리티카 건너, IBM 클라우드 및 인지 소프트웨어 Expert Labs 부사장 – 인터뷰 시리즈

리티카 건너는 Expert Labs, IBM 클라우드 및 인지 소프트웨어의 부사장입니다. 그녀는 또한 IBM의 여성 리더 인 AI 프로그램에 깊이 관여하고 있습니다. 이전에는 IBM의 마스터 데이터 관리 및 정보 통합 및 거버넌스 비즈니스와 IBM의 데이터 웨어하우스 및 분석 비즈니스를 담당했으며, 웨어하우스 포트폴리오의 전략, 방향 및 운영 관리를 책임졌습니다.

수학과 언어학에 관심이 많았는데, 컴퓨터 과학과 AI로 관심을 돌린 계기는 무엇인가?

저는 젊었을 때 기술以外의 모든 것에 관심이 있었어요. 위에서 언급한 대로, 저는 주로 스페인어와 외국어 및 언어학에 관심이 있었습니다. 제 부모님은 모두 엔지니어이자 기업가였으며, 저에게 과학에 대한 사랑을 심어주셨습니다. 기술에는 모든 산업과 우리 일상 생활의 모든 측면에 영향을 줄 수 있는 교차점이 있습니다. 대학에서 첫 수업을 들은 후, 저는 이것이 제가 속한 곳이라는 것을 알았습니다.

제가 기술에 대한 열정을 따라 경력을 쌓았지만, 불행히도 많은 젊은 여성들은 비STEM 분야의 경력을 선택합니다. 이것이 IBM이 제3년 연속으로 전 세계의 회사에서 예외적인 여성 비즈니스 리더들을 위해 AI를 사용하는 것을 기념하는 여성 리더 인 AI 이니셔티브를 진행하는 이유입니다. 다른 젊은 여성들은 이러한 여성 리더 인 AI를 보고 자신감과 커뮤니티를 얻어 기술 및 AI 분야에서 추구할 수 있어야 합니다.

IBM에서 놀라운 경력을 쌓았는데, 그 여정의 일부를 공유해줄 수 있나요?

사람들은 저에게 왜 IBM에서 इतन 오랜 경력을 가지고 있는지 자주 묻습니다. IBM에서 저는 제품 영역과 기능 도메인에서 제 기술을 성장시킬 수 있었습니다. 저는 시스템 관리 팀에서 개발자로 시작하여 데이터, 분석, AI를 포함한 다양한 기능에서 제품 관리, 판매, 서비스를 담당했습니다.

제 경력에서 매우 중요한 것은 한 영역에서 시작하여 특정 도메인에 대한 지식을 확장한 후 다른 영역으로 전환하는 것입니다. 저는 각 이동에서 배웠으며, 현재의 역할에서 새로운 기술을 도입하는 비즈니스에 도움이 되는 중요한 기초를 다졌습니다.

각 역할에서 저는 3가지 영역에 초점을 맞추는 것이 성장을 촉진하는 데 도움이 된다고 생각합니다. (1) 새로운 역할에 필요한 학습 및 성장 영역을 지원하는 커뮤니티를 찾습니다. 이것은 기존 그룹, 멘토, 및 역 멘토링을 통해 가능합니다. (2) 호기심을 가지고 있습니다. 항상 실제 작업, 연구 및 연습을 통해 배워야 하며, 지속적으로 학습합니다. (3) 자신의 능력에 대해 자신감을 가지고 있습니다. 이것은 가장 중요한 측면입니다.

현재 Expert Labs, IBM 클라우드 및 인지 소프트웨어의 부사장입니다. 이 역할에 대해 자세히 알려주실 수 있나요?

Expert Labs 팀은 조직이 경쟁이 심한 환경에서 비즈니스를 강하게 유지하기 위해 인공 지능의 잠재력을 완전히 실현하도록 도와줍니다. 저는 데이터, 자동화, 및 기타 AI 사용 사례와 관련하여 클라이언트 성공을 위한 고문, 아키텍처, 및 전달을 담당하는 2400명이 넘는 고도로 기술적인 전문가 팀을 이끌고 있습니다.

클라이언트와 함께 협력하여 기술 프로젝트가 성공적으로 진행되도록 도와주며, 그들의 목표를 이해하고 비즈니스 변화를 위한 여정의 각 단계에서 그들을 안내합니다.

AI에서 성공하기 위해서는 모든 것이 데이터에서 시작된다고 이전에 언급했습니다. 이에 대해 자세히 설명해줄 수 있나요?

말한 대로, AI의 약속을 실현하기 위해서는 조직이 데이터에서 시작해야 합니다. AI는 비즈니스 운영 및 가치 제공 방식을 변革할 수 있는 잠재력을 가지고 있습니다. 그러나 많은 기업은 여전히 데이터 복잡성, 인재 부족, 및 AI 시스템에 대한 신뢰 부족을 극복하는 데 어려움을 겪고 있습니다. AI의 다양성을 축하하면서, 저는 두 가지 주요 질문에 초점을 맞추고 싶습니다. 이 질문들은 데이터 및 AI 시스템에 대한 신뢰를 개발하는 데 핵심이라고 생각합니다. 첫째, 나의 AI는 공정한가? 둘째, 나의 AI는 설명 가능한가?

공정한 AI를 보장하기 위해서는 모델을 구축하는 데 사용되는 데이터가 공정해야 하며, 모델 자체가 새로운 데이터가 도입될 때 편향을 감지하고 완화하도록 설계되어야 합니다. 인종 및 경제적 정의에 대한 우리의 글로벌 대화가 심화함에 따라 편향을 제거하는 명령이 더 긴급해졌습니다. AI가 공정하다면, 인간의 편향을 완화하는 훌륭한 도구가 될 수 있습니다.

AI가 특정 결정을 내리는 이유를 설명할 수 없다면,神秘한 알고리즘의 “블랙 박스”에 대한 두려움으로 인해 신뢰를 불러일으키는 것이 불가능할 수 있습니다. 금융 서비스, 의료, 보험 등과 같은 산업은 대규모로 AI를 배치하는 데巨大한 기회를 제공하지만, 사람들의 삶에重大한 영향을 미치는 결정에 대한 매우 민감한 데이터가 필요합니다. 이러한 결정이 어떻게 이루어지는지 및 왜 그렇게 하는지 고객이 이해할 수 있어야 합니다. 규제기관을 만족시키기 위해서는 정확한 답변을 제공하는 감사 가능한 데이터 트레일이 필요합니다.

AI 및 데이터가 공정하고 설명 가능하다는 것을 보장하는 것이 성공적인 AI 프로젝트를 보는 렌즈여야 합니다. 저의 믿음은 bahwa 다양한 배경 및 경험의 그룹이 이러한 프로세스에 핵심적이라는 것입니다.

IBM의 여성 인 AI 프로그램에 깊이 관여하고 있습니다. 이 프로그램에 대해 자세히 알려주실 수 있나요?

우리의 연례 여성 리더 인 AI 목록에 포함된 개척적인 여성들은 기술 산업에서 더 많은 여성들이 경계를 밀어내고, 목소리를 내며, 다음 세대에게 문을 열 수 있는 환경을 만들었습니다. 이러한 이야기를 축하하고 공유하는 것이 중요합니다. 이것이 왜 우리는 18개국에서 40명의 놀라운 여성들을 기념하는 이유입니다. 이들은 인공 지능의 미래를 형성하고 있으며, 자연어 처리, 자동화, 및 신뢰할 수 있는 AI의 발전을 통해 조직이 결과를 더 잘 예측하고, 프로세스를 자동화하며, 새로운 효율성을 추구하는 데 도움이 됩니다.

이 목록에는 AdMed, The Ad Council, The Clorox Company, City of Austin, EY, Ford Motor Company, Lloyds Banking Group, Mitsui Chemical, Telstra, Vodafone New Zealand, Westpac 등이 포함됩니다. 이러한 놀라운 리더들은 광고의 효과를 개선하기 위해 AI를 사용하고, 농부들에게 필수적인 작물 예측 도구를 제공하고, 식품 안전을 개선하고, COVID-19 Παν데믹期間에 구성원들에게 정보를 제공하는 등 새로운 길을 열고 있습니다.

편향을 피하기 위해 소수자 및 여성으로 구성된 다이버스한 팀을 갖는 것이 얼마나 중요한가요?

1년 동안, COVID-19 팬데믹은 미국에서만 500만 명이 넘는 여성들이 직장을 잃거나 떠나게 만들었습니다. 실제로, 새로운 연구에 따르면, 현재 2019년보다少ない 여성들이 선임 부사장, 부사장, 감독 및 관리자 역할을 맡고 있습니다. 우리는 2019년에 다이버스한 참여를鼓励하고, 수상자에게 共有 학습 및 지원을 위한 네트워크를 제공하는 연례 여성 리더 인 AI 프로그램을 만들었습니다. 저의 희망은 다른 사람들이 이러한 놀라운 리더들의 이야기를 읽고 영감을 얻으며, 중요한 것은 자신들의 모습을 보는 것입니다.

또한, AI의 혁신에 대한 다양한 생각의 중요성을 강조할 수 없습니다. 사고의 다이버시фика션이 핵심입니다. 우리는 더 많은 생각이 기술을 개발하는 데 투입될수록, 편향을 완화하고, 윤리적으로 운영되는 AI를 촉진하며, AI 시스템에 대한 신뢰를 높이는 가능성이 더 크다는 것을 보았습니다. 궁극적으로, 이것은 더 나은 경제적 반환이며, 모든 사람에게 혜택을 제공합니다. 우리는 AI 분야를 더 다이버스하고 포괄적으로 만드는 데 取った 단계를 축하하며, 더 나아지도록 노력하고 있습니다.

부모님이 컴퓨터 과학 및 AI에 더 관심을 갖게 하는 데 어떤 일이 있나요?

저에게 두 가지 사항이 두드러집니다. 호기심과 멘토링입니다. 제 경험에 따르면, AI에서 성공하기 위한 가장 중요한 요소는 호기심과 지속적인 학습의 문화입니다. 기술 분야에서는 기술과 정보의 평균 수명이 3~5년입니다. AI의 경우 12~18개월입니다. 기술이 너무 빠르게 발전하고 있기 때문에, 특정 기술보다 호기심과 학습에 대한 갈증이 더 중요합니다. 호기심을 조성하는 것은 어린 시절부터 시작할 수 있습니다.

기술에 관심 있는 소녀들을 위해, 지원 시스템과 멘토링이 중요합니다. 계속해서 자신을 성장시키는 문화를 만들기 위한 것입니다. 저는 이것을 개인적으로 몇 년 전에 배웠습니다. 저는 아들과 딸을 함께 코딩 캠프에 보냈는데, 아들은 좋아했지만, 딸은 “엄마, 더 이상 코딩을 하고 싶지 않아요”라고 말했습니다. 대화를 나눈 후, 그녀는 그 클래스에서 유일한 소녀였다는 것을 알았습니다. 그래서 저는 그녀를 다른 소녀들과 함께 코딩하는 특별 프로그램에 등록시켰습니다. 그녀는 재미를 느꼈고, 자신감을 얻었고, 이제는 어디서든 자신을 지킬 수 있습니다.

기업은 더 많은 여성들을 끌어들이기 위해 무엇을 할 수 있나요?

여성들이 AI에 더 많이 참여하고, 기술 분야의 모든 차원에서 다양성을 증가시키기 위해서는, 존재하는 다양성을 축하해야 합니다. 우리는 다양한 그룹과 배경을 대표하는 사람들이 지원적인 기술 커뮤니티를 가지고, 질문을 할 수 있고, 실수를 할 수 있고, 새로운 영역으로 나아갈 수 있는 문화를 만들어야 합니다. IBM이 40명의 여성들을 기념하는 동안, 우리는 또한 그들을 서로 연결하여 새로운 학습, 공유, 및 지원 네트워크를 제공하고 있습니다. 새로운 연구의 결과에 기반하여, 우리는 다음과 같은 변화를 위한 로드맵을 제안합니다:

1. 대담한 생각과 큰 약속을 결합하여, 성별 평등을 공식적인 비즈니스 우선순위로 만듭니다.
2. 특정 위기 관련 개입을 적용합니다. 백업 자녀 돌봄 지원, 정신 건강 자원, 및 유연한 작업 위치 및 일정과 같은 이점은 핵심입니다.
3. 의도와 공간을 만드는 문화를 창조합니다. 고용주와 관리자는 직원에게 공감하고 포괄적인 접근 방식을 취해야 합니다.
4. 성과를 가속화하기 위한 기술을 사용합니다. 이는 스크리닝을 위한 공정성을 디지털 도구에 하드웨어링하는 것을 의미하며, 디지털 도구를 사용하여 의사소통 및 피드백을 제공하여 무엇이 작동하고 무엇이 작동하지 않는지 확인하며, 물리적 및 원격 환경에서 효과적으로 협력할 수 있는 협력 도구 및 팀 구성을 투자하는 것입니다.

감사합니다. 이 인터뷰에 관심이 있는 독자는 IBM의 Expert Labs 또는 IBM의 여성 리더 인 AI 프로그램을 방문할 수 있습니다.