라젠 세투라만, LatentView Analytics의 CEO – 인터뷰 시리즈

라젠 세투라만, LatentView Analytics의 CEO는 컨설팅, 인재 리더십, 엔터프라이즈 변혁 분야에서 경력을 쌓은 베테랑 이사입니다. Accenture와 KPMG에서 리더십을 맡았으며, LatentView에 합류하기 전에는 Chief People Officer에서 CEO로 승진했습니다. 이는 인재 개발, 조직 설계, 확장 가능한 운영 모델에 대한 강한 강조를 의미하며, 현재는 AI와 분석 분야에서도 이러한 접근 방식을 취하고 있습니다. tuyển dụng, 학습, 비즈니스 전략 분야에서 sâu厚한 경험을 바탕으로, 그는 항상 사람, 문화, 기술을 결합하여 측정 가능한 결과를 도출해내는 데 중점을 두어 왔으며, 이는 LatentView를 통해 IPO와 글로벌 확장으로 이어졌으며, AI를 비즈니스 능력으로 пози션했습니다.

LatentView Analytics는 글로벌 데이터 분석 및 디지털 변혁 회사로, 기업들이 데이터, 인공 지능, 고급 분석을 활용하여 의사 결정과 성장을 개선하도록 도와줍니다. 데이터 엔지니어링, 예측 분석, AI 기반 컨설팅 등의 서비스를 제공하며, 금융 서비스, 소매, 기술 등 다양한 산업에서 Fortune 500 클라이언트와 협력합니다. 핵심 가치는 원시 데이터를 행동 가능한 통찰력으로 변환하여 비즈니스 운영을 최적화하고, 추세를 예측하며, 경쟁 우위를 창출하는 것입니다.

Accenture와 KPMG에서 컨설팅과 인재 리더십을 시작한 후 LatentView Analytics의 CEO가 되었습니다. 인재 개발과 조직 전략 배경은 현재 AI와 분석을 확장하는 방식에 어떻게 영향을 미쳤나요?

초기 경력은 주로 인재, 리더십 개발, 확장 가능한 조직 구축에 중점을 두었습니다. 이러한 경험은 현재 AI에 대한 생각을 형성합니다. 기술만으로 조직을 확장할 수 없습니다. 중요한 것은 팀이 기술을 어떻게 채택하고, 리더가 어떻게 기술을围繞하여 정렬하며, 비즈니스 문제가 어떻게 명확하게 정의되는지입니다. LatentView에서 우리는 조직이 분석과 AI를 일상적인 의사 결정으로 전환하는 데 필요한 운영 모델, 기술, 문화를 구축하는 데 많은 시간을 투자합니다.

따라서 나는 조직 준비성을 통해 AI를 생각합니다. AI를 확장하려면 강한 도메인 전문 지식, 데이터 기반, 행동을 번역할 수 있는 팀이 필요합니다. 항상 이러한 능력을 함께 구축하는 데 중점을 두어 왔으며, AI를 분리된 능력으로 다루지 않습니다.

AI 최소주의에 대해 말하셨는데, 이는 명확성, 호기심, 문화를 새로운 GenAI 트렌드에 대한 추구보다 우선시하는 것을 의미합니다. 기업 리더들에게 실제로 AI 최소주의는 무엇을 의미하나요?

AI 최소주의는 초점에서 시작합니다. 기업 리더들은 모든 새로운 모델이나 능력을 추구할 필요가 없습니다. 측정 가능한 방식으로 AI가 의사 결정이나 생산성을 개선할 수 있는 몇 가지 의미 있는 문제를 찾아야 합니다. 이는 가격 결정, 공급망 계획, 또는 조직 내 지식 전달 등이 될 수 있습니다. 잘 정의된 문제로 시작하면 팀이 자신감을 얻고, 책임 있는 확장을 어떻게 하는지 배우는 데 도움이 됩니다.

또한 이는 AI를 실제 워크플로에 통합하는 것을 의미합니다. 팀이 기술이 일상적인 문제를 해결하는 데 도움이 된다고 볼 때, 채택은 자연스럽게 증가합니다. 호기심과 실험은 여전히 중요하지만, 명확한 목적에 기반할 때 가장 잘 작동합니다.

많은 조직이 데이터 기반을 강화하지 않고 생성적 AI에 뛰어들고 있습니다. 公司이 불안정한 기반 위에 세워지고 있는 경고 신호는 무엇인가요?

한 가지 흔한 현상은 AI에 대한 대화가 데이터에 대한 대화보다 훨씬 빠르게 진행되는 경우입니다. 리더들이 공동 조종사와 생성적 모델에 대해 이야기하지만, 핵심 데이터가 어디에 있는지,誰가 소유하고 있는지, 또는 비즈니스에서 실제로 신뢰하는 지표가 무엇인지에 대한 혼란이 있는 경우, 이는 基礎가 아직 준비되지 않았음을 나타냅니다. AI 시스템은 신뢰할 수 있고 잘 관리되는 데이터에 크게 의존합니다. 이를 갖지 못하면 사람들은 출력을 신뢰하기 어려워집니다.

또 다른 신호는 많은 파일럿이 진행 중이지만 실제로 결정에 영향을 미치는 파일럿은 거의 없다는 것입니다. 생성적 AI는 인상적인 시연을 생성할 수 있지만, 실제 테스트는 조직의 운영에 영향을 미치는지 여부입니다.

CEO로서는 글로벌 클라이언트에게 측정 가능한 영향을 미쳤습니다. AI를 성공적으로 운영하는 公司와 파일럿 모드에 머무는 公司를 구분하는 요소는 무엇인가요?

AI를 성공적으로 확장하는 公司는 이를 운영 규율로 다루며, 이노베이션 측 프로젝트로 취급하지 않습니다. mereka는 실행 책임을 할당하며, 사용 사례를 측정 가능한 비즈니스 결과에 연결시키고, 처음부터 통합을 설계합니다. 또한 데이터 파이프라인, 거버넌스, 프로세스 재설계, 사용자 채택 등의 moins 화려한 작업에 투자합니다. 이는 파일럿이 주목을 받는 것과 실제로 의사 결정에 영향을 미치는 능력 사이의 차이입니다.

LatentView에서 우리는 公司가 비즈니스 문제에錨を 내린 경우 AI를 더 빠르게 확장할 수 있다고 보았습니다. 이는 계획 정확성, 재고 결과, 공급업체 가시성 등에 대한 개선과 같은 것입니다. 이미 公司가 관심을 갖는 지표에 연결된 AI는 확장과 채택, 거버넌스에 대한 자금 지원을 받을 가능성이 더 높습니다.

대규모 조직에서 AI를 책임 있게 확장하는 방법은 무엇인가요? 거버넌스, 보안, 책임성은 어떻게 유지하나요?

책임 있는 확장은 AI 결정이 궁극적으로 실제 고객, 직원, 비즈니스 결과에 영향을 미친다는 것을 인정하는 것으로 시작합니다. 이는 거버넌스가 사후 처리가 될 수 없습니다. 公司는 데이터 액세스, 모델 오버사이트, 프로덕션 모니터링을围繞한 명확한 정책이 필요합니다.

실제로 가장 효과적인 거버넌스 모델은 교차 기능적입니다. 비즈니스 리더, 기술 팀, 리스크 또는 컴플라이언스 그룹이 모두 참여해야 합니다. AI 시스템은 출력이 어떻게 생성되었는지 및 인간의 판단이 여전히 필수적인지에 대한 투명성도 혜택을 받습니다. 초기에 가드레일을 설정하면 公司는 채택을 확대하면서 신뢰를 유지할 수 있습니다.

LatentView는 다양한 디지털 성숙도 수준의 기업과 협력합니다. 조직과 초기 분석 여정에 있는 公司의 AI 전략은 어떻게 다르나요?

조직의 경우 대화는 가속화에 관한 것입니다. 이미 의미 있는 데이터 자산이 있으므로, 우리는 높은 가치의 사용 사례에 우선순위를 두고, 접근성을 개선하며, 비즈니스에서 빠르게 행동할 수 있는 워크플로에 AI를 통합하는 데 중점을 둡니다. 이는 엔터프라이즈 지식 검색, 공급망 계획, 또는 도메인별 모델이 함수 전반의 의사 결정 속도를 개선하는 것을 의미할 수 있습니다.

분석 여정의 초기에 있는 公司의 경우 시작점은 다릅니다. 우리는 데이터 준비, 거버넌스, BI 현대화, 지속 가능한 방식으로 AI를 지원할 수 있는 능력 구축에 더 많은 시간을 투자합니다. 이러한 상황에서는 성숙도 평가와 시퀀싱이 매우 중요합니다. 아직 신뢰할 수 있는 데이터, 공통 KPI, 또는 문제 해결을 위한 실행 책임이 없는 公司에 미래를 약속하고 싶지 않습니다.

인재 채용과 학습에 대한 깊은 경험을 바탕으로, 公司는 내부적으로 개발해야 할 AI 시대에 대한 기술은 무엇이며, 외부에서 고용해야 할 기술은 무엇인가요?

내부적으로 公司는 광범위한 AI 및 데이터 리터러시를 구축하는 데 중점을 두어야 합니다. 모든人が 데이터 과학자가 되지는 않지만, 비즈니스 전반의 사람들이 의사 결정에 대한 근거를 마련하고, 더 나은 질문을 하며, 일상적인 워크플로에서 AI 도구를 사용하는 데 우선순위를 두어야 합니다. 이러한 관행이 팀 전반에 퍼지면, 실제로 AI가 도움이 되고 어디서 사용해서는 안 되는지 식별하기가 훨씬 더 쉬워집니다.

외부적으로 고용하는 경우에는 더 전문적인 기술이 필요합니다. 데이터 엔지니어링, 기계 학습 아키텍처, AI 거버넌스와 같은 분야는 깊은 전문 지식을 요구하며, 公司가 내부적으로 갖지 못하는 경우가 많습니다. 이러한 전문가와 비즈니스 팀을 결합하여.context를 이해하고, 개선해야 할 의사 결정이 무엇인지 아는 公司가 이러한 작업을 잘합니다.

문화적 저항은 변화를 느리게 할 수 있습니다. AI 채택을 둘러싼 신뢰와 동력을 구축하기 위한 가장 효과적인 리더십 행동은 무엇인가요?

리더십의 명확한 커뮤니케이션이 큰 차이를 만듭니다. 직원들은 새로운 기술이 왜 도입되는지 및 公司의 전략과 어떻게 연결되는지 이해하고 싶습니다. AI 이니셔티브의 목적과 실제 비즈니스 목표에 연결하여 설명하면 公司 전반에 걸쳐 신뢰를 구축하는 데 도움이 됩니다.

학습도 중요합니다. 자동화와 AI는 이미 많은 산업을 재정의하고 있으므로, 公司는 직원들이 새로운 능력을 개발하는 것을积極적으로 지원해야 합니다. 사람들은 기술과 함께 성장할 수 있는 실제 기회를 볼 때, 변화에 더 개방적으로 참여합니다.

AI가 의사 결정 프로세스에 통합됨에 따라,董事會와 실행 팀은 성과 지표와 책임성을 어떻게 재고해야 하나요?

AI는 의사 결정이 어떻게 이루어지는지 변경합니다. 따라서 리더십 팀은 전통적인 프로젝트 지표를 넘어야 합니다. 실제 질문은 AI가 중요한 비즈니스 영역에서 의사 결정의 질과 속도를 개선하는지 여부입니다. 이는 더 나은 수요 예측, 더 정확한 가격 결정, 또는 시장의 변경에 대한 더 빠른 반응과 같은 것입니다.

이러한 결과가 개선되면 AI는 작동합니다. AI 성과는 비즈니스 성과와 별도의 대시보드에 있을 수 없습니다.

책임성도 더 분명해야 합니다. 누군가가 데이터를 소유하고, 누군가가 프로덕션中的 모델을 모니터링하며, 누군가가 궁극적으로 결정합니다. AI는 이러한 결정에 대한 지원을 제공할 수 있지만, 거버넌스와 오버사이트는 필수입니다.

기업에서 AI를 채택하는 데 있어 향후 3~5년 동안 가장 중요한 변화는 무엇이며, 리더들은 지금 무엇을 해야 하나요?

향후 몇 년 동안 AI는 일상적인 비즈니스 결정에 더 많이 나타날 것입니다. 많은 公司가 파일럿과 개념 증명을 실험하는 데 시간을 보냈습니다. 다음 단계는 이러한 능력이 실제로 팀이 계획을 세우고, 수요를 예측하고, 공급망을 관리하거나 마케팅 결정하는 방식에 실제로 지원하는지 확인하는 것입니다.

작업도 AI가 더 능력 있게 될 때 진화할 것입니다. 루틴 작업이 더 자동화되면, 산업은 AI와 함께 작업하고, 해석하며, 지시하는 방향으로 이동할 것입니다. 公司는 데이터 기반을 강화하고 직원이 이러한 능력을 구축하는 데 도움을 주면, AI가 일상적인 운영의 일부가 될 때 더 쉽게 적응할 수 있습니다.

위대한 인터뷰에 감사드립니다. 더 많은 정보를 원하는 독자는 LatentView Analytics를 방문하십시오.