Jay Allardyce, Manager General, Date și Analitică la insightsoftware – Seria de interviuri

Jay Allardyce este Manager General, Date și Analitică la insightsoftware. El este un expert în tehnologie cu peste 23 de ani de experiență în companii B2B de întreprindere, cum ar fi Google, Uptake, GE și HP. De asemenea, el este co-fondatorul GenAI.Works, care conduce cea mai mare comunitate de inteligență artificială de pe LinkedIn.

insightsoftware este un furnizor global de soluții software financiare și operaționale. Compania oferă instrumente care sprijină planificarea financiară și analiza (FP&A), contabilitatea și operațiunile. Produsele sale sunt proiectate pentru a îmbunătăți accesibilitatea datelor și a ajuta organizațiile să ia decizii informate și la timp.

Ați subliniat urgența ca întreprinderile să adopte inteligența artificială în răspuns la așteptările tot mai mari ale clienților. Care sunt pașii cheie pe care întreprinderile ar trebui să îi ia pentru a evita capcana “FOMO AI” și a adopta soluții generice de inteligență artificială?

Clienții le spun întreprinderilor în mod clar că doresc capacități de inteligență artificială crescute în instrumentele pe care le utilizează. În răspuns, întreprinderile se grăbesc să îndeplinească aceste cerințe și să țină pasul cu concurenții, ceea ce creează un ciclu haotic pentru toate părțile implicate. Și da, rezultatul final este FOMO AI, care poate determina o întreprindere să se grăbească să inoveze, doar pentru a spune “avem inteligență artificială!”

Cel mai important sfat pe care îl pot oferi companiilor pentru a evita această capcană este să ia timp pentru a înțelege care sunt punctele dureroase pe care clienții le cer inteligenței artificiale să le rezolve. Există o problemă de proces care este prea intensivă din punct de vedere manual? Există o sarcină repetitivă care trebuie să fie automatizată? Există calcule care pot fi ușor compute de o mașină?

Odată ce întreprinderile au acest context necesar, pot începe să adopte soluții cu scop. Vor putea oferi clienților instrumente de inteligență artificială care rezolvă o problemă, în loc de cele care adaugă doar la confuzia problemelor existente.

Numeroase companii se grăbesc să implementeze inteligența artificială fără a înțelege pe deplin cazurile de utilizare. Cum pot întreprinderile identifica soluțiile bazate pe inteligență artificială potrivite nevoilor lor specifice, în loc de a se baza pe implementări generice?

Pe partea clienților, este important să mențineți o comunicare constantă pentru a înțelege mai bine care sunt cazurile de utilizare cele mai presante. Consiliile de avocați ai clienților pot oferi o soluție utilă. Dar, dincolo de clienți, este important și pentru echipe să se uite intern și să înțeleagă cum adăugarea de noi instrumente de inteligență artificială va afecta funcționarea internă. Pentru fiecare nou instrument introdus pentru un client, echipele de date interne se confruntă cu o mulțime de noi variabile și date care sunt create.

În timp ce toți dorim să adăugăm noi capacități și să le arătăm clienților, nicio implementare de inteligență artificială nu va fi de succes fără sprijinul echipelor de date și al oamenilor de știință din spatele dezvoltării lor. Aliniați-vă intern pentru a înțelege banda și apoi priviți spre exterior pentru a decide care solicitări ale clienților pot fi îndeplinite cu sprijinul adecvat în spatele lor.

Ați ajutat companii din Fortune 1000 să adopte o abordare bazată pe date. Ce înseamnă cu adevărat pentru o companie să fie “bazată pe date” și care sunt unele dintre capcanele comune cu care se confruntă întreprinderile în timpul acestei transformări?

Pentru a fi “bazată pe date”, întreprinderile trebuie să învețe cum să utilizeze datele în mod eficient. O echipă bazată pe date poate executa corect decizii bazate pe date, care implică utilizarea informațiilor pentru a informa și sprijini alegerile de afaceri. În loc de a se baza doar pe intuiție sau experiență personală, cei care iau decizii colectează și analizează datele relevante pentru a-și ghida strategiile. Luarea deciziilor bazate pe date poate ajuta întreprinderile să obțină informații mai bine informate și mai obiective, ceea ce, într-un mediu de piață în schimbare rapidă, poate face diferența dintre o decizie strategică și una impulsivă.

O capcană comună pentru a atinge acest lucru este gestionarea ineficientă a datelor, ceea ce duce la o “supraîncărcare de date”, în care echipele sunt încărcate cu cantități mari de date și nu pot face nimic cu ele. În timp ce întreprinderile încearcă să-și concentreze eforturile pe cele mai importante date, a avea prea multe date disponibile poate duce la întârzieri și ineficiențe, dacă nu sunt gestionate corespunzător.

Având în vedere experiența dvs. în domeniul tehnologiilor IoT și industriale, cum vedeți intersecția dintre inteligența artificială și IoT evoluând în industrii precum energia, transportul și construcția grea?

Când IoT a apărut, a existat o credință că va permite o conectivitate mai mare pentru a îmbunătăți luarea deciziilor. În schimb, această conectivitate a deblocat un întreg nou de valoare economică și, într-adevăr, acesta a fost și continuă să fie cazul pentru sectorul industrial.

Problema a fost că mulți s-au concentrat pe “instalații inteligente”, utilizând IoT pentru a conecta, extrage și comunica cu dispozitive distribuite și mai puțin pe rezultat. Trebuie să determinați problema exactă care trebuie rezolvată, acum că sunteți conectat la, să zicem, 400 de active de construcție grea sau 40 de centrale electrice deținute. Rezultatul, sau problema de rezolvat, se reduce în cele din urmă la înțelegerea cărei KPI ar putea fi îmbunătățită, care a condus la creșterea liniei de sus, productivitatea fluxului de lucru sau economiile de la linia de jos (sau o combinație). Fiecare afaceri este guvernată de un set de KPI de nivel superior care măsoară performanța operațională și a acționarilor. Odată ce acestea sunt determinate, problema de rezolvat (și, prin urmare, ce date ar fi utile) devine clară.

Cu această bază în loc, inteligența artificială – fie predictivă, fie generativă – poate avea un impact de 10-50 de ori mai mare în ajutarea unei afaceri să fie mai productivă în ceea ce face. Aprovizionarea optimizată, ciclurile de service și repararea camioanelor sunt toate bazate pe un model de semnal de cerere clar, care este asociat cu variabilele de intrare necesare. Pentru a ilustra, noțiunea de a avea “piesa potrivită, la momentul potrivit, în locul potrivit” poate însemna milioane pentru o companie de construcții – deoarece au nevoie de niveluri de stocare mai mici pentru inventar și tehnicieni de service optimizați pe baza unui model de inteligență artificială care știe sau prezice când o mașină ar putea eșua sau când ar putea apărea un eveniment de service. La rândul său, acest model, combinat cu date de operare structurate și date IoT (pentru active distribuite), poate ajuta o companie să fie mai dinamică și optimizată marginal, fără a sacrifica satisfacția clienților.

Ați vorbit despre importanța utilizării eficiente a datelor. Care sunt unele dintre cele mai comune moduri în care companiile utilizează incorect datele și cum pot acestea să le transforme într-un adevărat avantaj competitiv?

Termenul “inteligență artificială”, atunci când este luat la valoarea sa nominală, poate fi puțin înșelător. Introducerea oricăror și tuturor datelor într-un motor de inteligență artificială nu înseamnă că va produce rezultate utile, relevante sau precise. În timp ce echipele încearcă să țină pasul cu ritmul de inovare a inteligenței artificiale în lumea de astăzi, ocazional uităm importanța completă a pregătirii și controlului datelor, care sunt critice pentru a asigura că datele care alimentează inteligența artificială sunt complet precise. La fel ca și corpul uman, care se bazează pe combustibil de înaltă calitate pentru a se alimenta, inteligența artificială depinde de date curate, consistente care asigură acuratețea previziunilor sale. În special, în lumea echipelor financiare, acest lucru este de cea mai mare importanță, astfel încât echipele să poată produce rapoarte precise.

Care sunt cele mai bune practici pentru a împuternici echipele non-tehnice din cadrul unei organizații să utilizeze datele și inteligența artificială în mod eficient, fără a le copleși cu instrumente sau procese complexe?

Sfatul meu este ca liderii să se concentreze pe împuternicirea echipelor non-tehnice pentru a genera propriile analize. Pentru a fi cu adevărat agili ca afaceri, echipele tehnice trebuie să-și concentreze eforturile pentru a face procesul mai intuitiv pentru angajații de pe întregul parcurs al organizației, în loc de a se concentra pe lista în creștere a solicitărilor de la finanțe și operațiuni. Eliminarea proceselor manuale este, de fapt, primul pas important în acest proces, deoarece permite liderilor operaționali să petreacă mai puțin timp pentru colectarea datelor și mai mult timp pentru analizarea lor.

insightsoftware se concentrează pe aducerea inteligenței artificiale în operațiunile financiare. Cum schimbă inteligența artificială modul în care directorii financiari și echipele financiare operează și care sunt principalele beneficii pe care inteligența artificială le poate aduce procesului de luare a deciziilor financiare?

Inteligența artificială a avut un impact profund asupra luării deciziilor financiare și asupra echipelor financiare. De fapt, 87% din echipe utilizează deja inteligența artificială la un nivel moderat până la ridicat, ceea ce este o măsură fantastică a succesului și impactului său. În special, inteligența artificială poate ajuta echipele financiare să producă previziuni vitale mai rapid și, prin urmare, mai frecvent – îmbunătățind semnificativ ciclurile actuale de bugetare, care estimează că 58% din ciclurile de bugetare durează mai mult de cinci zile.

Prin adăugarea inteligenței artificiale în acest proces de luare a deciziilor, echipele pot utiliza-o pentru a automatiza sarcini tedioase, cum ar fi generarea de rapoarte, validarea datelor și actualizarea surselor de date, eliberând timp valoros pentru analiza strategică. Acest lucru este deosebit de important într-un mediu de piață volatil, în care echipele financiare au nevoie de agilitate și flexibilitate pentru a conduce reziliența. Luați, de exemplu, cazul unei echipe financiare în mijlocul ciclurilor de bugetare și planificare. Soluțiile bazate pe inteligență artificială pot livra previziuni mai precise, ajutând profesioniștii financiari să ia decizii mai bune prin planificare și analiză mai aprofundate.

Cum vedeți evoluția nevoilor de date în următorii cinci ani, în special în legătură cu integrarea inteligenței artificiale și trecerea la resursele cloud?

Cred că următorii cinci ani vor demonstra nevoia de o agilitate a datelor îmbunătățită. Având în vedere cât de repede se schimbă piața, datele trebuie să fie suficient de agile pentru a permite companiilor să rămână competitive. Am văzut acest lucru în trecerea de la on-prem la off-prem la cloud, unde companiile aveau date, dar niciuna dintre ele nu era utilă sau suficient de agilă pentru a le ajuta în schimbare. Flexibilitatea îmbunătățită înseamnă luarea deciziilor bazate pe date, colaborare, gestionare a riscurilor și o mulțime de alte capacități. Dar, în cele din urmă, echipele sunt dotate cu instrumentele de care au nevoie pentru a aborda provocările în mod eficient și pentru a se adapta la cerințele în schimbare ale pieței.

Cum asigurați că tehnologiile de inteligență artificială sunt utilizate în mod responsabil și care sunt considerațiile etice pe care companiile ar trebui să le prioritizeze atunci când implementează soluții de inteligență artificială?

Trasând o paralelă cu apariția și adoptarea cloud-ului, organizațiile se temeau să-și dea datele unei entități necunoscute, pentru a le rula, menține, gestiona și proteja. A durat câțiva ani pentru ca această încredere să fie construită. Acum, cu adoptarea inteligenței artificiale, un model similar apare.

Organizațiile trebuie să aibă din nou încredere într-un sistem pentru a-și proteja informațiile și, în acest caz, pentru a produce informații viabile care sunt factuale, de referință și, de asemenea, de încredere. Cu cloud-ul, era vorba despre “cine deține sau gestionează” datele dvs. Cu inteligența artificială, se concentrează pe încrederea și utilizarea datelor, precum și pe derivarea informațiilor create ca urmare. Cu toate acestea, aș sugera organizațiilor să se concentreze pe următoarele trei lucruri atunci când implementează tehnologii de inteligență artificială:

1. Înclinați-vă – Nu vă temeți să utilizați această tehnologie, dar adoptați-o și învățați.
2. Încărcătura – Datele dvs. de întreprindere, pe care le dețineți și le gestionați, sunt adevărul absolut atunci când vine vorba de acuratețea informațiilor, cu condiția ca informațiile să fie adevărate, factuale și de referință. Asigurați-vă că, atunci când vine vorba de construirea pe baza datelor dvs., înțelegeți originea modului în care modelul de inteligență artificială este antrenat și ce informații utilizează. Ca și în cazul tuturor aplicațiilor sau datelor, contextul contează. Aplicațiile non-inteligență artificială produc, de asemenea, rezultate false sau inexacte. Doar pentru că inteligența artificială produce un rezultat inexact, nu înseamnă că ar trebui să blamăm modelul, ci mai degrabă să înțelegem ce alimentează modelul.
3. Valoare – Înțelegeți cazul de utilizare în care inteligența artificială poate îmbunătăți semnificativ impactul.

Mulțumim pentru acest interviu minunat, cititorii care doresc să afle mai multe despre insightsoftware ar trebui să viziteze site-ul nostru.