Tohtori Rich Sonnenblick, Planview’n päädata-tieteilijä – Haastattelusarja

Tohtori Rich Sonnenblick, Planview’n päädata-tieteilijä, on työskennellyt useiden maailman suurimpien lääke- ja elämän-tieteellisten yritysten kanssa. Tässä syvällisessä tutkimuksessa ja soveltamisessa hän on onnistuneesti kehittänyt oivallisia priorisointi- ja portfoliotarkastusprosesseja, pisteytysjärjestelmiä ja taloudellisia arvostus- ja ennustemenetelmiä sekä tuotteen ennustamisen ja portfoliotarkastelun parantamiseksi. Tohtori Sonnenblickilla on filosofian tohtorin ja maisterin tutkinto Carnegie Mellon -yliopistosta insinööritieteestä ja julkisesta politiikasta sekä fysiikan kandidaatin tutkinto Kalifornian yliopistosta, Santa Cruzista.

Planview’n alusta on suunniteltu parantamaan markkinoille menoaikaa ja ennustettavuutta, parantamaan tehokkuutta maksimoimaan kapasiteettia ja tukea strategisten aloitteiden toimittamista, joiden tavoitteena on saavuttaa optimaaliset liiketoimintatulokset.

Olet ollut laajalla uralla siirtymässä johtamiskonsultoinnista data-tieteellisiin aloitteisiin. Mikä innoitti sinua tekemään tämän muutoksen, ja miten matkasi on muovannut lähestymistäsi liiketoiminnan AI:n hyödyntämiseen tänään?

Johtamiskonsultointi antoi minulle laajan näkymän liiketoiminnan tehokkuuden puutteista ja käyttämättömistä mahdollisuuksista, joissa on selkeä kuilu strategisen neuvonnan ja toimintakykyisten näkymien välillä. Data-tiede siltaa tämän kuilun, muuttaen raakadataa strategisiksi varoiksi, joilla on voima informoida päätöksentekoa reaaliajassa. Matkani on opettanut minulle näkemään AI:n vahvistimena, joka voi parantaa prosesseja, nopeuttaa päätöksentekoa ja vapauttaa luovuutta tavoin, jotka vahvistavat ihmisen asiantuntemusta.

Planview’ssa olet johtanut edistyneiden AI-ratkaisujen integrointia eri liiketoimintafunktioihin. Voitko kertoa, miten roolini päädata-tieteilijänä on vaikuttanut yrityksen AI-strategiaan ja mitkä ovat olleet suurimmat haasteet, joita olet kohdannut matkallasi?

Planview’ssa AI on upotettu alustaan työkaluksi, joka avaa näkymät ja parantaa päätöksentekoa. Olen keskittynyt käyttämään AI:ta resurssien hallinnan, projektisuunnittelun ja operatiivisen tehokkuuden optimoimiseen. Meidän Copilot AI -avustaja tarjoaa käytännön koulutuksen käyttäjille kaikilla taitotasolla, automatisoi usein aikaa vieviä tehtäviä, kuten raporttien luonti, ja hyödyntää parhaita käytäntöjä ehdottamaan tuottavia toimintalinjoja, jotka antavat tiimille mahdollisuuden tehdä nopeasti perusteltuja päätöksiä.

Miten AI voi auttaa yrityksiä tunnistamaan tehokkuuden puutteita tiimeissä ja parantamaan resurssien alokointia?

AI on erittäin taitava tunnistamaan datassa olevia malleja, jotka ovat liian monimutkaisia ihmisten nopeasti tunnistamiseen. Se voi korostaa alikäytettyjä resursseja, tunnistaa pullonkaulat ja ennustaa työtaakan epätasapainoa. Esimerkiksi analysoimalla portfolion tavoitteita, projektiaikatauluja ja tiimin suorituskykyä AI voi ehdottaa tehtävien uudelleenjärjestelyä tai resurssien uudelleenjärjestelyä portfolion sisällä luomaan maksimaalisen vaikutuksen ilman lisäresurssien lisäämistä.

Mitkä ovat yleisiä tehokkuuden puutteita resurssien hallinnassa, joita AI on erityisen tehokas ratkaisemaan?

AI on erityisen taitava korostamaan strategian ulkopuolisia ja heikosti suorittavien aloitteiden, ja olemme rakentaneet nämä kriittiset taidot Planview Copilottiin. Kun Copilot kehittyy, se pystyy paremmin korostamaan ja ehdottamaan lieventämis-toimia. Se voi myös korostaa prosessien haaskauksen, kuten turhien tehtävien tai liiallisen käsittelyn, ja ehdottaa optimointeja.

Miksi haaskaus on merkittävä haaste ohjelmistokehitystiimeille, ja miten AI voi vähentää sitä?

Ohjelmistokehityksessä haaskaus usein johtuu tehokkuuden puutteista, kuten huonosta priorisoinnista, liiallisesta virheenkorjauksesta tai epäsovittaisista tiimiponnisteluista. AI voi vähentää haaskautta toimimalla koodausavustajana, automatisoimalla toistuvia tehtäviä ja tarjoamalla ennustavia näkemyksiä projektiaikatauluista ja potentiaalisista riskeistä. Esimerkiksi se voi analysoida aiempia projekteja tunnistamaan mallit, jotka johtavat viivästymisiin, jotta tiimit voivat välttää nämä ansat.

Onko erityisiä AI-malleja tai työkaluja, jotka ovat erityisen hyvin soveltuvia ohjelmistokehityksen elinkaaren optimointiin?

Ohjelmistokehityksen elinkaaren optimoimiseksi etsimme parantunutta tehokkuutta ja sovittamista. Planview Copilot Viz tunnistaa pullonkaulat ja esteet virtausnopeudelle ja tarjoaa toimintakykyisiä näkemyksiä, jotka on räätälöity organisaation datalle. Tiimit voivat käyttää yksinkertaista kieltä tulkita virtausmittareita, tunnistaa järjestelmällisiä toimitusviivästymiä ja saada yksityiskohtaisia suosituksia. Tämä optimointi on avain kasvavan tuottavuuden saavuttamiseen, joka lopulta sujuvoittaa toimituksen.

Miten datan suhteet luovat lisäarvoa AI:n käytön aikana työavustajana?

Linkkimällä datapistekohtaisia suhteita – olivat ne projektiaikatauluja, resurssien käyttöä tai tiimin viestintää – AI voi tuoda esiin näkemyksiä, jotka menevät selvästi oletetun ulkopuolelle. Esimerkiksi linkkimällä mielipidetrendejä tilanneraporteissa projektiin liittyviin tuloksiin, johtajat voivat ennakoida esteitä ennen kuin tiimi ilmoittaa niistä johdolle, jolloin on riittävästi aikaa tehdä proaktiivisia sopeutumisia.

Mitkä ovat pienemmille organisaatioille sopivat vaiheet AI:n omaksumiseksi edullisesti ilman vaikutuksen heikentymistä?

Pienemmät organisaatiot tulisi aloittaa helposti saatavilla olevilla generatiivisilla AI-työkaluilla, jotka toimivat porttina monimutkaisempiin ratkaisuihin. Työkalut, jotka tiivistävät asiakirjoja, auttavat markkinointisisällön luomisessa tai auttavat koodin luomisessa, ovat kustannustehokkaita tapoja näille organisaatioille aloittaa AI-omaksuminen ilman laajaa investointia. Aloittaminen vaakasuoralla AI-tarjonnalla, joka on sovellettavissa laajaan valikoimaan käyttötarkoituksiin, on parempi arvo kuin investointi erikoistuneisiin sovelluksiin, jotka taipuvat generatiivista AI:ta erittäin spesifeihin tehtäviin. Tämä mahdollistaa organisaatiolle tunnistaa korkean vaikutuksen käyttötarkoitukset, jotka ovat spesifejä heidän organisaatiolleen, eikä ylivilkaise useita tarjontoja.

Mikä on ennustavan analytiikan rooli projektien lopputulosten parantamisessa?

Ennustava analytiikka auttaa tiimejä ennakoimaan mahdollisia esteitä ja lopputuloksia historiallisten tietojen ja nykyisten trendien perusteella. AI-agentit voivat ennustaa projektien viivästymisen tai resurssipuutteen todennäköisyyden, jolloin tuotejohtajat voivat sopeuttaa suunnitelmiaan proaktiivisesti. Tämä etenkin vähentää riskiä ja maksimoimaan tehokkuuden, mikä lopulta mahdollistaa organisaatioiden saavuttaa strategiset tavoitteensa nopeammin.

Miten näet AI:n muuttavan liiketoimintaa seuraavan vuosikymmenen aikana, ja mitkä nousevat AI-trendit ovat sinulle kaikkein mielenkiintoisimmat heidän potentiaalisen vaikutuksensa vuoksi eri teollisuusaloilla?

AI jatkaa liiketoiminnan muuttamista tulevien vuosikymmenien aikana. Se luo uusia rooleja, parantaa ennustavia kykyjä ja sujuvoittaa innovaatiota.

LLM-kehittäjät, jotka ovat asiantuntijoita AI-yhteistyön integroimisessa, tulevat olemaan normi ja korvaavat kehittäjät, jotka eivät omaksu AI:ta päivittäisiin tehtäviinsä. Generatiivinen AI tulee jatkumaan ennustavan AI:n rajojen hämärtämistä, rikastamalla algoritmeja synteettisillä skenaarioilla strategisen päätöksenteon tekemiseksi sekä ulkoisten että sisäisten tekijöiden perusteella. Biotekniikassa generatiivinen AI luo monimutkaisia potilasprofiileja uusien hoitojen löytämiseksi, kun taas kyberturvallisuudessa AI simuloituu uusia uhkia ennustavien mallien vastatoimien kehittämiseksi. Nousevat trendit, kuten sopeutuva inference ja pienemmät, tehokkaammat AI-mallit, tulevat ratkaisemaan laskennalliset haasteet tulevina vuosina. Ne takaavat nopeammat, kohdennetummat ratkaisut.

Strategisen suunnittelun ja proaktiivisen turvallisuuden kautta AI:n integrointi mahdollistaa yritysten kääntyä joustavasti, paljastaen kestäviä strategioita ja operatiivista erinomaisuutta yhä dynaamisemmassa maailmassa.

Kiitos haastattelusta, lukijat, jotka haluavat oppia lisää, voivat vierailla Planview:ssa.