플랜뷰의 리치 손넬블릭 박사, 최고 데이터 과학자 – 인터뷰 시리즈

리치 손넬블릭 박사, 플랜뷰의 최고 데이터 과학자는 세계에서 가장 큰 제약 및 생명 과학 회사들과 함께 일하면서 수년간의 경험을 가지고 있습니다. 이러한 심도 있는 연구와 적용을 통해 그는 제품 예측과 포트폴리오 분석을 향상시키기 위한 통찰력 있는 우선순위와 포트폴리오 검토 프로세스, 점수 시스템, 및 금융 평가와 예측 방법을 성공적으로 공식화했습니다. 리치 손넬블릭 박사는 카네기 멜런 대학교에서 공학 및 공공 정책 분야에서 박사와 석사 학위를, 그리고 캘리포니아 대학교 산타 크루즈에서 물리학 분야에서 학사 학위를 가지고 있습니다.

플랜뷰의 연결된 작업 플랫폼은 시간을 단축하고 예측 가능성을 향상시키며, 효율성을 높여 최대 용량을 달성하고, 최적의 비즈니스 결과를 달성하기 위한 전략적 이니셔티브를 지원하기 위해 설계되었습니다.

관리 컨설팅에서 데이터 과학 이니셔티브를 이끄는 것으로 경력을 전환했습니다. 이 전환을 하게 된 계기는 무엇이며,您的 경험이 비즈니스에서 AI를 활용하는 접근 방식에 어떻게 영향을 미쳤나요?

관리 컨설팅은 비즈니스에서 비효율성과 활용되지 않은 기회를广く 이해할 수 있는 기회를 제공했습니다. 데이터 과학은 이러한 간격을 메우며, 원시 데이터를 전략적 자산으로 변환하여 실시간으로 의사 결정에 영향을 미칠 수 있습니다. 내 경력은 AI를 인간 전문성을 강화하고 프로세스를 tinh chỉnh하며 의사 결정 속도를 높이는 도구로 볼 수 있게 했습니다.

플랜뷰에서 당신은 다양한 비즈니스 기능에 걸친 고급 AI 솔루션을 통합한 일을 주도했습니다. 당신의 최고 데이터 과학자로서의 역할이 플랜뷰의 AI 전략에 미친 영향과, 그 과정에서 직면한 가장 큰 도전은 무엇인가요?

플랜뷰에서 AI는 플랫폼에 내장된 도구로서 통찰력을 열어주고 의사 결정에 도움을 주는 역할을 합니다. 나는 자원 관리, 프로젝트 계획, 운영 효율성을 최적화하는 데 AI를 사용하는 데 중점을 두었습니다. 우리의 Copilot AI 어시스턴트는 모든 기술 수준의 사용자에게 작업 중에 교육을 제공하며, 빈번한 시간 소요적인 작업을 자동화하고, 최고의 관행을 제안하여 팀이 빠르게 정보에 기반한 의사 결정할 수 있도록 합니다.

팀 내에서 비효율성을 식별하고 자원 할당을 개선하는 데 AI가 어떻게 도움을 줄 수 있나요?

AI는 인간이 빠르게 인식하기 어려운 데이터 패턴을 식별하는 데 탁월합니다. 사용되지 않는 자원을 강조하고, 병목 현상을 식별하며, 작업량 불균형을 예측할 수 있습니다. 예를 들어, 포트폴리오 목표, 프로젝트 타임라인 및 팀 성과 지표를 분석하여 AI는 작업을 재할당하거나 자원을 포트폴리오 전체에 걸쳐 최대 영향을 미치도록 재할당하는 것을 제안할 수 있습니다.

자원 관리에서 AI가 특히 효과적으로 해결하는 일반적인 비효율성은 무엇인가요?

AI는 전략에서 벗어난 및 성과가 낮은 이니셔티브를 강조하는 데 특히 효과적이며, 우리는 이러한 중요 기능을 플랜뷰 Copilot에 구축했습니다. Copilot이 발전함에 따라 이러한 문제를 강조하고 완화 조치를 제안하는 데 더 잘 적응할 것입니다. 또한 과도한 작업이나 과도한 인수인계와 같은 프로세스에서 낭비를 식별하고 최적화를 제안할 수 있습니다.

소프트웨어 개발 팀에서 낭비는 왜 중요한 도전이며, AI는 이를 어떻게 줄일 수 있나요?

소프트웨어 개발에서 낭비는 일반적으로 우선순위가 불량하거나 팀의 노력이 잘못 정렬된 경우에 발생합니다. AI는 코드 어시스턴트 역할을 하여 반복적인 작업을 자동화하고, 프로젝트 타임라인 및 잠재적인 위험에 대한 예측적인 통찰력을 제공함으로써 낭비를 줄일 수 있습니다. 예를 들어, 과거 프로젝트를 분석하여 지연으로 이어지는 패턴을 식별하여 팀이 이러한 함정을 피할 수 있도록 도와줄 수 있습니다.

소프트웨어 개발 생명주기를 최적화하는 데 특히 적합한 AI 모델 또는 도구는 무엇인가요?

소프트웨어 개발 생명주기를 최적화하기 위해 우리는 효율성과 일관성을 높이고자 합니다. 플랜뷰 Copilot은瓶頸과 흐름 속도에 대한 장애물을 식별하고, 조직의 데이터에 맞춘 작업 가능한 통찰력을 제공합니다. 팀은 평범한 영어로 흐름 메트릭스를 해석하여, 전달 속도에 대한 시스템적인 지연을 식별하고, 자세한 추천을 받을 수 있습니다. 이러한 최적화는 생산성을 높이고, 궁극적으로 전달을 간소화하는 데 핵심입니다.

작업을 위한 AI 어시스턴트로 AI를 배치할 때, 데이터 관계는 추가적인 가치를 어떻게 창출하나요?

데이터 포인트 간의 관계를 매핑함으로써(예: 프로젝트 타임라인, 자원 사용, 팀 커뮤니케이션), AI는 명백하지 않은 통찰력을 표면화할 수 있습니다. 예를 들어, 상태 업데이트에서 감정 경향을 프로젝트 결과와 연결하면, 관리자가 팀이 관리层에 문제를 제기하기 전에 장애물을 예측할 수 있도록 도와줄 수 있습니다.

작은 조직에서 비용을 절약하면서도 영향력을 손상하지 않도록 AI를 어떻게 도입할 수 있나요?

작은 조직은 접근하기 쉬운 생성형 AI 도구에서 시작하여, 더 복잡한 솔루션으로의 관문으로 사용해야 합니다. 문서를 요약하거나, 마케팅 콘텐츠를 지원하거나, 코드 생성을 지원하는 도구는 이러한 조직이 광범위한 투자 없이 AI를 시작하는 비용 효율적인 방법입니다. 수평적 AI 제공을 시작하여, 다양한 사용 사례에 적용할 수 있는 것이, 특정 작업을 위해 생성형 AI를 구부리는 특수화된 애플리케이션에 투자하는 것보다 더 나은 가치가 될 것입니다. 이렇게 하면 조직이 자신의 조직에 특정한最高 영향 사용 사례를 식별할 수 있습니다.

예측 분석은 프로젝트 결과를 개선하는 데 어떻게 기여하나요?

예측 분석은 역사적 데이터와 현재 트렌드를 기반으로 잠재적인 장애물과 결과를 예측하는 데 도움이 됩니다. AI 에이전트는 프로젝트 지연이나 자원 부족의 가능성을 예측하여, 제품 관리자가 계획을 사전에 조정할 수 있도록 합니다. 이러한 예측은 위험을 최소화하고 효율성을 최대화하여, 조직이 전략적 목표를 더 신속하게 달성할 수 있도록 합니다.

앞으로 10년 동안 비즈니스 운영을 변革하는 AI의 미래를 어떻게 예상하나요? 그리고 어떤 새로운 AI 트렌드가 산업에 미칠 영향에 대해 가장 흥奋을 느끼나요?

AI는 향후 10년 동안 비즈니스 운영을 계속해서 변革할 것입니다. 새로운 역할을 창출하고, 예측 능력을 강화하며, 혁신을 간소화할 것입니다.

LLM-네이티브 개발자, 즉 AI 협력을 통합하는 전문가가 개발자의 표준이 될 것입니다. 생성형 AI는 예측 AI와의 경계를模糊하게 만들며, 외부 및 내부 요인에 기반한 전략적 의사 결정에 합성 시나리오를 제공할 것입니다. 바이오테크 분야에서 생성형 AI는 새로운 치료법을 발견하기 위해 복잡한 환자 프로파일을 생성할 것입니다. 사이버 보안 분야에서 AI는 새로운 위협을 시뮬레이션하여 예측 모델이 대응할 수 있도록 할 것입니다. 적응형 추론과 더 작고 효율적인 AI 모델과 같은 새로운 트렌드는 향후 계산적 도전에 대한 해결책을 제공할 것입니다. 이러한 기술은 더 빠르고, 더 목표 지향적인 솔루션을 보장할 것입니다.

전략적 계획에서 예방 보안까지, AI의 통합은 비즈니스들이 민첩하게 대응하고, 회복력 있는 전략과 운영 우수성을 발견하며, 점점 더 역동적인 세계에서 발전할 수 있도록 할 것입니다.

이번 인터뷰에 감사드리며, 더 많은 정보를 원하는 독자는 플랜뷰를 방문하십시오.