Сара Филипп, Глобальный руководитель по внедрению и принятию ИИ в Altimetrik – Интервью

Сара Филипп, Глобальный руководитель по внедрению и принятию ИИ в Altimetrik, фокусируется на помощи организациям в преодолении разрыва между быстрыми инновациями в области ИИ и реальным внедрением в рабочую силу. Ее работа сосредоточена на создании программ по повышению грамотности в области ИИ, стратегий по внедрению рабочих процессов и инициатив по ролевому обучению, которые помогают сотрудникам и менеджерам интегрировать генеративный ИИ в повседневную деятельность. В Altimetrik она помогла сформировать программы по внедрению ИИ в такие технологии, как ChatGPT Enterprise, OpenAI Agents SDK и рабочие процессы ИИ в масштабе предприятия, а также создала проект “LAByrinth”, платформу для симуляции генеративного ИИ, предназначенную для инженеров и технических руководителей программ. До прихода в Altimetrik она провела годы, возглавляя образовательные и внедренческие инициативы на платформах SaaS, таких как Nudge Coach, что дало ей прочную основу в системах обучения, поведенческом внедрении и цифровой трансформации. Ее карьера отражает растущую тенденцию в области ИИ, где успех все больше зависит не только от развертывания моделей, но и от того, чтобы сотрудники были уверенными, способными и продуктивными в работе с инструментами ИИ.

Altimetrik – это компания по цифровому инжинирингу и решению проблем с данными, которая фокусируется на помощи предприятиям в модернизации устаревших систем и масштабировании генеративного ИИ во всех бизнес-операциях. Компания работает в различных отраслях, включая финансовые услуги, здравоохранение, производство, розничную торговлю и науки о жизни, объединяя инжиниринг продуктов, модернизацию облака, инфраструктуру данных и услуги по развертыванию ИИ. Altimetrik позиционирует себя как крупного партнера по внедрению ИИ для предприятий через сотрудничество с OpenAI, с сильным акцентом на агентском ИИ, оркестровке рабочих процессов, управлении и системах ИИ, готовых к производству. Ее лаборатория ALTI AI служит внутренним инновационным центром, где компания создает приложения ИИ для предприятий, от интеллектуальных помощников до многомодальных рабочих процессов и бизнес-операций, основанных на ИИ. В последние годы Altimetrik расширила свою деятельность через партнерства и приобретения, укрепив свою глобальную инженерную базу и возможности по доставке ИИ для предприятий.

Какой опыт первым убедил вас, что ответственное внедрение ИИ будет зависеть так же сильно от человеческого внедрения, как и от технической возможности?

Обычно я становлюсь довольно поздним принимающим вещи. Я скептичен по отношению к хайпу и упрям по отношению к придерживанию того, как я привык делать вещи. Это было верно и для ИИ. Я был поздним принимающим, и двигался очень медленно в начале.

Что изменилось для меня, когда я услышал, в очень человеческом и не-техническом языке, как другие люди фактически использовали ИИ в своей повседневной жизни и работе. Как только я смог связать его с реальными и личными точками трения, любопытство просто последовало.

Этот опыт подкрепил что-то, что я видел во всех усилиях по трансформации, в которых я принимал участие: внедрение редко начинается с возможностей alone. Оно начинается с актуальности, доверия и смысла. Люди должны сначала увидеть себя в изменении, и это почему ответственное внедрение ИИ зависит так же сильно от человеческого внедрения, как и от технической готовности.

Как вы определяете успешное внедрение генеративного ИИ в масштабе предприятия за пределами пилотных проектов и экспериментов по проверке концепции?

Успешное внедрение в масштабе предприятия не существует в изоляции. Одна из наиболее распространенных моделей, которые мы видим, – это компартментализированное внедрение. Одна команда становится очень продвинутой в своей зрелости ИИ, в то время как другая команда в той же организации не имеет четкой стратегии и может даже использовать фрагментированные инструменты или личные учетные записи. Такое неравномерное внедрение создает несоответствие и риск.

Истинный успех приходит, когда организация строит общие привычки, общие стандарты и связанные способы работы. Это требует как верхней, так и нижней изменений. Верхняя часть, лидерство должно установить направление, установить управление и создать ясность вокруг того, что такое ответственное, ценное внедрение. Нижняя часть, сотрудники должны понять, как ИИ вписывается в их повседневную работу, где он решает реальные проблемы и как использовать его уверенно в своей роли.

Настоящий знак зрелости – это когда рабочие процессы работают гладко от начала до конца и между командами, а не только в изолированных карманах.

Многие организации инвестируют в инструменты генеративного ИИ, но испытывают трудности в операционализации их. Какие наиболее распространенные пробелы в выполнении вы видите между амбициями и измеримым бизнес-воздействием?

Владение управлением часто неясно. Кто отвечает за документирование того, что используется, версионирование подсказок или рабочих процессов, мониторинг качества и отслеживание того, где ИИ фактически появляется в бизнесе? Без этой ясности организации оказываются с разбросанным использованием и очень слабой операционной дисциплиной.

Многие организации не решили, какой тип использования ИИ они фактически хотят поощрять. Стремятся ли они к ролевым привычкам подсказок, индивидуальному использованию для повышения производительности, таких как мозговой штурм и создание черновиков, или предназначенным для определенных рабочих процессов? Если это неясно, внедрение остается расплывчатым, а воздействие становится трудно измеримым.

Также часто существует разрыв между развертыванием и реальной работой. Компании инвестируют в инструменты, прежде чем они определили моменты, когда ИИ может удалить трение, улучшить качество или ускорить выполнение значимым образом. Амбиция легко, но операционализация требует конкретности.

Вы работаете в тесном сотрудничестве с командами исполнительного руководства – как выглядит эффективная грамотность ИИ на уровне C-сюита, и как поведение лидерства влияет на внедрение по всей организации?

Это выглядит как моделирование, любопытство и начинающий умонастроение. Это выглядит как лидеры, которые являются уязвимыми в комнате с людьми, которые им подчиняются.

Лидеры, которые делают наибольшую разницу, – это те, кто демонстрирует начинающий умонастроение. Они готовы учиться публично. Они комфортно говорят: “Я все еще пытаюсь понять это тоже”. Такая уязвимость имеет значение больше, чем люди понимают, потому что это дает всем остальным разрешение участвовать без чувства, что они должны быть экспертами сначала.

Поведение лидерства задает тон. Если исполнительные директора обращаются с ИИ как с боковым экспериментом, организация будет делать то же самое. Если они демонстрируют вдумчивое использование, задают практические вопросы и видимо инвестируют в обучение, внедрение становится культурно безопаснее. Уверенность так же важна, как и способность, когда речь идет о масштабировании ИИ в предприятии.

Что такое структурированная экспериментальная база для генеративного ИИ на практике, и как компании могут поощрять инновации без создания фрагментации или риска?

Мы хотим начать с реальных болевых точек рабочих процессов, а не случайных предложений. Команды должны быть поощрены к выявлению повторяющихся задач, узких мест принятия решений или существующих пробелов в знаниях. Оттуда организации могут расставить приоритеты экспериментов на основе бизнес-актуальности, осуществимости и риска.

Самые здоровые среды – это те, где люди могут попробовать вещи безопасно, поделиться тем, что работает, и избежать повторного изобретения колеса в изоляции.

Вы создали LAByrinth, симулятор генеративного ИИ, предназначенный для предоставления инженерам практического опыта построения с помощью инструментов ИИ в безопасной, руководимой среде. Что вдохновило его создание, и как обучение на основе симуляции ускоряет реальную способность ИИ?

Я всегда любил формы практического, опытного обучения. Конкретно, тот вид “над плечом” наставничества, который существует в художественных студиях.

Когда Мартин Гайда и я начали обсуждать идеи этого типа обучения, весь проект оказался очень интересным для создания. Это чувствовалось как создание головоломки для людей, чтобы решить. Это было то, как я знал, что мы на правильном пути. Люди более вероятно будут участвовать в новом материале, когда они находят его интересным и чувствуют себя поддержанными.

Обучение на основе симуляции ускоряет способность, потому что оно закрывает разрыв между теорией и применением. Это дает им безопасное место, чтобы практиковать суждение, а не просто запоминать концепции. И с ИИ это имеет огромное значение, потому что реальная способность не только в том, чтобы знать, что может сделать инструмент, но и в том, чтобы знать, как использовать его вдумчиво и безопасно.

Как предприятиям следует подойти к повышению квалификации рабочей силы в эпоху генеративного ИИ по-другому, чем в предыдущие волны цифровой трансформации?

Сотрудничественно и творчески. С инструментами, такими как Notebook LM и Figma, есть много способов сделать интересный и свежий контент. Нам нравится слайд-шоу, но мы также любим создавать интерактивные рабочие тетради, анимированные видео и другие методы доставки учебной программы.

Лично я лучше всего учусь с помощью инфографик и других визуальных материалов.

Ответственный ИИ часто формулируется вокруг управления и соблюдения. С точки зрения внедрения, как выглядит ответственное внедрение в повседневных рабочих процессах?

Консультируйтесь с людьми, которые фактически используют инструменты, на что делает их полезными, затем убедитесь, что каждый, кто использует инструменты, знает, что политика фактически означает. Как она переводится в то, как они используют ИИ в повседневной деятельности?

Ответственное внедрение означает модель “человек за рулем”. ИИ может помочь в создании черновика, суммировании, анализе или ускорении, но люди все еще владеют суждением, проверкой качества и окончательным решением. Эта человеческая ответственность является ключом.

Так же важно, что ответственное внедрение зависит от уверенности. Различие приходит с опытом. Это почему организации нуждаются в низкорисковых, беспристрастных пространствах, где сотрудники могут практиковать и строить реальную грамотность. Когда люди получают достаточно практического опыта, чтобы принимать вдумчивые решения, ответственное использование перестает быть абстрактным и начинает становиться привычным.

Как организации могут разработать программы по внедрению, которые остаются адаптируемыми, а не становятся устаревшими в течение нескольких месяцев?

Это сложная задача, но есть много отличных инструментов.

Самая большая ошибка – строить внедрение исключительно вокруг текущего ландшафта инструментов.

Нас часто спрашивают, предлагаем ли мы обучение, независимое от инструментов, и ответ – да. Абсолютно. Мы фокусируемся на прочных навыках ИИ, а затем учим людей, как применять эти навыки в рамках инструментов, которые использует организация сегодня. Такой подход дает программам гораздо более долгий срок службы.

Адаптируемое внедрение также должно быть модульным. Фрактальным. Вместо того, чтобы рассматривать обучение как одноразовое событие, организации должны думать в слоях: основная грамотность, ролевое применение, продвинутый эксперимент и постоянные обновления, когда инструменты и приоритеты меняются.

Оглядываясь вперед, какие сдвиги, по вашему мнению, будут определять следующую фазу внедрения ИИ для предприятий в течение следующих двух лет?

Ролевое и агентское. Предприятия уже принимают использование агентов. Эти организации хотят убедиться, что их технические команды имеют необходимые навыки для построения и управления таким использованием ИИ.

Спасибо за отличное интервью, читатели, которые хотят узнать больше, должны посетить Altimetrik.