Dott. Rich Sonnenblick, Chief Data Scientist, Planview – Serie di Interviste

Dott. Rich Sonnenblick, Chief Data Scientist di Planview, vanta anni di esperienza lavorando con alcune delle più grandi aziende farmaceutiche e di scienze della vita del mondo. Attraverso questo studio approfondito e la sua applicazione, ha formulato con successo processi di priorità e revisione del portafoglio, sistemi di punteggio e metodi di valutazione finanziaria e di previsione per migliorare sia la previsione dei prodotti che l’analisi del portafoglio. Il Dott. Sonnenblick possiede un dottorato e un master alla Carnegie Mellon University in Ingegneria e Politiche Pubbliche e un BA in Fisica all’Università della California, Santa Cruz.

La piattaforma di Planview per il lavoro connesso è progettata per migliorare il tempo di mercato e la prevedibilità, migliorare l’efficienza per massimizzare la capacità e supportare la consegna di iniziative strategiche finalizzate al raggiungimento di risultati aziendali ottimali.

Ha avuto una carriera estensiva che è passata dalla consulenza di gestione alla guida di iniziative di data science. Cosa l’ha ispirato a fare questo passaggio, e come il suo percorso ha plasmato il suo approccio all’utilizzo dell’AI nel business oggi?

La consulenza di gestione mi ha fornito una visione ampia delle inefficienze aziendali e delle opportunità non sfruttate, dove c’è un divario netto tra il consiglio strategico e le informazioni azionabili. La data science colma questo divario, trasformando i dati grezzi in asset strategici che hanno il potere di informare la presa di decisioni in tempo reale. Il mio percorso mi ha insegnato a considerare l’AI come un amplificatore che può raffinare i processi, accelerare la presa di decisioni e sbloccare la creatività in modi che amplificano l’esperienza umana.

Planview, ha guidato l’integrazione di soluzioni AI avanzate in vari settori aziendali. Potrebbe condividere come il suo ruolo di Chief Data Scientist ha influenzato la strategia AI dell’azienda e quali sono stati i maggiori sfidi che ha incontrato lungo la strada?

Planview, l’AI è integrata nella nostra piattaforma come strumento per sbloccare informazioni e migliorare la presa di decisioni. Mi sono concentrato sull’utilizzo dell’AI per ottimizzare la gestione delle risorse, la pianificazione dei progetti e l’efficienza operativa. Il nostro assistente AI Copilot fornisce una formazione sul posto di lavoro per gli utenti di tutti i livelli di competenza, automatizza compiti frequenti e faticosi come la generazione di report e sfrutta le best practice per suggerire corsi di azione produttivi, consentendo ai team di prendere decisioni informate in modo rapido.

Come può l’AI aiutare le aziende a identificare le inefficienze all’interno dei team e migliorare l’allocazione delle risorse?

L’AI eccelle nell’identificare modelli nei dati che sono troppo complessi per essere riconosciuti rapidamente dagli esseri umani. Può evidenziare le risorse non utilizzate, identificare i collo di bottiglia e prevedere squilibri di carico di lavoro. Ad esempio, analizzando gli obiettivi del portafoglio, i tempi dei progetti e le metriche delle prestazioni dei team, l’AI può suggerire di riassegnare compiti o riallocare risorse tra portafogli per creare il massimo impatto senza aggiungere risorse aggiuntive.

Quali sono alcune delle inefficienze comuni nella gestione delle risorse che l’AI è particolarmente efficace nel risolvere?

L’AI è particolarmente adatta a mettere in evidenza le iniziative fuori strategia e a bassa performance, e abbiamo integrato queste competenze critiche in Planview Copilot. Man mano che Copilot evolve, è in grado di evidenziare e suggerire misure di mitigazione. Può anche segnalare gli sprechi nei processi, come ad esempio compiti ridondanti o passaggi eccessivi, e suggerire ottimizzazioni.

Perché lo spreco è una sfida significativa per i team di sviluppo software, e in che modo l’AI può ridurlo?

Lo spreco nello sviluppo software spesso deriva da inefficienze come una cattiva priorità, un eccesso di debug o sforzi di squadra non allineati. L’AI può ridurre lo spreco agendo come assistente di codifica, automatizzando compiti ripetitivi e offrendo informazioni predittive sui tempi dei progetti e sui potenziali rischi. Ad esempio, può analizzare progetti passati per identificare modelli che portano a ritardi, aiutando i team a evitare quelle insidie.

Esistono modelli o strumenti AI specifici che sono particolarmente adatti all’ottimizzazione del ciclo di vita dello sviluppo software?

Per ottimizzare il ciclo di vita dello sviluppo software, stiamo cercando una maggiore efficienza e allineamento. Planview Copilot in Viz identifica i collo di bottiglia e gli ostacoli alla velocità di flusso, fornendo informazioni azionabili personalizzate per i dati di un’organizzazione. I team possono utilizzare un linguaggio semplice per interpretare le metriche di flusso, identificare rallentamenti sistemici nella consegna e ricevere raccomandazioni dettagliate. Questa ottimizzazione è la chiave per aumentare la produttività, snellendo in ultima analisi la consegna.

Come le relazioni sottostanti tra i dati creano ulteriore valore quando si utilizza l’AI come assistente di lavoro?

Tracciando le relazioni tra i punti di dati – sia nei tempi dei progetti, nell’utilizzo delle risorse o nella comunicazione del team – l’AI può portare a galla informazioni che vanno oltre l’ovvio. Ad esempio, collegare le tendenze del sentimento negli aggiornamenti di stato ai risultati del progetto può aiutare i manager ad anticipare gli ostacoli prima che il team li segnali alla gestione, fornendo loro il tempo sufficiente per apportare ajustamenti proattivi.

Quali passi dovrebbero intraprendere le organizzazioni più piccole per adottare l’AI in modo accessibile senza compromettere l’impatto?

Le organizzazioni più piccole dovrebbero iniziare con strumenti AI generativi accessibili che funzionano come porte d’accesso a soluzioni più sofisticate. Gli strumenti che riassumono i documenti, assistono con il contenuto di marketing o assistono con la generazione di codice sono modi economici per queste organizzazioni di iniziare l’adozione dell’AI senza investimenti estensivi. Iniziare con un’offerta AI orizzontale applicabile a una vasta gamma di casi d’uso sarà un valore migliore rispetto a investire in applicazioni specializzate che adattano l’AI generativa a lavori specifici. Ciò consente all’organizzazione di identificare i casi d’uso ad alto impatto specifici per la propria organizzazione piuttosto che investire eccessivamente in più offerte.

Qual è il ruolo dell’analisi predittiva nel migliorare i risultati dei progetti?

L’analisi predittiva aiuta i team a prevedere potenziali ostacoli e risultati in base ai dati storici e alle tendenze attuali. Gli agenti AI possono prevedere la probabilità di ritardi dei progetti o di carenze di risorse, consentendo ai responsabili del prodotto di ajustare i piani in modo proattivo. Questa preveggenza minimizza il rischio e massimizza l’efficienza, consentendo in ultima analisi alle organizzazioni di raggiungere i propri obiettivi strategici più rapidamente.

Guardando avanti, come si immagina che l’AI trasformerà le operazioni aziendali nel prossimo decennio, e quali tendenze AI emergenti è più entusiasta per il loro potenziale impatto sulle industrie?

L’AI continuerà a trasformare le operazioni aziendali nel prossimo decennio. Darà vita a nuovi ruoli, migliorerà le capacità predittive e snellerà l’innovazione.

I sviluppatori nativi LLM, esperti nell’integrazione della collaborazione AI, diventeranno la norma e sostituiranno gli sviluppatori che non adottano l’AI nelle loro attività quotidiane. L’AI generativa continuerà a confondere i confini con l’AI predittiva, arricchendo gli algoritmi con scenari sintetici per la presa di decisioni strategiche basate su fattori interni ed esterni. Nel biotech, l’AI generativa creerà profili di pazienti intricati per scoprire nuove cure, mentre nella sicurezza informatica, l’AI simulerà minacce nuove per i modelli predittivi da contrastare. Le tendenze emergenti come l’inferenza adattiva e i modelli AI più piccoli e più efficienti affronteranno le sfide computazionali nei prossimi anni. Garantiranno soluzioni più rapide e più mirate.

Da una pianificazione strategica alla sicurezza proattiva, l’integrazione dell’AI consentirà alle aziende di adattarsi con agilità, scoprendo strategie resilienti e un’eccellenza operativa in un mondo sempre più dinamico.

Grazie per la grande intervista, i lettori che desiderano saperne di più possono visitare Planview.