Adam Asquini, Directeur Information Management & Data Analytics bij KPMG – Interview Series

Adam Asquini is een Directeur van Information Management & Data Analytics bij KPMG in Edmonton. Hij is verantwoordelijk voor het leiden van data- en geavanceerde analyticsprojecten voor de klanten van KPMG in de prairies. Adam is gepassioneerd over het opbouwen en ontwikkelen van high-performing teams om de beste mogelijke resultaten te behalen voor klanten en om een aantrekkelijke werkervaring te bieden voor zijn teams. Hij heeft eerder gewerkt bij AltaML als Vice-President van Customer Solutions, de regering van Alberta als Program Manager en in de Canadese strijdkrachten als Signaalofficier. Aangezien hij een niet-traditionele carrièrepad heeft gevolgd naar AI, is Adam een grote voorstander van het benutten van de diversiteit en ervaring van cross-functionele teams en gelooft hij ook dat iedereen zich kan aansluiten bij de groeiende AI-gemeenschap.

We hebben ons onderhoud met Adam gehad op de jaarlijkse Upper Bound-conferentie over AI in Edmonton, AB, die wordt gehost door Amii (Alberta Machine Intelligence Institute).

U heeft een niet-traditioneel carrièrepad, kunt u vertellen hoe u in AI terecht bent gekomen?

Ik begon mijn carrière in de Canadese strijdkrachten als signaalofficier, signaalofficieren zijn verantwoordelijk voor IT-telecommunicatiesystemen die helpen bij de communicatie. Dus eigenlijk veel radio’s en satellieten. Er was enige data, maar het was voornamelijk de core-infrastructuurtechnologie waar we verantwoordelijk voor waren, dat heeft me aanvankelijk in de technologie geïntroduceerd. Ik had chemische technologie gestudeerd aan de universiteit van alle dingen, recht van het begin af aan gedreven door mijn eigen nieuwsgierigheid en verlangen om te leren. Het begon daar en het duiken in technologie, bijscholing en zelfontwikkeling waren echt belangrijk voor me.

Na 14 jaar in het leger, waarin ik verschillende signalenfuncties had, van het werken op een basis en het ondersteunen van IT- en telecommunicatiediensten in het veld, het opzetten van hoofdkantoren en het communiceren met frontlinie-eenheden, het ondersteunen van binnenlandse operaties zoals bosbranden en overstromingen, ben ik overgestapt naar de provinciale regering van Alberta. Ik was program manager en keek naar enkele cross-overheidsinitiatieven op het gebied van technologie. Op dat moment centraliseerde de regering IT, we werkten met verschillende regeringsministeries om hun diensten samen te brengen en te consolideren, ik deed veel werk daar en ook in investeringsbeheer. En echt, door dat werk te doen, begon ik enkele organisaties te zien die data en analytics gebruikten.

Het wekte echt mijn nieuwsgierigheid en altijd nieuwsgierig en hongerig om te leren, begon ik dat eigenlijk te onderzoeken via het deelnemen aan enkele projecten daar of gewoon door zelf te studeren, dingen als Coursera of andere trainingsinstrumenten om een beetje meer te leren. Ik heb veel gelezen, onderzocht enkele van de leveranciers en platforms die deze tools leverden. Ik werd echt geïnteresseerd in data en analytics en door mijn eigen natuurlijke nieuwsgierigheid en verlangen om meer te leren, begon ik me steeds meer te verdiepen in dit onderwerp.

Buiten Coursera om, zijn er specifieke podcasts of boeken die u zou aanbevelen?

Ik volg veel verschillende volgers op LinkedIn, maar enkele die in mijn hoofd opkomen, zoals Emerj. Dan Faggella is de persoon achter het. Hij brengt veel thought leadership naar voren. Ik volg zeker enkele van de mainstream, zoals HBR en Forbes. Een contact van me genaamd Andreas Welch die bij SAP werkt, hij brengt veel inhoud naar voren over AI en AI-adoptie, dus ik volg hem. Ik denk dat voor zover het gaat om podcasts, er enkele zijn die ik heb geluisterd en dan boeken ook. Een echt goed boek dat ik onlangs heb gelezen, heet Infonomics van Doug Laney. Hij is voormalig Gartner en MIT, en het is een echt goed boek om een monetarisatiekader voor data uit te leggen. Ik probeer gewoon mezelf te onderdompelen in zoveel mogelijk dingen en ook aansluiten bij projectwerk om meer te leren.

Hoe heeft uw ervaring in het leger u geholpen in uw huidige rol?

Op een paar manieren. Ik denk dat enkele van de geweldige kernvaardigheden die ik leerde via mijn militaire carrière, een zeer gestructureerde aanpak van planning, wat echt goed is. Tijdbeheer en prioritering. In een militaire omgeving dwingt het je om te leren wat het meest belangrijke is en om op een bepaald tempo te werken, om afwegingen te maken en te begrijpen hoe je het beste een koers kunt kiezen die werkt en die je vooruit zal helpen. Ik vind dat in een snel veranderende technologie-landschap zoals AI, waar dingen zo snel gaan, het kunnen verwerken van veel informatie en een gestructureerde aanpak hebben om te begrijpen wat belangrijk is, wat niet belangrijk is, waar je je op wilt focussen, een goede vaardigheid is.

Het andere grote ding is leiderschap en teamwork. Je werkt met een grote organisatie. Op het veld worden teams georganiseerd en herorganiseerd om de beste groep samen te stellen om een missie te voltooien, het hebben van sterke interpersoonlijke vaardigheden, leiderschapsvaardigheden, communicatieve vaardigheden zijn allemaal vaardigheden die echt worden benadrukt in de training in het leger, ik denk dat ze ook enkele van die vaardigheden hebben benut.

U was vice-president van customer solutions bij AltaML voor meer dan twee jaar, wat is AltaML en wat waren enkele interessante projecten waar u aan heeft gewerkt?

AltaML is een toepassingsgericht artificial intelligence machine learning bedrijf. Het is gevestigd in Alberta, het hoofdkantoor is in Edmonton, een grote vestiging in Calgary en ook een in Toronto. Wat ze doen is dat ze samenwerken met andere bedrijven om softwareoplossingen en producten te ontwikkelen die AI in hun kern hebben, het is een business-to-business. Het deel van de organisatie waar ik in werkte was de dienstverlening, we werkten met olie- en gasbedrijven, financiële instellingen. We werkten in veel verschillende industrieën. Ik werkte met hen om bedrijfsproblemen te definiëren die relevant waren en een impact konden hebben om met AI op te lossen, en toen werkten we hen door het proces van het samenbrengen van hun data, het bouwen van AI-modellen, het implementeren ervan en het werken aan de veranderingsbeheersing, zodat ze geoperationaliseerd en gebruikt konden worden, echt helpen om die organisaties problemen op te lossen door het bouwen van toepassingsgerichte AI-oplossingen.

De rol was vice-president van customer solutions. Toen ik begon, was ik in een projectmanagerrol en leidde ik enkele AI-engagements, ik ben toen in de loop van de tijd opgeklommen, en de vice-president van customer solutions was verantwoordelijk voor de deliveryfunctie, resourcemanager voor projecten en actief accountbeheer, veel van de klantgerichte aspecten van dat werk vielen onder mijn team.

Wat betreft projecten, er waren er veel, ik zou zeggen op een of andere manier, ofwel als hands-on projectmanager, coach of kwaliteitswaarborgingsresource, tientallen AI-projecten waar ik aan heb gewerkt in de twee en een half jaar, een van mijn favoriete was een wildvuurproject. Ik werkte met de gouverneur van Alberta. Ze hadden moeite op dagen waarop er een matig brandrisico was, om te begrijpen of een brand waarschijnlijk zou optreden in een bepaald gebied. Toen ze onzeker waren, was hun planningpraktijk om alle beschikbare middelen in te zetten, en dat zou ook het inhuren van extra middelen omvatten, zware apparatuur zoals bulldozers of vliegtuigen, helikopters, wat natuurlijk duur is.

Het doel van het AI-project was om te voorspellen voor een bepaald gebied wat de waarschijnlijkheid van een brand zou zijn voor dat gebied voor de volgende dag, om hen te helpen bij het nemen van beslissingen over de optimale middelentoewijzing voor een proces dat ze noemden voorafgaand aan onderdrukking, wat eigenlijk het proactief plannen en toewijzen van middelen is.

Het was echt cool om te zien dat in bepaalde scenario’s je middelen kon terugbrengen of ze kon focussen op bepaalde tijden van de dag. Dat zou veel geld besparen, maar zou niet veel materiaal risico introduceren van het missen van een brand, miljoenen dollars aan besparingspotentieel. Dat werk is nog steeds gaande. Zelfs vandaag de dag kijken ze nu naar het uitbreiden van het tijdsvenster een beetje, het maken van de zones kleiner en meer granulair om middelen beter te optimaliseren. Maar als je kijkt naar het brandseizoen dat we hier in Alberta hebben gehad, elke intelligentie die je vooraf kunt bieden over waar de risico’s liggen en die je kunt gebruiken om middelen te optimaliseren of op zijn minst op de juiste plaatsen toe te wijzen, is echt impactvol werk, het was echt leuk.

Ik heb ook enkele projecten gedaan in claimsverwerking. Als een verzekeraar duizenden claims krijgt, welke kunnen automatisch worden goedgekeurd, welke zouden een menselijke beoordeling vereisen, of zelfs welk team een claim zou moeten worden doorgestuurd voor de juiste niveau van beoordeling. Dat soort werk is ook echt belangrijk en kan organisaties veel moeite en geld besparen in hoe ze hun bedrijf doen,

U bent momenteel de directeur van information management en data analytics bij KPMG. Wat houdt deze rol precies in?

Ik werk met bedrijven om hen te helpen bij het oplossen van deze problemen door, in dit geval, een bredere set aan data- en analyticsmogelijkheden. We werken aan alles, van datastrategie tot het helpen van organisaties om data uit verschillende systemen samen te brengen, rapportage en analytics, evenals AI en ML. Het is een beetje een bredere rol dan mijn vorige, maar dat is ook echt spannend voor me. Het voedt mijn passie voor leren en zelfontwikkeling.

Als directeur werk ik meestal met senior leiders aan de klantzijde om hen te helpen bij het begrijpen van de reis, om hen een idee te geven van wat het zal kosten, wat die projecten zullen zijn, hoe ze zich kunnen voorbereiden. Een grote focus op adoptie, vooral met de geavanceerde analyticsystemen die nieuw zijn en soms een negatieve connotatie hebben vanuit het oogpunt van de workforce, dus echt werken met hen aan hoe ze deze oplossingen het beste kunnen implementeren, evenals dingen als de processen die ze nodig zullen hebben, de structuren die ze nodig zullen hebben. Dat is een groot deel van de rol. Intern, leiden van de betrokkenheid en leiden van de projectteams, helpen bij het krijgen van de juiste prioriteiten voor het projectteam en het werk leiden, evenals de synchronisatie van verschillende teams die aan deze projecten werken.

In een recent interview met de Calgary Herald, sprak u over hoe er een behoorlijke hoeveelheid AI-adoptie is in Alberta. In welke industrieën ziet u dit het meest?

Ik heb adoptie gezien in veel verschillende industrieën in Alberta. Zeker in de energiesector, ik heb use cases gezien waar organisaties AI gebruiken om onderhoud en veiligheidsinspecties in pijpleidingen te optimaliseren, waar ze moeten graven of kunnen graven? Omdat graven erg duur is als er een vermoedelijke lek is. Ik heb ook veel gezien in de supply chain. Als grote organisaties fusies en overnames doen, is hun data overal, soms hebben ze echt moeite om items in hun materiaalmeesters te vinden, dus het kunnen gebruiken van deze taalmodellen die we nu zien, om data te organiseren, te structureren op een manier die kan worden geanalyseerd. We hebben significante werk gezien in het consolideren van supply contracts door gewoon beter te kunnen zoeken en query’s uit te voeren en informatie te vinden. Dat kan zich uitstrekken over meerdere industrieën, niet alleen in de energiesector, maar ik zie het daar worden toegepast.

Veiligheid is een groot ding, dus het gebruik van beeldverwerking of zelfs taalmodellen om de meest relevante soort veiligheidsbrief of veiligheidsinspectie te vinden die op een bepaalde locatie zou moeten plaatsvinden. In de financiële dienstverlening, veel werk aan het personaliseren van de ervaring voor een bankklant, het bieden van het beste mogelijke advies en het vinden van op maat gemaakte oplossingen voor mensen die in verschillende financiële scenario’s zitten, is een echt belangrijke focus en we hebben veel werk daar gezien. En dan verzekeringen. Zoals ik eerder al zei, veel werk aan het triageren en verwerken van claims. Nog een die ik misschien zou suggereren, is bos- en natuurbeheer, we zien een beetje een toename in het gebruik van satellietbeelden om veranderingen in het land te detecteren, om overeenkomsten over land te beheren en om die beeldverwerkingsTechnieken te gebruiken om dingen te identificeren die er wel of niet zouden moeten zijn, of dingen die zijn veranderd in de loop van de tijd.

Het is echt spannend en we zien dat verschillende organisaties op verschillende niveaus van volwassenheid zitten. Sommigen zijn net begonnen of experimenteren, anderen zijn verder en volledig geadopteerd, maar de meeste organisaties erkennen dat als ze niet beginnen of als ze niet vooruitgaan met dit, ze achtergelaten zullen worden en dat zal een grote concurrentienadeel voor hen creëren, dus het interesse is echt hoog over de hele linie. Natuurlijk, met generatieve AI-mogelijkheden, genereert het veel interesse.

Pratend over generatieve AI, hoe ziet u deze technologie de toekomst transformeren?

Ik ben erg enthousiast. Ik zie het potentieel. Ik denk ook dat het belangrijk is om de juiste controles op hun plaats te hebben voor generatieve AI, ik denk echt dat er veel use cases zijn waar deze kan worden toegepast om grote productiviteits- of efficiëntiegroei voor bedrijven te behalen. Sommige daarvan, zoals in het use case dat ik net noemde met de supply chain, dat was het gebruik van enkele van die technieken, zelfs voordat ChatGPT openbaar werd aangekondigd. Wat betreft waar ik denk dat dit naartoe gaat, een van de andere coole trends die ik zie, is dat meer en meer van deze technologie wordt geïntegreerd in mainstream business-applicaties op dit moment. Microsoft (MSFT ) heeft hun Copilot-tool aangekondigd die geïntegreerd zal worden met uw Microsoft Office-apps, ik zag in enkele van hun materiaal dingen als het schrijven van een briefing en het prompten van de tekstverwerker met “Kunt u deze alinea korter maken?” En het doet het gewoon voor u.

Als deze generatieve AI-technologieën rechtstreeks in mainstream business-applicaties worden geïntegreerd, zal dit bedrijven dwingen om na te denken over hoe en wanneer ze deze adopteren, hoe ze deze controleren, hoe ze kwaliteitsborging kunnen monitoren op de producten die ze produceren. Wanneer het een losse, afzonderlijke mogelijkheid is, is het een beetje makkelijker om het langzaam te spelen of te negeren, maar zien dat het wordt geïntegreerd in mainstream business-applicaties en -platforms, zal dat gesprek echt naar voren brengen.

Ik hoop ook dat met dit en de nadruk op het verantwoord gebruik van deze technologie, dat het organisaties zal helpen om een nadruk te leggen op verantwoordelijke AI, om de juiste processen, het juiste bestuur op zijn plaats te zetten om ervoor te zorgen dat hun AI-oplossingen effectief worden gebouwd, dat het risico wordt beheerd gedurende de hele levenscyclus, dat er follow-upcontroles zijn en dat u de uitvoer van hen kunt vertrouwen. Ik hoop dat deze hype op generatieve AI nu het gesprek over die mogelijkheden naar voren zal brengen.

Kunt u bespreken hoe verantwoordelijke AI en het verminderen van AI-vooringenomenheid echt belangrijk voor u is.

Absoluut. Ik denk dat het voor een aantal redenen moet zijn. De meeste mensen die deze systemen bouwen, zullen trots zijn op het werk dat ze doen en ze willen niet dat hun systemen dat hebben, dus er zal een interne behoefte zijn om dit te hebben om uw workforce te beschermen en gelukkig te houden. Legaal, er zijn voorbeelden waar organisaties juridische uitdagingen of regulatoire uitdagingen hebben gehad voor de vooringenomenheid in hun AI. Er is een klassiek casestudy van een organisatie die AI gebruikte in het wervingsproces. De dataset was overmatig gebiased naar mannen ten opzichte van vrouwen, dus hun AI discrimineerde tegen vrouwen.

Dat was een AI-hulpmiddel van Amazon.

Dingen als dat zijn al gebeurd en kunnen blijven gebeuren als u de juiste controles niet heeft. Het hebben van een echte focus op dit is cruciaal voor de meeste organisaties. En dan reputatierisico voor organisaties. Als u dat verkeerd doet, kan dat een enorme, enorme impact hebben op uw bedrijf.

U bent ook een grote voorstander van het benutten van de diversiteit en ervaring van cross-functionele teams. Waarom is diversiteit zo belangrijk in uw ogen?

Op dit moment zijn de soorten problemen die met AI worden opgelost zo complex, vanuit een bedrijfsperspectief, vanuit de data die erachter zit, kan niemand of geen enkele rol allemaal deze problemen alleen oplossen. Het hebben van een goed cross-functioneel team met verschillende perspectieven en vaardigheden is echt belangrijk, om te hebben dat mensen sterk zijn in een bepaald gebied, echt hun kracht benutten. Wat betreft het diversiteitsaspect, een andere grote driver van het hebben van een diverse team is dat in de meeste gevallen de eindgebruiker van deze systemen een diverse groep mensen zal zijn, en niet hebben van die perspectieven in uw team wanneer u ze bouwt, zet u zichzelf op voor het maken van fouten verderop de weg of het missen van dingen, dingen die ik misschien niet zou denken, maar iemand anders wel, en ze brengen dat perspectief naar voren. Het is makkelijker om problemen op te lossen en aan te passen voor dat in de ontwikkelingscyclus dan erna.

Ik geloof ook sterk dat het hebben van een andere perspectief is waar je de beste dialoog krijgt, je krijgt echt goede vragen van mensen die iets vanuit een ander perspectief zien. Het dwingt een gesprek over hoe je het beste iets kunt aanpakken. Het dwingt je om enkele van die stenen om te draaien die je misschien niet had omgedraaid als die persoon er niet was, het hebben van een diverse groep mensen die naar een probleem kijken, maakt het echt mogelijk om het beste mogelijke resultaat te krijgen en de beste oplossing.

Wat denkt u dat de volgende grote doorbraak in AI zal zijn?

In die generatieve AI-lens, denk ik dat we meer van die technologie zullen zien die wordt geïntegreerd in mainstream-toepassingen, en dat is al begonnen. Dat zal echt enorm zijn voor de adoptie van de technologie, omdat het rechtstreeks in de systemen zal zitten die mensen al gebruiken. Het zal echt, echt belangrijk zijn, en dat kan de deur openen naar enkele van de andere use cases, als mensen meer vertrouwd raken met wat het kan doen, wat de beperkingen zijn, hoe het optimaal kan worden gebruikt, en dat kan mensen doen denken, oké, nu heb ik een beter idee van het type problemen dat dit zal oplossen. We hebben dit probleem, dit zou echt cool zijn om op te lossen, en dat kan enkele nieuwe deuren openen.

Ik hoop ook dat die regelgevingsbeleid een doorbraak is die in de nabije toekomst komt. Ik weet dat er veel beweging is op het niveau van wetgeving en regulering, maar wat ik hoop is dat individuele bedrijven ook voor zichzelf uitvinden of advies krijgen over hoe ze moeten denken over dit en wat voor interne controles ze moeten hebben. Wetten en regels kosten veel tijd. Bedrijven kunnen veel verandering aandrijven door enkele van die controles intern aan te nemen en na te denken over dat. Er is een precedent voor dit, natuurlijk met audits en dingen zoals dat, iets waar KPMG echt sterk in is. Maar nadenken over wat voor controles dat zouden kunnen zijn, hoe we die kunnen controleren, hoe we de uitvoer kunnen testen? Hoe kunnen we ervoor zorgen dat we hallucinaties verminderen? Wat zijn enkele van de extra stappen die we kunnen nemen na dat het model zijn uitvoer heeft gegenereerd om enig potentieel kwaad of risico te minimaliseren? Dat zijn de juiste soort vragen en ik hoop dat enkele van de hype, opnieuw, nu een doorbraak is in hoe we hierover nadenken en hoe we de juiste structuren, processen en teams op de verantwoordelijke AI-zijde bouwen.

Bedankt voor het geweldige interview, lezers die meer willen leren, moeten KPMG bezoeken.