ซาราห์ ฟิลิปป์ ผู้นำระดับโลกด้านการนำ AI ไปใช้และการยอมรับของ Altimetrik – สัมภาษณ์รายการ

ซาราห์ ฟิลิปป์ ผู้นำระดับโลกด้านการนำ AI ไปใช้และการยอมรับของ Altimetrik มุ่งเน้นในการช่วยให้องค์กรข้ามช่องว่างระหว่างนวัตกรรม AI ที่รวดเร็วและการนำไปใช้ในโลกแห่งความเป็นจริงของกำลังคน เธอมุ่งเน้นในการสร้างโปรแกรมความรู้ AI การวางกลยุทธ์การทำงาน และการฝึกอบรมตามบทบาทที่ช่วยให้พนักงานและผู้จัดการรวม AI ที่สร้างขึ้นเข้ากับการดำเนินงานประจำวันของพวกเขา ที่ Altimetrik เธอช่วยกำหนดโปรแกรมการนำไปใช้ในองค์กรโดยรอบเทคโนโลยี เช่น ChatGPT Enterprise, OpenAI Agents SDK และการทำงาน AI ระดับองค์กร ในขณะเดียวกันก็ร่วมสร้าง “LAByrinth” แพลตฟอร์มจำลอง GenAI ตามโครงการที่ออกแบบสำหรับวิศวกรและผู้จัดการโครงการทางเทคนิค ก่อนที่จะเข้าร่วม Altimetrik เธอใช้เวลาหลายปีในการนำการฝึกอบรมลูกค้าและการนำไปใช้ในการจัดหาพล랫ฟอร์ม SaaS เช่น Nudge Coach ทำให้เธอมีพื้นฐานที่เข้มแข็งในระบบการเรียนรู้ การเพิ่มประสิทธิภาพพฤติกรรม และการเปลี่ยนแปลงดิจิทัล อาชีพของเธอ反映แนวโน้มที่เพิ่มขึ้นในองค์กร AI ซึ่งความสำเร็จขึ้นอยู่ไม่เพียงแต่การนำแบบจำลองไปใช้เท่านั้น แต่ยังรวมถึงการทำให้พนักงานมีความมั่นใจ สามารถทำงานได้และมีประสิทธิภาพในการใช้เครื่องมือ AI ในงานประจำวันของพวกเขา

Altimetrik เป็นบริษัทวิศวกรรมดิจิทัลและโซลูชันด้านข้อมูลที่มุ่งเน้น AI ในการช่วยให้องค์กรทันสมัย化ระบบมรดกและขยาย AI ที่สร้างขึ้นข้ามการดำเนินงานทางธุรกิจ บริษัทดำเนินงานข้ามอุตสาหกรรมต่างๆ รวมถึงบริการทางการเงิน การดูแลสุขภาพ การผลิต การค้าปลีก และวิทยาศาสตร์ชีวภาพ โดยรวมการวิศวกรรมผลิตภัณฑ์ การทันสมัย化คลาวด์ โครงสร้างพื้นฐานข้อมูล และการนำ AI ไปใช้บริการ Altimetrik ได้กำหนดตำแหน่งตัวเองเป็นพันธมิตรหลักในการนำ AI ไปใช้ในองค์กรผ่านการร่วมมือกับ OpenAI โดยมุ่งเน้นไปที่ AI ที่มีเจตนา การจัดทำ 워์กโฟลว์ การกำกับดูแล และระบบ AI ที่พร้อมสำหรับการผลิต ALTI AI Lab ของบริษัททำหน้าที่เป็นศูนย์นวัตกรรมภายในที่บริษัทสร้างแอปพลิเคชัน AI ระดับองค์กรต่างๆ ตั้งแต่ผู้ช่วยอัจฉริยะไปจนถึง 워์กโฟลว์หลายรูปแบบและการดำเนินธุรกิจ AI ที่เป็นมิตร ในช่วงไม่กี่ปีที่ผ่านมา Altimetrik ไดยายตัวขยายตัวผ่านการร่วมมือและการเข้าซื้อกิจการ โดยเสริมสร้างรอยเท้าด้านวิศวกรรมระดับโลกและความสามารถในการส่งมอบ AI ระดับองค์กร

คุณสร้างอาชีพของคุณที่จุดตัดกันของการเปลี่ยนแปลงองค์กร การออกแบบการเรียนรู้ และเทคโนโลยีที่เกิดขึ้นใหม่ — ประสบการณ์สำคัญใดที่ทำให้คุณเชื่อว่าการนำ AI ที่มีความรับผิดชอบมาใช้จะขึ้นอยู่กับการเพิ่มประสิทธิภาพของมนุษย์มากเท่ากับการมีความสามารถทางเทคนิค?

โดยปกติแล้วฉันจะกลายเป็นผู้นำที่ล่าช้าในการนำสิ่งใหม่ๆ มาใช้ ฉันมักจะลังเลใจกับการโฆษณาและยึดมั่นในการทำสิ่งต่างๆ ตามวิธีที่ฉันเคยทำมา ซึ่งเป็นเรื่องจริงกับ AI ฉันเป็นผู้นำที่ล่าช้าและเคลื่อนไหวช้าๆ ในตอนแรก

สิ่งที่เปลี่ยนแปลงสำหรับฉันคือการได้ยินว่าคนอื่นๆ ใช้ AI ในชีวิตประจำวันและการทำงานของพวกเขาในภาษาที่เป็นมนุษย์และไม่ใช่ภาษาเทคนิค เมื่อฉันสามารถเชื่อมโยงมันกับจุดเสียดสีที่แท้จริงและเป็นส่วนตัวได้ ความอยากรู้อยากเห็นก็ตามมา

ประสบการณ์นั้นย้ำเตือนบางสิ่งที่ฉันเห็นทั่วทั้งความพยายามในการเปลี่ยนแปลงที่ฉันเป็นส่วนหนึ่ง — การนำไปใช้ไม่เคยเริ่มต้นด้วยความสามารถเพียงอย่างเดียว มันเริ่มต้นด้วยความเกี่ยวข้อง ความไว้วางใจ และความหมาย คนจำเป็นต้องเห็นตัวเองในความเปลี่ยนแปลงก่อน และนั่นคือเหตุผลที่การนำ AI ที่มีความรับผิดชอบมาใช้ขึ้นอยู่กับการเพิ่มประสิทธิภาพของมนุษย์มากเท่ากับการพร้อมทางเทคนิค

ในบทบาทของคุณในการนำ AI ไปใช้ในระดับโลกที่ Altimetrik คุณกำหนดความสำเร็จของการนำ AI ที่สร้างขึ้นมาใช้ในองค์กรให้ลึกซึ้งยิ่งขึ้นอย่างไร นอกเหนือจากการทดลองและทดสอบแนวคิด?

การนำไปใช้ในระดับองค์กรที่ประสบความสำเร็จไม่ได้อยู่ในซิลโล การนำไปใช้ที่มีประสิทธิผลไม่ได้ถูกจำกัดอยู่ในซิลโล รูปแบบที่พบบ่อยที่สุดคือการนำไปใช้ที่ถูกแบ่งออกเป็นชิ้นเล็กชิ้นน้อย ซึ่งทีมหนึ่งกลายเป็นมืออาชีพมากในด้าน AI ในขณะที่อีกทีมหนึ่งในองค์กรเดียวกันไม่มีกลยุทธ์ที่ชัดเจนและอาจใช้เครื่องมือที่กระจัดกระจายหรือบัญชีส่วนบุคคล การนำไปใช้ที่ไม่สม่ำเสมอจะสร้างความไม่สอดคล้องกันและความเสี่ยง

ความสำเร็จที่แท้จริงเกิดขึ้นเมื่อองค์กรสร้างนิสัยร่วมกัน มาตรฐานร่วมกัน และวิธีการทำงานที่เชื่อมโยงกัน ซึ่งต้องใช้ทั้งการเปลี่ยนแปลงจากบนลงล่างและการจัดการการเปลี่ยนแปลงจากล่างขึ้นบน จากบนลงล่าง ผู้นำจะต้องกำหนดทิศทาง ตั้งกำกับดูแล และสร้างความชัดเจนเกี่ยวกับการนำไปใช้ที่มีความรับผิดชอบและคุ้มค่า จากล่างขึ้นบน พนักงานต้องเข้าใจว่า AI ติดต่อกับการทำงานประจำวันของพวกเขาอย่างไร มันช่วยแก้ปัญหาอย่างแท้จริง และพวกเขาสามารถใช้มันอย่างมั่นใจภายในบทบาทของพวกเขา

สัญญาณที่แท้จริงของความเป็นมืออาชีพคือเมื่อ 워์กโฟลว์ทำงานได้อย่างราบรื่นจากจุดหนึ่งถึงจุดสิ้นสุดและข้ามทีม ไม่ใช่แค่ในกระเป๋าเดียว

หลายองค์กรลงทุนในเครื่องมือ AI ที่สร้างขึ้น แต่ต้องดิ้นรนในการนำไปใช้ในการดำเนินงาน คุณเห็นช่องว่างในการดำเนินการใดบ้างที่พบบ่อยที่สุดระหว่างความตั้งใจและผลกระทบทางธุรกิจที่วัดได้?

การเป็นเจ้าของการกำกับดูแลมักจะไม่ชัดเจน ใครรับผิดชอบในการจัดทำเอกสารว่าอะไรถูกใช้ การปรับเปลี่ยนคำสั่งหรือ 워์กโฟลว์ การติดตามคุณภาพ และการรักษาการใช้งาน AI จริงๆ ในธุรกิจโดยไม่มีความชัดเจนนั้น องค์กรจะสิ้นเปลืองการใช้งานและวินัยในการดำเนินงานที่แท้จริง

หลายองค์กรยังไม่ได้ตัดสินใจว่าพวกเขาต้องการส่งเสริมการใช้ AI ประเภทใด พวกเขาวางเป้าหมายที่จะสร้างนิสัยในการส่งคำสั่งตามบทบาท ใช้กรณีการใช้งานเพื่อเพิ่มประสิทธิภาพส่วนบุคคล เช่น การสร้างไอเดียและการเขียนขั้นต้น หรือตัวแทนโดยเฉพาะที่เชื่อมโยงกับ 워์กโฟลว์ที่กำหนดไว้ หากไม่ชัดเจน การเพิ่มประสิทธิภาพจะยังคงคลุมเครือและผลกระทบจะยากที่จะวัดได้

มักจะมีการตัดขาดระหว่างการเปิดตัวและการทำงานจริง บริษัทต่างๆ ลงทุนในเครื่องมือก่อนที่จะระบุจุดๆ ที่ AI สามารถกำจัดความเสียดสี ปรับปรุงคุณภาพ หรือเร่งการดำเนินการในลักษณะที่มีความหมาย ความตั้งใจเป็นเรื่องง่าย แต่การนำไปใช้ในการดำเนินงานต้องมีความเฉพาะเจาะจง

คุณทำงานอย่างใกล้ชิดกับทีมผู้นำระดับบริหาร — สิ่งใดที่ทำให้ความสามารถในการใช้ AI ที่มีประสิทธิผลดูเหมือนในระดับ C-Suite และพฤติกรรมของผู้นำมีอิทธิพลต่อการนำไปใช้ในองค์กรอย่างไร?

มันเหมือนกับการสร้างแบบอย่าง ความอยากรู้อยากเห็น และทัศนคติของผู้เริ่มต้น ผู้นำที่สร้างความแตกต่างมากที่สุดคือผู้ที่แสดงให้เห็นถึงทัศนคติของผู้เริ่มต้น พวกเขายินดีที่จะเรียนรู้อย่างเปิดเผย พวกเขารู้สึกสบายใจที่จะพูดว่า “ฉันยังคงพยายามเข้าใจสิ่งนี้ด้วย” ความอ่อนไหวนั้นมีความสำคัญมากกว่าที่คนส่วนใหญ่คิด เพราะมันทำให้ทุกคนได้รับอนุญาตให้เข้าร่วมโดยไม่ต้องรู้สึกว่าต้องเป็นมืออาชีพก่อน

พฤติกรรมของผู้นำกำหนดโทน หากผู้บริหารรักษา AI ไว้เป็นการทดลองด้านข้าง องค์กรจะทำเช่นเดียวกัน หากพวกเขาแสดงให้เห็นถึงการใช้ที่รอบคอบ ถามคำถามที่เป็นประโยชน์ และลงทุนในการเรียนรู้อย่างเห็นได้ชัด การนำไปใช้จะกลายเป็นเรื่องทางวัฒนธรรมที่ปลอดภัย ความมั่นใจมีความสำคัญไม่แพ้ความสามารถเมื่อพูดถึงการขยาย AI ในองค์กร

สิ่งใดที่ทำให้โครงสร้างการทดลองที่มีโครงสร้างสำหรับ AI ที่สร้างขึ้นดูเหมือนในทางปฏิบัติ และองค์กรสามารถส่งเสริมนวัตกรรมโดยไม่สร้างการกระจัดกระจายหรือความเสี่ยงได้อย่างไร?

เราต้องการเริ่มต้นด้วยจุดเสียดสีของ 워์กโฟลว์ที่แท้จริง ไม่ใช่คำแนะนำที่สุ่มเกิดขึ้น ทีมควรได้รับการสนับสนุนให้ระบุงานซ้ำๆ อุปสรรคในการตัดสินใจหรือช่องว่างของความรู้ที่มีอยู่ จากที่นั่น องค์กรสามารถจัดลำดับความสำคัญของการทดลองตามความเกี่ยวข้องกับธุรกิจ ความเป็นไปได้ และความเสี่ยง

สภาพแวดล้อมที่ดีที่สุดคือที่ที่คนสามารถลองสิ่งใหม่ๆ ได้อย่างปลอดภัย แบ่งปันสิ่งที่ได้ผล และหลีกเลี่ยงการสร้างสิ่งใหม่ๆ ในการแยกออกจากกัน

คุณร่วมสร้าง LAByrinth ซึ่งเป็นแพลตฟอร์มจำลอง AI ที่สร้างขึ้นสำหรับให้วิศวกรได้รับประสบการณ์ในการสร้างด้วยเครื่องมือ AI ในสภาพแวดล้อมที่ปลอดภัยและมีการชี้นำ คุณได้รับแรงบันดาลใจในการสร้างสิ่งนี้อย่างไร และการเรียนรู้แบบจำลองจะเร่งความสามารถ AI ในโลกแห่งความเป็นจริงได้อย่างไร?

ฉันรักการเรียนรู้แบบมืออาชีพและแบบเรียนรู้ด้วยตนเอง โดยเฉพาะอย่างยิ่งการเรียนรู้ “อยู่เหนือไหล่” ที่มีอยู่ในสตูดิโอศิลปะ

เมื่อ Martin Gaida และฉันเริ่มโยนความคิดสำหรับโครงสร้างการฝึกอบรมนี้ โครงการทั้งหมดกลายเป็นเรื่องที่สนุกในการสร้าง มันเหมือนกับการสร้างปริศนาให้คนแก้ ฉันรู้ว่าเรากำลังเดินไปในทิศทางที่ถูกต้องเมื่อฉันรู้สึกว่ามันสนุก คนมีแนวโน้มที่จะเข้าร่วมในการเรียนรู้ใหม่ๆ เมื่อพวกเขาพบว่ามันน่าสนใจและรู้สึกว่าได้รับการสนับสนุน

การเรียนรู้แบบจำลองเร่งความสามารถเพราะมันปิดช่องว่างระหว่างทฤษฎีและการใช้งาน มันให้พื้นที่ที่ปลอดภัยในการฝึกฝนการวินิจฉัย ไม่ใช่แค่การจำแนวคิดเท่านั้น และสำหรับ AI นั้นเป็นสิ่งสำคัญอย่างมาก เพราะความสามารถที่แท้จริงไม่ใช่แค่การรู้ว่าเครื่องมือสามารถทำอะไรได้ แต่ยังรวมถึงการรู้วิธีใช้มันอย่างรอบคอบและปลอดภัย

องค์กรควรเข้าใกล้การเพิ่มทักษะของกำลังคนในยุค AI ที่สร้างขึ้นแตกต่างจากคลื่นการเปลี่ยนแปลงดิจิทัลที่ผ่านมาอย่างไร?

แบบผสมผสานและสร้างสรรค์ ด้วยเครื่องมือ เช่น Notebook LM และ Figma Make มีหลายวิธีในการสร้างเนื้อหาที่น่าสนใจและสดใหม่ เรารักการนำเสนอแบบสไลด์ แต่เรายังรักการสร้างหนังสือการทำงานแบบโต้ตอบ วิดีโอแบบเคลื่อนไหว และวิธีการส่งมอบหลักสูตรอื่นๆ

ส่วนตัวฉันเรียนรู้ได้ดีที่สุดด้วยอินโฟกราฟิกและภาพอื่นๆ

การนำ AI ที่มีความรับผิดชอบมักถูกจัดกรอบไว้โดยรอบการกำกับดูแลและการปฏิบัติตามกฎระเบียบ จากมุมมองของการเพิ่มประสิทธิภาพ สิ่งใดที่ทำให้การนำไปใช้ที่มีความรับผิดชอบดูเหมือนใน 워์กโฟลว์ประจำวัน?

ปรึกษากับคนๆ ที่ใช้เครื่องมือจริงๆ เกี่ยวกับสิ่งที่ทำให้พวกมันมีประโยชน์ จากนั้นให้แน่ใจว่าทุกคนที่ใช้เครื่องมือรู้ว่านโยบายหมายถึงอะไร จริงๆ แล้วหมายถึงอะไรเมื่อใช้ AI ในการทำงานประจำวัน

การนำไปใช้ที่มีความรับผิดชอบหมายถึงแบบจำลองที่มีมนุษย์เป็นศูนย์กลาง AI สามารถช่วยในการสร้างแบบจำลอง สรุป วิเคราะห์ หรือเร่งการดำเนินการ แต่คนยังคงเป็นเจ้าของการวินิจฉัย การตรวจสอบคุณภาพ และการตัดสินใจสุดท้าย ความรับผิดชอบของมนุษย์นั้นเป็นกุญแจสำคัญ

ไม่น้อยไปกว่านั้น การนำไปใช้ที่มีความรับผิดชอบขึ้นอยู่กับความมั่นใจ การแยกแยะความแตกต่างมาจากการได้รับประสบการณ์ ซึ่งเป็นสิ่งสำคัญที่สุดว่าทำไมองค์กรจึงต้องการพื้นที่ที่ไม่มีความเสี่ยงและไม่มีการตัดสินว่าผิดที่พนักงานสามารถฝึกฝนและสร้างความชำนาญที่แท้จริงได้ เมื่อคนได้รับประสบการณ์จริงเพียงพอที่จะทำการตัดสินใจอย่างรอบคอบ การใช้งานที่มีความรับผิดชอบจะหยุดเป็นเรื่อง抽象และเริ่มกลายเป็นนิสัย

เมื่อ AI ที่สร้างขึ้นพัฒนาอย่างรวดเร็ว องค์กรสามารถออกแบบโปรแกรมการเพิ่มประสิทธิภาพที่ยังคงปรับเปลี่ยนได้แทนที่จะล้าสมัยภายในไม่กี่เดือนได้อย่างไร?

เป็นความท้าทาย แต่มีเครื่องมือที่ดีมากมายที่นั่น

ข้อผิดพลาดที่ใหญ่ที่สุดคือการสร้างการเพิ่มประสิทธิภาพทั้งหมดโดยรอบภูมิทัศน์ของเครื่องมือในปัจจุบัน

เรามักถูกถามว่าเรามีการฝึกอบรมที่ไม่ขึ้นอยู่กับเครื่องมือหรือไม่ และคำตอบคือใช่ แน่นอน เรามุ่งเน้นไปที่ทักษะ AI ที่ทนทานแล้วสอนให้ผู้คนนำทักษะเหล่านั้นไปใช้กับเครื่องมือใดๆ ที่องค์กรกำลังใช้ในปัจจุบัน วิธีการนี้ทำให้โปรแกรมมีอายุการใช้งานยาวนานขึ้น

การเพิ่มประสิทธิภาพที่ยืดหยุ่นต้องเป็นแบบโมดูลาร์ แฟร็กทัล แทนที่จะรักษาการฝึกอบรมเป็นเหตุการณ์ครั้งเดียว องค์กรควรคิดในหลายชั้น: การรู้หนังสือพื้นฐาน การใช้งานตามบทบาท การทดลองขั้นสูง และการอัปเดตอย่างต่อเนื่องเมื่อเครื่องมือและลำดับความสำคัญเปลี่ยนแปลง

เมื่อมองไปข้างหน้า คุณเชื่อว่าสิ่งใดจะกำหนดระยะเวลาต่อไปของการนำ AI ไปใช้ในองค์กรในช่วงสองปีถัดไป?

ตามบทบาทและเจตนา องค์กรต่างๆ ได้เริ่มใช้ตัวแทนแล้ว องค์กรเหล่านี้ต้องการให้แน่ใจว่าทีมทางเทคนิคของพวกเขามีทักษะที่จำเป็นในการสร้างและกำกับ AI ประเภทนี้

ขอขอบคุณสำหรับการสัมภาษณ์ที่ยอดเยี่ยม ผู้อ่านสามารถเรียนรู้เพิ่มเติมได้ที่ Altimetrik