Др. Річ Сонненблік, Головний вчений-даних, Planview – Серія інтерв’ю

Др. Річ Сонненблік, Головний вчений-даних компанії Planview, має багаторічний досвід роботи з деякими з найбільших фармацевтичних і біотехнологічних компаній світу. Завдяки цьому глибокому вивченню та застосуванню він успішно розробив процеси пріоритезації та огляду портфеля, системи оцінювання та методи фінансової оцінки та прогнозування для покращення як прогнозування продукції, так і аналізу портфеля. Др. Сонненблік має ступінь доктора філософії та магістра університету Карнегі-Меллон у галузі інженерії та державної політики, а також ступінь бакалавра з фізики університету Каліфорнії, Санта-Крус.

Платформа Planview для підключеного робочого простору розроблена для покращення часу виходу на ринок та передбачуваності, підвищення ефективності для максимізації потужності та підтримки доставки стратегічних ініціатив, спрямованих на досягнення оптимальних бізнес-результатів.

У вас була довга кар’єра, під час якої ви перейшли від консультування з управління до керівництва ініціативами з науки про дані. Що спонукало вас зробити цей перехід, і як ваша подорож сформувала ваш підхід до використання штучного інтелекту в бізнесі сьогодні?

Консультування з управління дало мені широкий погляд на неефективність бізнесу та не використані можливості, де є явний розрив між стратегічними порадами та дієвіми знаннями. Наука про дані звужує цей розрив, перетворюючи сирі дані на стратегічні активи, які мають силу інформувати процес прийняття рішень в режимі реального часу. Моя подорож навчила мене сприймати штучний інтелект як засоби, які можуть вдосконалити процеси, прискорити прийняття рішень та розблокувати креативність способами, які посилюють людську експертизу.

У компанії Planview ви керували інтеграцією передових рішень штучного інтелекту в різні бізнес-функції. Чи можете ви розповісти, як ваша роль Головного вченого-даних вплинула на стратегію штучного інтелекту компанії та які найбільші виклики ви зустріли на цьому шляху?

У компанії Planview штучний інтелект вбудований у нашу платформу як інструмент для розблокування знань та покращення прийняття рішень. Я зосередився на використанні штучного інтелекту для оптимізації управління ресурсами, планування проекту та операційної ефективності. Наш помічник штучного інтелекту Copilot забезпечує навчання на робочому місці для користувачів усіх рівнів навичок, автоматизує часті трудомісткі завдання, такі як генерація звітів, та використовує найкращі практики для пропозиції продуктивних курсів дій, дозволяючи командам швидко приймати обґрунтовані рішення.

Як штучний інтелект може допомогти компаніям визначити неефективність у командах та покращити розподіл ресурсів?

Штучний інтелект особливо добре знаходить закономірності в даних, які надто складні для швидкого визнання людиною. Він може виділити недооцінені ресурси, визначити вузькі місця та прогнозувати дисбаланс навантаження. Наприклад, аналізуючи цілі портфеля, графіки проектів та метрики продуктивності команди, штучний інтелект може пропонувати переназначення завдань або перерозподіл ресурсів у портфелі для досягнення максимального впливу без додавання додаткових ресурсів.

Які найпоширеніші неефективності в управлінні ресурсами, яких штучний інтелект особливо ефективно усуває?

Штучний інтелект особливо добре знаходить завдання, що відходять від стратегії, та низькопродуктивні ініціативи, і ми ввели ці критичні навички в помічника Copilot. По мірі еволюції Copilot він все краще виділяє та пропонує заходи для подолання цих проблем. Він також може виділити марноту в процесах, таких як повторювані завдання або надмірні передачі, та пропонувати оптимізації.

Чому марнота є значною проблемою для команд розробки програмного забезпечення, і яким чином штучний інтелект може її зменшити?

Марнота у розробці програмного забезпечення часто виникає через неефективності, такі як погана пріоритезація, надмірне налагодження або неправильно скоординовані зусилля команди. Штучний інтелект може зменшити марноту, діючи як помічник з програмування, автоматизуючи повторювані завдання та пропонуючи прогнозні знання про графіки проектів та потенційні ризики. Наприклад, він може аналізувати попередні проекти для визначення закономірностей, які призводять до затримок, допомагаючи командам уникнути цих помилок.

Є певні моделі штучного інтелекту чи інструменти, які особливо підходять для оптимізації життєвого циклу розробки програмного забезпечення?

Для оптимізації життєвого циклу розробки програмного забезпечення ми шукаємо підвищення ефективності та узгодженості. Помічник Copilot у Viz виділяє вузькі місця та перешкоди для швидкості потоку, забезпечуючи дієві знання, адаптовані до даних організації. Команди можуть використовувати звичайну англійську мову для інтерпретації метрик потоку, визначення системних сповільнень доставки та отримання детальних рекомендацій. Ця оптимізація є ключем до зростання продуктивності, в кінцевому підсумку спрощуючи доставку.

Як підосновні відносини даних створюють додаткову вартість під час розгортання штучного інтелекту як помічника з роботи?

Відображаючи відносини між точками даних — чи то в графіках проектів, використанні ресурсів чи спілкуванні команди — штучний інтелект може надати знання, які виходять за межі очевидного. Наприклад, зв’язування тенденцій настрою в оновленнях статусу з результатами проекту може допомогти менеджерам передбачити перешкоди до того, як команда повідомить про них керівництву, надаючи достатньо часу для проведення проактивних коригувань.

Які кроки повинні зробити менші організації для прийняття штучного інтелекту доступно без компромісу щодо впливу?

Менші організації повинні починати з доступних інструментів генерації штучного інтелекту, які служать ворітьми до більш складних рішень. Інструменти, які підсумовують документи, допомагають з маркетинговим контентом або допомагають з генерацією коду, є економічно ефективними способами для цих організацій розпочати прийняття штучного інтелекту без великих інвестицій. Починати з горизонтального пропозиції штучного інтелекту, яке підходить до широкого спектра випадків використання, буде кращою вартістю, ніж інвестування в спеціалізовані програми, які нахиляють генерацію штучного інтелекту до дуже конкретних завдань. Це дозволяє організації визначити випадки використання з найбільшим впливом, специфічні для їхньої організації, а не перевинвестувати в декілька пропозицій.

Яку роль відіграє прогнозна аналітика у покращенні результатів проекту?

Прогнозна аналітика допомагає командам передбачити потенційні перешкоди та результати на основі історичних даних та поточних тенденцій. Агенти штучного інтелекту можуть прогнозувати ймовірність затримок проекту або нестачі ресурсів, дозволяючи менеджерам продукту коригувати плани проактивно. Це передбачення мінімізує ризик та максимізує ефективність, в кінцевому підсумку дозволяючи організаціям досягати своїх стратегічних цілей швидше.

Оглядаючи майбутнє, як ви бачите трансформацію бізнес-операцій штучним інтелектом протягом наступного десятиліття, і які нові тенденції штучного інтелекту вас найбільш цікавлять щодо їхнього потенційного впливу на галузі?

Штучний інтелект продовжить трансформувати бізнес-операції в наступному десятилітті. Він породить нові ролі, підвищить передбачувані можливості та спрощуватиме інновації.

Розробники, родні для LLM, експерти з інтеграції співробітництва штучного інтелекту, стануть нормою та замінять розробників, які не приймають штучний інтелект у свої щоденні завдання. Генерація штучного інтелекту продовжить стирати межі з передбачуваним штучним інтелектом, збагачуючи алгоритми синтетичними сценаріями для стратегічного прийняття рішень на основі зовнішніх та внутрішніх факторів. У біотехнологіях генерація штучного інтелекту створить складні профіль пацієнтів для відкриття нових методів лікування, тоді як у кібербезпеці штучний інтелект симулюватиме нові загрози для передбачувальних моделей для протидії. Нові тенденції, такі як адаптивне висновок та менші, більш ефективні моделі штучного інтелекту, будуть адресувати обчислювальні виклики в наступні роки. Вони забезпечать швидші, більш націлені рішення.

Від стратегічного планування до проактивної безпеки інтеграція штучного інтелекту дозволить компаніям швидко реагувати, розкриваючи стійкі стратегії та операційний досконалість у дедалі більш динамічному світі.

Дякуємо за велике інтерв’ю, читачам, які бажають дізнатися більше, слід відвідати Planview.