Sarah Philipp, Altimetrikin globaali johtaja AI-käyttöönoton ja -omaksumisen parissa – Haastattelusarja

Sarah Philipp, Altimetrikin globaali johtaja AI-käyttöönoton ja -omaksumisen parissa, keskittyy auttamaan organisaatioita siltaamaan kuilun nopean AI-keksinnön ja todellisen työvoiman käyttöönoton välillä. Hänen työnsä keskittyy rakentamaan AI-kirjallisuusohjelmia, työnkulkujen mahdollistamisstrategioita ja roolipohjaisia koulutusohjelmia, jotka auttavat työntekijöitä ja johtajia integroimaan generatiivisen AI:n päivittäisiin toimiin. Altimetrikillä hän on auttanut muotoilemaan yritysten omaksumisohjelmia teknologioita kuten ChatGPT Enterprise, OpenAI Agents SDK ja yritysmitatun AI-työnkulun parissa, ja myös yhdessä luomassa “LAByrinth”-projektia, joka on projektipohjainen GenAI-simulaattoriplatformi insinööreille ja teknisille ohjelmapäälliköille. Ennen liittymistään Altimetrikkiin hän vietti vuosia johtamassa asiakasopetusta ja toteutusaloitteita SaaS-alustoilla kuten Nudge Coach, mikä antoi hänelle vahvan perustan oppimisjärjestelmissä, käyttäytymisen mahdollistamisessa ja digitaalisessa muutoksessa. Hänen uransa heijastaa kasvavaa trendiä yritys-AI:ssa, jossa menestys riippuu yhä enemmän ei vain mallien käyttöönotosta, vaan myös siitä, että työntekijät ovat varmoja, kykeneviä ja tuottavia AI-työkalujen kanssa päivittäisessä työssään.

Altimetrik on AI-ensin digitaalisen insinöörityön ja data-ratkaisujen yritys, joka keskittyy auttamaan yrityksiä modernisoimaan perinteisiä järjestelmiä ja laajentamaan generatiivista AI:ta liiketoiminnan operaatioihin. Yritys toimii useilla aloilla, mukaan lukien rahoituspalvelut, terveydenhuolto, valmistus, vähittäiskauppa ja elämän tieteet, yhdistäen tuoteinsinöörit, pilvi-modernisoinnin, data-infrastruktuurin ja AI-käyttöönoton palvelut. Altimetrik on asettanut itsensä merkittäväksi yritys-AI-käyttöönoton kumppaniksi yhteistyössä OpenAI:n kanssa, korostaa agenteja AI:ta, työnkulun orkestraatiota, hallintoa ja tuotantovalmiita AI-järjestelmiä. Sen ALTI AI Lab toimii sisäisenä innovaatiohubina, jossa yritys kehittää yritys-AI-sovelluksia älykkäistä avustajista monimodaalisiin työnkulkuun ja AI-käyttöön liiketoiminnassa. Viime vuosina Altimetrik on laajentunut aggressiivisesti kumppanuuksien ja yritysostojen kautta, vahvistaen globaalia insinööripohjaansa ja yritys-AI-toimituskykyään.

Miten olet rakentanut urasi yritysmuodon, oppimisen suunnittelun ja uuden teknologian leikkauskohdassa — mikä oli se ratkaiseva kokemus, joka vakuutti sinut siitä, että vastuullinen AI-käyttöönotto riippuisi yhtä lailla ihmisten mahdollistamisesta kuin teknisestä kyvystä?

Yleensä päädyin melko myöhäiseksi ottajaksi asioita. Olen skeptinen hypeä kohtaan ja jääräpäinen pysymään tapojeni mukaisesti.

Mikä muutti asioita minulle, kuullessani, miten ihmiset käyttivät AI:ta päivittäisissä töissään ja elämissään. Kun pystyin yhdistämään sen todellisiin kitkaan ja uteliaisuuteen.

Tuo kokemus vahvisti jotain, mitä olen nähnyt jokaisessa muutospyrkimyksessä, johon olen osallistunut: omaksuminen harvoin alkaa vain kyvyllä. Se alkaa merkityksellä, luottamuksella ja tarkoituksella. Ihmiset tarvitsevat ensin nähdä itsensä muutoksessa ja siksi vastuullinen AI-käyttöönotto riippuu yhtä lailla ihmisten johtamasta mahdollistamisesta kuin teknisestä valmiudesta.

Miten määrittelet onnistuneen yritysmitan generatiivisen AI-käyttöönoton ulottuvuuden käytännössä, ja miten yritykset voivat kannustaa innovaatiota ilman fragmentaatiota tai riskin altistumista?

Onnistunut yritysmitan käyttöönotto ei elä eristyneissä osissa. Yksi yleisin malli, jonka näemme, on eristynyt käyttöönotto. Yksi tiimi tulee hyvin edistyneeksi AI-kypsyysasteessa, kun taas toinen tiimi samassa organisaatiossa ei ole selvää strategiaa ja saattaa jopa käyttää hajanaisia työkaluja tai henkilökohtaisia tilejä. Tällainen epätasainen käyttöönotto luo epäjohdonmukaisuutta ja riskiä.

Todellinen menestys tulee, kun organisaatio rakentaa jaettuja tapoja, jaettuja standardeja ja yhtenäisiä työnkulkujen parissa. Se vaatii sekä ylhäältä alas että alhaalta ylöspäin muutoksen hallintaa. Ylhäältä alkaen johtajuus on asettava suunnan, perustaa hallintoa ja luoda selkeää käsitystä vastuullisesta, arvokkaasta käyttöönotosta. Alhaalta ylöspäin työntekijöiden on ymmärrettävä, miten AI liittyy heidän päivittäiseen työhönsä, missä se ratkaisee todellisia ongelmia ja miten käyttää sitä luottavaisesti roolissaan.

Todellinen kypsyyden merkki on se, että työnkulut toimivat sujuvasti alusta loppuun ja tiimien välillä, eivät vain erillisissä siiloissa.

Monet yritykset investoivat generatiivisiin AI-työkaluihin, mutta kamppailevat niiden operaatiivisella käytöllä. Mitkä ovat yleisimmät toteutuskuilut, jotka näette tavoitteiden ja mitattavien liiketoimintavaikutusten välillä?

Hallinnon omistajuus on usein epäselvä. Kuka on vastuussa dokumentoimisesta, mitä käytetään, versioiden tai työnkulun seuraamisesta ja laadun valvonnasta? Ilman selkeää omistajuutta organisaatiot päätyvät hajanaisiin käyttöön ja vähäiseen operaatiiviseen kurinpidossa.

Monet organisaatiot eivät ole päättäneet, minkälaisen AI-käytön he haluavat edistää. Onko se roolikohtainen käyttäytyminen, yksilöllinen tuottavuuden parantaminen, kuten aivopuhallus ja luonnostelua, vai tarkoitussuunniteltuja agenteja, jotka liittyvät määriteltyihin työnkulkuun? Jos se ei ole selvää, mahdollistaminen jää epämääräiseksi ja vaikutus on vaikea mitata.

Usein käyttöönotto ei myöskään kohtaa todellista työtä. Yritykset investoivat työkaluihin ennen kuin ne ovat tunnistaneet tilanteet, joissa AI voi vähentää kitkaa, parantaa laatua tai nopeuttaa toteutusta merkityksellisesti. Kunnianhimo on helppoa, mutta käytäntöön vieminen vaatii täsmällisyyttä.

Työskentelet läheisesti ylimmän johdon kanssa. Miltä tehokas AI-osaaminen näyttää johtoryhmätasolla, ja miten johdon toiminta vaikuttaa käyttöönottoon koko organisaatiossa?

Se näkyy esimerkin näyttämisenä, uteliaisuutena ja aloittelijan ajattelutapana. Johtajat uskaltavat olla haavoittuvia samassa huoneessa heidän alaisuudessaan työskentelevien ihmisten kanssa.

Suurimman eron tekevät johtajat, jotka osoittavat aloittelijan ajattelutapaa. He ovat valmiita oppimaan julkisesti ja sanomaan: ”Minäkin selvitän tätä vielä.” Tällainen avoimuus on tärkeämpää kuin usein ymmärretään, sillä se antaa muille luvan osallistua ilman tunnetta, että heidän pitäisi olla ensin asiantuntijoita.

Johdon toiminta määrittää sävyn. Jos johtajat kohtelevat AI:ta sivukokeiluna, organisaatio tekee samoin. Kun he näyttävät harkittua käyttöä, esittävät käytännöllisiä kysymyksiä ja investoivat näkyvästi oppimiseen, käyttöönotosta tulee kulttuurisesti turvallisempaa. Yritys-AI:n skaalaamisessa itseluottamus on yhtä tärkeää kuin kyvykkyys.

Miltä generatiivisen AI:n jäsennelty kokeilukehys näyttää käytännössä, ja miten yritykset voivat kannustaa innovointiin aiheuttamatta hajanaisuutta tai riskialtistusta?

Aluksi pitää tarkastella todellisia työnkulun kipupisteitä, ei satunnaisia ehdotuksia. Tiimejä kannattaa rohkaista tunnistamaan toistuvia tehtäviä, päätöksenteon pullonkauloja ja tiedon puutteita. Sen jälkeen kokeilut voidaan priorisoida liiketoiminnallisen merkityksen, toteutettavuuden ja riskin perusteella.

Terveimmissä ympäristöissä ihmiset voivat kokeilla turvallisesti, jakaa toimivia ratkaisuja ja välttää saman työn keksimistä uudelleen erillään muista.

Olit mukana luomassa LAByrinthia, generatiivisen AI:n projektisimulaattoria, jossa insinöörit saavat käytännön kokemusta AI-työkalujen rakentamisesta turvallisessa ja ohjatussa ympäristössä. Mistä idea syntyi, ja miten simulaatioon perustuva oppiminen nopeuttaa todellista AI-osaamista?

Olen aina pitänyt käytännönläheisestä ja kokemuksellisesta oppimisesta, erityisesti taidestudioympäristöissä tavattavasta viereltä seuraavasta mentoroinnista.

Kun Martin Gaida ja minä aloimme kehitellä tällaisen koulutusrakenteen ideoita, koko projektia oli todella hauska luoda. Tuntui kuin olisimme rakentaneet pulman ratkaistavaksi, ja siitä tiesin meidän olevan oikealla tiellä. Ihmiset tarttuvat uuteen sisältöön todennäköisemmin, kun se kiinnostaa heitä ja he kokevat saavansa tukea.

Simulaatioon perustuva oppiminen nopeuttaa osaamisen kehittymistä, koska se kuroo umpeen teorian ja soveltamisen välisen kuilun. Se tarjoaa turvallisen paikan harjoitella harkintaa pelkän käsitteiden muistamisen sijaan. AI:ssa tämä on erityisen tärkeää: todellinen osaaminen ei tarkoita vain työkalun mahdollisuuksien tuntemista, vaan kykyä käyttää sitä harkitusti ja turvallisesti.

Miten yritysten tulisi lähestyä työvoiman uudelleenkoulutusta eri tavoin generatiivisen AI:n aikakaudella verrattuna aiempiin digitaalisen muutoksen aaltoihin?

Yhdessä ja luovasti. Työkalujen kanssa, kuten Notebook LM ja Figma make, on monia tapoja luoda mielenkiintoista ja tuoreen tuntuista sisältöä. Me rakastamme diaesitystä, mutta me myös rakastamme luomaan interaktiivisia työkirjoja, animaatiovideoita ja muita tapoja toimittaa kurssia.

Itse opin parhaiten infografiikoiden ja muiden visuaalisten esitysten avulla.

Vastuullinen AI on usein kuvattu hallinnon ja vaatimusten täyttämisen näkökulmasta. Miltä näyttää vastuullinen käyttöönotto päivittäisissä työnkuluissa?

Konsultoi henkilöitä, jotka käyttävät työkaluja, siitä, mikä tekee niistä hyödyllisiä, ja varmista, että jokainen, joka käyttää työkaluja, tietää, mitä politiikka todella tarkoittaa. Miten se kääntyy käytännössä päivittäisissä työnkuluissa?

Vastuullinen käyttöönotto tarkoittaa ihmisten johtamista. AI voi auttaa luonnostelussa, tiivistämisessä, analyysissä tai nopeutensa, mutta ihmiset omistavat tuomion, laadun tarkistuksen ja lopullisen päätöksen. Tämä ihmisten vastuu on avainasemassa.

Yhtä tärkeää on, että vastuullinen käyttöönotto edellyttää varmuutta. Arviointikyky syntyy kokemuksesta. Siksi organisaatioiden on tarjottava vähäriskisiä ja tuomitsemattomia tiloja, joissa työntekijät voivat harjoitella ja rakentaa todellista osaamista. Kun ihmiset saavat riittävästi käytännön kokemusta harkittujen päätösten tekemiseen, vastuullinen käyttö lakkaa olemasta abstrakti käsite ja muuttuu tavaksi.

Miten yritykset voivat suunnitella mahdollistamisohjelmia, jotka pysyvät sopeutuvina eivätkä vanhene muutamassa kuukaudessa?

Se on haaste, mutta on paljon hyviä työkaluja.

Yksi suurin virhe on rakentaa mahdollistamista kokonaan nykyisen työkalumaiseman ympärille.

Meitä usein kysytään, tarjoammeko työkalu-agnostista koulutusta, ja vastaus on kyllä. Emme keskity pelkästään työkaluihin, vaan kestäviin AI-taitoihin ja opetamme ihmisiä soveltamaan niitä organisaation käytössä oleviin työkaluihin. Tämä lähestymistapa antaa ohjelmille paljon pidemmän hyllyvuoden.

Mukautuvan mahdollistamisen on myös oltava modulaarista ja fraktaalista. Sen sijaan että koulutus nähtäisiin kertaluonteisena tapahtumana, organisaatioiden tulisi ajatella sitä kerroksina: perustason ymmärrys, roolikohtainen soveltaminen, edistyneet kokeilut ja jatkuvat päivitykset työkalujen ja painopisteiden muuttuessa.

Mitä muutoksia uskot määrittävän seuraavan vaiheen yritys-AI-käyttöönoton seuraavien kahden vuoden aikana?

Roolipohjainen ja agenteja. Yritykset ovat jo omaksuneet agenteja. Nämä organisaatiot haluavat varmistaa, että heidän tekniset tiiminsä ovat päteviä kaikissa tarvittavissa tavoissa rakentamaan ja hallitsemaan tällaista AI-käyttöä.

Kiitos haastattelusta, lukijat, jotka haluavat oppia lisää, voivat vierailla Altimetrikin sivustolla.