サラ・フィリップ、AltimetrikのAIエイブルメント＆アドプションのグローバルリーダー – インタビューシリーズ

サラ・フィリップ、AltimetrikのAIエイブルメントとアドプションのグローバルリーダーは、企業が急速なAIイノベーションと現実のワークフォースアドプションの間のギャップを埋めるのを支援することに焦点を当てています。彼女の仕事は、AIリテラシープログラム、ワークフローエイブルメント戦略、役割ベースのトレーニングイニシアチブを構築することに中心があります。これらのイニシアチブは、従業員とマネージャーが日常業務にジェネレーティブAIを統合するのを支援します。Altimetrikでは、彼女はChatGPT Enterprise、OpenAI Agents SDK、企業規模のAIワークフローを中心とした企業アドプションプログラムを形作るのを支援しました。また、エンジニアとテクニカルプログラムマネージャー向けのジェネレーティブAIシミュレーションプラットフォーム「LAByrinth」の共同創設者でもあります。Altimetrikに参加する前は、Nudge CoachのようなSaaSプラットフォームでのカスタマー教育と実装イニシアチブのリーダーとして数年間働き、学習システム、行動エイブルメント、デジタルトランスフォーメーションに関する強い基盤を築きました。彼女のキャリアは、企業AIにおける成長するトレンドを反映しており、成功はモデルをデプロイするだけでなく、従業員がAIツールを日常の仕事で自信を持って使用できるようにすることにも依存するようになっています。

Altimetrikは、AIファーストのデジタルエンジニアリングとデータソリューション会社で、企業がレガシーシステムを現代化し、ビジネスオペレーション全体でジェネレーティブAIを拡大するのを支援することに焦点を当てています。同社は、金融サービス、ヘルスケア、製造、小売、ライフサイエンスを含むさまざまな業界で活動し、プロダクトエンジニアリング、クラウドモダERN化、データインフラストラクチャ、AIデプロイメントサービスを組み合わせています。Altimetrikは、OpenAIとのコラボレーションを通じて、エンタープライズAI実装パートナーとしての地位を確立しており、エージェントAI、ワークフローオーケストレーション、ガバナンス、プロダクションレディAIシステムに強い重点を置いています。ALTI AI Labは、同社の内部イノベーションハブであり、インテリジェントアシスタントからマルチモーダルワークフローとAIネイティブビジネスオペレーションまで、企業向けAIアプリケーションのプロトタイピングを行っています。近年、Altimetrikは、パートナーシップと買収を通じて積極的に拡大し、グローバルエンジニアリングフットプリントとエンタープライズAIデリバリーキャパシティを強化しています。

あなたは、エンタープライズ変革、学習設計、エマージングテクノロジーの交差点でキャリアを築いてきました。責任あるAIアドプションが技術的能力と同じくらい人間のエイブルメントに依存することを最初に気づかせた重要な経験は何でしたか?

私は通常、ものごとに遅れて参加するタイプです。私はハイプに懐疑的で、慣れた方法で物事を行うことに固執しています。これはAIにも当てはまります。私は遅れて参加し、最初はゆっくり進めました。

私の考え方が変わったのは、他の人々が実際に日常生活や仕事でAIをどのように使用しているかを、技術的な用語を使わずに聞いたときでした。私がそれを実際のフリクションポイントに結び付けることができたとき、好奇心が湧きました。

その経験は、私が参加したすべての変革努力で見たものを強化しました。採用は、能力だけでは始まりません。関連性、信頼、意味があります。人々は最初に自分自身を変化の中に見出す必要があります。つまり、責任あるAIアドプションは技術的準備と同じくらい人間主導のエイブルメントに依存するのです。

AltimetrikでのグローバルAIエイブルメントのリーダーとして、パイロットやProof-of-Concept実験を超えた企業規模のジェネレーティブAIアドプションの成功とは何ですか?

成功した企業規模のアドプションは、シロに存在しません。私たちが見る最も一般的なパターンは、コンパートメント化されたアドプションです。1つのチームはAIの成熟度が非常に高くなる一方で、同じ組織内の別のチームには明確な戦略がなく、断片化されたツールや個人アカウントを使用している可能性があります。そのような不均一なアドプションは、不一致とリスクを生み出します。

真の成功は、組織が共有された習慣、共有された標準、つながった働き方を構築するときに訪れます。トップダウンとボトムアップの両方の変化管理が必要です。トップダウンでは、リーダーシップが方向性を設定し、ガバナンスを確立し、責任ある、有価値なアドプションの見方を明確にする必要があります。ボトムアップでは、従業員はAIが日常の仕事にどのように適合するか、どのように役割の中で自信を持って使用できるかを理解する必要があります。

成熟の実際の兆候は、ワークフローがエンドツーエンドで、チームを超えてスムーズに実行されることです。

多くの組織はジェネレーティブAIツールに投資していますが、運用化するのに苦労しています。野心と実測可能なビジネスインパクトの間で最も一般的な実行ギャップは何ですか?

ガバナンスの所有権はしばしば不明確です。誰が使用されているものを文書化する責任があり、プロンプトまたはワークフローをバージョン管理する、品質を監視する、そしてAIが実際にビジネスで使用されている場所を追跡する責任があります。その明確さがなければ、組織は散在した使用と非常に少ない運用上の規律に陥ります。

多くの組織は、実際にどのようなAIの使用を奨励したいのかを決定していません。ロール固有のプロンプティング習慣、個人の生産性の使用例、または定義されたワークフローに結び付いた目的のエージェントを目指していますか。明確でない場合、エイブルメントは漠然とし、インパクトは測定が難しくなります。

ロールアウトと実際の仕事の間には、しばしば断絶があります。企業は、AIが摩擦を取り除いたり、品質を向上させたり、実行を速めたりする意味のある方法で使用される場所を特定する前に、ツールに投資します。野心は簡単ですが、運用化には具体性が必要です。

あなたはエグゼクティブリーダーシップチームと密接に協力しています。Cスイートレベルの有効なAIフルエンシスとは何ですか? リーダーシップの行動は採用にどのように影響しますか?

それは、モデリング、好奇心、初心者の精神のように見えます。リーダーが部下の前で脆弱であることを示すことのように見えます。

最も大きな違いをもたらすリーダーは、初心者の精神を示す人々です。彼らは公開して学ぶことを願っています。彼らは「私もまだこれを理解しようとしています」と言うことができます。そのような脆弱性は、誰もが関与することを許可するため、人々に実際に重要です。

リーダーシップの行動は、トーンを設定します。エグゼクティブがAIをサイド実験のように扱う場合、組織も同じように扱います。エグゼクティブが思慮深い使用をモデル化し、実用的質問をし、学習に投資する場合、アドプションは文化的に安全になります。エンタープライズでAIを拡大する場合、自信は能力と同じくらい重要です。

ジェネレーティブAIの構造化された実験フレームワークとは何ですか? 企業はどのようにしてイノベーションを奨励することができますか? フラグメンテーションやリスクの暴露を生み出すことなく?

私たちは、実際のワークフローの痛みのポイントから始めたいと思います。ランダムな提案ではなく、繰り返しのタスク、意思決定のボトルネック、または既存の知識ギャップを特定するようにチームに奨励します。そこから、企業はビジネスの関連性、実行可能性、リスクに基づいて実験に優先順位を付けることができます。

最も健康的な環境は、人々が安全に試み、機能するものを共有し、孤立した状態で車輪を再発明することを避けることができる環境です。

あなたは、LAByrinthというジェネレーティブAIプロジェクトシミュレーターを共同で作成しました。これは、安全でガイドされた環境でAIツールを使用して構築するためのエンジニアに実践的な経験を提供することを目的としています。LAByrinthの作成のインスピレーションは何ですか? シミュレーションベースの学習は、現実世界のAI能力をどのように促進しますか?

私は常に、実践的な、体験型の学習を愛しています。特に、アートスタジオ環境にある「肩越しに」メンタリングの形式です。

マーティン・ガイダと私は、このようなトレーニング構造のアイデアを出しています。プロジェクト全体は、実際に作成するのが非常に楽しかったです。パズルを解くように感じました。そう感じたとき、正しい道にいることを知っていました。人々は、新しい素材に興味を持って関与する可能性が高いためです。サポートされていると感じるときです。

シミュレーションベースの学習は、理論と応用のギャップを埋めることで能力を促進します。判断を練習するための安全な場所を提供します。単に概念を暗記するのではなく。AIの場合、これは非常に重要です。実際の能力は、ツールが何ができるかを知ることだけではありません。思慮深く、安全に使用する方法を知ることです。

企業は、ジェネレーティブAIの時代に、従業力のスキルアップに異なるアプローチで取り組むべきですか? 過去のデジタル変革の波とは異なりますか?

協力して、創造的に。Notebook LMやFigma Makeのようなツールでは、エンゲージメントと新鮮なコンテンツを作成する方法は数多くあります。スライドデッキが好きですが、インタラクティブなワークブック、アニメーションビデオ、その他のカリキュラム配信方法も好きです。

私自身は、インフォグラフィックやその他のビジュアルで最もよく学びます。

責任あるAIは、ガバナンスとコンプライアンスの周りでしばしば構成されます。エイブルメントの観点から、日常のワークフローにおける責任あるアドプションとは何ですか?

ツールを使用している人々と、どのように有用であるかについて相談し、ポリシーが実際に何を意味するかを、ツールを使用しているすべての人が理解できるようにします。日常的にAIを使用する方法にどのように翻訳されるか?

責任あるアドプションとは、人間が舵取りするモデルです。AIは下書き、要約、分析、または加速に役立ちますが、人間が判断、品質チェック、最終決定を所有します。その人間の責任は、非常に重要です。

同様に重要なのは、自信です。判断は経験から来ます。したがって、組織は、従業員が実際の熟練度を身に付けるために練習する低リスク、非判断的なスペースが必要です。人々が思慮深い判断を下すために十分な実践的な経験を積むと、責任ある使用は抽象的ではなく、習慣的になります。

ジェネレーティブAIが急速に進化するにつれて、企業はどのようにしてエイブルメントプログラムを設計して、数ヶ月以内に古くなってしまうのではなく、適応性を維持することができますか?

それは課題ですが、優れたツールがたくさんあります。

最大の間違いは、エイブルメントを現在のツールランドスケープ全体に構築することです。

私たちは、ツール非依存のトレーニングを提供するかどうかを尋ねられます。答えは、絶対にそうです。私たちは、耐久性のあるAIスキルに焦点を当てて、組織が現在使用しているツール内でそれらのスキルを適用する方法を教えます。そのアプローチにより、プログラムの寿命が大幅に長くなります。

適応性のあるエイブルメントは、モジュラーで、フラクタルでなければなりません。トレーニングを1回限りのイベントとして扱うのではなく、組織は層で考える必要があります。基礎的なリテラシー、役割ベースのアプリケーション、先進的な実験、およびツールと優先順位の変更に伴う継続的な更新です。

企業のAIアドプションの次の段階を定義するシフトは、2年間で何でしょうか?

役割ベースとエージェントベース。企業はすでにエージェントの使用を採用しています。これらの組織は、技術チームがこの種のAI使用を構築して管理するために必要なすべての方法でスキルアップされることを確認したいと考えています。

素晴らしいインタビュー、ありがとうございました。詳しく知りたい読者は、Altimetrikを訪問してください。