제이 앨러다이스, 인사이트 소프트웨어의 데이터 및 애널리틱스 총괄 매니저 – 인터뷰 시리즈

제이 앨러다이스는 인사이트 소프트웨어의 데이터 및 애널리틱스 총괄 매니저입니다. 그는 구글, 업테이크, GE, HP와 같은 기업 B2B 회사에서 23년 이상의 경험을 가진 기술 이사입니다. 그는 또한 링크드인에서 가장大的 인공 지능 커뮤니티를 이끄는 GenAI.Works의 공동 창립자입니다.

인사이트 소프트웨어는 금융 및 운영 소프트웨어 솔루션의 글로벌 제공업체입니다. 이 회사는 재무 계획 및 분석(FP&A), 회계, 운영을 지원하는 도구를 제공합니다. 이 회사의 제품은 데이터 접근성을 개선하고 조직이 시의적절하고 정보에 기반한 의사결정을 내릴 수 있도록 설계되었습니다.

고객의 기대가 높아짐에 따라 비즈니스들이 인공 지능을 채택해야 하는 긴급성을 강조했습니다. 비즈니스들이 “AI FOMO”의 함정에 빠지지 않고 제네릭 인공 지능 솔루션을 채택하지 않기 위한 주요 단계는 무엇입니까?

고객들은 비즈니스에 사용하는 도구에서 인공 지능 기능을 증가시키고 싶다고 크게 요구하고 있습니다. 이에 대응하여 비즈니스들은 이러한 요구를 충족시키고 경쟁사와의 속도를 유지하기 위해 서두르고 있습니다. 이는 모든 당사자에게 번거로운 주기를 만들며, 결국 AI FOMO가 발생하여 비즈니스들이 단순히 “우리에 AI가 있습니다!”라고 말하기 위해 혁신을 서두르는 결과를 낳습니다.

이 함정에 빠지지 않기 위한 가장 큰 조언은 고객이 인공 지능을 통해 해결하려고 하는 문제를 이해하는 데 시간을 투자하는 것입니다. 수동으로 집중적인 프로세스 문제가 있나요? 자동화해야 하는 반복 작업이 있나요? 기계가 쉽게 계산할 수 있는 계산이 있나요?

비즈니스들이 이러한 필수적인 컨텍스트를 이해한 후, 목적을 가진 솔루션을 채택하기 시작할 수 있습니다. 고객들에게 문제를 해결하는 인공 지능 도구를 제공할 수 있으며, 기존 문제를 더混乱하게 만들 뿐인 도구가 아닙니다.

많은 회사들이 인공 지능을 구현하기 전에 그 사용 사례를 완전히 이해하지 못합니다. 비즈니스들이 제네릭 구현에 의존하지 않고 특정 요구 사항에 맞게 맞춤형 인공 지능 솔루션을 식별하기 위해 어떻게 할 수 있습니까?

고객 측면에서 가장 긴급한 사용 사례를 더 잘 이해하기 위해 지속적인 의사소통을 유지하는 것이 중요합니다. 고객 옹호위원회는 도움이 될 수 있습니다. 그러나 고객 이외에도 팀이 내부적으로 인공 지능 도구를 도입하는 것이 내부 기능에 미치는 영향을 이해하는 것이 중요합니다. 고객에게 새로운 도구를 도입할 때마다 내부 데이터 팀은 새로운 변수와 생성되는 새로운 데이터의 산을 직면하게 됩니다.

새로운 기능을 추가하고 고객에게 보여주고 싶지만, 내부 데이터 팀과 과학자들의 지원 없이 인공 지능 배포는 성공하지 못합니다. 내부적으로 대역폭을 이해하고 나서 고객의 요구를 적절한 지원으로 수용할 수 있는지 결정하기 위해 외부로 나아갑니다.

데이터 우선 접근 방식을 채택한 포춘 1000사에 도움을 주었습니다. 비즈니스에서 “데이터 주도”라는 것이真正로 의미하는 바는 무엇이며, 비즈니스들이 이 변환 과정에서 직면하는 일반적인 함정은 무엇입니까?

비즈니스들이 “데이터 주도”가 되기 위해서는 데이터를 올바르게 활용하는 방법을 배우야 합니다.真正로 데이터 주도적인 팀은 데이터 주도적인 의사결정을 올바르게 실행할 수 있습니다. 이는 정보를 수집하고 분석하여 비즈니스 선택을 지원하는 것을 포함합니다. 직관이나 개인적인 경험에만 의존하지 않고, 의사결정자는 관련 데이터를 수집하고 분석하여 전략을 지원합니다. 데이터에 기반한 의사결정은 비즈니스들이 더 많은 정보에 기반한, 객관적인 통찰력을 도출하는 데 도움이 될 수 있으며, 빠르게变化하는 시장에서 전략적인 결정과 충동적인 결정 사이의 차이를 만들 수 있습니다.

이것을 달성하는 일반적인 함정은 효과적인 데이터 관리의 부족으로 인한 “데이터 과부하”입니다. 여기서 팀은大量의 데이터로 곤경에 빠져서 아무 것도 할 수 없습니다. 비즈니스들이 가장 중요한 데이터에 집중하려고 노력할 때, 너무 많은 데이터가 접근 가능하면 제대로 관리하지 않으면 지연과 비효율성을 초래할 수 있습니다.

IoT와 산업 기술을 다룬 경험을 바탕으로, 에너지, 운송, 건설과 같은 산업에서 인공 지능과 IoT의 교차점이 어떻게 발전할 것으로 보입니까?

IoT가 등장했을 때, 더 나은 의사결정을 위해 연결성을 향상시킬 것이라는 믿음이 있었습니다. 실제로, 이것은 산업 부문에서 새로운 경제적 가치의 세계를 열어주었습니다.

문제는 많은 사람들이 “스마트 플럼빙”에 집중하여 분산된 장치와 통신하고 연결하는 데 중점을 두었으며, 결과는 덜 중요했습니다. 연결된 400개의 重 건설 자산이나 40개의 소유한 발전소에서 정확히 어떤 문제를 해결해야 하는지 결정해야 합니다. 결과 또는 해결해야 할 문제는 궁극적으로 이해할 수 있는 KPI를 개선하는 데 달려 있습니다. 모든 비즈니스는 운영 성과와 주주 성과를 측정하는 상위 KPI에 의해 관리됩니다. 이러한 것을 결정한 후에, 해결해야 할 문제(따라서 유용한 데이터가 무엇인지)가 명확해집니다.

이 基盤이 있으면, 인공 지능(예측 또는 생성)은 비즈니스들이 하는 일에서 10~50배 더 많은 영향을 미칠 수 있습니다. 최적화된 공급, 트럭 롤, 수리 주기는 모두 명확한 수요 신호 패턴에 기반하여 입력 변수가 필요합니다. 예를 들어, 건설 회사에서 ‘오른쪽 부품, 오른쪽 시간, 오른쪽 위치’를 갖는다는 것은 재고 수준 요구 사항을 줄이고 서비스 기술자를 최적화하는 데 도움이 될 수 있으며, 이는 수백만 달러의 가치가 있을 수 있습니다. 이는 예측 모델이 기계가 언제 실패할지 또는 서비스 이벤트가 발생할지 예측할 수 있으며, 구조화된 운영 데이터와 IoT 데이터(분산된 자산)를 결합하여 비즈니스를 더 동적이고 최적화된 마진으로 만드는 데 도움이 될 수 있습니다.

비즈니스들이 데이터를 잘못 사용하는 가장 일반적인 방법은 무엇이며, 어떻게 하면 데이터를真正로 경쟁력 있는 장점으로 전환할 수 있습니까?

“인공 지능”이라는 용어는 그대로 받아들이면有点 부정확할 수 있습니다.任意의 데이터를 인공 지능 엔진에 입력하면 반드시 유용한 결과가 나온다는 보장이 없습니다. 팀들이 오늘날의 세계에서 인공 지능 혁신의 속도를 따라가려고 할 때, 우리는 때때로 데이터 준비와 제어의 중요성을 잊어버립니다. 이는 인공 지능에 입력되는 데이터가 완전히 정확하도록 보장하는 데 중요합니다. 특히 재무 팀의 경우, 정확한 보고서를 생성하는 데 중요합니다.

비즈니스들이 인공 지능 기술을 책임감 있게 사용하기 위해 어떤 조치를 취해야 합니까?

내가 제안하는 것은 조직이 이 기술을 사용하고, 배우고, 채택하는 것을 두려워하지 말라는 것입니다. 또한, 조직은 내부 데이터를 소유하고 관리하는 것이 사실상 정보의 정확성에 대한 기준이 된다는 것을 이해해야 합니다. 인공 지능 모델이 어떻게 훈련되었는지, 어떤 정보를 사용하는지 이해하는 것이 중요합니다. 모든 응용 프로그램이나 데이터와 마찬가지로, 컨텍스트가 중요합니다. 비인공 지능 기반 응용 프로그램도 부정확한 결과를 생성할 수 있습니다. 인공 지능이 부정확한 결과를 생성한다고 해서 모델을 비난해서는 안 됩니다. 모델에 입력되는 데이터를 이해하는 것이 중요합니다.

인사이트 소프트웨어는 재무 운영에 인공 지능을 도입하는 데 중점을 두고 있습니다. 인공 지능은 어떻게 CFO와 재무 팀의 운영 방식을 변화시키고 있으며, 인공 지능이 재무 의사결정에 가져올 수 있는 주요 이점은 무엇입니까?

인공 지능은 재무 의사결정과 재무 팀에 큰 영향을 미쳤습니다. 실제로, 87%의 팀이 이미 중간 수준 이상으로 인공 지능을 사용하고 있으며, 이는 인공 지능의 성공과 영향力的 훌륭한 척도입니다. 특히, 인공 지능은 재무 팀이 예측을 더 빠르게 생성할 수 있도록 도와주며, 이는 현재의 예측 주기를 크게 개선할 수 있습니다.

인공 지능을 이 의사결정 과정에 추가함으로써, 팀은 보고서 생성, 데이터 검증, 소스 시스템 업데이트와 같은 단조로운 작업을 자동화할 수 있습니다. 이는 전략적인 분석에 더 많은 시간을 할애할 수 있도록 해줍니다. 이는 변동하는 시장에서 재무 팀이 회복력을 유지하기 위해 민첩성과 유연성을 필요로 할 때 특히 중요합니다. 예를 들어, 재무 팀이 예산 및 계획 주기에 있습니다. 인공 지능 기반 솔루션은 더 정확한 예측을 제공하여 재무 전문가가 더 나은 의사결정을 내릴 수 있도록 도와줍니다.

데이터의 필요는 향후 5년 동안 어떻게 발전할 것으로 보입니까? 특히 인공 지능 통합과 클라우드 자원으로의 전환과 관련하여?

향후 5년 동안 데이터의 민첩성이 향상될 것으로 예상됩니다. 시장의 변화가 빠르기 때문에, 데이터는 비즈니스들이 경쟁력을 유지할 수 있도록 충분히 민첩해야 합니다. 우리는 온프레미스에서 오프프레미스, 클라우드로의 전환에서 데이터가 있었지만, 그 데이터가 비즈니스에 도움이 되기에는 충분히 민첩하지 않았습니다. 향상된 유연성은 데이터 의사결정, 협력, 위험 관리, 기타 기능을 강화합니다. 그러나 궁극적으로, 팀은 도전을 효과적으로 해결하고 시장의 변화하는 트렌드나 요구에 따라 적응하는 데 필요한 도구를 갖추게 됩니다.

인공 지능 기술을 책임감 있게 사용하기 위해 비즈니스들이 우선시해야 할 윤리적 고려 사항은 무엇입니까?

클라우드의 등장과 채택을 비교해 볼 때, 조직은 데이터를 어떤 desconocido 엔티티에 맡기고, 관리하고, 유지 관리하고, 보호하는 것을 두려워했습니다. 그것을 신뢰하는 데 몇 년이 걸렸습니다. 이제 인공 지능 채택에서 유사한 패턴이出现하고 있습니다.

조직은 시스템을 신뢰해야 합니다. 시스템은 정보를 보호하고, 사실적이고 참조 가능한 정보를 생성하며, 또한 신뢰할 수 있는 정보를 생성합니다. 클라우드의 경우, 데이터의 소유권과 관리가 중요했습니다. 인공 지능의 경우, 데이터의 신뢰성과 사용, 그리고 생성된 정보의 도출이 중심이 됩니다. 따라서, 인공 지능 기술을 배포할 때, 다음 세 가지 사항에 집중해야 합니다.

1. 들어오기 – 이 기술을 사용하고, 채택하고, 배우기를 두려워하지 마십시오.
2. 기반 – 기업이 소유하고 관리하는 데이터는 정보의 정확성에 대한 기준입니다. 인공 지능 모델이 어떻게 훈련되었는지, 어떤 정보를 사용하는지 이해하는 것이 중요합니다.
3. 가치 – 인공 지능이 큰 영향을 미칠 수 있는 사용 사례를 이해하십시오.

인터뷰 감사합니다. 더 많은 정보를 원하는 독자는 인사이트 소프트웨어를 방문하십시오.