金伯利·内瓦拉（Kimberly Nevala）- SAS商业策略总监 – 采访系列

金伯利·内瓦拉 是SAS最佳实践的商业策略总监，她为SAS提供了关于新兴分析应用和信息趋势的战略价值和实际影响的建议。她的专业知识包括商业分析、数据战略、治理、业务-IT对齐以及建立分析文化。

此前，金伯利曾是基准咨询集团（Baseline Consulting Group）的首席顾问，该公司是一家领先的管理咨询公司，专门从事业务和数据战略。那里，她指导了全球各地的组织关于商业智能和分析、数据治理以及业务转型。凭借20年的实践经验和前瞻性的见解，金伯利帮助组织解锁其数据的全部潜力。

… (以下是完整的翻译内容)

您在管理咨询和领导SAS商业策略方面的职业生涯，如何塑造了您对企业采用人工智能的看法？

尽管新兴人工智能能力的范围和影响非常广泛，但推动技术转型的基本构建块并没有改变。然而，做错事的后果变得更加严重。

首先，需要明确组织的价值观和优先事项。同时，还需要了解这些因素如何影响员工或客户与品牌的互动。其次，需要对新兴技术有广泛的理解，包括其固有的局限性和约束。最后，需要了解预见的技能缺口和采用障碍，这些基于上述因素。值得注意的是，这不仅限于技术专长，还包括业务敏感度。

所有这些都需要得到强大的但适应性治理的支持。当然，这种治理需要在人员和技术方面进行有针对性和刻意的投资。

您曾谈到人工智能识读能力是领导者必备的技能，如战略思维和财务敏感度。那么，对于当今的领导者来说，人工智能识读能力是什么样的？

实践中人工智能识读能力的检验标准很简单。领导者是否拥有足够的知识来明智地审问一个拟议的人工智能解决方案？

这并不意味着领导者需要深入代码。领导者在各个层级应该表现出语境能力，意味着他们需要了解可能影响或左右他们对人工智能系统判断的因素。这些因素会根据领导者的角色而变化，特别是他们负责的决策范围。

简单来说，检验标准是这样的：他们是否知道该问什么问题？例如，高管能否识别出对人工智能解决方案的可行性和风险特征最有影响的 nhân和技术因素？无论是在广泛还是应用的背景下。

更好的是：他们是否理解技术的局限性？公关和营销往往关注正面影响，而实践培训则暴露了局限性。这些局限性可以决定部署人工智能解决方案所需的程序和技术防护栏。从这个角度来说，领导者理解和识别这些局限性的程度往往是区分有意义的采用和失败的关键因素。

为什么人工智能领导中的性别平等问题如此重要？如果女性只是人工智能的被动采用者而不是积极的塑造者，我们将面临什么风险？

我有幸每天与在人工智能各个领域工作的女性合作、交流和学习。因此，女性被描述为被动采用者的说法对我来说有些过时和误导。女性正在积极领导人工智能工作，尽管她们的数量不如受教育人口所示的那么多。

科技领域的性别不平等是一个复杂的问题，早于人工智能。没有单一的解决方案，因为有多种因素在起作用。有些因素导致女性在该领域获得的资金和认可较少。讽刺的是，获得广泛认可的女性往往在负责任或伦理人工智能领域工作。最初被标记为反人工智能的她们的工作现在被重新考虑，因为态度正在演变。

无论如何，如果没有刻意的干预，我们冒着风险制造出人工智能系统，这些系统会放大现有的不平等。我们可以在自动化人力资源筛选和招聘系统中看到这种情况，这些系统偏爱男性候选人，因为它们捕捉到了历史数据中的偏见。

缺乏多样性在各个层面都意味着，关于人工智能系统的建设、部署、服务对象和不服务对象的决定都是由一个日益孤立的群体决定的。这对所有人都不好。多元化的管理团队带来更好的商业结果，多元化的产品团队提供更强壮、更有韧性的人工智能解决方案，并且更好地发挥作用。

最终，如果人工智能系统不解决女性（或其他弱势群体）的观点和需求，或者被证明是有害的，那么采用它们的动力是什么？除非，当然，这些系统将无论如何被部署。通过包含多元化的声音和执行人工智能治理，我们可以实现人工智能的承诺。

鉴于SAS的最新创新，如SAS Viya中的人工智能代理、智能决策框架、合成数据工具，如Data Maker，以及自定义人工智能模型，企业如何重新思考其领导力管道，以提升人工智能识读能力和公平性？

企业正在意识到这些应用的范围和影响超出了任何单个决策者或执行者的能力。成功部署高级人工智能取决于“村庄”的信任和参与。

潜在的问题和陷阱太多，任何领导者都无法单独有效地解决。认识到这一现实，领先的人工智能企业正在采用参与式设计和治理实践。在这种模型中，识读能力和公平性并不是通过正式的识读计划或人力资源计划来增强的，而是通过知识共享和集体决策来实现的，这种决策发生在企业生态系统的各个角度。

这些协作并不严格局限于决策者，还包括那些将受到人工智能系统影响的工作人员。虽然主要是公共和政府机构的领域，但一些组织已经积极地与客户群体和公共利益组织等外部利益相关者接触。

对于有志的领导者，特别是女性，如何在日益以人工智能为驱动的市场中建立信誉和代理权？

首先，要认识到我们拥有代理权。每个人都有机会通过多种方式影响人工智能的发展：通过有意地消费和使用特定的人工智能工具；通过倡导和参与社区论坛和地方政治；通过加入员工兴趣小组或社区冠军网络（如果不存在，就创建一个）；以及通过在工作中参与人工智能计划或领导倡议。

其次，是投资自己的识读能力，以适合自己的水平。有许多在线资源，从人工智能治理和伦理的课程到在线大学级别的入门课程，涵盖了人工智能能力的整个范围。许多这些选项都是免费或收费很少的。

最后，加入并积极贡献于人工智能行业或特殊兴趣网络群体。这些提供了一个机会，不仅可以分享知识，还可以培养关系，这些关系可以提供指导、联盟和信誉，当您建立自己的专业知识和网络时。

您一直强调文化转型、数据治理和技术的负责任采用。这些基础元素如何支持人工智能就绪领导者的发展？

传统的答案是，这些基础为领导者提供了工具，以应对复杂性、管理风险、降低成本和提高生产力。所有这些结果都是正确的，但这些实践中最被低估的好处是信心。

做得好，这些元素会创造一个环境，让员工可以在公司的道德、法律和业务精神的界限内自信地实验和创新。

这在人工智能中尤为重要。从开发到探索到部署和超越，影响系统性能和感知的因素是累积的。决策关于人工智能的使用不仅发生在董事会或正式的人工智能项目中。

响应性指导使个人和团队在所有层面都能积极地实验、及时地做出关于推进解决方案的决定，并在法规系统的约束下建设得更好。

这种直接的联系在负责任的、适应性的创新和治理之间不再是假设的。IDC和SAS最近进行了一项关于信任、人工智能防护和价值实现之间联系的研究。负责任的创新不再是一种理论上的美德，而是一种日益增长的经济必需品。

从您的Pondering AI播客中，您认为对于组织在人工智能转型中导航最关键的、关于负责任和包容性领导的见解是什么？

人工智能的语言很微妙。我们谈论人工智能系统可以思考、产生幻觉，甚至表现出不良行为。我们将人工智能系统概念化为队友或同事。因此，很容易将人类的假设和期望转移到人工智能上。从而我们失去了对人类的责任、参与和负责任使用的关注。我们还模糊了提供强大、有韧性的人工智能系统所需的严谨性，这些系统看起来很简单，但做得很好。

这使得以人工智能为中心的理解至关重要。尽管存在人格化的叙事，人工智能系统总是反映了其创造者的价值观和意图：我们选择解决的问题，应用的技术或模型，用于训练的数据，以及用户与系统的互动方式。每个人工智能系统都是这些人类决策的产物。

对人工智能系统的信心和信任并不来自人工智能本身。最终，人类决定自动化或增强一个人的工作。不是系统决定了足够的准确性或可解释性的水平。也不是人工智能决定了最合适的用户交互模型。当聊天机器人表现不佳时，它不会影响人工智能；它会损害使用人工智能的公司的品牌和底线。

因此，以人为中心的人工智能至关重要。

许多组织拥有先进的工具集，但仍然难以应对文化、治理和包容性问题。根据您的经验，什么样的干预或心态有助于组织有效地弥合这一差距？

人工智能，如同许多新兴技术一样，容易陷入与其前辈相同的炒作周期。 在大数据时代，成为数据驱动型组织曾经是所有热潮的焦点。很少有组织真正实现了他们的愿景。那些做到了的组织都是在解决可识别的问题上非常有纪律的，例如减少X的履行时间或为Y启用自助服务。没有什么巧合，很多这样的公司现在都是人工智能行业的领军者。

当确定人工智能计划时，从明确的业务目标和可衡量的结果开始，然后找出哪些可用的人工智能技术适合目的。抵制华丽的冲动。创新解决方案可以解决枯燥的问题，最终会带来回报。解决那些在规模上重复发生的枯燥、重复的流程和任务。

你并不总是能做对。但是，专注于业务成果并投资于此，将使你有最大的成功概率。

随着人工智能系统变得更加自治并嵌入决策过程中，例如通过人工智能代理和协同助手，你认为哪些伦理防护栏或治理结构对于维持领导力中的信任、透明度和公平性至关重要？

在SAS，我们通过监督、合规、运营和文化的视角定义人工智能治理。无论采用哪种框架，我会强调两个因素。

首先，每个人工智能应用，即使是建立在相同的基础模型或数据集上，也必须独立地、持续地进行评估。适用于营销的方法可能不适用于财务。员工可以接受的错误率对客户交互来说可能不够。由于人工智能的概率性质，用户行为、底层数据流和许多其他因素的变化都可能迅速改变人工智能系统的行为和输出。

第二，人工智能伦理和治理并不孤立存在。这些解决方案的性质需要与企业治理、法律和监管合规、企业风险管理以及网络安全进行协作。利用和扩展这些实践而不是重新发明它们，可以提供一个良好的开端。

展望未来，您认为人工智能驱动的世界中领导力能力将如何变化？不具备这种新型流利度的组织将面临什么影响？

我相信，预见和韧性将变得越来越重要。变化的快速步伐鼓励领导者不断评估和适应业务战略和策略，因为技术正在演变。领导者必须评估价值、可行性和风险，考虑不同的时间范围和观点。考虑到人工智能的社会技术性质，这些观点必须包括不仅股东，还包括客户、员工，有时还包括整个社会。预见是必要的，以便在这个领域中导航。

韧性也是人工智能中的一个因素。正如Jordan Loewen-Colón在谈到人工智能采纳和治理时所说：人工智能是一个过程，而不是一个开关。有意学习、适应和持续改进，同时保持总体方向的能力，将领导者与其他人区分开来。

感谢这次精彩的采访，希望读者能够通过访问SAS网站来了解更多信息。