Адам Асквини, директор управления информацией и аналитики данных в KPMG – Интервью

Адам Асквини является директором управления информацией и аналитики данных в KPMG в Эдмонтоне. Он отвечает за руководство проектами по данным и продвинутой аналитике для клиентов KPMG на прериях. Адам увлечен построением и развитием высокоэффективных команд для достижения лучших возможных результатов для клиентов и обеспечения увлекательного опыта работы для своих команд. Ранее он работал в AltaML в качестве вице-президента по решению проблем клиентов, в правительстве Альберты в качестве менеджера программ и в канадских вооруженных силах в качестве офицера связи. Следуя нетрадиционному карьерному пути в области ИИ, Адам является большим сторонником использования разнообразия и опыта межфункциональных команд и также считает, что любой может присоединиться к растущему сообществу ИИ.

Мы провели интервью с Адамом на ежегодной конференции Upper Bound 2023 по ИИ, которая проходит в Эдмонтоне, Альберта, и организуется Amii (Альбертский институт машинного интеллекта).

У вас нетрадиционный карьерный путь, можете ли вы рассказать, как вы попали в ИИ?

Я начал свою карьеру в канадских вооруженных силах в качестве офицера связи, офицеры связи отвечают за системы ИТ-телекоммуникаций, которые помогают людям общаться. Итак, это было много радио и спутников. Там было немного данных, но это были в основном основные инфраструктурные технологии, за которые мы были ответственны, что изначально привело меня к технологиям. Я изучал химическое машиностроение в университете, все это было вызвано моей собственной любопытством и желанием учиться. Это началось там и погружение в технологии, повышение квалификации и самообучение были очень важны для меня.

После 14 лет службы в армии, выполняя различные задачи по связи, все, от работы на базе и поддержки ИТ- и телекоммуникационных услуг в поле, создания штаб-квартир и связи с передовыми подразделениями, поддержки внутренних операций, таких как лесные пожары и наводнения, я перешел на работу в правительство Альберты. Я занимал должность менеджера программ и занимался некоторыми межправительственными технологическими инициативами. В то время правительство централизовало ИТ, мы работали с различными правительственными министерствами, чтобы объединить их услуги и консолидировать все, я выполнил много работы там, а также в инвестиционном управлении. И действительно, выполняя эту работу, я начал видеть, как некоторые организации используют данные и аналитику.

Это действительно разбудило мое любопытство, и всегда будучи любопытным и жаждущим учиться, я начал заниматься этим через участие в некоторых проектах или просто через самообучение, такие как Coursera или другие инструменты обучения, чтобы узнать немного больше. Я много читал, исследовал некоторых поставщиков и платформ, которые предоставляли эти инструменты. Я действительно стал интересоваться данными и аналитикой, и через мое собственное естественное любопытство и желание учиться больше, я начал все больше и больше вовлекаться в это со временем.

Помимо Coursera, есть ли какие-либо конкретные подкасты или книги, которые вы бы порекомендовали?

Я слежу за многими разными подписчиками на LinkedIn, но некоторые, которые приходят на ум, такие как Emerj. Дэн Фаджелла – человек, стоящий за этим. Он привносит много мыслей в эту область. Я, конечно, слежу за некоторыми из основных, таких как HBR и Forbes. Контакт, с которым я знаком, Андреас Вельш, который работает в SAP, он выпускает много контента вокруг ИИ и принятия ИИ, поэтому я слежу за ним. Я думаю, что что касается подкастов, то есть несколько, которые я слушал, и также книги. Одна очень хорошая книга, которую я недавно прочитал, называется Инфономика Дуга Лэни. Он бывший сотрудник Gartner и MIT, и это действительно хорошая книга, чтобы объяснить рамки монетизации данных. Я пытаюсь просто погрузиться в как можно больше вещей и подключиться к проектной работе, чтобы узнать больше.

Как ваш опыт в армии помог вам в вашей текущей роли?

Несколькими способами. Я думаю, что некоторые из отличных навыков, которые я приобрел через свою военную карьеру, – это очень структурированный подход к планированию, что действительно хорошо. Управление временем и определение приоритетов. В военной среде это действительно заставляет вас научиться, что является наиболее важным, и работать в определенном темпе, оценивая компромиссы и понимая, как лучше всего разработать курс действий, который будет работать и будет двигать вас вперед. Я нахожу, что в быстроменяющемся технологическом ландшафте ИИ, где все движется очень быстро, способность обрабатывать большое количество информации и иметь структурированный подход к пониманию того, что важно, а что не важно, где вы хотите сосредоточиться, является хорошим набором навыков.

Другой большой момент – это лидерство и командная работа. Вы работаете с большой организацией. В поле команды организуются и реорганизуются все время, чтобы собрать лучшую группу вместе, чтобы выполнить миссию, наличие сильных межличностных навыков, лидерских навыков, коммуникационных навыков – все это навыки, которые действительно подчеркиваются в военной подготовке, я думаю, что они действительно помогли мне в этом.

Вы были вице-президентом по решению проблем клиентов в AltaML более двух лет, что такое AltaML и над какими интересными проектами вы работали?

AltaML – это компания, занимающаяся применением искусственного интеллекта и машинного обучения. Она базируется в Альберте, штаб-квартира находится в Эдмонтоне, большой офис в Калгари и также один в Торонто. То, что они делают, – это работа с другими бизнесами для разработки программных решений и продуктов, которые имеют ИИ в своем ядре, это бизнес-шоу. Часть организации, в которой я работал, была сервисной стороной, мы работали с компаниями нефтегазовой промышленности, финансовыми учреждениями. Мы работали в течение многих разных отраслей. Я работал с ними, чтобы определить бизнес-проблемы, которые были актуальны и могли иметь значительное влияние, чтобы быть решенными с помощью ИИ, и затем работал с ними, чтобы объединить их данные, построить модели ИИ, развернуть их и проработать сторону управления изменениями, чтобы они могли быть операционализированы и использованы, действительно помогая этим организациям решать проблемы, строя приложенные решения ИИ.

Роль была вице-президентом по решению проблем клиентов. Когда я начал, я был в роли менеджера проекта, ведущего несколько проектов ИИ, я затем перешел на более высокую должность со временем, и роль вице-президента по решению проблем клиентов была ответственной за функцию доставки, управление ресурсами для проектов и активное управление счетами, много клиентской стороны этой работы входило в мою команду.

Что касается проектов, то их было много, я бы сказал, в одном смысле или другом, либо как практический менеджер проекта, либо как тренер, либо как ресурс качества, десятки проектов ИИ, над которыми я работал в течение двух с половиной лет, один из моих любимых проектов был проектом по предотвращению лесных пожаров. Я работал с губернатором Альберты. Они испытывали трудности в дни, когда существует умеренный риск пожара, понять, сможет ли произойти пожар в определенном районе. Когда они были неуверены, их практика планирования заключалась в том, чтобы запланировать все доступные ресурсы, и это включало в себя заключение контрактов на дополнительные ресурсы, тяжелую технику, такие как бульдозеры или самолеты, вертолеты, что, конечно, очень дорого.

Целью проекта ИИ было предсказать для данного региона вероятность пожара в этом регионе на следующий день, чтобы помочь им принимать решения о оптимальном распределении ресурсов для процесса, который они называли предотвращением, что на самом деле является проактивным планированием и распределением ресурсов.

Это было действительно круто увидеть, что в определенных сценариях вы могли бы сократить ресурсы или просто уменьшить уровень или сосредоточиться на них в определенное время суток. Это могло бы сэкономить много денег, не введя много материального риска пропуска пожара, миллионы долларов потенциальной экономии. Эта работа продолжается и сегодня, они теперь смотрят на возможность расширить окно времени немного, сделать зоны более мелкими и более детальными, чтобы лучше оптимизировать ресурсы. Но глядя на то, как пожарный сезон, который мы имели до сих пор в Альберте, любая информация, которую вы можете предоставить заранее о том, где находятся риски, и возможность оптимизировать ресурсы или хотя бы перенаправить ресурсы в правильные места, является действительно важной работой, это было действительно приятно.

Я также работал над некоторыми проектами по обработке претензий. Когда поставщик страховых услуг получает тысячи претензий, какие из них можно автоматически одобрить, какие требуют человеческого обзора, или даже какая команда должна быть перенаправлена для получения правильного уровня обзора. Этот тип работы также очень важен и может сэкономить организациям много усилий и денег в том, как они ведут свой бизнес.

Вы сейчас являетесь директором управления информацией и аналитики данных в KPMG. Что именно включает в себя эта роль?

Я работаю с бизнесом, чтобы провести их через путь решения этих проблем с помощью более широкого набора возможностей данных и аналитики. Мы работаем все, от стратегии данных в начале и помощи организациям в организации данных из разных систем, объединения их, отчетности и аналитики, а также ИИ и МО. Это немного более широкая роль, чем моя предыдущая, но это также действительно интересно для меня. Это питает мою страсть к обучению и самообучению.

Как директор, я обычно работаю с руководителями на стороне клиента, чтобы помочь им пройти через этот путь, дать им представление о том, что это будет, какие проекты будут выглядеть, как они могут подготовиться. Большой акцент на принятии также, особенно с продвинутыми аналитическими системами, которые новые и которые иногда имеют негативную коннотацию с точки зрения рабочей силы, поэтому действительно работа с ними над тем, как лучше всего реализовать эти решения, а также над такими вещами, как процессы, которые им понадобятся, структуры, которые им понадобятся. Это большая часть роли. Внутри, ведение вовлечения и ведение команд проекта, помощь в получении правильных приоритетов для команды проекта и руководство работой, а также синхронизация разных команд, которые работают над этими проектами.

В недавнем интервью с Calgary Herald вы говорили о том, что было значительное внедрение ИИ в Альберте. В каких отраслях вы видите это больше всего?

Я видел внедрение ИИ в различных отраслях Альберты. Конечно, энергетика имеет многое, поэтому я видел примеры использования ИИ для оптимизации обслуживания и проверок безопасности на трубопроводах, где должны или могут быть проведены раскопки. Раскопки очень дорогие, если есть подозрение на утечку. Я также видел многое в цепочке поставок. Когда крупные организации проводят слияния и поглощения, их данные разбросаны повсюду, иногда они действительно испытывают трудности с поиском предметов в своих мастерских данных, поэтому возможность использования этих языковых моделей, которые мы видим сейчас, для организации данных, структуризации их таким образом, чтобы их можно было проанализировать, мы видели значительную работу по консолидации контрактов поставок, просто будучи в состоянии лучше искать и запрашивать информацию. Это может распространяться на несколько отраслей, не только в энергетике, но я вижу, что это применяется и там.

Безопасность – это большая тема, поэтому использование либо обработки изображений, либо языковых моделей для нахождения наиболее актуального типа безопасности или проверки, которая должна проводиться на определенном объекте. В финансовых услугах много работы по персонализации опыта для банковского клиента, предоставлению лучших возможных советов и нахождению индивидуальных решений для людей, которые находятся в разных финансовых ситуациях, является очень важным акцентом, и мы видели много работы там. А затем страхование, как я упоминал ранее, многое из этого триажа и обработки претензий. Еще один момент, который я бы упомянул, – это лесное хозяйство и природные ресурсы, управление землей, видя некоторый рост использования спутниковых изображений для обнаружения изменений на земле, быть в состоянии управлять соглашениями о земле и использовать эти методы обработки изображений для выявления вещей, которые должны или не должны быть там, или вещей, которые изменились со временем.

Это действительно интересно, и мы видим, что разные организации находятся на разных стадиях своей зрелости. Некоторые только начинают или экспериментируют, другие продвинулись дальше и полностью приняли, но большинство организаций признают, что если они не начнут или не будут двигаться вперед в этом направлении, они будут оставлены позади, и это создаст значительное конкурентное преимущество для них, поэтому интерес действительно высок по всей доске. Конечно, с возможностями генеративного ИИ это также вызывает много интереса.

Говоря о генеративном ИИ, как вы видите, что эта технология изменит будущее?

Я очень взволнован ею. Я вижу потенциал, я также думаю, что важно иметь правильные контроли для генеративного ИИ, я действительно думаю, что есть много случаев, где это можно применить, чтобы сделать огромные выигрыши в производительности или эффективности для бизнеса. Некоторые из этого, как в примере, который я только что упомянул, в цепочке поставок, это использовало некоторые из этих методов даже до того, как ChatGPT был публично объявлен. Что касается того, куда я вижу, что это идет, одна из других интересных тенденций, которую я вижу, – это то, что все больше и больше этой технологии встраивается в основные бизнес-приложения прямо сейчас. Microsoft (MSFT ) объявила о своем инструменте Copilot, который будет интегрирован с вашими приложениями Microsoft Office, я видел в некоторых их материалах вещи, такие как написание брифинга и просто подсказка процессора словами: “Можете ли вы сделать этот абзац короче?” И он просто делает это для вас.

Когда эти технологии генеративного ИИ встраиваются прямо в основные бизнес-приложения, это заставит бизнес подумать о том, как и когда они принимают их, как они контролируют их, как они могут обеспечить контроль качества продукции, которую они производят. Когда это отдельная возможность, это немного легче замедлить или игнорировать, но видеть, что эта технология встраивается в основные бизнес-приложения и платформы, действительно будет стимулировать эту дискуссию вперед.

Я также надеюсь, что с этим и акцентом сейчас на ответственном использовании этой технологии, это поможет организациям поставить акцент на ответственном ИИ, создании правильных процессов, управления, чтобы действительно убедиться, что их решения ИИ строятся эффективно, риск управляется на протяжении всего жизненного цикла, есть последующие проверки, и вы знаете, можете доверять выводам. Я надеюсь, что эта горячая тема генеративного ИИ сейчас действительно продолжит стимулировать эту дискуссию с этими возможностями вперед.

Можете ли вы обсудить, как ответственность ИИ и снижение предвзятости ИИ действительно важно для вас.

Абсолютно, я думаю, что это должно быть для ряда причин, большинство людей, которые строят эти системы, будут иметь гордость за работу, которую они делают, и они не хотят, чтобы их системы имели это, поэтому будет внутренняя необходимость иметь это, чтобы сохранить свою рабочую силу вовлеченной и счастливой и защищенной. Юридически, есть примеры, где организации столкнулись с юридическими или регуляторными проблемами из-за предвзятости в их ИИ. Есть классический пример компании, которая использовала ИИ в найме, набор данных был чрезмерно предвзят в сторону мужчин по сравнению с женщинами, поэтому их ИИ дискриминировал женщин.

Это была инструмент ИИ от Amazon.

Такие вещи уже произошли и имеют потенциал продолжать происходить, если у вас нет правильных контролей на месте, наличие реального акцента на этом будет критически важным для большинства организаций, и репутационный риск для организаций, если они ошибутся, это может иметь огромное, огромное влияние на их бизнес.

Вы также являетесь большим сторонником использования разнообразия и опыта межфункциональных команд, почему разнообразие так важно для вас?

Сейчас типы проблем, которые решаются с помощью ИИ, так сложны, с точки зрения бизнеса, с точки зрения данных, которые лежат в основе, ни один человек или одна роль не могут решить все эти проблемы самостоятельно, наличие хорошей межфункциональной команды с разными перспективами и наборами навыков действительно важно, чтобы иметь людей, которые сильны в одной области, действительно использовать их силу, что касается части разнообразия, еще один очень большой стимул для наличия разнообразной команды заключается в том, что в большинстве случаев конечным пользователем этих систем будет разнообразная группа людей, и не иметь этих перспектив, введенных в вашу команду, когда вы строите их, действительно ставит вас в положение, когда вы совершаете ошибки или пропускаете вещи, вещи, о которых я, возможно, не подумал, но кто-то другой может подумать, и они приносят эту перспективу вперед, легче решать проблемы и корректировать для этого в цикле разработки, чем после выпуска.

Я также просто верю, что наличие разных перспектив – это то, где вы получаете лучший диалог, вы получаете действительно хорошие вопросы, исходящие от людей, которые видят что-то с другой точки зрения, это заставляет разговор о том, как лучше всего подойти к чему-то, заставляет вас перевернуть некоторые из этих камней, которые вы, возможно, не перевернули, если бы этот человек не был там, наличие разнообразной группы людей, смотрящих на проблему, действительно позволяет вам получить лучший возможный результат и лучшее решение.

Что вы думаете, что будет следующим большим прорывом в ИИ?

В контексте генеративного ИИ я думаю, что когда мы увидим больше этой технологии, встроенной в основные приложения, и это уже начинается, это действительно будет огромно для принятия этой технологии, потому что она будет прямо там в системах, которые люди уже используют, это будет действительно, действительно важно, и это может открыть двери для некоторых других случаев использования, когда люди станут более знакомы с тем, что это может сделать, какие ограничения у него есть, как его можно использовать оптимально, и это может просто спровоцировать мышление людей и: “Теперь я лучше понимаю, какие проблемы это может решить, у нас есть эта проблема, было бы здорово решить ее”, это может просто открыть некоторые новые двери.

Я также надеюсь, что это регуляторная политика – прорыв, который придет в ближайшем будущем, я знаю, что есть много движения на уровне законодателей и регулирующих органов, но то, чего я надеюсь, – это то, что отдельные бизнесы также сами разберутся, как им нужно думать об этом и какие внутренние контроли они должны устанавливать сейчас.

Законы и правила занимают много времени, бизнес может стимулировать много изменений, принимая на себя некоторые из этих контролей внутри, думая о том, какие контроли могут быть, как мы можем контролировать это, как мы можем протестировать выводы, как мы можем убедиться, что мы снижаем галлюцинации, какие дополнительные шаги мы можем предпринять после того, как модель произвела свой вывод, чтобы минимизировать любой потенциальный вред или риск, эти правильные вопросы, и я надеюсь, что некоторые из этой горячей темы сейчас действительно являются прорывом в том, как мы думаем об этом и как мы строим правильные структуры, процессы и команды на стороне ответственного ИИ.

Спасибо за отличное интервью, читателям, которые хотят узнать больше, следует посетить KPMG.