Maria Elena, Stradigi AI:n ratkaisujen johtaja – Haastattelusarja

Maria Elena Carbajal tuo yli 25 vuoden kokemuksen tekoälystä, tietotekniikasta ja telekommunikaatioalasta uraansa varten. Hänellä on 18 vuoden kokemus työskentelystä telekommunikaatioyhtiössä Kanadassa ja Ruotsissa, sekä ilmailu-, energia- ja tietotekniikka-alalla eri yhtiöissä. Tällä hetkellä hän työskentelee Stradigi AI:lla, joka on johtava tekoälyyritys Kanadassa.

Maria Elena Carbajal on toiminut useissa eri rooleissa tutkimuksessa ja kehityksessä, insinöörintiyössä, globaalissa ammattipalvelussa, digitaalisen muutoksen ja tietotekniikassa. Hänen kansainvälinen kokemuksensa kattaa työskentelyä ja tiimien johtamista maissa kuten Peru, Kanada, USA, Meksiko, Brasilia, Ruotsi, Suomi, Norja, Venäjä, Viro ja Valko-Venäjä.

Mikä sai sinut kiinnostumaan tekoälystä aluksi?

Olen aina ollut intohimoinen työskentelemään teknologian parissa. Yksilönä olen aina panostanut siihen, että ympärilläni olevat asiat ovat optimaalisessa kunnossa: siitä, miten järjestän kotini, siitä, miten tuotan tehokkuutta tiimeeni, asiakkaille ja liiketoiminnalle yleensä. Se on olennainen osa minun olemusta. Olen ollut hyvin osallistunut toteuttamaan johtavaa teknologiaa viimeisen kahden vuosikymmenen aikana eri aloilla, joten taidot ovat hyvin monipuolisia ja siirtokelpoisia.

Katsoessa tarkemmin tekoälyä, olen vakuuttunut, että tekoäly ja kvanttilaskenta mullistavat kaikki alat – poikkeuksia ei ole. Tekoäly on kriittinen tekijä, joka vapauttaa ja lisää tehokkuutta kaikilla alueilla: liiketoiminnassa, ammatillisesti ja henkilökohtaisesti. Se on se, mikä sai minut kiinnostumaan ja pitänyt minut motivoituneena ja inspiroiduna päivästä toiseen.

Olit aiemmin työskennellyt Ericssonilla 18 vuotta, mitä sai sinut päättämään liittyä Stradigi AI:hin?

Halusin keskittää ammatillisen panostukseni tekoälyyn, koska se vaikuttaa ja muuttaa tapaa, jolla elämme ja työskentelemme. Tekoäly avaa oven moniin ongelmiin, joita haluat ratkaista työskennellessäsi suurten ja pienien yritysten kanssa, ja antaa mahdollisuuden tehdä eroa, siirtää neuloa ja käyttää teknologiaa hyvään tarkoitukseen. Lisäksi minulla oli laaja johtokokemus Ericssonilla, joka on valtava organisaatio. Siirtymällä Stradigi AI:hin, halusin haastaa itseni omalla mukavuusalueellani ja kokea, mitä on olla osa vauraata ja kehittyvää tekoälyekosysteemiä, joka muotoutuu Montrealissa. On jotain motivoiduttavaa ja energisoivaa olla osa tätä yhteisöä.

Olen ollut Stradigi AI:lla vuoden, ja vuoden työskentelyn jälkeen upeiden ammattilaisten ja innovaattoreiden kanssa, on selvää, että kokemukseni Ericssonilla on ollut niin arvokasta ja siirtokelpoista mihin tahansa organisaatioon, riippumatta koosta. Filosofiani on aina ollut siirtää teknologian neuloa asiakas kerrallaan, ja olen tuonut sen Stradigi AI:lle myös.

Stradigi AI mahdollistaa henkilölle ilman koneoppimiskokemusta tuottaa tekoälymallit, voitko kuvata, miten tämä tapahtuu?

Paljon keskustelua tekoäly- ja koneoppimismaailmassa on “demokratisoinnista”, joka on kaiken kaikkiaan tekoälyn saatavuudesta massoille. Mutta saatavuus ja käytettävyys eivät ole sama asia. Itsepalvelumme, Kepler, on ensisijainen tavoitteena varmistaa, että sisäiset asiantuntijat ja analyytikot voivat tuottaa malleja edistyneillä koneoppimismenettelyillä ilman, että heidän tarvitsee oppia monimutkaisia data-analyysimenetelmiä tai osallistua data-tieteellisiin tiimeihin.

Käytännöllisesti ja teknisesti tämä saavutetaan automatisoimalla askelkohtaisia data-analyysiprosesseja, jotka tyypillisesti vievät aikaa ja vaativat asiantuntemusta. Esimerkiksi Kepler automatisoi piirteiden suunnitteluprosessin, joka on monimutkainen ja usean vaiheen prosessi. Se luo myös automaattisesti putken valitsemalla parhaat algoritmit, menee automaattisesti konfiguraatioon ja hyperparametrien optimointiin – kaikki käsin.

Tämän automaation tavoitteena on vapauttaa asiantuntijat haaskaaikaa vievistä tehtävistä. Automaatisemalla nämä vaiheet, Kepler antaa tiimillesi enemmän aikaa pohtia seuraavaa suurta innovaatiota, sen sijaan, että heidän tarvitsee keskittyä arkisiin tehtäviin. Analyytikoille ja asiantuntijoille se on myös keino päivittää heidän taitojaan: toteuttamalla koneoppimistyökaluja heidän päivittäin työhönsä, annat heille mahdollisuuden rikastaa heidän analyysiään ja lähestymistapaansa avainkäyttötapauksiin.

Mitkä ovat joitakin mielenkiintoisia tekoälymallin, joita olet nähnyt yrityksistä, jotka käyttävät Kepleriä?

Keplerin kauneus on, että se kattaa laajan valikoiman käyttötapauksia useilla aloilla, käyttäen klassista koneoppimista ja syvää oppimista. Hallituksista sijoituksiin, Kepler voi auttaa johtajia saavuttamaan mitattavia tuloksia.

Muutamia vaikuttavia projekteja, jotka tulevat mieleeni, ovat innovatiivisten mallien kehittäminen terveydenhuoltoalalla, jossa käytimme kuvasegmentaatiomalleja ja regressiomalleja sairauksien havaitsemiseen. Toinen on työmme sääntelyelinten kanssa paikallisissa ja kansallisissa hallituksissa, joissa käytimme luonnollisen kielen ymmärtämistä monimutkaisten tekstinformatioiden luokitteluun ja uusien tehokkuuksien tuottamiseen perinteisiin prosesseihin.

Toisella puolella spektriumia olemme myös hyödyntäneet Kepleriä optimoimaan kaupankäyntitoimintaa asiakkaalle rahoitussektorilla.

Stradigi AI käyttää automaattista data-analyysiprosessia. Miten se toimii ja miten Stradigi AI käyttää sitä?

Automaattiset data-analyysiprosessit (ADSW) ovat Keplerin sisällä olevat data-analyysiprosessit. ADSW:t luotiin ratkaisemaan useita käyttötapauksia, joten rakensimme jokaisen “työnkulun” erittäin käytännöllisillä sovelluksilla. Esimerkiksi yksi työnkulustamme on aikasarjaennustus, joka mahdollistaa ammattilaisten CPG- ja vähittäiskaupassa ennustaa, milloin varastoa on uudelleen täytettävä. On kahdeksan valmista työnkulkua Keplerissä, jotka on suunniteltu ei-data-analyytikoille.

ADSW:t ovat edistyneitä koneoppimistyönkuluja, jotka automatisoivat tärkeitä prosesseja, joista mainitsin joitakin aiemmin. ADSW:ssa Kepler automatisoi:

• Hyperparametrien optimoinnin
• Konfiguraation
• Mallin valinnan
• Harjoitus- ja testidatan jakoa
• Dashboardin luomisen
• Mallin metriikkojen arvioinnin

Kaikki, mitä käyttäjän tarvitsee saada käyttöön otettavissa oleva koneoppimismalli, on data ja käyttötapaus ratkaistavaksi. Ja riippuen datasaaresta, kaikki monimutkainen työ ADSW:ssa voidaan suorittaa muutamassa minuutissa.

Mitkä datat voivat olla?

Keplerin alusta mahdollistaa työskentelyn taulukko-, teksti- ja kuvadatan kanssa.

Niille, jotka eivät ole tuttuja dataan ja datatyyppiin, selitän ne:

1. Taulukko: se voisi olla taulukko, joka sisältää tärkeitä tietoja, kuten myyntidataa tai asiakastietojen tietokantataulukkoa.
2. Teksti: tämäntyyppinen data voi olla monissa muodoissa, kuten sähköposteja, asiakaspalautetta, sosiaalisen median sisältöä, kirjastojen arkistoa, sopimuksia jne.
3. Kuvat: ajattele tuotegallerioita tai valokuvia kohteista kokoonpanolinjalla.

Videodata tulee olemaan Keplerissä tulevaisuudessa. Verkkosivullamme “Data Types” -osiossa selitetään, mitkä datatyypit voivat ratkaista avainkäyttötapauksia. Yllätyisit, kuinka paljon dataa menee hyödyttämättä, erityisesti suurissa yrityksissä.

Onko sinulla neuvoja tai strategioita naisille, jotka ovat kiinnostuneita liittymään teknologia-alalle?

Minulla on kolme neuvoa, jotka luulen olevan todella perustavanlaatuisia menestykseen kenenkään pääsystä teknologia-alalle.

1 – Oppiminen. Se pitäisi aina olla osa elämääsi. Riippumatta iästäsi, sinun pitäisi aina olla jotain opittavaa. Se ei ole merkityksellistä, miten opit tai kenen kanssa opit, vain ole valmis vastaanottamaan tietoa. Avaa mieli. Puhdista aivosi, jotta voit olla valmis vastaanottamaan enemmän tietoa, enemmän rakkautta, enemmän empatiaa… vain enemmän. Ole omasta kehityksestäsi riippuvainen. Hyvä muistisääntö on, että olemassaolo valmis oppimaan on yksi avainmanifestaatio empatiasta.

2 – Into. Esimerkkejä ahkerasta työstä eivät ole koskaan pettäneet ammatillista kokemustani. Olen aina valmis nostamaan kättäni työssä ottaakseni vastaan monimutkaisia tilanteita tai hankalia toimia. Mitä enemmän teen sitä, sitä enemmän tajuan, että kaikki on mahdollista. En epäröisi hypätä ulos mukavuusalueeltani ja ottaa vastaan haastetta. Kun teet niin, johtajat voivat tunnistaa ja arvostaa intohimoa, jonka osoitat.

Kun lähestyt työtäsi tämänkaltaisesti, et tarvitse odottaa, että se suuri työmahdollisuus tulee ja muuttaa elämäsi. Jos kiinnität huomiota, huomaat, että on paljon pieniä tehtäviä ympärilläsi, jotka antavat sinulle enemmän näkyvyyttä päättäjille ja, mikä tärkeintä, enemmän mahdollisuuksia oppia.

3 – Mentorointi. Minulle mentorointi on niin voimakas työkalu, koska se venyttää kuuntelun ja oppimisen lihaksia tai taitoja. Mentorointi voi myös lähentää sinua suuriin johtajiin ammattiverkostossasi tai henkilökohtaisessa piirissäsi. Uransa aikana on äärimmäisen tärkeää tunnistaa, minkälaiset johtajat voit luottaa ja seurata, ja valita heidät mentoreiksi ja esikuviiksi.

Johtajat, jotka uskovat sinuun, työntävät sinut ulos mukavuusalueeltasi ja ovat siellä auttamaan sinua voimassa. Suuret johtajat ja suuret mentorit voivat olla karkeasti rehellisiä, mutta he voivat myös olla erinomaisia kuuntelijoita. Löytääksesi itsekkäitä ihmisiä, jotka auttavat sinua saavuttamaan täyden potentiaalisi, voi tarjota sinulle joitain elämäsi parhaista opetusjaksoista. Nyt tehtäväsi on löytää ja tunnistaa, keitä nämä mentorit ovat tai voivat olla sinulle – ja luottaa heihin.

Kiitos haastattelusta. Kolme strategiaasi niille, jotka haluavat tulla teknologia-alalle, ovat sovellettavissa kenenkään ja olen täysin samaa mieltä niiden kanssa. Kuka tahansa, joka haluaa oppia lisää Kepleristä tai tästä upeasta yrityksestä, voi vierailla Stradigi AI:ssa.