Dr. Rich Sonnenblick, Chief Data Scientist, Planview – Wywiad z serii

Dr. Rich Sonnenblick, Chief Data Scientist w firmie Planview, ma za sobą lata doświadczenia w pracy z największymi firmami farmaceutycznymi i biotechnologicznymi na świecie. Dzięki tym dogłębnym studiom i aplikacjom, opracował skuteczne procesy priorytetyzacji i przeglądu portfela, systemy oceny i metody wyceny finansowej oraz prognozowania, które poprawiają zarówno prognozowanie produktów, jak i analizę portfela. Dr. Sonnenblick posiada tytuł doktora i magistra inżynierii oraz polityki publicznej na Uniwersytecie Carnegie Mellon oraz tytuł licencjata z fizyki na Uniwersytecie Kalifornijskim w Santa Cruz.

Platforma Planview dla Połączonej Pracy została zaprojektowana w celu poprawy czasu wprowadzenia na rynek i przewidywalności, zwiększenia wydajności w celu maksymalnego wykorzystania możliwości oraz wsparcia dostarczania strategicznych inicjatyw ukierunkowanych na osiągnięcie optymalnych wyników biznesowych.

Miałeś obszerną karierę, przechodząc od doradztwa zarządczego do kierowania inicjatywami związanymi z nauką o danych. Co skłoniło Cię do podjęcia tej zmiany, i jak Twoja podróż ukształtowała Twoje podejście do wykorzystania sztucznej inteligencji w biznesie dzisiaj?

Doradztwo zarządcze dało mi szeroką perspektywę na nieefektywności biznesowe i niewykorzystane możliwości, gdzie istnieje wyraźna luka między strategicznymi radami a działaniami dostarczającymi wgląd. Nauka o danych mostkuje tę lukę, zmieniając surowe dane w strategiczne aktywa, które mają moc informowania podejmowania decyzji w czasie rzeczywistym. Moja podróż nauczyła mnie patrzeć na sztuczną inteligencję jako na usprawnienie, które może udoskonalić procesy, przyspieszyć podejmowanie decyzji i odblokować kreatywność w sposób, który wzmacnia ekspertyzę ludzką.

W Planview, Ty przewodzisz integracji zaawansowanych rozwiązań sztucznej inteligencji w różnych funkcjach biznesowych. Czy mógłbyś podzielić się, jak Twoja rola jako Chief Data Scientist wpłynęła na strategię AI firmy i jakie największe wyzwania spotkałeś na swojej drodze?

W Planview, sztuczna inteligencja jest wbudowana w naszą platformę jako narzędzie do odblokowania wglądów i poprawy podejmowania decyzji. Skoncentrowałem się na wykorzystaniu sztucznej inteligencji do optymalizacji zarządzania zasobami, planowania projektów i efektywności operacyjnej. Nasz asystent AI Copilot zapewnia szkolenie na stanowisku pracy dla użytkowników na wszystkich poziomach umiejętności, automatyzuje często czasochłonne zadania, takie jak generowanie raportów, i wykorzystuje najlepsze praktyki, aby sugerować produktywne kursy działania, umożliwiając zespołom podejmowanie szybkich i świadomych decyzji.

Jak sztuczna inteligencja może pomóc firmom w identyfikowaniu nieefektywności w zespołach i poprawie alokacji zasobów?

Sztuczna inteligencja doskonale radzi sobie z identyfikowaniem wzorców w danych, które są zbyt złożone, aby ludzie mogli je szybko rozpoznać. Może wskazać niewykorzystane zasoby, zidentyfikować wąskie gardła i przewidzieć nierównowagi w obciążeniu pracy. Na przykład, analizując cele portfela, terminy projektów i wskaźniki wydajności zespołu, sztuczna inteligencja może sugerować ponowne przypisanie zadań lub ponowną alokację zasobów w portfelu, aby osiągnąć maksymalny wpływ bez dodatkowych zasobów.

Jakie są najczęstsze nieefektywności w zarządzaniu zasobami, które sztuczna inteligencja jest szczególnie skuteczna w rozwiązywaniu?

Sztuczna inteligencja jest szczególnie uzdolniona w wskazywaniu inicjatyw, które są poza strategią i niskowydajne, i wbudowaliśmy te kluczowe umiejętności w Planview Copilot. Im Copilot ewoluuje, tym lepiej potrafi wskazywać i sugerować środki zaradcze. Może również wskazać marnotrawstwo w procesach, takie jak zadania redundantne lub nadmierne przekazywanie, i sugerować optymalizację.

Dlaczego marnotrawstwo jest znaczącym wyzwaniem dla zespołów programistycznych, i w jaki sposób sztuczna inteligencja może je zmniejszyć?

Marnotrawstwo w rozwoju oprogramowania często wynika z nieefektywności, takich jak złe priorytetyzowanie, nadmierne debugowanie lub niezgodne wysiłki zespołu. Sztuczna inteligencja może zmniejszyć marnotrawstwo, działając jako asystent programistyczny, automatyzując powtarzalne zadania i dostarczając przewidywalne wglądy w terminy projektów i potencjalne ryzyka. Na przykład, może analizować poprzednie projekty, aby zidentyfikować wzorce prowadzące do opóźnień, pomagając zespołom uniknąć tych pułapek.

Czy istnieją określone modele sztucznej inteligencji lub narzędzia, które są szczególnie odpowiednie do optymalizacji cyklu życia rozwoju oprogramowania?

Aby zoptymalizować cykl życia rozwoju oprogramowania, szukamy zwiększonej wydajności i zgodności. Planview Copilot w Viz identyfikuje wąskie gardła i przeszkody w przepływie, dostarczając wglądy działania dostosowane do danych organizacji. Zespoły mogą używać zwykłego języka, aby interpretować metryki przepływu, identyfikować systemowe spowolnienia dostarczania i otrzymywać szczegółowe zalecenia. Optymalizacja ta jest kluczem do zwiększania produktywności, ostatecznie upraszczając dostarczanie.

Jak relacje między danymi tworzą dodatkową wartość podczas wdrożenia sztucznej inteligencji jako asystenta pracy?

Poprzez mapowanie relacji między punktami danych — czy to w terminach projektów, wykorzystaniu zasobów, czy komunikacji zespołu — sztuczna inteligencja może ujawnić wglądy, które wykraczają poza oczywiste. Na przykład, łącząc trendy sentymentu w aktualizacjach statusu z wynikami projektu, może pomóc menedżerom przewidzieć przeszkody, zanim zespół je ujawni kierownictwu, zapewniając wystarczająco dużo czasu na podjęcie proaktywnych korekt.

Jakie kroki powinny podjąć mniejsze organizacje, aby przyjąć sztuczną inteligencję w sposób przystępny, nie kompromitując wpływu?

Mniejsze organizacje powinny zacząć od dostępnych narzędzi generatywnych sztucznej inteligencji, które działają jako bramy do bardziej zaawansowanych rozwiązań. Narzędzia, które podsumowują dokumenty, pomagają w tworzeniu treści marketingowych lub asystują w generowaniu kodu, są przystępnymi sposobami dla tych organizacji, aby rozpocząć przyjmowanie sztucznej inteligencji bez rozległych inwestycji. Rozpoczęcie od poziomej oferty sztucznej inteligencji, która ma zastosowanie w szerokim zakresie przypadków użycia, będzie lepszą wartością niż inwestowanie w specjalistyczne aplikacje, które gięte sztuczną inteligencję do bardzo konkretnych zadań. To umożliwia organizacji identyfikację przypadków użycia o największym wpływie specyficznych dla ich organizacji, zamiast przekroczyć inwestycje w wiele ofert.

Jaką rolę odgrywa analiza predykcyjna w poprawie wyników projektów?

Analiza predykcyjna pomaga zespołom przewidzieć potencjalne przeszkody i wyniki na podstawie historycznych danych i bieżących trendów. Agenci sztucznej inteligencji mogą przewidzieć prawdopodobieństwo opóźnień projektów lub braków zasobów, umożliwiając menedżerom produktów dostosowanie planów proaktywnie. To przewidywanie minimalizuje ryzyko i maksymalizuje wydajność, ostatecznie umożliwiając organizacjom osiągnięcie ich strategicznych celów szybciej.

Spójrzając w przyszłość, jak wyobrażasz sobie transformację działań biznesowych przez sztuczną inteligencję w ciągu najbliższej dekady, i jakie wschodzące trendy sztucznej inteligencji są Ci najbardziej interesujące ze względu na ich potencjalny wpływ na branże?

Sztuczna inteligencja będzie nadal transformować działania biznesowe w nadchodzącej dekadzie. Będzie kształtować nowe role, wzmocnić możliwości predykcyjne i usprawnić innowacje.

Programiści rodzimi dla LLM, eksperci w integrowaniu sztucznej inteligencji, staną się normą i zastąpią programistów, którzy nie przyjmują sztucznej inteligencji w swojej codziennej pracy. Sztuczna inteligencja generatywna będzie nadal zacierać granice z sztuczną inteligencją predykcyjną, wzbogacając algorytmy o syntetyczne scenariusze dla podejmowania strategicznych decyzji na podstawie zewnętrznych i wewnętrznych czynników. W biotechnologii, sztuczna inteligencja generatywna stworzy złożone profile pacjentów, aby odkryć nowe leczenia, podczas gdy w cyberbezpieczeństwie, sztuczna inteligencja symulować nowe zagrożenia dla modeli predykcyjnych, aby im przeciwdziałać. Wschodzące trendy, takie jak adaptacyjne wnioskowanie i mniejsze, bardziej wydajne modele sztucznej inteligencji, będą rozwiązywać wyzwania obliczeniowe w nadchodzących latach. Będą zapewniać szybsze, bardziej ukierunkowane rozwiązania.

Od planowania strategicznego do proaktywnej bezpieczeństwa, integracja sztucznej inteligencji umożliwi firmom dostosowanie się z zwinnością, odkrywając wytrzymałe strategie i doskonałość operacyjną w coraz bardziej dynamicznym świecie.

Dziękujemy za wspaniały wywiad, czytelnicy, którzy chcą dowiedzieć się więcej, powinni odwiedzić Planview.