Sarah Philipp, Globalny Lider Wdrożenia i Używania Sztucznej Inteligencji w Altimetrik – Wywiad

Sarah Philipp, Globalny Lider Wdrożenia i Używania Sztucznej Inteligencji w Altimetrik, koncentruje się na pomocy organizacjom w przezwyciężeniu różnicy między szybkim postępem sztucznej inteligencji a przyjęciem jej w świecie pracy. Jej praca skupia się na tworzeniu programów edukacji z zakresu sztucznej inteligencji, strategii wdrożenia workflow oraz inicjatyw szkoleniowych opartych na rolach, które pomagają pracownikom i menedżerom włączyć generatywną sztuczną inteligencję w codzienną pracę. W Altimetrik, pomogła ukształtować programy wdrożenia przedsiębiorstw wokół technologii takich jak ChatGPT Enterprise, OpenAI Agents SDK oraz workflow sztucznej inteligencji w skali przedsiębiorstw, a także współtworzyła “LAByrinth”, platformę symulacji sztucznej inteligencji opartą na projektach, przeznaczoną dla inżynierów i menedżerów programów. Przed dołączeniem do Altimetrik, spędziła lata na kierowaniu edukacją klientów i wdrożeniami na platformach SaaS, takich jak Nudge Coach, co dało jej silne podstawy w systemach edukacyjnych, umiejętnościach i transformacji cyfrowej. Jej kariera odzwierciedla rosnący trend w przedsiębiorstwach sztucznej inteligencji, gdzie sukces coraz bardziej zależy nie tylko od wdrożenia modeli, ale także od tego, by pracownicy byli pewni, zdolni i produktywni w pracy z narzędziami sztucznej inteligencji.

Altimetrik to firma inżynierii cyfrowej i rozwiązań danych, która jako pierwsza stosuje sztuczną inteligencję, koncentrując się na pomocy przedsiębiorstwom w modernizacji systemów legacy i skalowaniu generatywnej sztucznej inteligencji w całej firmie. Firma działa w branżach takich jak usługi finansowe, opieka zdrowotna, produkcja, handel detaliczny i nauki o życiu, łącząc inżynierię produktów, modernizację chmury, infrastrukturę danych i wdrożenie sztucznej inteligencji. Altimetrik ustanowił się jako główny partner wdrażania przedsiębiorstw sztucznej inteligencji poprzez współpracę z OpenAI, z silnym naciskiem na agenty sztucznej inteligencji, workflow, zarządzanie i systemy sztucznej inteligencji gotowe do produkcji. Ich laboratorium ALTI AI służy jako wewnętrzny hub innowacji, w którym firma tworzy aplikacje przedsiębiorstw sztucznej inteligencji, od asystentów inteligentnych po workflow wielomodalne i operacje firm oparte na sztucznej inteligencji. W ostatnich latach Altimetrik rozwinął się agresywnie poprzez partnerstwa i przejęcia, wzmacniając swój globalny zasięg inżynierii i możliwości dostarczania sztucznej inteligencji przedsiębiorstw.

Jakie było Twoje przełomowe doświadczenie, które przekonało Cię, że odpowiedzialne wdrożenie sztucznej inteligencji zależy tak samo od umiejętności ludzkich, jak i technicznych?

Zazwyczaj jestem późnym adaptatorem nowych rzeczy. Jestem sceptyczny wobec hossy i uparty, jeśli chodzi o trzymanie się sposobu, w jaki robię rzeczy. To było prawdziwe w przypadku sztucznej inteligencji. Byłem późnym adaptatorem i poruszałem się bardzo wolno na początku.

To, co się zmieniło we mnie, to usłyszenie, w bardzo ludzkim i nie technicznym języku, jak inni ludzie używali sztucznej inteligencji w swojej codziennej pracy i życiu. Gdy mogłem połączyć ją z realnymi i osobistymi punktami tarcia, ciekawość po prostu nastąpiła.

To doświadczenie umocniło coś, co widziałem w każdych wysiłkach transformacji, których byłem częścią: przyjęcie rzadko zaczyna się od samej zdolności. Zaczyna się od istotności, zaufania i znaczenia. Ludzie muszą najpierw zobaczyć siebie w zmianie, i to dlatego odpowiedzialne wdrożenie sztucznej inteligencji zależy tak samo od umiejętności ludzkich, jak i technicznych.

Jak definiujesz sukces wdrożenia sztucznej inteligencji na poziomie przedsiębiorstwa, poza pilotami i eksperymentami?

Sukces wdrożenia sztucznej inteligencji na poziomie przedsiębiorstwa nie istnieje w izolacji. Jednym z najczęstszych wzorców, które widzimy, jest przyjęcie kompartmentalizowane. Jeden zespół staje się bardzo zaawansowany w swojej dojrzałości sztucznej inteligencji, podczas gdy inny zespół w tej samej organizacji nie ma jasnej strategii i może nawet używać fragmentarycznych narzędzi lub osobistych kont. Tego rodzaju nierównomierne przyjęcie tworzy niekonsekwencje i ryzyko.

Prawdziwy sukces przychodzi, gdy organizacja buduje wspólne nawyki, wspólne standardy i połączone sposoby pracy. Wymaga to zarówno zmiany odgórnej, jak i oddolnej. Odgórnie, kierownictwo musi ustalić kierunek, ustanowić zarządzanie i stworzyć klarowność wokół odpowiedzialnego i wartościowego przyjęcia. Oddolnie, pracownicy muszą zrozumieć, jak sztuczna inteligencja wpisuje się w ich codzienną pracę, gdzie rozwiązuje realne problemy i jak ją używać z pewnością w ramach swojej roli.

Prawdziwy znak dojrzałości jest, gdy workflow działa gładko od końca do końca i w całej firmie, a nie tylko w izolowanych kieszeniach.

Jakie są najczęstsze luki w wykonaniu, które widzisz między ambicjami a wymiernym wpływem biznesowym?

Własność zarządzania jest często niejasna. Kto jest odpowiedzialny za dokumentowanie tego, co jest używane, wersjonowanie podpowiedzi lub workflow, monitorowanie jakości i śledzenie, gdzie sztuczna inteligencja jest używana w firmie? Bez tej klarowności, organizacje kończą się z rozproszonym użyciem i bardzo małą dyscypliną operacyjną.

Wiele organizacji nie zdecydowało, jaki rodzaj użycia sztucznej inteligencji chcą zachęcać. Czy mają na celu role-specyficzne nawyki podpowiedzi, przypadki użycia produktywności indywidualnej, takie jak burza mózgów i redagowanie, czy agenci celowi związani z określonymi workflow? Jeśli to nie jest jasne, umiejętności pozostają niejasne, a wpływ staje się trudny do pomiaru.

Istnieje również często rozłączność między wdrożeniem a prawdziwą pracą. Firmy inwestują w narzędzia, zanim zidentyfikują momenty, w których sztuczna inteligencja może usunąć tarcie, poprawić jakość lub przyspieszyć wykonanie w znaczący sposób. Ambicja jest łatwa, ale operacjonalizacja wymaga szczegółowości.

Jak wygląda skuteczna biegłość w sztucznej inteligencji na poziomie kierownictwa?

Wygląda to jak modelowanie, ciekawość i nastawienie początkującego. Wygląda to jak kierownictwo, które jest wrażliwe w pokoju z ludźmi, którzy im podlegają.

Kierownictwo, które robi największą różnicę, to te, które demonstrowuje nastawienie początkującego. Są skłonni do uczenia się publicznie. Są komfortowi, mówiąc: “Jeszcze się uczę”. Tego rodzaju wrażliwość ma znaczenie więcej niż ludzie sobie uświadamiają, ponieważ daje każdemu innemu pozwolenie na zaangażowanie się bez poczucia, że muszą być ekspertami najpierw.

Zachowanie kierownictwa ustanawia ton. Jeśli wyżsi menedżerowie traktują sztuczną inteligencję jak eksperyment poboczny, organizacja również tak zrobi. Jeśli modelują myślenie, zadają praktyczne pytania i widocznie inwestują w uczenie się, przyjęcie staje się kulturowo bezpieczniejsze. Pewność jest równie ważna jak zdolność, gdy chodzi o skalowanie sztucznej inteligencji w przedsiębiorstwie.

Jak wygląda strukturalny framework eksperymentowania z generatywną sztuczną inteligencją w praktyce?

Chcemy zacząć od realnych punktów tarcia workflow, a nie losowych sugestii. Zespoły powinny być zachęcane do identyfikowania zadań powtarzalnych, wąskich gardeł decyzyjnych lub istniejących luk w wiedzy. Stamtąd organizacje mogą priorytetowo traktować eksperymenty na podstawie znaczenia biznesowego, wykonalności i ryzyka.

Najzdrowsze środowiska to te, w których ludzie mogą próbować rzeczy bezpiecznie, dzielić się tym, co działa, i unikać ponownego wynajdywania koła w izolacji.

Jak symulacja oparta na nauce przyspiesza zdolność sztucznej inteligencji w świecie rzeczywistym?

Uwielbiam formy nauczania opartego na doświadczeniu, rękach i mentoringu.

Gdy Martin Gaida i ja zaczęliśmy wymieniać pomysły na ten rodzaj struktury szkoleniowej, cały projekt okazał się być bardzo przyjemny do stworzenia. Czułem, że tworzymy puzzle dla ludzi do rozwiązania. To było tak, jakbym wiedział, że jesteśmy na właściwej ścieżce. Ludzie są bardziej skłonni zaangażować się w nowy materiał, gdy znajdują go interesującym i czują się wspierani.

Nauczanie oparte na symulacji przyspiesza zdolność, ponieważ zamyka lukę między teorią a zastosowaniem. Daje im bezpieczne miejsce do praktykowania osądu, a nie tylko zapamiętywania pojęć. A w przypadku sztucznej inteligencji to ma ogromne znaczenie, ponieważ prawdziwa zdolność nie polega tylko na tym, aby wiedzieć, co może zrobić narzędzie. To umiejętność używania go w sposób przemyślany i bezpieczny.

Jak przedsiębiorstwa powinny podejść do podnoszenia kwalifikacji pracowników w erze generatywnej sztucznej inteligencji?

Współpracując i kreatywnie. Z narzędziami takimi jak Notebook LM i Figma make, istnieje wiele sposobów, aby stworzyć angażujący i świeży materiał. Lubimy slajdy, ale także lubimy tworzyć interaktywne notesy, animowane filmy i inne metody dostarczania programu nauczania.

Osobiście uczę się najlepiej z infografik i innych wizualizacji.

Czy odpowiedzialne wdrożenie sztucznej inteligencji wygląda inaczej w przypadku zarządzania i zgodności?

Konsultuj się z ludźmi, którzy używają narzędzi, aby dowiedzieć się, co sprawia, że są one użyteczne, a następnie upewnij się, że każdy, kto używa narzędzi, wie, co polityka naprawdę oznacza. Jak to tłumaczy się na ich codzienną pracę?

Odpowiedzialne wdrożenie oznacza model “człowiek za sterami”. Sztuczna inteligencja może pomóc w tworzeniu projektów, podsumowaniach, analizach lub przyspieszaniu, ale ludzie nadal posiadają osąd, kontrolę jakości i ostateczną decyzję. Ta odpowiedzialność człowieka jest kluczowa.

Równie ważne jest to, że odpowiedzialne wdrożenie zależy od pewności. Rozróżnienie pochodzi z doświadczenia. Dlatego organizacje potrzebują przestrzeni niskiego ryzyka, bez osądu, gdzie pracownicy mogą praktykować i budować prawdziwą biegłość. Gdy ludzie zdobywają wystarczające doświadczenie, aby podejmować przemyślane decyzje, odpowiedzialne użycie przestaje być abstrakcyjne i zaczyna stawać się nawykiem.

Jak organizacje mogą zaprojektować programy wdrożenia, które pozostają dostosowane, a nie stają się przestarzałe w ciągu kilku miesięcy?

Jest to wyzwanie, ale istnieje wiele wspaniałych narzędzi.

Największy błąd polega na budowaniu wdrożenia wyłącznie wokół obecnego krajobrazu narzędzi.

Często jesteśmy pytani, czy oferujemy szkolenia niezależne od narzędzi, a odpowiedź brzmi: tak. Zdecydowanie. Koncentrujemy się na trwałych umiejętnościach sztucznej inteligencji, a następnie uczymy ludzi, jak stosować te umiejętności w ramach narzędzi używanych przez organizację. Tego rodzaju podejście daje programom znacznie dłuższy okres przydatności.

Dostosowane wdrożenie musi być również modułowe. Fraktalne. Zamiast traktowania szkolenia jako jednorazowego wydarzenia, organizacje powinny myśleć w warstwach: podstawowa edukacja, zastosowanie oparte na rolach, zaawansowane eksperymenty i ciągłe aktualizacje, gdy narzędzia i priorytety się zmieniają.

Jakie zmiany, według Ciebie, będą definiować następną fazę wdrożenia sztucznej inteligencji w przedsiębiorstwach w ciągu najbliższych dwóch lat?

Oparte na rolach i agencji. Przedsiębiorstwa już teraz przyjmują agenci. Te organizacje chcą upewnić się, że ich zespoły techniczne są wyszkolone we wszystkich niezbędnych sposobach, aby budować i zarządzać tym rodzajem użycia sztucznej inteligencji.

Dziękuję za wspaniały wywiad, czytelnicy, którzy chcą dowiedzieć się więcej, powinni odwiedzić Altimetrik.