Dr. Rich Sonnenblick, Planview’un Baş Veri Bilimcisi – Röportaj Serisi

Dr. Rich Sonnenblick, Planview’un Baş Veri Bilimcisi, dünyanın en büyük eczacılık ve yaşam bilimleri şirketleriyle çalışarak yılların deneyimine sahiptir. Bu derinlemesine çalışma ve uygulama yoluyla, ürün tahmini ve portföy analizi için önceliklendirme ve portföy gözden geçirme süreçleri, puanlama sistemleri ve finansal değerleme ve tahmin yöntemleri gibi içgörüler oluşturmuştur. Dr. Sonnenblick, Carnegie Mellon Üniversitesi’nden Mühendislik ve Kamu Politikası alanında doktora ve yüksek lisans derecesi ve California, Santa Cruz Üniversitesi’nden Fizik alanında lisans derecesi sahiptir.

Planview‘in Bağlı Çalışma Platformu, zamanında pazara sürme ve öngörülebilirliği artırmak, verimliliği artırmak ve optimal iş sonuçlarını elde etmek amacıyla stratejik girişimlerin teslimatını desteklemek üzere tasarlanmıştır.

Yönetim danışmanlığından veri bilimine liderlik yapmaya kadar geniş bir kariyer geçirdiniz. Bu değişimi yapmaya sizi ne teşvik etti ve yolculuğunuz, iş dünyasında AI’ı kullanma yaklaşımınızı nasıl şekillendirdi?

Yönetim danışmanlığı, iş verimsizlikleri ve kullanılmayan fırsatlar hakkında geniş bir görüş sağladı, burada stratejik tavsiyeler ve eyleme geçirilebilir içgörüler arasında belirgin bir boşluk vardır. Veri bilimi bu boşluğu kapatır, ham veriyi gerçek zamanlı karar vermeyi bilgilendirebilecek stratejik varlıklar haline getirir. Yolculuğum, AI’ı iş süreçlerini iyileştirebilen, karar vermeyi hızlandırabilen ve insan uzmanlığını güçlendirebilen bir araç olarak görmemi sağladı.

Planview’da, çeşitli iş fonksiyonları genelinde gelişmiş AI çözümlerinin entegrasyonunu başlattınız. Baş Veri Bilimcisi olarak şirketin AI stratejisinin şekillenmesindeki rolünüzü ve karşılaştığınız en büyük zorlukları paylaşabilir misiniz?

Planview’da AI, platformumuzda içgörüler açığa çıkarmak ve karar vermeyi iyileştirmek için bir araç olarak gömülmüştür. Kaynak yönetimi, proje planlaması ve operasyonel verimliliği optimize etmeye odaklandım. Copilot AI asistanımız, tüm beceri seviyelerindeki kullanıcılar için iş başında eğitim sağlar, sıkıcı görevleri otomatikleştirir ve en iyi uygulamaları önerir, böylece ekiplerin hızlı ve bilgili kararlar almasına olanak tanır.

AI, şirketlerin ekipler içindeki verimsizlikleri nasıl tespit edebilir ve kaynak dağıtımını nasıl iyileştirebilir?

AI, insanların hızlı bir şekilde tanımlayamayacağı karmaşık veri kalıplarını tespit etme konusunda uzmanlaşmıştır. Kullanılmayan kaynakları vurgulayabilir, darboğazları tespit edebilir ve iş yükü dengesizliklerini öngörebilir. Örneğin, portföy hedeflerini, proje zamanlamalarını ve ekip performans ölçümlerini analiz ederek, maksimum etkiye ulaşmak için kaynakları veya görevleri yeniden atamak için önerilerde bulunabilir.

AI, kaynak yönetiminde özellikle etkili olduğu ortak verimsizlik türleri nelerdir?

AI, özellikle stratejinin dışında kalan ve düşük performans gösteren girişimleri vurgulamada uzmanlaşmıştır ve bu kritik becerileri Planview Copilot’a entegre ettik. Copilot geliştikçe, bu konularda daha da etkili olacaktır. Ayrıca işlemlerdeki israfı, örneğin冗ant görevleri veya aşırı el değiştirmeleri vurgulayabilir ve optimizasyon önerilerinde bulunabilir.

Yazılım geliştirme ekipleri için israf neden önemli bir zorluk teşkil eder ve AI bu israfı nasıl azaltabilir?

Yazılım geliştirmede israf, genellikle kötü önceliklendirme, aşırı hata ayıklama veya uyumsuz ekip çabalarından kaynaklanır. AI, kodlama asistanı olarak görev yaparak, tekrarlayan görevleri otomatikleştirebilir ve dựncü içgörüler sunabilir. Örneğin, geçmiş projeleri analiz ederek gecikmelere yol açan kalıpları tanımlayabilir, böylece ekiplerin bu tuzaklardan kaçınmasına yardımcı olabilir.

Yazılım geliştirme yaşam döngüsünü optimize etmek için özellikle uygun AI modelleri veya araçlar var mı?

Yazılım geliştirme yaşam döngüsünü optimize etmek için, artan verimlilik ve hizalama arıyoruz. Planview Copilot, Viz’de darboğazları ve akış hızını engelleyen faktörleri tanımlar ve organizasyonun verilerine özgü eyleme geçirilebilir içgörüler sağlar. Ekipler, akış ölçümlerini basit bir dille yorumlayabilir, sistemsel teslimat yavaşlamalarını tespit edebilir ve ayrıntılı öneriler alabilir. Bu optimizasyon, verimliliği artırmak ve teslimatı basitleştirmek için anahtardır.

AI’ı iş asistanı olarak dağıtmada altta yatan veri ilişkileri nasıl ek değer yaratır?

Veri noktaları arasındaki ilişkileri – proje zamanlamaları, kaynak kullanımı veya ekip iletişimi gibi – haritalayarak AI, açık olanın ötesinde içgörüler ortaya çıkarabilir. Örneğin, durum güncellemelerindeki görüş eğilimlerini proje sonuçlarına bağlamak, yöneticilerin ekiplerin yönetimle paylaşmadan önce engelleri öngörerek proaktif ayarlamalar yapmasına olanak tanır.

Küçük organizasyonlar AI’ı etkili bir şekilde ve etkisini bozmadan nasıl benimseyebilir?

Küçük organizasyonlar, daha gelişmiş çözümlere geçiş kapıları olarak çalışan erişilebilir generatif AI araçlarıyla başlamalıdır. Belgeleri özetleyen, pazarlama içeriğine yardımcı olan veya kod oluşturmaya yardımcı olan araçlar, bu organizasyonların AI benimsemeye başlamaları için maliyet etkili yollardır. Geniş bir kullanım alanı için uygulanabilen bir AI teklifine yatırım yapmak, çok özel işlere uyarlanmış generatif AI uygulamalarına yatırım etmekten daha iyi bir değer olacaktır. Bu, organizasyonun kendi özel kullanım durumları için en yüksek etkiye sahip alanları tanımlamasına olanak tanır.

Proje sonuçlarını iyileştirmede öngörücü analizlerin rolü nedir?

Öngörücü analiz, ekiplerin tarihsel veriler ve güncel eğilimler temelinde potansiyel engelleri ve sonuçları öngörmesine yardımcı olur. AI ajanları, proje gecikmeleri veya kaynak eksiklikleri olasılığını öngörebilir, böylece ürün yöneticileri planlarını proaktif olarak ayarlayabilir. Bu öngörüler, riski en aza indirir ve verimliliği en üst düzeye çıkarır, sonunda organizasyonların stratejik hedeflerine daha hızlı ulaşmasına olanak tanır.

Önümüzdeki on yıl içinde iş operasyonlarını AI’ın nasıl dönüştüreceğini öngörüyorsunuz ve hangi ortaya çıkan AI trendlerini endüstriler üzerindeki potansiyel etkileri nedeniyle en çok heyecanlandırıyor?

AI, önümüzdeki on yılda iş operasyonlarını devam ettirecek. Yeni roller oluşturacak, öngörücü yetenekleri geliştirecek ve inovasyonu basitleştirecektir.

LLM’ye özgü geliştiriciler, AI işbirliğini entegre etme uzmanları, günlük görevlerde AI’ı benimseyen geliştiricilerin yerini alacak norm haline gelecektir. Generatif AI, stratejik karar vermeye dayalı dış ve iç faktörler için sentetik senaryolarla algoritmaları zenginleştirmek için öngörücü AI ile sınırları bulanıklaştıracaktır. Biyoteknolojide, genAI, yeni tedavileri keşfetmek için karmaşık hasta profilleri oluşturacak; siber güvenlikle ilgili olarak, AI, yeni tehditleri simüle edecek ve öngörücü modellerin bunları karşı koymasına yardımcı olacaktır. Uyumlu çıkarım ve daha küçük, daha verimli AI modelleri gibi ortaya çıkan trendler, önümüzdeki yıllarda hesaplamasal zorlukları ele alacaktır. Bunlar, daha hızlı ve daha hedefe yönelik çözümleri garantileyecektir.

Stratejik planlamadan proaktif güvenliğe kadar, AI’ın entegrasyonu, işletmelerin dinamik bir dünyada esneklikle dönmesini, dayanıklı stratejiler ve operasyonel mükemmelliği ortaya çıkarmasını sağlayacaktır.

Harika röportaj için teşekkür ederiz, daha fazla bilgi edinmek isteyen okuyucular Planview‘i ziyaret edebilir.