访谈
亚当·阿斯奎尼（Adam Asquini），KPMG 信息管理和数据分析总监 – 采访系列
亚当·阿斯奎尼 是 KPMG 埃德蒙顿办公室的信息管理和数据分析总监。他负责领导 KPMG 客户在草原地区的数据和高级分析项目。亚当热衷于建立和发展高绩效团队，以为客户提供最佳结果和为团队提供吸引人的工作体验。他曾在 AltaML 担任客户解决方案副总裁，在阿尔伯塔省政府担任项目经理，并在加拿大武装部队担任信号官。由于亚当走过了一条非传统的职业道路进入人工智能领域，他坚信利用跨职能团队的多样性和经验，并且认为任何人都可以加入不断增长的人工智能社区。
我们在埃德蒙顿举行的 2023 年 Upper Bound 人工智能会议上与亚当进行了采访，该会议由 Amii （阿尔伯塔机器智能研究所）主办。
您有一个非传统的职业路径，可以讨论一下您如何进入人工智能领域吗？
我在加拿大武装部队开始了我的职业生涯，担任信号官，信号官负责 IT 电信系统，以帮助人们进行通信。因此，真正的很多无线电卫星。那里有一些数据，但大部分是核心基础设施技术，我们最初开始接触技术。我在大学学习化学工程，出于自己的好奇心和学习欲望。它从那里开始，深入研究技术，提升技能和自我发展对我来说非常重要。
在军队服役 14 年后，我做了很多不同的信号工作，包括在基地和野外支持 IT 和电信服务，建立总部和前线单位的通信支持，支持国内行动，如森林火灾和洪水，我转到阿尔伯塔省政府，担任项目管理，负责一些跨政府的技术计划。在那时，政府正在集中 IT，我们与各个政府部门合作，将他们的服务集中在一起，整合事物，我在那里做了很多工作，以及投资管理。真正地，在做那项工作时，我开始看到一些组织利用数据和分析。
它真正激发了我的好奇心，总是渴望学习，我开始通过参与一些项目或自学来追求这些知识，例如 Coursera 或其他培训工具来学习更多。 我做了很多阅读，研究了一些提供这些工具的供应商和平台。 我真的对数据和分析产生了兴趣，并通过我自己的自然好奇心和学习欲望，逐渐深入地参与了这些工作。
除了 Coursera 之外，还有特定的播客或书籍推荐吗？
我在 LinkedIn 上关注了很多人，例如 Emerj。丹·法格拉（Dan Faggella）是它背后的推动者。他为此带来了很多思想领导力。我当然也关注了一些主流的，如 HBR 和 Forbes。我的一个联系人安德烈亚斯·韦尔施（Andreas Welsch）在 SAP 工作，他发布了很多关于人工智能和人工智能采用的内容，所以我一直关注他。我认为，至于播客，有几个我听过的，还有书籍。最近我读的一本很好的书叫做 Infonomics，作者是道格·拉尼（Doug Laney），他是前 Gartner 和 MIT 的人，这是一本很好的书，解释了数据的货币化框架。我尝试将自己沉浸在尽可能多的东西中，并通过项目工作来学习更多。
您的军事经验如何帮助您在当前的角色中？
从几个方面来说。我认为我在军事生涯中获得的一些很棒的核心技能，例如结构化的规划方法，这真的很好。在军事环境中，它真正迫使你学习什么是最重要的，并以某种速度工作，评估权衡和了解如何找到一个可行的行动方案，这将推动你向前发展。在人工智能技术快速发展的环境中，能够处理大量信息并拥有结构化的方法来了解什么是重要的，什么是不重要的，你想关注哪里，这是一种很好的技能。
另一个很重要的方面是领导和团队合作。在一个大型组织中，团队不断被重新组织，以便完成任务，拥有很强的沟通技巧、领导技巧和团队合作技巧是军事训练中非常强调的技能，我认为这些技能在我当前的角色中也非常有用。
您曾在 AltaML 担任客户解决方案副总裁超过两年，AltaML 是什么，您在那里做了哪些有趣的项目？
AltaML 是一家应用人工智能和机器学习的公司。它位于阿尔伯塔，总部位于埃德蒙顿，在卡尔加里和多伦多也有大型办公室。他们的业务是与其他企业合作，开发具有人工智能核心的软件解决方案和产品。这是一个面向企业的业务。我的团队负责服务方面，我们与石油和天然气公司、金融机构等合作，跨越了很多不同的行业垂直。我与他们合作，定义了可以用人工智能解决的、对业务有影响的商业问题，并带领他们完成了将数据整合、构建人工智能模型、部署和处理变革管理等过程，以便这些解决方案可以被操作并使用，真正帮助这些组织通过构建应用人工智能解决方案来解决问题。
我的职位是客户解决方案副总裁。当我开始时，我担任项目经理，领导了几个人工智能项目，随着时间的推移，我晋升了，客户解决方案副总裁的职责包括交付功能、项目资源管理和主动的客户管理，很多客户面向的工作都落在了我的团队身上。
至于项目，我可以说，在某种形式上，无论是作为项目经理、教练还是质量保证资源，我都参与了几十个人工智能项目。在我最喜欢的项目中，有一个是关于野火的项目。我与阿尔伯塔省长合作，他们在判断某个地区是否可能发生火灾时遇到了困难，尤其是在火灾风险中等的日子里。他们的做法是在不确定时，安排所有可用的资源，包括合同外的资源，如重型设备、飞机、直升机，这当然很昂贵。
人工智能项目的目的是预测某个地区在第二天发生火灾的概率，以帮助他们就预防性资源分配做出决定，预防性资源分配是指主动安排和分配资源。能够看到在某些场景中，可以减少资源或专注于一天中的某些时间，这将节省大量资金，但不会引入太多的风险，这项工作至今仍在继续。即使今天，他们也在寻找扩大时间窗口、使区域更小和更细粒度地优化资源的方法。但是，看看阿尔伯塔近期的火灾季节，能够提前提供有关风险和优化资源的任何信息都是非常有价值的工作，这确实是一项令人愉快的工作。
我还做了一些关于理赔处理的工作。保险提供商会收到成千上万的理赔，哪些可以自动批准，哪些需要人工审查，或者哪些理赔应该转发到哪个团队进行审查，这样的工作也非常重要，可以为组织节省大量的精力和金钱。
您目前是 KPMG 的信息管理和数据分析总监，这个角色具体包括什么？
我与企业合作，指导他们通过更广泛的数据和分析能力来解决问题。在这个角色中，我们处理从数据战略到数据整合、报告和分析，以及人工智能和机器学习等一切事情。这比我之前的角色更广泛，但这也非常令人兴奋，因为它激发了我的学习和自我发展的热情。
作为总监，我通常与客户的高级领导合作，帮助他们了解这段旅程，了解项目的样子，如何为他们做准备，重点关注采用，特别是对于那些可能带有负面色彩的高级分析系统。真正地与他们合作，如何最佳地实施这些解决方案，以及需要哪些流程和结构。领导交付和项目团队，帮助确定项目的优先级并指导工作，以及不同团队之间的同步，这些都是我的职责。
在最近的一次 卡尔加里先驱报采访 中，您提到阿尔伯塔已经有相当多的人工智能采纳。在哪些行业中您看到这种采纳最为明显？
我在阿尔伯塔的各个行业中都看到了采纳。当然，能源行业有很多这样的例子，我看到组织使用人工智能来优化管道的维护和安全检查，哪里应该或可以挖掘，因为挖掘很昂贵。我还看到很多供应链方面的工作，大型组织在进行合并和收购时，他们的数据散落在各处，sometimes 他们真的很难在物料主数据中找到项目，所以能够使用这些语言模型来组织数据，以便于分析，这可以带来巨大的节省。
在金融服务领域，很多工作都集中在为银行客户提供个性化体验，提供最佳建议和量身定制的解决方案，根据个人不同的财务情况，这是一个非常重要的重点，我们在那里看到了很多工作。然后是保险业，正如我之前提到的，很多这样的工作都是关于理赔处理。还有一个我可能会提到的领域是林业和自然资源土地管理，使用卫星图像来检测土地变化，能够管理土地协议，使用图像处理技术来识别应该或不应该在那里的事情，或者随时间变化的东西。
这真的很令人兴奋，我们看到不同的组织处于不同的成熟度阶段。有些组织刚刚开始或正在尝试，而其他组织则更为成熟，已经完全采用了人工智能。大多数组织都认识到，如果他们不开始或不推进人工智能，他们将会落后，这将为他们带来巨大的竞争劣势。因此，兴趣真的很高，很普遍。当然，随着生成式人工智能能力的出现，也引发了很多兴趣。
谈到生成式人工智能，您如何看待这项技术将来会如何改变世界？
我非常兴奋，我看到了潜力。我也认为，拥有正确的控制措施对于生成式人工智能至关重要，我真的认为有很多用例可以应用生成式人工智能来获得巨大的生产力或效率提升。其中一些用例，如我刚刚提到的供应链方面的工作，甚至在 ChatGPT 公开发布之前，就已经在利用这些技术。
至于我看到的未来，另一个很酷的趋势是我看到越来越多的这种技术被嵌入到主流的商业应用中。微软宣布了他们的 Copilot 工具，将与微软 Office 应用程序集成，我在他们的一些材料中看到了一些内容，例如写一份简报，并提示文字处理器“可以让这个段落更短吗？”然后它就这样做了。
当这些生成式人工智能技术被嵌入到主流的商业应用中时，这将迫使企业思考如何以及何时采用它们，如何控制它们，如何监控质量保证，以及如何生产出来的产品。这将真正推动这项技术的采用，因为它将直接嵌入到人们已经在使用的系统中。
我也希望，随着当前对生成式人工智能的重视，企业会更加注重负责任的人工智能，建立正确的流程和治理，以确保人工智能解决方案被有效地构建，风险在整个生命周期中被管理，并且可以信任输出结果。我希望当前的生成式人工智能热潮能够推动这方面的讨论和发展。
您能讨论一下为什么负责的人工智能和减少人工智能偏见对您来说非常重要吗？
绝对如此。我认为这是必须的，出于几个原因。构建这些系统的大多数人都会为自己的工作感到自豪，他们不希望自己的系统存在偏见，所以，内部上会有这样的需求，以保持员工的参与和满意度。从法律角度来看，已经有例子表明，组织因其人工智能系统中的偏见而面临法律或监管挑战。
例如，有一个经典的案例，一个组织使用人工智能进行招聘，他们的数据集过度偏向男性而不是女性，因此他们的人工智能系统歧视了女性。
类似的事情已经发生，并且可能继续发生，如果没有正确的控制措施。拥有对此的真正关注，对于大多数组织来说将至关重要。然后还有组织的声誉风险，如果处理不当，可能会对业务产生巨大的影响。
您也是一个大力提倡利用跨职能团队的多样性和经验的人，为什么您认为多样性如此重要？
现在，使用人工智能解决的问题如此复杂，从业务角度、数据角度来看，没有一个人或一个角色可以独自解决所有这些问题。拥有一个具有不同视角和技能的跨职能团队非常重要，能够让人们发挥自己的优势。至于多样性方面，拥有一个多样化的团队的另一个非常大的驱动力是，大多数情况下，这些系统的最终用户将是一个多样化的群体，没有将这些视角融入您的团队中来构建它们，真的会使您容易犯错误或错过一些事情。
我也坚信，拥有不同的视角可以带来最好的对话，提出非常好的问题，迫使人们从不同的角度思考问题，能够更好地解决问题和调整方案。拥有一个多样化的团队来看待问题，真的可以带来最好的结果和最好的解决方案。
您认为人工智能领域的下一个重大突破是什么？
在生成式人工智能的视角下，我认为我们将看到更多的这种技术被嵌入到主流应用中，这已经开始了。这对于技术的采用将会非常重要，因为它将直接在人们已经使用的系统中。它将真正推动这项技术的采用，并可能开启一些新的用例，因为人们会更加熟悉它可以做什么，它的局限性是什么，以及如何最佳地使用它。
我也希望，当前的生成式人工智能热潮能够推动这方面的讨论和发展，尤其是在企业内部，推动企业更加关注负责任的人工智能，建立正确的流程和治理，以确保人工智能解决方案被有效地构建，风险在整个生命周期中被管理，并且可以信任输出结果。
我希望看到的另一个突破是监管政策的突破。我知道在立法层面和监管层面有很多运动，但我希望的是，个别企业也能为自己或获得建议，了解他们需要如何思考这些问题，什么样的内部控制措施他们应该建立。法律和法规需要很长时间，但企业可以通过内部控制和思考来推动很多改变。
感谢这次精彩的采访，希望读者可以通过访问 KPMG 的网站来了解更多信息。
