普兰维尔首席数据科学家Rich Sonnenblick博士 – 采访系列

Rich Sonnenblick博士，普兰维尔的首席数据科学家，拥有在世界上一些最大的制药和生命科学公司工作的经验。通过这项深入的研究和应用，他成功地制定了有见地的优先顺序和投资组合审查流程、评分系统和财务估值和预测方法，以增强产品预测和投资组合分析。Sonnenblick博士拥有卡内基梅隆大学工程和公共政策的博士和硕士学位，以及加利福尼亚大学圣克鲁兹分校的物理学学士学位。

普兰维尔的连接工作平台旨在提高上市时间和可预测性，提高效率以最大限度地提高容量，并支持交付战略计划以实现最佳业务成果。

您有着从管理咨询到领导数据科学计划的丰富职业生涯。是什么激发了您做出这种转变，您的旅程如何塑造了您在商业中利用人工智能的方法?

管理咨询为我提供了对商业低效率和未被利用的机会的广泛视野，其中存在战略建议和可行见解之间的明显差距。数据科学弥合了这一差距，将原始数据转化为具有战略意义的资产，这些资产有能力实时告知决策。我的旅程教会了我将人工智能视为一种增强器，可以改进流程，加速决策，并以放大人类专业知识的方式释放创造力。

在普兰维尔，您率先在各个业务功能中整合了先进的人工智能解决方案。您能否分享一下您作为首席数据科学家的角色如何影响公司的人工智能战略，以及您在此过程中遇到的最大挑战?

在普兰维尔，人工智能被嵌入我们的平台中，作为一种工具来解锁见解和改进决策。我专注于使用人工智能来优化资源管理、项目规划和运营效率。我们的Copilot人工智能助手为所有技能水平的用户提供现场培训，自动执行频繁耗时的任务，如报告生成，并利用最佳实践来建议高效的行动方案，赋予团队快速做出明智的决定的能力。

人工智能如何帮助公司识别团队内部的低效率并改进资源分配?

人工智能擅长识别人类难以快速识别的数据中的模式。它可以突出未充分利用的资源，识别瓶颈，并预测工作量失衡。例如，通过分析投资组合目标、项目时间表和团队绩效指标，人工智能可以建议重新分配任务或在投资组合之间重新分配资源，以最大限度地发挥影响而无需添加额外的资源。

资源管理中人工智能特别擅长解决的常见低效率有哪些?

人工智能特别擅长突出偏离战略和低绩效的计划，我们已经将这些关键技能构建到普兰维尔的Copilot中。随着Copilot的演进，它将变得更擅长突出和建议缓解措施。它还可以标记流程中的浪费，例如冗余任务或过多的交接，并建议优化。

为什么浪费对软件开发团队来说是一个重大挑战，人工智能如何减少浪费?

软件开发中的浪费往往源于低效率，例如优先级不当、过度调试或团队努力不一致。人工智能可以通过担任编码助手、自动执行重复任务和提供有关项目时间表和潜在风险的预测见解来减少浪费。例如，它可以分析过去的项目以识别导致延迟的模式，帮助团队避免这些陷阱。

是否有特定的人工智能模型或工具特别适合优化软件开发生命周期?

为了优化软件开发生命周期，我们正在寻求提高效率和协调性。普兰维尔的Copilot在Viz中识别瓶颈和流速的障碍，并提供根据组织数据量身定制的可行见解。团队可以使用简单的英语来解释流速指标，识别系统交付延迟，并接收详细的建议。这种优化是提高生产力的关键，最终简化交付。

底层数据关系如何在部署人工智能作为工作助手时创造额外的价值?

通过映射数据点之间的关系，无论是在项目时间表、资源利用还是团队沟通中，人工智能都可以提供超出显而易见的见解。例如，链接状态更新中的情绪趋势与项目成果可以帮助经理预测障碍，甚至在团队向管理层报告之前，就有足够的时间进行主动调整。

较小的组织应该采取什么步骤来以可负担的方式采用人工智能，而不损害其影响力?

较小的组织应该从可访问的生成式人工智能工具开始，这些工具可以作为通往更复杂解决方案的门户。总结文档、协助营销内容或协助代码生成的工具是这些组织以低成本开始采用人工智能的有效方式。从适用于广泛用例的水平人工智能产品开始将是一个更好的价值，而不是投资于将生成式人工智能应用于非常具体的任务的专用应用程序。这使组织能够识别出对其组织具有最高影响力的用例，而不是在多个产品上过度投资。

预测分析在改进项目成果方面扮演着什么角色?

预测分析帮助团队根据历史数据和当前趋势预测潜在的障碍和成果。人工智能代理可以预测项目延迟或资源短缺的可能性，使产品经理能够主动调整计划。这种预见性最小化风险，最大限度地提高效率，最终使组织能够更快地实现其战略目标。

展望未来，您如何设想人工智能在未来十年中转变业务运营，以及哪些新兴的人工智能趋势让您最为兴奋，因为它们对行业的潜在影响?

人工智能将继续在未来十年中转变业务运营。它将创造新的角色，增强预测能力，并简化创新。

LLM本地开发人员，即人工智能协作集成专家，将成为常态，并将取代不将人工智能纳入日常任务的开发人员。生成式人工智能将继续模糊与预测人工智能的界限，通过外部和内部因素的合成场景丰富算法，以实现战略决策。在生物技术领域，生成式人工智能将创建复杂的患者资料以发现新的治疗方法，而在网络安全领域，人工智能将模拟新型威胁以进行预测建模。新兴趋势，如自适应推理和更小、更高效的人工智能模型，将解决即将到来的计算挑战。它们将确保更快、更有针对性的解决方案，从战略规划到主动安全，人工智能的集成将使企业能够以敏捷性应对，发现具有韧性和卓越运营的战略，并在日益动态的世界中实现卓越运营。感谢您这次精彩的采访，希望了解更多的读者可以访问普兰维尔。