Джей Оллардайс, Генеральний менеджер, Дані та Аналітика в insightsoftware – Серія інтерв’ю

Джей Оллардайс є Генеральним менеджером, Дані та Аналітика в insightsoftware. Він є технологічним виконавцем з понад 23-річним досвідом роботи в компаніях типу Google (GOOGL ), Uptake, GE та HP. Він також є співзасновником GenAI.Works, який очолює найбільшу спільноту штучного інтелекту на LinkedIn.

insightsoftware є глобальним постачальником фінансових та операційних програмних рішень. Компанія пропонує інструменти, які підтримують фінансове планування та аналіз (FP&A), бухгалтерський облік та операції. Її продукти розроблені для покращення доступності даних та допомоги організаціям у прийнятті своєчасних та обґрунтованих рішень.

Ви підкреслювали нагальність для бізнесу впровадження штучного інтелекту у відповідь на зростаючі очікування клієнтів. Які ключові кроки бізнесу повинні зробити, щоб уникнути потрапляння у пастку “AI FOMO” та впровадження загальних рішень штучного інтелекту?

Клієнти повідомляють бізнесу гласно, що хочуть збільшення можливостей штучного інтелекту в інструментах, які вони використовують. У відповідь бізнес спішить задовольнити ці вимоги та збігати з конкуренцією, що створює хаотичний цикл для всіх учасників. І так, кінцевим результатом є “AI FOMO”, яке може спонукати бізнес поспішати з інноваціями у спробі просто сказати: “у нас є штучний інтелект!”

Найбільша порада, яку я можу дати компаніям, щоб уникнути потрапляння у цю пастку, полягає в тому, щоб витратити час на розуміння того, які болючі точки клієнтів запитують штучний інтелект для вирішення. Чи є проблема з процесом, який є надто ручним? Чи є повторюване завдання, яке потрібно автоматизувати? Чи є розрахунки, які могли б бути легко обчислені машиною?

Як тільки бізнес має цей необхідний контекст, вони можуть почати впроваджувати рішення з метою. Вони зможуть пропонувати клієнтам інструменти штучного інтелекту, які вирішують проблему, а не ті, які просто додають до плутанини існуючих проблем.

Багато компаній поспішно впроваджують штучний інтелект, не повністю розуміючи його випадки використання. Як бізнеси можуть ідентифікувати правильні рішення, керовані штучним інтелектом, адаптовані до їхніх конкретних потреб, а не покладатися на загальні реалізації?

На стороні клієнта важливо підтримувати постійну комунікацію, щоб краще зрозуміти, які випадки використання є найбільш нагальними. Ради клієнтів можуть надати корисне рішення. Але окрім клієнтів, також важливо для команд шукати внутрішньо та розуміти, як додавання нових інструментів штучного інтелекту вплине на внутрішню функціональність. Для кожного нового інструменту, який вводиться клієнту, внутрішні команди даних стикаються з гірою нових змінних та нових даних, які створюються.

Хоча всі хочуть додати нові можливості та показати їх клієнтам, жодне впровадження штучного інтелекту не буде успішним без підтримки внутрішніх команд даних та вчених-захисників за їхньою розробкою. Внутрішня підтримка для розуміння пропускної здатності, а потім зовнішня підтримка для визначення того, які клієнтські запити можуть бути задоволені з належною підтримкою.

Ви допомогли компаніям з Fortune 1000 впровадити підхід, орієнтований на дані. Що означає для компанії бути “орієнтованою на дані”, і які є поширені помилки, з якими стикаються бізнеси під час цієї трансформації?

Для того щоб компанія була “орієнтованою на дані”, бізнеси потрібно навчитися ефективно використовувати дані. Справді орієнтована на дані команда може виконувати рішення, керовані даними, які включають використання інформації для інформування та підтримки бізнес-вирішень. Замість того, щоб покладатися лише на інтуїцію чи особистий досвід, прийняття рішень ґрунтується на зібранні та аналізі відповідних даних для підтримки стратегій. Прийняття рішень на основі даних може допомогти бізнесам отримувати більш обґрунтовані, об’єктивні висновки, які на ринку, що швидко змінюється, можуть означати різницю між стратегічним рішенням та імпульсивним.

Поширена помилка при досягненні цього полягає в неефективному управлінні даними, яке призводить до “перевантаження даними”, коли команди завантажені великою кількістю даних та не можуть нічого з ними зробити. Коли бізнеси намагаються зосередитися на найбільш важливих даних, наявність надто великої кількості даних може привести до затримок та неефективності, якщо не керувати ними належним чином.

Враховуючи ваш досвід роботи з IoT та промисловими технологіями, як ви бачите розвиток перетину штучного інтелекту та IoT в галузях, таких як енергетика, транспорт та важке будівництво?

Коли IoT з’явився на сцені, була віра, що це дозволить більшої сполучності для покращення прийняття рішень. У відповідь ця сполучність відкрила цілий новий світ економічної цінності, і дійсно це було, і продовжує бути, справедливим для промислового сектора.

Проблема полягала в тому, що багато хто зосередився на “розумному трубопроводі”, використовуючи IoT для підключення, витягування та спілкування з розподіленими пристроями, і менше на результат. Вам потрібно визначити точну проблему, яку потрібно вирішити, тепер, коли ви підключені до, скажімо, 400 будівельних активів або 40 належних електростанцій. Результат, або проблема для вирішення, в кінцевому підсумку полягає в розумінні того, який показник KPI можна покращити, який спонукає верхню лінію, продуктивність робочого процесу чи збереження коштів (якщо не комбінація). Кожний бізнес керується набором верхніх показників KPI, які вимірюють операційну та акціонерну продуктивність. Як тільки ці показники визначені, проблема для вирішення (і, отже, які дані будуть корисними) стає очевидною.

З цією основою штучний інтелект – чи то передбачувальний, чи то генеративний – може мати 10-50-кратний більший вплив на допомогу бізнесу бути більш продуктивним у тому, що вони роблять. Оптимізовані поставки, виїзди та цикли обслуговування для ремонту ґрунтуються на чіткому сигналі попиту, який поєднується з необхідними входними змінними. Наприклад, наявність “правильної частини, у правильний час, у правильному місці” може означати мільйони для будівельної компанії – оскільки вони мають менше вимог до рівня запасів інвентарю та оптимізовані сервісні техніки на основі моделі штучного інтелекту, яка знає або передбачає, коли машина може вийти з ладу чи коли може статися подія обслуговування. У свою чергу ця модель, поєднана зі структурованими операційними даними та даними IoT (для розподілених активів), може допомогти компанії бути більш динамічною та марджинально оптимізованою, не жертвуючи задоволеністю клієнтів.

Ви говорили про важливість ефективного використання даних. Які є найбільш поширені способи, якими компанії неправильно використовують дані, і як вони можуть перетворити їх у справжню конкурентну перевагу?

Термін “штучний інтелект”, якщо його сприймати буквально, може бути трохи оманливим. Введення будь-яких даних у двигун штучного інтелекту не означає, що воно буде виробляти корисні, актуальні чи точні результати. Коли команди намагаються跟ати за темпом інновацій штучного інтелекту у світі сьогодні, іноді ми забуваємо про важливість повної підготовки даних та контролю, які є критичними для забезпечення того, що дані, які живлять штучний інтелект, повністю точні. Як і людське тіло залежить від високоякісного палива для роботи, штучний інтелект залежить від чистих, послідовних даних, які забезпечують точність його прогнозів. Особливо у світі фінансових команд це має найбільшого значення, щоб команди могли виробляти точні звіти.

Які є найкращі практики для надання можливостей нектехнічним командам у організації використовувати дані та штучний інтелект ефективно, без того, щоб завантажувати їх складними інструментами чи процесами?

Моя порада полягає в тому, щоб лідери зосередилися на наданні можливостей нектехнічним командам генерувати власні аналізи. Щоб бути справді гнучким у бізнесі, технічним командам потрібно зосередитися на тому, щоб зробити процес більш інтуїтивним для працівників по всій організації, а не зосереджуватися на зростаючому списку запитів від фінансів та операцій. Видалення ручних процесів є справді першим важливим кроком у цьому процесі, оскільки це дозволяє операційним лідерам витрачати менше часу на збір даних та більше часу на аналіз.

insightsoftware зосереджується на впровадженні штучного інтелекту у фінансові операції. Як штучний інтелект змінює спосіб роботи фінансових директорів та фінансових команд, і які є основні вигоди, які штучний інтелект може принести до фінансового прийняття рішень?

Штучний інтелект мав глибокий вплив на фінансове прийняття рішень та фінансові команди. Насправді, 87% команд вже використовують його на помірному чи високому рівні, що є фантастичним показником його успіху та впливу. Зокрема, штучний інтелект може допомогти фінансовим командам виробляти життєво важливі прогнози швидше та, отже, частіше – суттєво покращуючи поточні цикли бюджетування, які оцінюють, що 58% циклів бюджетування тривають понад п’ять днів.

Додавши штучний інтелект до цього процесу прийняття рішень, команди можуть використовувати його для автоматизації рутинних завдань, таких як генерація звітів, валідування даних та оновлення джерельних систем, звільняючи цінний час для стратегічного аналізу. Це особливо важливо на волатильному ринку, де фінансові команди потребують гнучкості та гнучкості для забезпечення стійкості. Наприклад, фінансової команди в розпалі бюджетного та планувального циклу. Рішення, підтримувані штучним інтелектом, можуть доставляти більш точні прогнози, допомагаючи фінансовим фахівцям приймати кращі рішення через більш глибокий план та аналіз.

Як ви бачите розвиток потреб у даних за наступні п’ять років, особливо у зв’язку з інтеграцією штучного інтелекту та переходом до хмарних ресурсів?

Я вважаю, що наступні п’ять років продемонструють необхідність підвищення гнучкості даних. З того, як швидко змінюється ринок, дані повинні бути достатньо гнучкими, щоб дозволити бізнесу залишатися конкурентоспроможним. Ми бачили це у переході від локального до хмарного, де бізнес мав дані, але жодних з них не було корисним чи гнучким enough, щоб допомогти їм у переході. Покращена гнучкість означає покращення прийняття рішень на основі даних, співробітництва, управління ризиками та багатьох інших можливостей. Але в кінцевому підсумку це забезпечує команди інструментами, необхідними для ефективного вирішення проблем та адаптації до змінних тенденцій чи ринкових вимог.

Як ви забезпечуєте, щоб технології штучного інтелекту використовувалися відповідально, і які етичні розгляди повинні бізнеси ставити на перше місце при впровадженні рішень штучного інтелекту?

Проведення паралелі між зростанням та впровадженням хмарних технологій, організації були боялися передавати свої дані невідомій сутності, щоб керувати, підтримувати, керувати та захищати. Знадобилося кілька років, щоб ця довіра була створена. Тепер, з впровадженням штучного інтелекту, подібний патерн виникає.

Організації знову повинні довіряти системі захисту своєї інформації та, у цьому випадку, виробництва життєво важливої інформації, яка є фактичною, посиланою та довіреною. З хмарними технологіями це було питання про те, хто володіє або керує вашими даними. З штучним інтелектом це центрується навколо довіри та використання цих даних, а також походження інформації, створеної в результаті. З тим сказаним, я б порадив організаціям зосередитися на наступних трьох речах при впровадженні технологій штучного інтелекту:

1. Наклонитися – Не боятися використовувати цю технологію, але впроваджувати та вивчати.
2. Заземлення – Підприємства даних, які ви володієте та керуєте, є основою істини щодо точності інформації, якщо ця інформація є правдивою, фактичною та посиланою. Забезпечте, що при побудові на основі ваших даних ви розумієте походження того, як модель штучного інтелекту тренується та які дані вона використовує. Як і всі програми чи дані, контекст має значення. Не-штучний інтелект, підтримуваний застосуванням, виробляє хибні чи неточні результати. Просто тому, що штучний інтелект виробляє неточний результат, не означає, що ми повинні звинувачувати модель, а радше зрозуміти, що живить модель.
3. Цінність – Розуміти випадок використання, за допомогою якого штучний інтелект може суттєво покращити вплив.

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