Kimberly Nevala SASのビジネス戦略ディレクター – インタビューシリーズ

SASは、データ管理、先端アナリティクス、人工知能を提供するグローバルなアナリティクスおよびAI会社です。同社のフラグシッププラットフォームであるSAS Viyaは、組織全体でスピード、スケーラビリティ、信頼できる意思決定を強調しています。同社は、不正検出、市場最適化、IoT、リスク管理などのユースケースを紹介し、また、分析の広範な採用を支援するために、無料トライアル、トレーニング、学術プログラムを提供しています。

あなたは、管理コンサルティングからSASのビジネス戦略のリーダーまで、複雑な文化的、戦略的、技術的な変革を導いてきました。そうした経験が、企業がAIを有意義に、かつ包括的に採用するために何が必要かというあなたの見方をどのように形作ってきたのか。

技術的な変革を推進するための基本的な構成要素は、広範なAIの能力とその同等の地震的影響にもかかわらず、変化していません。ただし、失敗した場合の影響は変わりました。

まず、組織の価値観と優先事項を明確に表現する必要があります。また、従業員や顧客がブランドとどのように関わるかを理解する必要があります。次に、エマージングテクノロジー、つまりその固有の制限と制約について、広範な理解が必要です。最後に、1と2に基づいて予測されるスキルギャップと採用の障害についての可視性が必要です。特に、これは技術的な専門知識だけでなく、ビジネス上の洞察力も含みます。

これらすべては、堅牢で適応性のあるガバナンスによってサポートされる必要があります。当然、その根底には、人とテクノロジーへのターゲット化された投資があります。

あなたは、AIリテラシーの重要性を強調してきました。リーダーにとって、実践的なAIフルエンシーの意味は何ですか。

実践的なフルエンシーの試金石は簡単です。リーダーは、提案されたAIソリューションについて、知的に質問することができますか。

これは、リーダーがコードに深く関与する必要があることを意味しません。むしろ、リーダーは、AIシステムの判断に影響を与える可能性のある要因について、文脈に応じた能力を示す必要があります。これらの要因は、リーダーの役割によって異なります。具体的には、決定の範囲によって異なります。

単純に言えば、テストは次のようになります。彼らは、どのような質問を尋ねるかを知っていますか。たとえば、幹部は、特定のAIソリューションの実現可能性とリスクプロファイルに最も大きな影響を与える人間的および技術的要因を特定できますか。広範囲にわたって、また適用された文脈で。

さらに良くは、技術の限界を理解していますか。PRとマーケティングは、プラスの側面に焦点を当てていますが、経験的トレーニングは限界を明らかにします。これらの限界は、特定のAIソリューションを有益に展開するために必要な手続き的および技術的なガイドレールを規定します。この点で、リーダーがこれらの限界を理解し、特定する程度は、有意義な採用と失敗の違いです。

AIリーダーシップにおけるジェンダー平等は、現在なぜ重要な問題なのか。また、AIの開発とガバナンスにおいて、女性が受動的な採用者ではなく、積極的な形成者であることが重要な理由は何ですか。

私は毎日、AIのあらゆる分野で働き、話し、学ぶ女性と働いています。私のために、女性を受動的な採用者として描写することは、子供のようなイメージを呼び起こし、誤解を招きます。女性は、AIの取り組みを主導するために積極的に関与しています。ただし、教育を受けた人口から予想されるよりも少ない数です。

テクノロジーにおけるジェンダー不平等は、AI以前から存在する多面的な問題です。単一の解決策はありません。いくつかの要因は、女性に対する資金提供や認識の不足につながります。認識されている女性は、責任あるAIや倫理的なAIに従事していることが多いので、皮肉なことに、態度が変わるにつれて、彼女たちの仕事は再考されます。

無論、意図的な介入なしに、既存の不平等を大規模に悪化させるAIシステムのリスクがあります。自動化されたHRスクリーニングと採用システムが、データに記録された歴史的な偏見により、男性候補者を好む例があります。

多様性の欠如は、すべてのレベルで悪影響を及ぼします。AIシステムの構築、展開、どの視点とニーズを対象とするか、どれを対象としないかについての決定は、ますます閉鎖的なグループによって決定されます。これは、すべての人が悪影響を受けます。多様な管理チームは、優れたビジネス成果をもたらします。多様な製品チームは、より堅牢で、回復力があり、より効果的なAIソリューションを提供します。

最終的に、AIシステムが女性（またはその他の疎外された人口統計）の視点やニーズに応えていない場合、または有害である場合、採用のインセンティブは何でしょう。ただし、これらのシステムは、参加するかどうかに関係なく、展開されるでしょう。多様な声やAIガバナンスを包含することで、AIの約束を実現することができます。

SASの最新の革新、たとえばSAS Viya内のAIエージェント、インテリジェントな意思決定フレームワーク、合成データツールのようなData Maker、カスタムAIモデルについては、企業はどのようにしてリーダーシップパイプラインを再考し、AIフルエンシーや平等を高めるのか。

企業は、これらのアプリケーションの範囲と影響が、単一の意思決定者または実行者の容量を超えていることを認識しています。先端のAIを成功裏に展開するには、「村」の信頼と関与が必要です。潜在的な問題や落とし穴は、どのリーダーも効果的に対処することができないほど広範囲にわたります。

この現実を認識して、先導的なAI企業は、参加型の設計とガバナンスの実践に従事しています。このモデルでは、フルエンシーや平等は、正式なリテラシーとトレーニングプログラムによって強化されるのではなく、企業エコシステム全体から多様な視点を集めて、知識を共有し、集団的な意思決定を行うことで強化されます。これらのコラボレーションは、意思決定者に限定されず、AIシステムの影響を受ける人の仕事も含みます。主に公共機関や政府機関のドメインですが、一部の組織は、顧客グループや公共の利益団体などの外部の利害関係者を積極的に関与させています。

志を抱くリーダー、特に女性にとって、今日AIが支配する市場で信用と主体性を築くために、実用的なステップは何ですか。

第一に、自分たちに主体性があることを認識することです。個人は、特定のAIツールの意図的な使用や消費を通じて、AIの開発に影響を与える機会を持っています。さらに、コミュニティフォーラムや地元政治への参加、従業員の関心グループやコミュニティチャンピオンネットワークへの参加（またはそのようなネットワークが存在しない場合は、開始すること）、そして仕事でAIプログラムやイニシアチブに参加することを通じて、影響を与えることができます。

第二に、自分自身のリテラシーに投資することです。AIガバナンスと倫理、オンライン大学レベルの紹介クラスなど、AIの能力の全範囲を網羅するオンラインリソースがあります。多くの場合、これらの選択肢は無料または少額の料金で提供されています。

最後に、AI業界または特別な関心のネットワーキンググループに参加し、積極的に貢献することです。これらは、知識を共有するだけでなく、メンター、同盟、信用を提供する関係を構築する機会を提供します。

あなたは、文化的変革、データガバナンス、技術の責任ある採用を強調してきました。これらの基礎要素は、AIリーダーを育てることをどのように支援していますか。

伝統的な答えは、これらの基礎要素が、リーダーに複雑さに対処するためのツールを提供し、リスクを軽減し、コストを削減し、生産性を高めるというものです。すべての結果は真実ですが、これらの慣行の最も過小評価された利点は、自信です。

これらが正しく行われると、従業員が会社の倫理、法律、ビジネス倫理の範囲内で自信を持って実験し、革新し、意思決定し、構築する環境が作られます。

これは、利用可能なソリューションが、パーソナルな生産性ツールから組み込まれたワークフローまで幅広いものであるため、特に重要です。AIの使用についての決定は、取締役会や正式なAIプロジェクトの文脈だけで行われるのではなく、開発から探索、展開、そして先に進むすべての段階で、多数の要因がシステムのパフォーマンスと認識に影響を与えます。

この直接的なリンクは、責任ある適応型のイノベーションとガバナンスの間にあるもので、もう仮説ではありません。IDCとSASは最近、研究を行いました。責任あるAIの実践、信頼、価値の実現の間のつながりについて。責任あるイノベーションは、理論的な善ではありません。経済的必須です。

あなたのPondering AIポッドキャストでの会話から、AI変革を導く組織にとって、責任ある包括的なリーダーシップについて最も重要な洞察は何ですか。

AIの言語はトリッキーです。私たちは、思考し、妄想し、そして時には誤るAIシステムについて話します。私たちは、AIシステムをチームメイトや同僚として概念化します。したがって、人間からAIに仮定と期待を転送することになります。人間の責任、参加、責任ある使用に焦点を失います。また、堅牢で回復力のあるAIシステムを提供するために必要な厳格さも曖昧にします。そうでない場合、これらのシステムは、シンプルに見えます。

これは、AIを本質的に人間の取り組みとして理解することが重要であることを示しています。人間のような物語に反する、広く普及している物語にもかかわらず、AIシステムは常にその作成者の価値観と意図を反映します。解決しようとする問題、適用する技術やモデル、トレーニングに使用するデータ、ユーザーがシステムとどのように関わるか。これらの人間の決定の産物であるすべてのAIシステムです。

AIシステムに対する信頼と自信は、AIから来ません。人間が、自動化または強化する仕事を決定します。システムが決定するのではなく、十分な精度や説明可能性のレベルを決定するのは、人間です。ユーザーインタラクションモデルの最も適切なものを決定するのも、システムではなく、人間です。チャットボットが誤動作すると、AIに影響を与えるのではなく、会社のブランドとボトムラインが損なわれます。

したがって、人間中心のAIが重要です。

多くの組織は先進的なAIツールセットを持っていますが、文化、ガバナンス、包括性に苦労しています。貴方の経験から、組織がこれらのギャップを効果的に埋めるのに役立つ介入または心構えは何ですか。

AI、そして多くのエマージングテクノロジーは、先行するテクノロジーと同じハイプサイクルに陥ります。大規模データ時代には、データドリブンになることが流行でした。多くの組織は、そのビジョンを実現しませんでした。成功した組織は、特定の問題、たとえばXのフルフィルメント時間の短縮やYのセルフサービスを可能にすることについて、規律を持っています。多くの場合、これらの会社は現在、AIの業界を牽引しています。

AIイニシアチブを特定する際には、明確なビジネス目標と測定可能な成果から始め、どの利用可能なAI技術が目的のために適しているかを特定します。華麗な解決策に抵抗します。面白い問題に対する革新的な解決策は、最終的に利益をもたらします。スケールで発生する退屈で繰り返しのタスクとプロセスに焦点を当てます。

常に正しいとは限りません。しかし、ビジネス成果に焦点を当てて投資すると、成功する可能性は最高になります。

AIシステムが意思決定に組み込まれてより自律的になるにつれて、信頼、透明性、リーダーシップの平等を維持するために、どのような倫理的ガイドラインまたはガバナンス構造が必要ですか。

SASでは、AIガバナンスを、監督、コンプライアンス、運用、文化という観点から定義しています。どのようなフレームワークを採用するかに関係なく、2つの要素を強調します。

第一に、すべてのAIアプリケーションは、同じ基本モデルやデータセット上に構築されている場合でも、個別に、そして継続的に評価される必要があります。マーケティングに効果的なものは、財務では機能しない可能性があります。従業員にとっては、顧客とのやり取りでは効果的ではない、人間的および技術的要因のエラーレートが許容される可能性があります。さらに、確率的な性質、ユーザーの行動、基本的なデータフロー、多数の他の要因の変化により、AIシステムの動作と出力が急速に変化する可能性があります。

第二に、AIの倫理とガバナンスは空間に存在しません。企業のガバナンス、法的および規制上のコンプライアンス、企業リスク管理、サイバーセキュリティとのコラボレーションが必要です。これらの慣行を活用し、拡張することで、スタートを切ることができます。

AIが支配する世界におけるリーダーシップ能力の変化について、どのように見ていますか。AIフルエンシーの新しい時代に、組織がそれを育てない場合の影響は何ですか。

予測と回復力がますます重要になるでしょう。テクノロジーの急速な変化により、リーダーは、ビジネス戦略と戦術を、テクノロジーが進化するにつれて継続的に評価し、適応させる必要があります。株主だけでなく、顧客、従業員、そして時には社会全体を含む、さまざまな時間的視点から価値、実現可能性、リスクを評価する必要があります。社会技術的な性質のため、これらの視点には、株主だけでなく、顧客、従業員、そして時には社会全体が含まれます。予測は、この風景をナビゲートするために必要です。

回復力もAIにおいて重要な要素です。Jordan Loewen-Colónは、AIの採用とガバナンスについて、AIはプロセスであり、切り替えではありません。意図的に学び、適応し、継続的に改善し、一般的なコースを維持する能力が、リーダーを区別するでしょう。

素晴らしいインタビュー、詳しく知りたい読者は、SASを訪問してください。