杰伊·阿拉迪斯，insightsoftware 数据与分析总经理 – 采访系列

杰伊·阿拉迪斯 是 insightsoftware 的数据与分析总经理。他是一位拥有 23 年以上经验的技术高管，曾在谷歌、Uptake、GE 和 HP 等企业公司工作。他也是 GenAI.Works 的联合创始人，GenAI.Works 是领先的 LinkedIn 人工智能社区。

insightsoftware 是一家全球性的财务和运营软件解决方案提供商。该公司提供支持财务规划和分析（FP&A）、会计和运营的工具。其产品旨在提高数据可访问性，帮助组织做出及时、明智的决策。

您强调了企业采用人工智能的紧迫性，以应对日益增长的客户期望。企业应采取哪些关键步骤来避免陷入“人工智能恐惧症”（AI FOMO）的陷阱，并采用通用的人工智能解决方案？

客户正在向企业发出明确的信号，要求在他们使用的工具中增加人工智能能力。为了应对这些需求，企业正在加速创新，以跟上竞争对手的步伐，这对所有相关方来说是一个混乱的过程。是的，结果是人工智能恐惧症，这可能会促使企业仓促地创新，只是为了说“我们有人工智能！”

我给企业的最大建议是花时间了解客户要求人工智能解决什么样的痛点。是否有一个过程问题太过手动化？是否有一个重复的任务需要自动化？是否有可以轻松由机器计算的计算？

一旦企业拥有了这些必要的背景信息，他们就可以开始有目的地采用解决方案。他们将能够为客户提供解决问题的人工智能工具，而不是增加他们现有问题的混乱。

许多公司在没有完全理解其用例的情况下仓促实施人工智能。企业如何识别出适合其特定需求的人工智能驱动解决方案，而不是依赖通用实现？

在客户方面，保持不断的沟通以更好地了解最紧迫的用例至关重要。客户倡导委员会可以提供有用的解决方案。但除了客户之外，团队还需要内部审视，以了解添加新人工智能工具将如何影响内部功能。对于每个引入给客户的新工具，内部数据团队都面临着一座新的变量和新数据的山脉。

虽然我们都想添加新的功能并向客户展示，但没有内部数据团队和科学家的支持，任何人工智能部署都不会成功。内部团队需要了解自己的带宽，然后向外寻找可以在内部支持下实现的客户请求。

您帮助了财富 1000 强公司采用了数据优先的方法。对于一家公司来说，什么是真正的“数据驱动”，以及企业在此转型过程中经常遇到的常见陷阱是什么？

为了成为“数据驱动”的公司，企业需要学习如何有效地利用数据。真正的数据驱动团队可以在数据驱动的决策方面做出正确的执行，这涉及使用信息来支持和指导商业选择。决策者不再仅仅依靠直觉或个人经验，而是收集和分析相关数据来指导他们的战略。基于数据的决策可以帮助企业获得更明智、更客观的见解，这在快速变化的市场中可以带来战略决策和冲动决策之间的区别。

实现这一目标的常见陷阱是数据管理不善，导致“数据过载”，团队被大量数据淹没，无法处理这些数据。随着企业试图集中精力关注最重要的数据，拥有太多可访问的数据可能会导致延迟和低效，如果不正确管理的话。

考虑到您在物联网和工业技术方面的背景，您如何看待人工智能和物联网在能源、交通和重型建筑等行业的交叉点的演变？

当物联网出现时，人们认为它将实现更大的互联性，以增强决策能力。事实上，这种互联性确实解锁了一个全新的经济价值世界，对工业领域来说，这确实如此，也仍然如此。

问题在于，很多人专注于“智能管道”，使用物联网连接、提取和与分布式设备进行通信，较少关注结果。你需要确定要解决的确切问题，现在你已经连接到400个重型建筑资产或40个自有发电厂。结果或要解决的问题，最终归结为了解哪些关键绩效指标（KPI）可以改善，这些KPI驱动了顶级、工作流程生产力或底线节省（如果不是两者兼而有之）。每个企业都受到一套顶级KPI的管理，这些KPI衡量其运营和股东表现。一旦这些KPI确定，问题或要解决的问题就变得明确了（因此，哪些数据将是有用的也就变得明确了）。

有了这个基础，人工智能（无论是预测性还是生成性）都可以对帮助企业在其业务中变得更加高效产生10到50倍的影响。优化的供应、卡车运输和服务周期都是基于清晰的需求信号模式，这些模式与输入变量相匹配。例如，“在正确的时间、正确的地点拥有正确的零件”的概念可以为一家建筑公司带来数百万美元的收入，因为他们需要更少的库存水平，并且可以根据预测机器何时可能故障或何时可能发生服务事件的AI模型来优化服务技术。相反，这个模型与结构化的运营数据和物联网数据（用于分布式资产）结合，可以帮助公司在不牺牲客户满意度的情况下变得更加动态和边际优化。

您曾谈到过有效利用数据的重要性。公司最常见的误用数据的方式是什么，他们又如何将其转化为真正的竞争优势？

“人工智能”一词，如果从表面上理解，可以有点误导。将所有数据输入人工智能引擎并不意味着它会产生有用的、相关或准确的结果。随着团队在今天的世界中跟上人工智能创新步伐的速度，我们偶尔会忘记完整的数据准备和控制的重要性，这对于确保人工智能的输入数据完全准确至关重要。就像人体依赖高质量的燃料来为其提供动力一样，人工智能也依赖于干净、连贯的数据，以确保其预测的准确性。尤其是在财务团队的世界中，这一点至关重要，以便团队能够产生准确的报告。

在组织内，非技术团队如何有效地使用数据和人工智能，而不会被复杂的工具或流程弄得不知所措？

我的建议是让领导者专注于使非技术团队能够自行生成分析。为了真正成为一个敏捷的企业，技术团队需要专注于使流程更加直观，以便于组织内的员工，而不是专注于来自财务和运营的不断增长的请求清单。消除手动流程是这一过程中的第一步，这使得运营领导者能够花费更少的时间收集数据，更多的时间分析数据。

insightsoftware 致力于将人工智能引入财务运营。人工智能如何改变 CFO 和财务团队的运作方式，人工智能可以为财务决策带来哪些主要好处？

人工智能对财务决策和财务团队产生了深远的影响。事实上，87% 的团队已经在中等到高水平上使用它，这是其成功和影响力的伟大衡量标准。具体来说，人工智能可以帮助财务团队更快、更频繁地生成至关重要的预测——显著改善当前的预测周期，这些周期估计有 58% 的预算周期超过 5 天。

通过将人工智能添加到决策过程中，团队可以利用它来自动执行枯燥的任务，例如报告生成、数据验证和源系统更新，从而释放出宝贵的时间用于战略分析。这在市场波动时尤为重要，因为财务团队需要敏捷性和灵活性来推动韧性。例如，财务团队可能处于预算和规划周期的中间。人工智能驱动的解决方案可以提供更准确的预测，帮助财务专业人员通过更深入的规划和分析做出更好的决策。

您如何看待未来五年数据需求的演变，特别是与人工智能集成和转向云资源的关系？

我认为未来五年将展示出对增强数据敏捷性的需求。由于市场变化如此之快，数据必须足够敏捷，以便企业保持竞争力。我们在从本地到云的转变中看到了这一点，企业拥有数据，但这些数据对他们在转变中没有任何帮助。增强的灵活性意味着增强的数据决策、协作、风险管理和其他各种功能。但最终，它为团队提供了必要的工具，以有效地应对挑战并根据不断变化的市场趋势或需求进行调整。

您如何确保人工智能技术的负责任使用，以及企业在部署人工智能解决方案时应优先考虑哪些道德考虑？

与云的兴起和采用类似，组织曾经担心将数据交给某个未知实体来运行、维护、管理和保护。花了几年时间才建立起这种信任。现在，随着人工智能的采用，类似的模式正在出现。组织必须再次信任一个系统来保护他们的信息，并产生可靠、可参考且值得信赖的信息。与云不同，云是关于“谁拥有或管理”您的数据，人工智能则是关于信任和使用数据，以及由此产生的信息的衍生。话虽如此，我建议组织在部署人工智能技术时关注以下三件事：

1. 倾听 – 不要害怕使用这种技术，但要采用和学习。
2. 基础 – 您拥有的和管理的企业数据是信息准确性的真实基础，假设这些信息是真实的、可参考的和可靠的。确保在构建数据的基础上时，了解人工智能模型的训练来源以及使用的信息。就像所有应用程序或数据一样，背景很重要。非人工智能应用程序也可能产生错误或不准确的结果。仅仅因为人工智能产生了不准确的结果，并不意味着我们应该责怪模型，而是应该了解是什么在喂养模型。
3. 价值 – 了解人工智能可以显著改善影响力的用例。

感谢这次精彩的采访，希望了解更多的读者可以访问 insightsoftware。