Tiến sĩ Rich Sonnenblick, Nhà khoa học dữ liệu trưởng, Planview – Loạt bài phỏng vấn

Tiến sĩ Rich Sonnenblick, Nhà khoa học dữ liệu trưởng của Planview, có nhiều năm kinh nghiệm làm việc với một số công ty dược phẩm và khoa học đời sống lớn nhất thế giới. Thông qua nghiên cứu và ứng dụng sâu sắc, ông đã thành công trong việc xây dựng các quy trình ưu tiên và xem xét danh mục đầu tư, hệ thống đánh giá và phương pháp định giá tài chính và dự báo, giúp nâng cao khả năng dự báo sản phẩm và phân tích danh mục đầu tư. Tiến sĩ Sonnenblick holds một bằng Tiến sĩ và Thạc sĩ từ Đại học Carnegie Mellon về Kỹ thuật và Chính sách công và một bằng Cử nhân về Vật lý từ Đại học California, Santa Cruz.

Nền tảng làm việc kết nối của Planview được thiết kế để tăng cường thời gian đưa sản phẩm ra thị trường và dự đoán, cải thiện hiệu suất để tối đa hóa khả năng, và hỗ trợ việc giao hàng các sáng kiến chiến lược nhằm đạt được kết quả kinh doanh tối ưu.

Bạn đã có một sự nghiệp rộng lớn khi chuyển từ tư vấn quản lý sang lãnh đạo các sáng kiến khoa học dữ liệu. Điều gì đã truyền cảm hứng cho bạn để thực hiện sự thay đổi này, và cách thức hành trình của bạn đã định hình cách tiếp cận của bạn trong việc tận dụng AI trong kinh doanh ngày nay?

Tư vấn quản lý đã cung cấp cho tôi một cái nhìn rộng lớn về sự kém hiệu quả trong kinh doanh và các cơ hội chưa được khai thác, nơi có một khoảng cách rõ ràng giữa tư vấn chiến lược và thông tin hành động. Khoa học dữ liệu bắc cầu đó, biến dữ liệu thô thành tài sản chiến lược có sức mạnh thông báo quyết định trong thời gian thực. Hành trình của tôi đã dạy tôi xem AI như một công cụ tăng cường có thể tinh chỉnh quy trình, tăng tốc quyết định và mở khóa sáng tạo theo cách khuếch đại chuyên môn của con người.

Ở Planview, bạn đã dẫn đầu việc tích hợp các giải pháp AI tiên tiến trên các chức năng kinh doanh khác nhau. Bạn có thể chia sẻ cách vai trò của bạn với tư cách là Nhà khoa học dữ liệu trưởng đã ảnh hưởng đến chiến lược AI của công ty và những thách thức lớn nhất bạn đã gặp phải trên đường đi?

Ở Planview, AI được tích hợp vào nền tảng của chúng tôi như một công cụ để mở khóa thông tin và cải thiện quyết định. Tôi đã tập trung vào việc sử dụng AI để tối ưu hóa quản lý tài nguyên, lập kế hoạch dự án và hiệu suất hoạt động. Trợ lý AI Copilot của chúng tôi cung cấp đào tạo tại chỗ cho người dùng ở mọi cấp độ kỹ năng, tự động hóa các nhiệm vụ tốn thời gian như tạo báo cáo, và tận dụng các phương pháp hay nhất để đề xuất các hành động sản xuất, cho phép các đội đưa ra quyết định thông minh một cách nhanh chóng.

Làm thế nào AI có thể giúp các công ty xác định sự kém hiệu quả trong các đội và cải thiện phân bổ tài nguyên?

AI giỏi trong việc xác định các mẫu trong dữ liệu mà con người khó nhận ra nhanh chóng. Nó có thể làm nổi bật các tài nguyên chưa được sử dụng, xác định các nút thắt và dự báo sự mất cân bằng về tải trọng công việc. Ví dụ, bằng cách phân tích các mục tiêu danh mục đầu tư, thời gian dự án và các chỉ số hiệu suất của đội, AI có thể đề xuất việc phân配 lại nhiệm vụ hoặc tái phân bổ tài nguyên trên các danh mục đầu tư để tạo ra tác động tối đa mà không cần thêm tài nguyên.

Những sự kém hiệu quả phổ biến nào trong quản lý tài nguyên mà AI đặc biệt hiệu quả trong việc giải quyết?

AI đặc biệt giỏi trong việc làm nổi bật các sáng kiến không phù hợp với chiến lược và hiệu suất thấp, và chúng tôi đã tích hợp các kỹ năng quan trọng này vào Trợ lý AI Copilot. Khi Copilot phát triển, nó sẽ ngày càng tốt hơn trong việc làm nổi bật và đề xuất các biện pháp giảm thiểu. Nó cũng có thể chỉ ra sự lãng phí trong các quy trình, chẳng hạn như các nhiệm vụ trùng lặp hoặc việc bàn giao quá mức, và đề xuất các tối ưu hóa.

Tại sao sự lãng phí lại là một thách thức đáng kể đối với các đội phát triển phần mềm, và bằng cách nào AI có thể giảm thiểu nó?

Sự lãng phí trong phát triển phần mềm thường bắt nguồn từ sự kém hiệu quả như ưu tiên kém, gỡ lỗi quá mức hoặc nỗ lực của đội không phù hợp. AI có thể giảm thiểu sự lãng phí bằng cách đóng vai trò là trợ lý mã hóa, tự động hóa các nhiệm vụ lặp đi lặp lại và cung cấp thông tin dự đoán về thời gian dự án và các rủi ro tiềm ẩn. Ví dụ, nó có thể phân tích các dự án trong quá khứ để xác định các mẫu dẫn đến sự chậm trễ, giúp các đội tránh những cạm bẫy đó.

Có những mô hình AI hoặc công cụ nào đặc biệt phù hợp để tối ưu hóa chu kỳ phát triển phần mềm?

Để tối ưu hóa chu kỳ phát triển phần mềm, chúng tôi đang tìm kiếm sự tăng cường hiệu suất và sự phù hợp. Trợ lý AI Copilot trong Viz xác định các nút thắt và cản trở tốc độ luồng, và cung cấp thông tin hành động được tùy chỉnh cho dữ liệu của một tổ chức. Các đội có thể sử dụng tiếng Anh đơn giản để diễn giải các chỉ số luồng, xác định các chậm trễ trong việc giao hàng và nhận được các khuyến nghị chi tiết. Sự tối ưu hóa này là chìa khóa để tăng năng suất, cuối cùng là tối ưu hóa việc giao hàng.

Làm thế nào các mối quan hệ dữ liệu cơ bản tạo ra giá trị bổ sung khi triển khai AI như một trợ lý làm việc?

Bằng cách ánh xạ các mối quan hệ giữa các điểm dữ liệu – cho dù trong thời gian dự án, sử dụng tài nguyên hay giao tiếp của đội – AI có thể đưa ra những thông tin vượt ra ngoài những điều rõ ràng. Ví dụ, liên kết các xu hướng cảm xúc trong cập nhật trạng thái với kết quả dự án có thể giúp các nhà quản lý dự đoán các chướng ngại vật trước khi đội đưa ra cho quản lý, cung cấp thời gian để thực hiện các điều chỉnh chủ động.

Các tổ chức nhỏ nên thực hiện những bước nào để áp dụng AI một cách tiết kiệm mà không ảnh hưởng đến tác động?

Các tổ chức nhỏ nên bắt đầu với các công cụ AI tạo sinh có thể tiếp cận được, hoạt động như cổng đến các giải pháp tinh vi hơn. Các công cụ tóm tắt tài liệu, hỗ trợ nội dung tiếp thị hoặc hỗ trợ tạo mã là những cách tiết kiệm chi phí để các tổ chức này bắt đầu áp dụng AI mà không cần đầu tư lớn. Bắt đầu với một đề xuất AI ngang mà áp dụng cho nhiều trường hợp sử dụng sẽ là giá trị hơn so với đầu tư vào các ứng dụng chuyên dụng uốn cong AI tạo sinh cho các công việc cụ thể. Điều này cho phép tổ chức xác định các trường hợp sử dụng có tác động cao nhất cụ thể cho tổ chức của họ thay vì đầu tư quá mức vào nhiều đề xuất.

Vai trò của phân tích dự đoán trong việc cải thiện kết quả dự án là gì?

Phân tích dự đoán giúp các đội dự đoán các chướng ngại vật tiềm ẩn và kết quả dựa trên dữ liệu lịch sử và xu hướng hiện tại. Các đại lý AI có thể dự đoán khả năng trì hoãn dự án hoặc thiếu hụt tài nguyên, cho phép các nhà quản lý sản phẩm điều chỉnh kế hoạch một cách chủ động. Sự tiên liệu này giảm thiểu rủi ro và tối đa hóa hiệu suất, cuối cùng cho phép các tổ chức đạt được mục tiêu chiến lược của họ một cách nhanh chóng hơn.

Nhìn về tương lai, bạn hình dung AI sẽ biến đổi hoạt động kinh doanh như thế nào trong thập kỷ tới, và những xu hướng AI mới nổi nào bạn quan tâm nhất về tiềm năng tác động của chúng đối với các ngành công nghiệp?

AI sẽ tiếp tục biến đổi hoạt động kinh doanh trong thập kỷ tới. Nó sẽ tạo ra các vai trò mới, tăng cường khả năng dự đoán và tối ưu hóa đổi mới.

LLM-native developers, chuyên gia tích hợp hợp tác AI, sẽ trở thành tiêu chuẩn và sẽ thay thế các nhà phát triển không áp dụng AI vào công việc hàng ngày của họ. AI tạo sinh sẽ tiếp tục làm mờ ranh giới với AI dự đoán, làm giàu các thuật toán với các kịch bản tổng hợp cho việc ra quyết định chiến lược dựa trên các yếu tố bên trong và bên ngoài. Trong lĩnh vực công nghệ sinh học, AI tạo sinh sẽ tạo ra các hồ sơ bệnh nhân phức tạp để khám phá các phương pháp điều trị mới, trong khi trong lĩnh vực an ninh mạng, AI sẽ mô phỏng các mối đe dọa mới để các mô hình dự đoán phản ứng. Các xu hướng mới nổi như suy luận thích ứng và các mô hình AI nhỏ hơn, hiệu quả hơn, sẽ giải quyết các thách thức tính toán trong những năm tới. Chúng sẽ đảm bảo các giải pháp nhanh hơn, hơn mục tiêu.

Từ lập kế hoạch chiến lược đến bảo mật chủ động, tích hợp AI sẽ cho phép các doanh nghiệp chuyển đổi với sự linh hoạt, khám phá các chiến lược vững chắc và xuất sắc hoạt động trong một thế giới ngày càng năng động.

Cảm ơn vì cuộc phỏng vấn tuyệt vời, độc giả muốn tìm hiểu thêm có thể truy cập Planview.