Dr. Rich Sonnenblick, Chief Data Scientist, Planview – Seri Wawancara

Dr. Rich Sonnenblick, Chief Data Scientist di Planview, memiliki pengalaman luas bekerja dengan beberapa perusahaan farmasi dan ilmu hayati terbesar di dunia. Melalui studi mendalam dan aplikasi ini, ia telah berhasil merumuskan proses prioritisasi dan tinjauan portofolio yang mendalam, sistem penilaian dan metode valuasi keuangan untuk meningkatkan kemampuan peramalan produk dan analisis portofolio. Dr. Sonnenblick memegang gelar Ph.D. dan MS dari Carnegie Mellon University di bidang Teknik dan Kebijakan Publik serta gelar BA di Fisika dari University of California, Santa Cruz.

Planview Platform untuk Pekerjaan Terhubung dirancang untuk meningkatkan waktu ke pasar dan kemampuan prediksi, meningkatkan efisiensi untuk memaksimalkan kapasitas, dan mendukung pengiriman inisiatif strategis yang bertujuan mencapai hasil bisnis yang optimal.

Anda telah memiliki karir yang luas dalam transisi dari konsultasi manajemen ke inisiatif sains data. Apa yang menginspirasi Anda untuk membuat perubahan ini, dan bagaimana perjalanan Anda telah membentuk pendekatan Anda dalam menggunakan AI di bisnis hari ini?

Konsultasi manajemen memberikan saya pandangan yang luas tentang ketidakefisienan bisnis dan peluang yang belum dimanfaatkan, di mana ada kesenjangan yang jelas antara saran strategis dan wawasan yang dapat diambil. Sains data menjembatani kesenjangan ini, mengubah data mentah menjadi aset strategis yang memiliki kekuatan untuk memandu pengambilan keputusan secara real-time. Perjalanan saya telah mengajarkan saya untuk melihat AI sebagai penguat yang dapat memperbaiki proses, mempercepat pengambilan keputusan, dan membuka kreativitas dengan cara yang memperkuat keahlian manusia.

Di Planview, Anda telah memimpin integrasi solusi AI lanjutan di berbagai fungsi bisnis. Bisakah Anda berbagi bagaimana peran Anda sebagai Chief Data Scientist telah mempengaruhi strategi AI perusahaan dan tantangan terbesar yang Anda hadapi di sepanjang jalan?

Di Planview, AI tertanam dalam platform kami sebagai alat untuk membuka wawasan dan meningkatkan pengambilan keputusan. Saya telah fokus menggunakan AI untuk mengoptimalkan manajemen sumber daya, perencanaan proyek, dan efisiensi operasional. Asisten AI Copilot kami menyediakan pelatihan di tempat kerja untuk pengguna pada semua tingkat keterampilan, mengotomatisasi tugas yang sering memakan waktu seperti pembuatan laporan, dan menggunakan praktik terbaik untuk menyarankan tindakan yang produktif, memungkinkan tim untuk dengan cepat membuat keputusan yang tepat.

Bagaimana AI dapat membantu perusahaan mengidentifikasi ketidakefisienan dalam tim dan meningkatkan alokasi sumber daya?

AI unggul dalam mengidentifikasi pola dalam data yang terlalu kompleks untuk dikenali oleh manusia dengan cepat. AI dapat menyoroti sumber daya yang tidak termanfaatkan, mengidentifikasi bottleneck, dan memprediksi ketidakseimbangan beban kerja. Misalnya, dengan menganalisis tujuan portofolio, timeline proyek, dan metrik kinerja tim, AI dapat menyarankan untuk mengalokasikan tugas atau mengalokasikan sumber daya ulang di seluruh portofolio untuk menciptakan dampak maksimal tanpa menambahkan sumber daya tambahan.

Apa beberapa ketidakefisienan umum dalam manajemen sumber daya yang AI sangat efektif dalam mengatasi?

AI sangat efektif dalam menyoroti inisiatif yang tidak strategis dan berkinerja rendah, dan kami telah memasukkan keterampilan kritis ini ke dalam Planview Copilot. Ketika Copilot berkembang, ia menjadi lebih baik dalam menyoroti dan menyarankan langkah-langkah mitigasi. AI juga dapat menandai pemborosan dalam proses, seperti tugas yang berulang atau penyerahan yang berlebihan, dan menyarankan optimasi.

Mengapa pemborosan merupakan tantangan signifikan bagi tim pengembangan perangkat lunak, dan dengan cara apa AI dapat mengurangi pemborosan?

Pemborosan dalam pengembangan perangkat lunak sering kali disebabkan oleh ketidakefisienan seperti prioritisasi yang buruk, debugging yang berlebihan, atau upaya tim yang tidak sejalan. AI dapat mengurangi pemborosan dengan berperan sebagai asisten pengkodean, mengotomatisasi tugas yang berulang, dan menawarkan wawasan prediktif tentang timeline proyek dan risiko potensial. Misalnya, AI dapat menganalisis proyek-proyek sebelumnya untuk mengidentifikasi pola yang menyebabkan keterlambatan, membantu tim menghindari jebakan tersebut.

Apakah ada model atau alat AI tertentu yang sangat sesuai untuk mengoptimalkan siklus hidup pengembangan perangkat lunak?

Untuk mengoptimalkan siklus hidup pengembangan perangkat lunak, kami mencari efisiensi yang ditingkatkan dan keselarasan. Planview Copilot di Viz mengidentifikasi bottleneck dan hambatan terhadap kecepatan aliran, serta menyediakan wawasan yang dapat diambil yang disesuaikan dengan data organisasi. Tim dapat menggunakan bahasa Inggris sederhana untuk menafsirkan metrik aliran, mengidentifikasi perlambatan pengiriman sistemik, dan menerima rekomendasi rinci. Optimasi ini adalah kunci untuk meningkatkan produktivitas, pada akhirnya memperlancar pengiriman.

Bagaimana hubungan data yang mendasarinya menciptakan nilai tambah ketika mengirimkan AI sebagai asisten kerja?

Dengan memetakan hubungan antara titik data—baik dalam timeline proyek, utilitas sumber daya, atau komunikasi tim—AI dapat mengungkapkan wawasan yang melampaui yang jelas. Misalnya, menghubungkan tren sentimen dalam pembaruan status dengan hasil proyek dapat membantu manajer mengantisipasi hambatan sebelum tim menyampaikannya kepada manajemen, memberikan waktu yang cukup untuk membuat penyesuaian proaktif.

Langkah apa yang harus diambil oleh organisasi yang lebih kecil untuk mengadopsi AI dengan terjangkau tanpa mengorbankan dampaknya?

Organisasi yang lebih kecil harus memulai dengan alat AI generatif yang dapat diakses yang berfungsi sebagai gerbang menuju solusi yang lebih canggih. Alat yang merangkum dokumen, membantu konten pemasaran, atau membantu generasi kode adalah cara yang terjangkau bagi organisasi tersebut untuk memulai adopsi AI tanpa investasi besar. Memulai dengan penawaran AI horizontal yang berlaku untuk berbagai kasus penggunaan akan menjadi nilai yang lebih baik daripada berinvestasi dalam aplikasi khusus yang membengkokkan AI generatif ke pekerjaan yang sangat spesifik. Ini memungkinkan organisasi untuk mengidentifikasi kasus penggunaan dengan dampak tertinggi yang spesifik untuk organisasi mereka, bukan berinvestasi besar-besaran dalam beberapa penawaran.

Apa peran analitik prediktif dalam meningkatkan hasil proyek?

Analitik prediktif membantu tim memprediksi potensi hambatan dan hasil berdasarkan data historis dan tren saat ini. Agen AI dapat memprediksi kemungkinan keterlambatan proyek atau kekurangan sumber daya, memungkinkan manajer produk untuk menyesuaikan rencana secara proaktif. Kemampuan prediksi ini meminimalkan risiko dan memaksimalkan efisiensi, pada akhirnya memungkinkan organisasi untuk mencapai tujuan strategis mereka dengan lebih cepat.

Menghadap ke depan, bagaimana Anda membayangkan AI akan mengubah operasi bisnis dalam dekade mendatang, dan apa tren AI yang muncul yang paling Anda antisipasi untuk dampaknya pada industri?

AI akan terus mengubah operasi bisnis dalam dekade mendatang. AI akan membentuk peran baru, meningkatkan kemampuan prediktif, dan memperlancar inovasi.

Pengembang asli LLM, ahli dalam mengintegrasikan kolaborasi AI, akan menjadi norma dan akan menggantikan pengembang yang tidak mengadopsi AI dalam tugas sehari-hari mereka. AI generatif akan terus memburamkan batas dengan AI prediktif, memperkaya algoritma dengan skenario sintetis untuk pengambilan keputusan strategis berdasarkan faktor internal dan eksternal. Dalam biotek, AI generatif akan menciptakan profil pasien yang rumit untuk mengungkapkan pengobatan baru, sementara dalam keamanan siber, AI akan mensimulasikan ancaman baru untuk model prediktif untuk mengkonternya. Tren yang muncul seperti inferensi adaptif dan model AI yang lebih kecil dan efisien akan menangani tantangan komputasi di tahun-tahun mendatang. Mereka akan memastikan solusi yang lebih cepat, lebih terarah.

Dari perencanaan strategis hingga keamanan proaktif, integrasi AI akan memungkinkan bisnis untuk berputar dengan gesit, mengungkap strategi yang tangguh dan keunggulan operasional di dunia yang semakin dinamis.

Terima kasih atas wawancara yang luar biasa, pembaca yang ingin mempelajari lebih lanjut dapat mengunjungi Planview.