Адам Асквіні, Директор Інформаційного Управління та Даних Аналітики в KPMG – Серія Інтерв’ю

Адам Асквіні є Директором Інформаційного Управління та Даних Аналітики в KPMG в Едмонтоні. Він відповідає за керівництво проектами даних та просунутих аналітичних проектів для клієнтів KPMG на преріях. Адам є палким прихильником будівництва та розвитку високопродуктивних команд для надання найкращих можливих результатів для клієнтів та забезпечення захоплюючого досвіду роботи для своїх команд. Раніше він працював у AltaML як Віце-президент з питань розв’язань для клієнтів, уряду Альберти як менеджер програми та у Канадських збройних силах як офіцер зв’язку. Маючи нетрадиційний кар’єрний шлях у сфері штучного інтелекту, Адам є великим прихильником використання різноманітності та досвіду міжфункціональних команд і також вважає, що кожен може приєднатися до зростаючої спільноти штучного інтелекту.

Ми зустрілися для нашого інтерв’ю з Адамом на щорічній конференції 2023 року Upper Bound з питань штучного інтелекту, яка проводиться в Едмонтоні, Альберта, і організована Amii (Інститут штучного інтелекту Альберти).

У вас є нетрадиційний кар’єрний шлях, можете розповісти, як ви потрапили до сфери штучного інтелекту?

Я розпочав свою кар’єру у Канадських збройних силах як офіцер зв’язку, офіцери зв’язку відповідають за системи телекомунікацій та інформаційних технологій, які допомагають людям спілкуватися. Тому це була переважно робота з радіо, супутниками та іншими основними інфраструктурними технологіями, які ми були відповідальними за підтримку. Там було деяке використання даних, але це була переважно робота з основними інфраструктурними технологіями, яка спочатку привела мене до технологій. Я вивчав хімічну інженерію в університеті, що було викликано моєю власною цікавістю та бажанням вивчати нове. Все це розпочалося там, і подальше вивчення технологій та самоосвіта були дуже важливими для мене.

Після 14 років служби у збройних силах, під час яких я виконував різні завдання з зв’язку, від роботи на базі та підтримки ІТ-телекомунікаційних послуг у полі до створення штаб-квартир та забезпечення зв’язку між підрозділами, підтримки внутрішніх операцій, таких як лісові пожежі та повіді, я перейшов на роботу до уряду провінції Альберта. Я займався програмним менеджментом, оглядав міжурядові технологічні ініціативи. На той час уряд централізував ІТ, ми працювали з різними міністерствами уряду, щоб об’єднати їхні послуги та консолідувати все, я виконав багато роботи там, а також у сфері інвестиційного менеджменту. І дійсно, виконуючи цю роботу, я почав бачити, як деякі організації використовують дані та аналітику.

Це справді розбудило мою цікавість, і, як людина, яка завжди була цікава і голодна до знань, я почав займатися цим шляхом, або шляхом участі в деяких проектах там, або шляхом самоосвіти, наприклад, за допомогою курсів на Coursera чи інших навчальних інструментів, щоб вивчити трохи більше. Я виконав багато читання, досліджень деяких постачальників та платформ, які надавали ці інструменти. Я дійсно став зацікавленим у даних та аналітиці, і завдяки моєму природному інтересу та бажанню вивчати більше, я почав все більше і більше займатися цією сферою з часом.

Поза межами Coursera, є певні подкасти чи книги, які ви б порекоменували?

Я слідкую за багатьма різними учасниками на LinkedIn, але деякі з них, які спадають на думку, такі як Emerj. Ден Фаджелла є людиною, яка стоїть за цим. Він надає很多 лідерських думок щодо цього. Я також слідкую за деякими основними джерелами, такими як HBR та Forbes. Контакт мій, Андреас Вельш, який працює в SAP, він видає багато контенту щодо штучного інтелекту та впровадження штучного інтелекту, тому я слідкую за ним. Я думаю, що щодо подкастів, є декілька, які я слухав і книги також. Дуже хороша книга, яку я недавно прочитав, називається Infonomics Дуга Лейні. Він колишній співробітник Gartner та MIT, і це дуже хороша книга, яка пояснює rámec для монетизації даних. Я намагаюсь просто зануритися у якомога більше речей, плюс підключитися до проекту, щоб вивчити більше.

Як ваш досвід служби у збройних силах допоміг вам у вашій поточній ролі?

По-різному. Я думаю, що деякі з основних навичок, які я вивчив під час своєї військової кар’єри, дуже структурований підхід до планування, який дуже хороший. Часове управління та пріоритезація. У військовому середовищі це дійсно змушує вас вивчити, що є найбільш важливим, і працювати у певному темпі, оцінювати компроміси та розуміти, як прийти до курсу дій, який є життєздатним і який допоможе вам рухатися вперед. Я знаходжу, що у швидкозмінному технологічному ландшафті штучного інтелекту, де все рухається дуже швидко, мати структурований підхід до розуміння того, що є важливим, а що ні, де ви хочете зосередитися, є дуже хорошим набором навичок.

Інша велика річ – це лідерство та командна робота. Ви працюєте з великою організацією. У полі команди організовуються та реорганізовуються постійно, щоб створити найкращу команду для виконання місії, мати дуже сильні міжособистісні навички, лідерські навички, комунікаційні навички – все це навички, які дуже важливі у військовій підготовці, і я думаю, що вони також дуже корисні у моїй поточній ролі.

Ви були віце-президентом з питань розв’язань для клієнтів у AltaML понад два роки, що таке AltaML і над якими цікавими проектами ви працювали?

AltaML є компанією, яка займається прикладним штучним інтелектом та машинним навчанням. Вона базується в Альберті, штаб-квартира знаходиться в Едмонтоні, великий офіс у Калгарі та ще один у Торонто. Що вони роблять, так це працюють з іншими підприємствами, щоб розробити програмні рішення та продукти, які мають штучний інтелект у своєму ядрі, це бізнес-до-бізнесу. Частина організації, у якій я працював, була сервісною стороною, ми працювали з компаніями нафти та газу, фінансовими інститутами. Ми працювали у багатьох різних галузевих вертикалях. Я працював з ними, щоб визначити бізнес-проблеми, які були актуальними та могли бути вирішені за допомогою штучного інтелекту, і потім працював з ними над процесом об’єднання їхніх даних, побудови моделей штучного інтелекту, розгортання їх та роботи над змінами у управлінні, щоб вони могли бути оперативними та використовуватися, дійсно допомагаючи цим організаціям вирішувати проблеми за допомогою побудови прикладних рішень штучного інтелекту.

Роль була віце-президентом з питань розв’язань для клієнтів. Коли я почав, я був у ролі менеджера проекту, керував кількома проектами штучного інтелекту, потім перейшов на вищу посаду, і роль віце-президента з питань розв’язань для клієнтів була відповідальною за функцію доставки, управління ресурсами для проектів та активного управління обліковими записами, багато клієнтських аспектів цієї роботи потрапляли до моєї команди.

Що стосується проектів, то їх було багато, я б сказав, що у одному чи іншому вигляді, як менеджер проекту, тренер або ресурс якості, десятки проектів штучного інтелекту, над якими я працював протягом двох з половиною років, один з моїх улюблених проектів був проектом з лісових пожеж. Я працював з губернатором Альберти. Вони мали труднощі у дні, коли була помірна пожежна небезпека, щоб зрозуміти, чи ймовірно виникнення пожежі в певній області. Коли вони були не впевнені, їхньою практикою було призначення всіх доступних ресурсів, і це включало укладення контрактів на додаткові ресурси, важке обладнання, таке як бульдозери або літаки, гелікоптери, що, звичайно, було дуже дорого.

Метою проекту штучного інтелекту було передбачення ймовірності пожежі для певної області на наступний день, щоб допомогти їм прийняти рішення щодо оптимального розподілу ресурсів для процесу, який вони називали попереднім гасінням, тобто проактивним плануванням та розподіленням ресурсів.

Це було дійсно круто побачити, як у деяких сценаріях можна було зменшити ресурси або просто зосередитися на певних моментах часу. Це могло б заощадити багато грошей, не вводячи великого матеріального ризику пропуску пожежі, мільйони доларів потенційних заощаджень. Ця робота продовжується й досі. Навіть сьогодні вони розглядають можливість розширення часового вікна трохи, роблення зон меншими та більш дрібними для кращої оптимізації ресурсів. Але дивлячись на те, як пожежний сезон у нас у Альберті пройшов досі, будь-яка розвідка, яку можна надати заздалегідь про те, де є ризики, та можливість оптимізації ресурсів або хоча б їх реалокації в правильні місця, є дуже важливою роботою, це було дійсно приємно.

Я також працював над деякими проектами з обробки претензій. Як страховщик отримує тисячі претензій, які з них можна автоматично схвалити, які потребують людської перевірки, або навіть якій команді претензія повинна бути передана для отримання належного рівня перевірки. Така робота також дуже важлива і може заощадити організаціям багато зусиль і грошей у їхній роботі,

Ви зараз директор інформаційного управління та даних аналітики в KPMG. Що саме ця роль включає?

Я працюю з підприємствами, щоб спрямувати їх через шлях вирішення цих проблем за допомогою більш широкого набору можливостей даних та аналітики. Ми працюємо над wszystнім, від стратегії даних на початку та допомоги організаціям у організації даних з різних систем, об’єднанні їх, звітності та аналітиці, а також штучного інтелекту та машинного навчання. Це трохи ширша роль, ніж моя попередня, але це також дуже цікаво для мене. Це паливо для моєї пристрасті до вивчення та самоосвіти.

Як директор, я зазвичай працюю з високопоставленими лідерами на стороні клієнта, щоб допомогти їм пройти через цей шлях, дати їм відчуття того, що це буде коштувати, яким будуть ці проекти, як вони можуть підготуватися. Великий акцент на впровадженні, особливо з передовими аналітичними системами, які нові та іноді супроводжуються негативною конотацією з боку робочої сили, тому дійсно працюю з ними над тим, як найкраще впровадити ці рішення, а також над процесами, які їм будуть потрібні, структурами, які їм будуть потрібні. Це велика частина ролі. Внутрішньо, керуючі участь та керуючі проектними командами, допомагаючи отримати правильні пріоритети для команди проекту та спрямування роботи, а також синхронізація різних команд, які працюють над цими проектами.

У недавньому інтерв’ю з Calgary Herald, ви говорили про те, що було досить багато впровадження штучного інтелекту в Альберті. У яких галузях ви бачите це найчастіше?

Я бачу впровадження у багатьох різних галузях в Альберті. Звичайно, енергетика має багато з цього, тому я бачу випадки використання штучного інтелекту для оптимізації технічного обслуговування та інспекцій безпеки на трубопроводах, де повинні відбуватися розкопки. Я також бачу багато випадків у ланцюжку постачання. Коли великі організації проводять злиття та поглинання, їхні дані розкидані по всіх місцях. Іноді їм дуже важко знайти товари у своїх матеріальних майстерах, тому можливість використання цих мовних моделей, які ми бачимо зараз, для організації даних, структуризації їх таким чином, щоб їх можна було проаналізувати, є дуже важливою. Ми бачили значну роботу з консолідації договорів постачання просто шляхом кращого пошуку, запиту та пошуку інформації. Це може охоплювати кілька галузей, не тільки енергетику, але я бачу це застосування там.

Безпека є великою галуззю, тому використання мовних моделей або навіть обробки зображень для пошуку найбільш актуальної безпеки чи інспекції, яка повинна відбуватися на певній території. У фінансових послугах багато роботи над персоналізацією досвіду клієнта банку, надання найкращої можливої поради та пошуку індивідуальних рішень для людей, які перебувають у різних фінансових ситуаціях, є дуже важливим напрямком, і ми бачимо багато роботи там. А потім страхування. Як я згадував раніше, багато роботи з триажу та обробки претензій. Ще одна галузь, яку я б згадав, це лісове господарство та природні ресурси, управління землею, ми бачимо певний зріст використання супутникових зображень для виявлення змін землі, управління угодами щодо землі та використання цих методів обробки зображень для ідентифікації того, що повинно чи не повинно бути там, або того, що змінилося з часом.

Це дійсно цікаво, і ми бачимо, що різні організації перебувають на різних етапах своєї зрілості. Деякі тільки починають або експериментують, інші перебувають далі та повністю приймають, але більшість організацій розуміють, що якщо вони не почнуть або не рухатимуться вперед у цьому напрямку, вони будуть залишені позаду, і це створить велику конкурентну недоліку для них, тому інтерес дійсно високий по всьому фронту. Очевидно, що з можливостями генерації штучного інтелекту це генерує багато інтересу.

Говорячи про генерацію штучного інтелекту, як ви бачите, що ця технологія змінить майбутнє?

Я дуже схвильований цим. Я бачу потенціал. Я також вважаю, що важливо мати правильні контролі для генерації штучного інтелекту, я дійсно думаю, що є багато випадків застосування, де це можна застосувати для отримання великих продуктивних вигод або ефективності для бізнесу. Деякі з цього, наприклад, у випадку, який я згадував раніше з ланцюжком постачання, це було застосування деяких з цих методів навіть до публічного оголошення про ChatGPT. Що стосується того, куди це рухається, то одна з інших крутих тенденцій, яку я бачу, це те, що все більше й більше цієї технологіїбуде вбудовано у звичайні бізнес-додатки прямо зараз. Microsoft (MSFT ) оголосив про свій інструмент Copilot, який буде інтегрований з вашими додатками Microsoft Office, я бачив у деяких їхніх матеріалів речі, такі як написання брифінгу та просте запитування процесуора словами “Зробіть цей абзац коротшим”. І це просто робить це для вас.

Як ці технології генерації штучного інтелекту будуть вбудовані прямо у звичайні бізнес-додатки, це буде змушувати підприємства думати про те, як і коли вони прийматимуть їх, як вони будуть контролювати їх, як вони зможуть моніторити якість гарантії продукції, яку вони виробляють. Коли це окрема можливість, це трохи легше сповільнити або проігнорувати, але бачити, як це буде вбудовано у звичайні бізнес-додатки та платформи, це дійсно буде рухати цю дискусію вперед.

Я також сподіваюся, що з цим та акцентом на відповідальному використанні цієї технології зараз, це допоможе організаціям поставити акцент на відповідальному штучному інтелекті, створенні правильних процесів, управління, щоб дійсно забезпечити, що їхні рішення штучного інтелекту будуть побудовані ефективно, ризик буде керований протягом усього життєвого циклу, що будуть подальші перевірки, і ви зможете довіряти виводам цих систем. Я сподіваюся, що ця гіперактивність щодо генерації штучного інтелекту зараз продовжить рухати цю дискусію щодо цих можливостей вперед.

Чи можете ви обговорити, як відповідальний штучний інтелект та зменшення упередженості штучного інтелекту дійсно важливі для вас?

Абсолютно. Я думаю, що це повинно бути для багатьох причин. Більшість людей, які будують ці системи, будуть гордитися роботою, яку вони роблять, і вони не хочуть, щоб їхні системи мали це, тому буде внутрішня потреба мати це, щоб утримувати свою робочу силу зайнятою, щасливою та захищеною. Юридично, є приклади, де організації зіткнулися з юридичними чи регуляторними викликами через упередженість їхніх систем штучного інтелекту. Є класичний випадок організації, яка використовувала штучний інтелект у прийнятті на роботу. Набір даних був надто упереджений на користь чоловіків щодо жінок, тому їхня система штучного інтелекту дискримінувала жінок.

Це була інструментальна система штучного інтелекту від Amazon.

Такі речі вже трапилися і можуть продовжувати траплятися, якщо ви не будете мати правильних контролів на місці, мати справжній акцент на цьому буде критично важливим для більшості організацій. А потім репутаційний ризик для організацій. Якщо ви це спотворите, це може мати величезний вплив на ваш бізнес.

Ви також великий прихильник використання різноманітності та досвіду міжфункціональних команд. Чому різноманітність така важлива для вас?

Зараз типи проблем, які вирішуються за допомогою штучного інтелекту, так складні, з точки зору бізнесу, з точки зору даних, які лежать в основі цього, жодна людина чи жодна роль не можуть вирішити всі ці проблеми самостійно. Мати хорошу міжфункціональну команду з різними перспективами та наборами навичок є дуже важливим, щоб мати людей, які сильні в одній області, щоб вони могли використовувати свою силу. Що стосується частини різноманітності, то ще одним великим драйвером наявності різноманітної команди є те, що в більшості випадків кінцевий користувач цих систем буде різноманітною групою людей, і не мати цих перспектив у вашій команді під час будівництва цих систем дійсно ставить вас у позицію помилок чи пропусків у майбутньому. Речі, про які я можу не подумати, але про які подумає хтось інший, і вони принесуть цю перспективу вперед. Це легше вирішити проблеми та скоригувати все у циклі розробки, ніж після випуску.

Я також просто вірю сильно, що мати різну перспективу – це місце, де ви отримуєте найкращий діалог, ви отримуєте дуже хороші питання від людей, які бачать щось з іншої точки зору. Це змушує розмову про те, як найкраще підходити до цього. Це змушує вас перевернути деякі з цих каменів, які ви не перевернули б, якщо б ця людина не була там, мати різноманітну групу людей, які дивляться на проблему, дійсно дозволяє вам отримати найкращий можливий результат та найкраще рішення.

Що ви думаєте, що буде наступним великим проривом у сфері штучного інтелекту?

У цьому контексті генерації штучного інтелекту, я думаю, що коли ми побачимо більше цієї технології, вбудованої у звичайні додатки, і це вже починається, це буде дуже важливо для впровадження цієї технології, тому що це буде прямо у системах, які люди вже використовують. Це буде дуже, дуже важливо, і це може відкрити двері до деяких інших випадків застосування. Люди стануть більш знайомі з тим, що це може зробити, які обмеження воно має, як його можна оптимально використовувати, і це може просто спровокувати людей подумати, і вони скажуть: “Тепер я маю краще розуміння того, які проблеми це може вирішити. У нас є проблема. Це було б дуже круто вирішити, і може це відкриє деякі нові двері.”

Я також сподіваюся, що той регуляторний політичний прорив, який прийде у найближчому майбутньому, стане тим, чого я сподіваюся. Я знаю, що відбувається багато руху на рівні законодавства та регулювання, але те, чого я сподіваюся, це те, що окремі підприємства також самі для себе вирішать, як їм потрібно думати про це, і які внутрішні контролі їм потрібно встановити зараз. Закони та регулювання займають багато часу. Підприємства можуть рухати багато змін, приймаючи деякі з цих контролів внутрішньо та думаючи про це. Є прецедент для цього, очевидно, з аудитами та іншим. Але думати про те, які можуть бути ці контролі, як ми можемо контролювати це, як ми можемо протестувати виводи? Як ми можемо забезпечити, щоб ми зменшували галюцинації? Які додаткові кроки ми можемо зробити після того, як модель зробила свій вивід, щоб мінімізувати будь-яку потенційну шкоду чи ризик? Це правильні питання, і я сподіваюся, що частина гіперактивності зараз стане проривом у тому, як ми думаємо про це, і як ми будемо будувати правильні структури, процеси та команди на стороні відповідального штучного інтелекту.

Дякую за велике інтерв’ю, читачам, які бажають дізнатися більше, слід відвідати KPMG.