, mikä voisi säästää paljon rahaa ilman, että se esittäisi merkittävää riskiä tulipalon puuttumisesta, miljoonien dollarien säästöpotentiaali. Tämä työ on jatkunut edelleen. Nykyään he tarkastelevat mahdollisuutta laajentaa aikaa eteenpäin ja tehdä alueet pienemmiksi ja tarkemmiksi resurssien optimoimiseksi.

Olet nyt KPMG:n tiedonhallinnan ja data-analytiikan johtaja. Mitä tämä rooli tarkalleen ottaen sisältää?

Työskentelen yritysten kanssa johdaten heitä matkalla, jossa ratkaistaan näitä ongelmia laajemman datan ja analytiikkaominaisuuksien avulla. Työskentelemme kaikenlaisista datastrategioista eteenpäin ja autamme organisaatioita järjestämään datan erilaisista järjestelmistä, yhdistämään sitä, raportointiin ja analytiikkaan, sekä tekoälyyn ja koneoppimiseen. Se on laajempi rooli kuin edellinen, mutta se on myös todella jännittävää minulle. Se ruokkii intohimoani oppia ja kehittymään.

Johtajana työskentelen usein asiakkaan seniorijohtajien kanssa auttaen heitä ymmärtämään, mitä heidän on tehtävä, miltä nämä projektit näyttävät, miten he voivat valmistautua. Iso painopiste on omaksumisessa, erityisesti edistyneissä analytiikkajärjestelmissä, jotka ovat uusia ja joita vastaan voi olla negatiivinen asenne työvoimalla, joten todella työskentelemällä heidän kanssaan siitä, miten nämä ratkaisut voidaan parhaalla tavalla toteuttaa, sekä prosesseista, joita heidän on käytettävä, ja rakenteista, joita heidän on käytettävä. Se on suuri osa roolia. Sisäisesti johtamalla asiakkaan kanssa ja johtamalla projektitiimejä, auttamalla saamaan oikeat prioriteetit projektiin ja ohjaamalla työtä sekä eri tiimien synkronointia, jotka työskentelevät näillä projekteilla.

Kerro, miten tekoäly on omaksuttu eri aloilla Albertassa?

Olen nähnyt omaksumisen useilla eri aloilla Albertassa. Energia-alalla on paljon, olen nähnyt käyttötapauksia, joissa yritykset käyttävät tekoälyä optimoimaan turvallisuustarkastuksia putkistoissa, missä kaivauksia voidaan tehdä, koska kaivaukset ovat hyvin kalliita, jos epäillään vuotoa. Olen myös nähnyt paljon työtä toimitusketjuissa. Suuret yritykset, jotka tekevät fuusiota ja yritysostoa, heidän datansa on kaikkialla, ja he kamppailevat todella siinä, miten he löytävät kohteita materiaalimastoissaan, joten pystyäkseen käyttämään näitä kielenmalleja, jotka nyt tulevat esiin, järjestämään dataa ja rakentelemalla sitä analyysikelpoiseksi.

Turva on suuri asia, käyttäen joko kuva-analyysiä tai kielenmalleja löytämään tärkein turvallisuusseloste tai turvallisuustarkastus, joka pitäisi tehdä tietyllä paikalla. Rahoituspalveluissa on paljon työtä henkilökohtaistamassa asiakkaan kokemusta, tarjoamalla parasta mahdollista neuvontaa ja löytämällä räätälöityjä ratkaisuja ihmisille, jotka ovat erilaisissa taloudellisissa tilanteissa, se on todella tärkeä painopiste, ja olen nähnyt paljon työtä siinä. Ja sitten vakuutus, kuten mainitsin aiemmin, paljon työtä vakuutusvaatimusten käsittelyssä.

Miten tekoäly muuttaa tulevaisuuden?

Olen todella innoissani siitä. Näen sen potentiaalin. Luulen myös, että on tärkeää olla oikeat valvontamekanismit generatiiviselle tekoälylle, luulen todella, että on paljon käyttötapauksia, joissa tämä voisi olla sovellettavissa tuottamaan suuria tuottavuus- ja tehokkuusvoittoja liiketoiminnalle. Jotkut niistä, kuten mainitsin aiemmin toimitusketjun tapauksessa, hyödyntävät joitain näistä tekniikoista ennen kuin ChatGPT julkaistiin julkisesti. Siitä, mihin näen sen kehittyvän, toinen mielenkiintoinen suuntaus, jota näen, on, että yhä enemmän tämä teknologia upotetaan valtavirtaisten liiketoimintasovellusten sisään. Microsoft (MSFT ) on ilmoittanut Copilot-työkalunsa, joka tullaan integroimaan Microsoft Office -sovelluksiin, näin joitain heidän materiaaleistaan, kuten “Kirjoita asiakirja ja pyydä sanaa lyhentämään tätä kappaletta” ja se tekee sen sinulle.

Kun nämä generatiivisen tekoälyn teknologiat upotetaan valtavirtaisten liiketoimintasovellusten sisään, se pakottaa liiketoiminnat ajattelemaan, miten ja milloin he ottaisivat ne käyttöön, miten he voivat valvoa niitä, miten he voivat varmistaa laadunvarmistuksen tuotteista, jotka he tuottavat. Kun se on erillinen, erillinen kyky, se on helpompi hidastaa sitä tai jättää se huomiotta, mutta nähdessäni sitä upotettuna valtavirtaisten liiketoimintasovellusten sisään, se todella ajaa eteenpäin tämän keskustelun.

Luulen myös, että tämä ja painopiste vastuullisesta tekoälyn käytöstä tällä hetkellä auttaa organisaatioita panemaan painopisteen vastuulliseen tekoälyyn, luomalla oikeat prosessit, hallinnon ja varmistamalla, että heidän tekoälyratkaisunsa on rakennettu tehokkaasti, riski on hallittu koko elinkaaren ajan, on seurantaa ja voidaan luottaa niiden tuloksiin. Toivon, että tämä hype generatiivisesta tekoälystä ajaa eteenpäin tämän keskustelun näiden kykyjen kanssa.

Voitko kertoa, miten tärkeää on sinulle vastuullinen tekoäly ja vähentää tekoälyn harhaa?

Todella. Luulen, että se on pakollista useista syistä. Useimmat ihmiset, jotka rakentavat näitä järjestelmiä, ovat ylpeitä työstään ja eivät halua, että järjestelmillä olisi harhaa, joten siinä on sisäinen tarve siihen, jotta työntekijät voivat olla tyytyväisiä ja suojattuja. Laillisesti on esimerkkejä siitä, miten organisaatiot ovat kohdanneet oikeudellisia haasteita tai sääntelyhaasteita tekoälyn harhan vuoksi. On klassinen case-tutkimus yrityksestä, joka käytti tekoälyä palkkaamisessa, ja datat olivat liiaksi vinoutuneita miehille naisia kohtaan, joten heidän tekoälynsä syrji naisia.

Se oli tekoälytyökalu Amazonilta.

Sellaisia tapahtumia on jo tapahtunut ja niillä on potentiaalia tapahtua, jos ei ole oikeat valvontamekanismit paikallaan, ja on todella tärkeää, että on oikea fokus siinä. Ja sitten maineeseen liittyvät riskit organisaatioille. Jos tekee virheen, se voi olla hyvin suuri vaikutus liiketoimintaan, ja se on todella tärkeää.

Olet myös vahva kannattaja monialaisten tiimien monimuotoisuuden ja kokemuksen hyödyntämisestä. Miksi monimuotoisuus on sinulle niin tärkeää?

Tällä hetkellä ongelmat, joita ratkaistaan tekoälyllä, ovat niin monimutkaisia, liiketoiminnan kannalta, ja datan kannalta, joka on sen taustalla, kukaan ei voi ratkaista kaikkia näitä ongelmia yksin. On tärkeää olla hyvä monialainen tiimi, jolla on erilaiset näkökulmat ja taidot, jotta voidaan hyödyntää heidän vahvuuksiaan. Monimuotoisuuden osalta, toinen suuri ajaja monimuotoisen tiimin luomiselle on se, että lopputuotteiden käyttäjät ovat monimuotoisia ryhmiä, ja jos et ole mukana näiden tiimien kanssa, kun rakennat näitä järjestelmiä, se asettaa sinut virheiden vaaraan tai puutteiden vaaraan, jotka et huomaa.

Luulen myös, että erilainen näkökulma on siellä, mistä saat parhaan dialogin, saat todella hyviä kysymyksiä, jotka tulevat ihmisiltä, jotka näkevät asioita eri näkökulmasta. Se pakottaa keskustelun siitä, miten lähestyä jotain parhaalla tavalla, se saa sinut kääntämään niitä kiviä, joita et muuten kääntäisi, ja on todella tärkeää, että on monimuotoinen ryhmä ihmisiä, jotka tarkastelevat ongelmaa, jotta voidaan saada parhaan mahdollinen lopputulos ja parhaan mahdollinen ratkaisu.

Mitä luulet, mitä seuraava suuri läpimurto tekoälyssä on?

Generatiivisen tekoälyn linjalla, luulen, että kun nämä teknologiat upotetaan valtavirtaisten sovellusten sisään, se tulee olemaan hyvin suuri asia omaksumisen kannalta, koska se tulee olemaan siellä, missä ihmiset jo käyttävät näitä sovelluksia, ja se tulee pakottamaan liiketoiminnat ajattelemaan, miten ja milloin he ottaisivat sen käyttöön, miten he voivat valvoa sitä, miten he voivat varmistaa laadunvarmistuksen tuotteista, jotka he tuottavat.

Luulen myös, että se avaa oven muille käyttötapauksille, kun ihmiset tulevat tutuiksi sille, mitä se voi tehdä, mitkä ovat sen rajoitukset, miten se voidaan käyttää optimaalisesti, ja se voi laukaista ihmisten ajattelun siitä, mitä ongelmia he voivat ratkaista, ja se voi avata uusia ovia.

Luulen myös, että sääntelypolitiikka on läpimurto, joka tulee tulevaisuudessa. Tiedän, että on paljon liikettä lainsäätäjien ja sääntelijöiden tasolla, mutta toivon, että yksittäiset yritykset keksivät itse, miten heidän on ajateltava siitä, mitä heidän on tehtävä, ja mitkä ovat sisäiset valvontamekanismit, joita heidän on otettava käyttöön.

Luulen, että lait ja säännökset kestää pitkään. Yritykset voivat ajaa paljon muutosta ottamalla itse joitain näistä valvontamekanismeista käyttöön ja ajattelemalla, mitä niiden on tehtävä. On esimerkki siitä, kuten auditoiminen ja muut asiat, jotka KPMG on vahva. Mutta ajattelemalla, mitkä valvontamekanismit voivat olla, miten voidaan valvoa tuloksia, miten voidaan varmistaa, että vähennetään harhoja, mitkä ovat lisäaskelista, jotka voidaan tehdä mallin tuloksen jälkeen minimoidakseen potentiaalisen vahingon tai riskin, nämä ovat oikeat kysymykset, ja toivon, että osa tästä hypestä on läpimurto siinä, miten ajatellaan siitä ja miten rakennetaan oikeat rakenteet, prosessit ja tiimit vastuullisen tekoälyn puolesta.

Kiitos hienosta haastattelusta, lukijat, jotka haluavat oppia enemmän, voivat vierailla KPMG:ssa.