Ritika Gunnar, VP för Expert Labs, IBM Cloud och Cognitive Software – Intervjuserie

Ritika Gunnar är vice VD för Expert Labs, IBM Cloud och Cognitive Software. Hon är också mycket engagerad i IBMs Women Leaders in AI-program. Tidigare ansvarade hon för IBMs Master Data Management & Information Integration and Governance-verksamhet och IBMs Data Warehousing & Analytics-verksamhet, som var ansvarig för strategi, riktning och operativ ledning av Warehouse-portföljen.

Du var ursprungligen intresserad av matematik och lingvistik. Vad inspirerade dig att byta till datavetenskap och AI?

När jag var ung hade jag ett intresse för allt annat än teknologi. Som du nämnde var jag främst intresserad av spanska och främmande språk och lingvistik. Min föräldrar var båda ingenjörer och entreprenörer och de gav mig en kärlek till vetenskap. Teknologi har den här punkten där den kan påverka varje bransch och varje aspekt av vårt dagliga liv. Efter min första lektion på college visste jag att det här var där jag hörde hemma.

Medan jag följde mina passioner mot en karriär inom teknologi, väljer tyvärr många unga kvinnor icke-STEM-karriärer. Det är därför jag är så glad att IBM för tredje året i rad hedrar exceptionella kvinnliga företagsledare för deras banbrytande användning av AI i företag över hela världen genom vårt Women Leaders in AI-initiativ. Andra unga kvinnor behöver kunna se sig själva i dessa Women Leaders in AI och ha förtroende och gemenskap för att uppmuntra strävanden inom teknologi och AI.

Du har haft en otrolig karriär på IBM, kan du berätta om en del av den resan?

Människor frågar mig ofta varför jag har en så lång karriär här på IBM. På IBM har jag kunnat utveckla mina färdigheter inom produktområden och funktionella domäner. Jag började i vårt systemhanteringslag som utvecklare och har sedan avancerat genom data, analytics och AI i funktioner av produktledning, försäljning och tjänster.

Det har varit mycket värdefullt för min karriär att kunna börja i ett område, expandera min kunskap om ett visst område och sedan gå över till ett annat område. Jag har lärt mig av varje flytt, utvecklat en solid grund som är kritisk för min nuvarande roll som hjälper företag att anta nya teknologier.

Genom varje roll har jag funnit det hjälpsamt att fokusera på 3 områden för att driva tillväxt: (1) Hitta en gemenskap för att stödja inlärning och tillväxtområden som behövs för den nya rollen. Det kan vara genom befintliga grupper, mentorer och även omvänd mentoring. (2) Var nyfiken. Lär alltid av hands-on-arbete, studier och övning av din konst och kontinuerlig inlärning. (3) Var säker på dina förmågor, förmodligen den viktigaste aspekten.

Du är för närvarande VD för Expert Labs, IBM Cloud och Cognitive Software. Kan du berätta om vad den rollen innebär?

Expert Labs-laget hjälper organisationer att fullt ut förverkliga potentialen av artificiell intelligens för att hålla sin verksamhet stark i en mycket konkurrensutsatt miljö. Jag leder ett lag med över 2400 högt tekniska experter som fokuserar på att ge råd, arkitektur och leverera kundframgång med data, automatisering och andra AI-användningsfall.

Vi arbetar med kunder för att säkerställa att deras teknologi-projekt är framgångsrika genom att hjälpa dem att förstå sina mål och vägleda dem genom varje steg av deras resa mot affärsomvandling.

Du har tidigare sagt att för att vara framgångsrik med AI, börjar allt med data. Kan du utveckla det?

Som du sa, för att uppfylla löftet om AI, behöver organisationer börja med sin data. AI har potentialen att förvandla hur företag opererar och levererar värde, men många fortsätter att kämpa med att övervinna datakomplexitet, talangbrist och brist på förtroende för AI-system. Medan vi firar mångfald i AI, kommer jag att fokusera på två nyckelfrågor som jag tror är viktiga för att utveckla förtroende för data och AI-system: är min AI rättvis och är min AI förklarlig?

För att säkerställa rättvis AI, måste vi se till att data som modellerna byggs på är rättvis, och att modellerna själva är utformade för att upptäcka och mildra bias när ny data introduceras. Mandatet att ta bort bias har blivit mer brådskande mitt i vår intensifierade globala konversation om ras- och ekonomisk rättvisa. När vi säkerställer att AI är rättvis, kan det vara ett utmärkt verktyg för att mildra mänsklig bias.

Om vi inte kan förklara varför AI fattar vissa beslut, kan rädslan för en “black box” av mystiska algoritmer göra det omöjligt att skapa förtroende. Branscher som finansiella tjänster, hälsovård och försäkringar presenterar en enorm möjlighet för att distribuera AI i stor skala, men det kräver högt känslig data för att fatta beslut som påverkar människors liv. Det är kritiskt att kunderna förstår hur dessa beslut fattas och varför. För att säkerställa att de bästa och mest rättvisa besluten fattas, och för att tillfredsställa regulatorer, behöver vi en granskbar dataspår som ger precisa svar.

Att säkerställa att AI och data som den byggs på är rättvisa och förklarliga är den lins genom vilken vi behöver se framgångsrika AI-projekt. Min tro är att en diversifierad grupp av bakgrunder och levda upplevelser är kritisk för den processen.

Du är mycket engagerad i IBMs Women of AI-program. Kan du berätta mer om det programmet?

De banbrytande kvinnorna som ingår i vår årliga lista över Women Leaders in AI har skapat en miljö där fler och fler kvinnor kan bryta gränser inom teknologiindustrin, göra sina röster hörda och öppna dörrar för nästa generation. Det är kritiskt att fira och dela dessa berättelser för att behålla den momentum som finns, vilket är varför vi hedrar 40 fantastiska kvinnor från 18 länder runt om i världen som formar framtiden för artificiell intelligens och hur framsteg inom naturlig språkbehandling, automatisering och trovärdig AI kan användas för att hjälpa organisationer bättre förutsäga resultat, automatisera processer och driva nya effektiviteter.

Listen hedrar ledare från AdMed, The Ad Council, The Clorox Company (CLX ), City of Austin, EY, Ford Motor Company (F ), Lloyds Banking (LYG ) Group, Mitsui Chemical, Telstra, Vodafone New Zealand, Westpac och många fler. Dessa otroliga ledare bryter ny mark med hjälp av AI för att förbättra effektiviteten i reklam, ge jordbrukare med viktiga verktyg för skördeprognoser, hjälpa till att förbättra livsmedelssäkerheten, hålla konstituerande uppdaterade under COVID-19-pandemin och mycket mer.

Hur viktigt är det att ha ett diversifierat team av minoriteter och kvinnor för att undvika AI-bias?

Under loppet av ett år har COVID-19-pandemin förstört generationer av arbetande kvinnor, med över 5 miljoner bara i USA som förlorat eller lämnat sina jobb. Faktiskt ny forskning från IBM Institute for Business Value visar att färre kvinnor idag innehar senior vice president, vice president, direktör och chefroller idag än de gjorde 2019. Vi skapade det årliga Women Leaders in AI-programmet 2019 för att hjälpa till att uppmuntra ökad diversifierad deltagande i fältet och ge hedersomnämnanden en nätverk för gemensamt lärande. Min förhoppning är att andra kommer att läsa berättelserna om dessa anmärkningsvärda ledare och hitta inspiration – och, lika viktigt, se glimtar av sig själva.

Dessutom kan vikten av att ha diversifierat tänkande bakom innovationer inom AI inte överskattas. Diversifiering av tanke är nyckeln till utvecklingen av AI. Vi har sett att ju mer variation av tanke som går in i att skapa teknologin, desto större sannolikhet att mildra bias, främja etiskt driven AI och förbättra förtroendet för AI-system. Slutligen visar det att diversifierade arbetspraktiker möjliggör ett djupare förtroende för de program som utvecklas, vilket leder till bättre ekonomiska avkastningar och fördelar för alla. Vi firar de steg som har tagits för att skapa ett mer diversifierat och inkluderande AI-fält, medan vi fortsätter att sträva efter att göra det ännu bättre.

Vad kan föräldrar göra för att inspirera flickor att bli mer intresserade av både datavetenskap och AI?

Två saker som står ut för mig – nyfikenhet och mentoring. I min erfarenhet är den viktigaste ingrediensen för framgång i AI en kultur av nyfikenhet och kontinuerligt lärande. Inom teknik, i allmänhet, är den genomsnittliga livslängden för färdigheter och information tre till fem år. Med AI är det 12 till 18 månader. Teknologin rör sig så snabbt att en nyfiken sinnesstämning och hunger efter att lära sig är viktigare än någon särskild färdighet. Att främja nyfikenhet kan börja i tidig ålder.

För flickor som är intresserade av teknik är stödsystem och mentoring avgörande. Det handlar om att skapa en kultur där människor kan fortsätta sträcka sig. Jag lärde mig detta på ett personligt plan för flera år sedan, när jag skickade min son och dotter till kodningsläger tillsammans. Min son älskade det, men min dotter kom hem och förklarade: “Jag vill inte koda mer, mamma.” Efter ett samtal insåg jag att hon var den enda flickan i sin klass. Så jag skrev in henne i ett specialprogram där flickor kodar tillsammans. Hon hade kul, fick förtroende och kan nu stå på sig själv – även i ett rum med dussintals pojkar som bygger Minecraft-moduler.

Vad kan företag göra för att locka till sig fler kvinnor?

Om vi vill öka antalet kvinnor i AI – och öka mångfalden inom fältet överallt – måste vi fira den mångfald som finns. Vi måste se till att människor som representerar olika grupper och bakgrunder har stödjande tekniksamhällen där de känner sig bekväma med att ställa frågor, göra misstag och ge sig in i okänd terräng – allt nödvändigt för att lära sig. Medan IBM firar 40 kvinnor som är sanna pionjärer, kopplar vi också samman dem med varandra som ett nytt nätverk för lärande, delning och stöd. Baserat på resultaten från ny forskning från IBM Institute for Business Value, har vi föreslagit en vägkarta för förändring:

1. Koppla ihop djärvt tänkande med stora åtaganden, och göra jämställdhet till ett formellt affärsprioritet.
2. Tillämpa specifika krisrelaterade ingrepp. Förmåner som backup-barnomsorg, stöd för mental hälsa och flexibla arbetsplatser och scheman kan vara nyckeln.
3. Skapa en kultur av avsikt och insistera på att göra plats. Arbetsgivare och chefer måste ta en empatisk och inkluderande approach mot sina anställda.
4. Använd teknologi för att påskynda prestation. Det betyder att hårdkoda rättvisa i urval, använda digitala verktyg för kommunikation och feedback för att visa vad som fungerar och vad som inte fungerar, och investera i samarbetsverktyg och teampraktiker som tillåter kvinnor och män att engagera sig effektivt i fysiska och distansmiljöer, även efter att pandemin avtar.

Tack för den underbara intervjun, läsare som är intresserade bör besöka IBMs Expert Labs, eller IBMs Women Leaders in AI-program.