プランビューのチーフデータサイエンティスト、リッチ・ソンネンブリック博士 – インタビュー・シリーズ

リッチ・ソンネンブリック博士、プランビューのチーフデータサイエンティストは、世界最大の製薬および生命科学企業と協力して多くの経験を積んだ経歴を持つ。彼は、優先順位付け、ポートフォリオのレビュー、スコアリングシステム、財務評価および予測方法を開発し、製品予測およびポートフォリオ分析の両方を強化してきた。ソンネンブリック博士は、カーネギーメロン大学でエンジニアリングおよび公共政策の博士号と修士号を、カリフォルニア大学サンタクルーズ校で物理学の学士号を取得している。

プランビューの コネクテッド・ワーク・プラットフォームは、タイム・ト・マーケットと予測可能性の向上、効率性の向上による最大のキャパシティの実現、戦略的イニシアチブの実現を支援することで、最適なビジネス成果を達成することを目的として設計されている。

あなたは広範なキャリアを積み、コンサルティングからデータサイエンスへのリーダーシップへと移行してきた。どのような経験があなたをこの道へ導いたのか、その経験がビジネスにおけるAIの活用方法にどのような影響を与えたのかについてお話しください。

コンサルティングの経験から、ビジネスの非効率性と未利用の機会についての広い視野を得ることができた。データサイエンスは、戦略的なアドバイスと実行可能な洞察の間にあるギャップを埋めることができる。私の旅は、AIをビジネスプロセスを洗練し、意思決定を加速し、人間の専門知識を高めることができるツールとして見るように導いてくれた。

プランビューでは、さまざまなビジネス機能に高度なAIソリューションを統合する役割を担っています。チーフデータサイエンティストとしてのあなたの役割が会社のAI戦略に与える影響と、道のりで直面した最大の課題についてお話しください。

プランビューでは、AIはプラットフォームの一部として、洞察を解放し、意思決定を改善するツールとして組み込まれている。私は、リソース管理、プロジェクト計画、運用効率の最適化にAIを活用することに焦点を当てている。私たちのコピロットAIアシスタントは、すべてのスキルレベルのユーザーに対する実践的なトレーニングを提供し、報告書の生成などの時間のかかるタスクを自動化し、ベストプラクティスに基づいて生産的な行動を提案することで、チームが情報に基づいた決定を迅速に下せるようにしている。

AIは、チーム内の非効率性を特定し、リソースの割り当てを改善するためにどのように役立つか。

AIは、人間が迅速に認識することが困難なデータ内のパターンを特定する能力が優れている。未活用のリソース、ボトルネック、ワークロードのバランスを予測することができる。たとえば、ポートフォリオの目的、プロジェクトのタイムライン、チームのパフォーマンスメトリクスを分析することで、AIはタスクの再割り当てやリソースの再配分を提案し、追加のリソースを必要とせずに最大の影響を与えることができる。

リソース管理における一般的な非効率性をAIが特に効果的に解決できるものは何か。

AIは、戦略から外れたイニシアチブや低パフォーマンスのイニシアチブを強調することに特に優れており、これらの重要なスキルをプランビューのコピロットに組み込んでいる。コピロットが進化するにつれて、これらの問題に対する緩和策をより適切に強調し、提案する能力が向上する。プロセス内の無駄、たとえば冗余なタスクや過剰なハンドオフを特定し、最適化を提案することもできる。

ソフトウェア開発チームにとって、無駄は重大な課題である。AIはどのようにしてこれを軽減できるか。

ソフトウェア開発における無駄は、優先順位付けの不良、過度のデバッグ、またはチームの努力の不一致など、さまざまな非効率性から生じることが多い。AIは、コードの補助、繰り返しのタスクの自動化、プロジェクトのタイムラインと潜在的なリスクに関する予測的な洞察を提供することで無駄を軽減することができる。たとえば、過去のプロジェクトを分析して遅延につながるパターンを特定し、チームがこれらの落とし穴を避けることができる。

ソフトウェア開発ライフサイクルを最適化するために特に適したAIモデルまたはツールは何か。

ソフトウェア開発ライフサイクルを最適化するには、効率性と一致性の向上を目指している。プランビューのコピロットは、ボトルネックとフロー速度の障害を特定し、組織のデータに基づいたアクション可能な洞察を提供する。チームは、プレーン・エンジッシュでフロー・メトリクスを解釈し、システム的なデリバリーの遅れを特定し、詳細な推奨事項を受け取ることができる。これらの最適化は、生産性の向上と最終的なデリバリーのストリーミングに不可欠である。

仕事のアシスタントとしてAIを展開する際に、基礎となるデータ関係がどのようにして追加の価値を生み出すか。

データポイント間の関係をマッピングすることで、プロジェクトのタイムライン、リソースの活用、チームのコミュニケーションなど、明らかなものを超えた洞察をAIが提供できる。たとえば、ステータス・アップデートの感情傾向をプロジェクトの成果とリンクすることで、管理者はチームが問題を報告する前に、障害を予測し、事前に調整する時間を得ることができる。

小規模組織がAIを採用する際に、影響力を損なうことなく費用対効果を高めるためにどのようなステップを踏むべきか。

小規模組織は、より高度なソリューションへのゲートウェイとなる、利用可能なジェネレーティブAIツールから始めるべきである。ドキュメントの要約、マーケティング・コンテンツの支援、コード生成の支援などのツールは、組織がAIの採用を開始するための費用対効果の高い方法である。水平方向のAIオファリングを採用することで、特定のジョブにジェネレーティブAIを適用することよりも、より広範なユースケースに適応できる。組織は、特定のニーズに基づいて、最も影響力のあるユースケースを特定できるようになる。

予測分析がプロジェクトの成果を改善する上でどのような役割を果たすか。

予測分析は、歴史的なデータと現在の傾向に基づいて、潜在的な障害や成果を予測することで、チームを支援する。AIエージェントは、プロジェクトの遅れやリソース不足の可能性を予測し、製品マネージャーが計画を事前に調整できるようにする。これにより、リスクを最小限に抑え、効率性を最大化し、最終的に組織が戦略的な目標をより迅速に達成できる。

今後10年間で、ビジネス運営にAIが与える影響についてどのように見ているか。また、どのような新興のAIトレンドが最も興味があり、業界への潜在的な影響についてはどう考えるか。

AIは、将来10年間でビジネス運営に大きな変化をもたらす。新しい役割を生み出し、予測能力を高め、イノベーションを促進することになる。

LLMネイティブ・デベロッパー、つまりAIコラボレーションの統合を専門とするエキスパートが、開発者の標準になる。ジェネレーティブAIは、戦略的な意思決定のためのシナリオを生成することで、予測AIとさらに密接に結びつく。バイオテクノロジーでは、ジェネレーティブAIは、患者のプロファイルを生成して新しい治療法を発見する。サイバーセキュリティでは、AIは新しい脅威をシミュレートして予測モデルが対抗できるようにする。新興トレンドである適応型推論や、小型で効率的なAIモデルは、将来の計算上の課題に対処する。より迅速で、よりターゲットを絞ったソリューションを保証することになる。

戦略的計画から予防的セキュリティまで、AIの統合により、企業はアジリティを持って変化し、変化する世界で強固な戦略と運用的優位性を発見できるようになる。

素晴らしいインタビュー、ご興味がある読者はプランビューを訪問してください。