제이 앨러 드 디스 Insightsoftware의 데이터 및 분석 총괄 책임자입니다. 그는 Google, Uptake, GE 및 HP와 같은 Enterprise B2B 회사에서 23 년 이상의 경험을 가진 기술 임원입니다. 그는 또한 Genai.works의 공동 설립자이며 LinkedIn에서 가장 큰 인공 지능 커뮤니티를 이끌고 있습니다.
InsightSoftware 금융 및 운영 소프트웨어 솔루션의 글로벌 제공 업체입니다. 이 회사는 재무 계획 및 분석 (FP & A), 회계 및 운영을 지원하는 도구를 제공합니다. 이 제품은 데이터 접근성을 향상시키고 조직이시기 적절하고 정보에 입각 한 결정을 내릴 수 있도록 설계되었습니다.
고객의 기대치 증가에 따라 기업이 AI를 채택 해야하는 긴급 성을 강조했습니다. “AI FOMO”의 함정에 빠지고 일반 AI 솔루션을 채택하지 않기 위해 비즈니스가 취해야 할 주요 단계는 무엇입니까?
고객은 비즈니스에 사용중인 도구에서 AI 기능이 향상되기를 원한다는 것을 크게 알 수 있습니다. 이에 따라 기업은 이러한 요구를 충족시키고 경쟁 업체와 보조를 맞추기 위해 서두르고 있으며, 이는 관련된 모든 당사자에게 열렬한주기를 만듭니다. 그리고 그렇습니다. 최종 결과는 Ai Fomo입니다.이 결과는 단순히“우리에게는 AI가 있습니다!”라고 말하면서 혁신을 서두르도록 사업을 강요 할 수 있습니다.
회사 가이 함정에 빠지지 않도록하는 가장 큰 조언은 고객이 AI에게 해결을 요청하는 Pain Point가 무엇인지 이해하는 것입니다. 너무 수동으로 집중적 인 프로세스 문제가 있습니까? 자동화 해야하는 반복 작업이 있습니까? 기계로 쉽게 계산할 수있는 계산이 있습니까?
기업이 이러한 필요한 맥락을 갖게되면 목적에 따라 솔루션을 채택하기 시작할 수 있습니다. 그들은 기존 문제의 혼란을 더하는 사람들 대신 고객에게 문제를 해결하는 AI 도구를 제공 할 수 있습니다.
많은 회사들이 사용 사례를 완전히 이해하지 않고 AI를 구현하기 위해 서두르고 있습니다. 기업은 일반적인 구현에 의존하기보다는 특정 요구에 맞는 올바른 AI 중심 솔루션을 어떻게 식별 할 수 있습니까?
고객 측면에서는 지속적인 의사 소통을 유지하여 가장 긴급한 사용 사례를 더 잘 이해하는 것이 중요합니다. 고객 옹호위원회는 유용한 솔루션을 제공 할 수 있습니다. 그러나 고객 외에도 팀이 내부적으로보고 새로운 AI 도구를 추가하면 내부 기능에 어떤 영향을 미치는지 이해하는 것이 중요합니다. 고객에게 소개되는 각각의 새로운 도구마다 내부 데이터 팀에는 새로운 변수가 생성되고 새로운 데이터가 생성됩니다.
우리 모두는 새로운 기능을 추가하고 고객에게 보여주기를 원하지만, 내부 데이터 팀과 개발의 과학자의 지원 없이는 AI 배포가 성공하지 못할 것입니다. 대역폭을 이해하기 위해 내부적으로 정렬 한 다음 외부에 적절한 지원으로 어떤 고객 요청을 수용 할 수 있는지 결정하십시오.
Fortune 1000 회사가 데이터 우선 접근 방식을 수용하는 데 도움을주었습니다. 회사가 “데이터 중심”이라는 것이 진정으로 무엇을 의미하며,이 전환 동안 비즈니스가 겪는 일반적인 함정은 무엇입니까?
회사가 “데이터 중심”이 되려면 비즈니스는 데이터를 올바르게 활용하는 방법을 배워야합니다. 진정한 데이터 중심 팀은 정보를 사용하여 비즈니스 선택을 지원하고 지원하는 데이터 중심 의사 결정에서 올바르게 실행할 수 있습니다. 직관이나 개인적인 경험에만 의존하는 대신 의사 결정자는 전략을 안내하기 위해 관련 데이터를 수집하고 분석합니다. 데이터를 기반으로 결정을 내리면 비즈니스가보다 정보에 입각 한 객관적인 통찰력을 얻는 데 도움이 될 수 있으며, 이는 빠르게 변화하는 시장에서 전략적 결정과 충동적인 결정의 차이를 의미 할 수 있습니다.
이를 달성하기위한 일반적인 함정은 비효율적 인 데이터 관리이며, 이는 “데이터 과부하”로 이어지는데, 여기서 팀은 다량의 데이터로 부담을지고 그로 인해 아무것도 할 수 없게됩니다. 비즈니스가 가장 중요한 데이터에 대한 노력에 집중하려고 노력할 때, 너무 많은 액세스가 가능하면 제대로 관리되지 않으면 지연과 비 효율성을 초래할 수 있습니다.
IoT 및 Industrial Technologies와 함께 작업하는 배경을 감안할 때 에너지, 운송 및 무거운 건축과 같은 산업에서 AI와 IoT의 교차점이 어떻게 진화하는지 어떻게 보십니까?
IoT가 현장에 올랐을 때, 의사 결정을 강화하기 위해 더 큰 연결성을 허용 할 것이라는 믿음이있었습니다. 결과적 으로이 연결성은 완전히 새로운 경제 가치의 세계를 잠금 해제했으며 실제로 이것은 산업 부문의 사례였으며 계속해서 계속되고 있습니다.
이 문제는 많은 사람들이“스마트 배관”에 중점을 두어 IoT를 사용하여 분산 장치와 연결, 추출 및 통신하고 결과에 대한 초점이 적었습니다. 400 건의 무거운 건설 자산 또는 40 개의 소유의 발전소를 연결하므로 해결해야 할 정확한 문제를 결정해야합니다. 결과 또는 해결해야 할 문제는 궁극적으로 최상위 라인, 워크 플로 생산성 또는 결론 저축 (조합이 아닌 경우)을 이끌어 낸 KPI가 개선 될 수있는 것을 이해하는 데 줄어 듭니다. 모든 비즈니스에는 운영 및 주주 성과를 측정하는 최상위 KPI 세트가 적용됩니다. 이것들이 결정되면, 해결해야 할 문제 (따라서 어떤 데이터가 유용 할 것인지)가 명확 해집니다.
그 기초를 사용하면 예측이든 생성이든 AI는 비즈니스가 자신이하는 일에보다 생산성을 높이는 데 10-50 배의 영향을 미칠 수 있습니다. 수리를위한 최적화 된 공급, 트럭 롤 및 서비스주기는 모두 필요한 입력 변수와 일치하는 명확한 수요 신호 패턴을 기반으로합니다. 예를 들어, ‘올바른 부분, 적절한 위치에 올바른 부분에 올바른 부분을 갖는 것이라는 개념은 건설 회사에 수백만 달러를 의미 할 수 있습니다. 왜냐하면 기계가 실패 할 때 또는 서비스 이벤트가 발생할 수있는시기를 알고 있거나 예측하는 AI 모델을 기반으로 재고 및 최적화 된 서비스 기술에 대한 재고 수준 요구 사항이 적기 때문입니다. 결과적 으로이 모델은 구조화 된 운영 데이터 및 IoT 데이터 (분산 자산)와 결합하여 회사가 고객 만족도를 희생하지 않고보다 역동적이고 약간 최적화하도록 도울 수 있습니다.
데이터를 효과적으로 활용하는 것의 중요성에 대해 이야기했습니다. 회사가 데이터를 오용하는 가장 일반적인 방법은 무엇이며 어떻게 진정한 경쟁 우위로 바꿀 수 있습니까?
액면가로 취할 때“인공 지능”이라는 용어는 약간 오해의 소지가있을 수 있습니다. 모든 데이터를 AI 엔진에 입력한다고해서 도움이되고 관련성이 높거나 정확한 결과를 생성한다는 의미는 아닙니다. 팀이 오늘날 세계에서 AI 혁신의 속도를 유지하려고 노력할 때, 때때로 우리는 AI를 피드하는 데이터가 완전히 정확한지 확인하는 데 중요한 완전한 데이터 준비 및 제어의 중요성을 잊어 버립니다. 인체가 고품질의 연료 자체에 의존하는 것처럼 AI는 예측의 정확성을 보장하는 깨끗하고 일관된 데이터에 의존합니다. 특히 금융 팀의 세계에서는 팀이 정확한 보고서를 작성할 수 있도록 가장 중요합니다.
조직 내 비 기술적 팀이 복잡한 도구 나 프로세스로 압도하지 않고 데이터와 AI를 효과적으로 사용하도록 권한을 부여하기위한 모범 사례는 무엇입니까?
저의 조언은 리더가 비 기술적 팀이 자신의 분석을 생성 할 수 있도록 강화하는 데 집중하는 것입니다. 비즈니스로서 진정으로 민첩하기 위해 기술 팀은 재무 및 운영 요청에 대한 끊임없이 성장하는 요청에 초점을 맞추는 것과는 달리 조직 전역의 직원들에게 프로세스를보다 직관적으로 만드는 데 집중해야합니다. 수동 프로세스를 제거하는 것이 실제로이 프로세스의 첫 번째 중요한 단계입니다. 운영 리더는 데이터 수집에 더 적은 시간을 소비하고 더 많은 시간을 분석 할 수 있기 때문입니다.
Insightsoftware는 AI를 금융 운영으로 가져 오는 데 중점을 둡니다. AI는 CFO 및 재무 팀의 운영 방식을 어떻게 바꾸고 있으며, AI가 재무 의사 결정에 가져올 수있는 최고의 이점은 무엇입니까?
AI는 재무 의사 결정 및 금융 팀에 큰 영향을 미쳤습니다. 사실은, 87팀의 %는 이미 중등도에서 높은 속도로 사용하고 있으며 이는 성공과 영향의 환상적인 척도입니다. 구체적으로, AI는 금융 팀이 중요한 예측을 더 빠르고 자주 생성하는 데 도움이 될 수 있습니다. 이는 현재 예측 케이던스에서 크게 개선하여 예산주기의 58%가 5 일보다 길다는 것을 추정합니다.
이 의사 결정 프로세스에 AI를 추가함으로써 팀은이를 활용하여 보고서 생성, 데이터 검증 및 소스 시스템 업데이트와 같은 지루한 작업을 자동화하여 전략적 분석을위한 귀중한 시간을 확보 할 수 있습니다. 이는 금융 팀이 탄력성을 높이기 위해 민첩성과 유연성이 필요한 휘발성 시장에서 특히 중요합니다. 예를 들어 예산 책정 및 계획주기 중에 재무 팀의 경우를 예로 들어보십시오. AI 기반 솔루션은보다 정확한 예측을 제공하여 재무 전문가가보다 심층적 인 계획 및 분석을 통해 더 나은 결정을 내릴 수 있도록 도와줍니다.
특히 AI 통합 및 클라우드 리소스로의 전환과 관련하여 향후 5 년 동안 데이터의 요구가 어떻게 발전하는지 어떻게 보십니까?
앞으로 5 년 동안 향상된 데이터 민첩성이 필요하다고 생각합니다. 시장이 얼마나 빨리 변화하든 데이터는 비즈니스가 경쟁력을 유지할 수있을 정도로 민첩해야합니다. 우리는 비즈니스에 데이터가있는 프레임에서 프레임으로의 클라우드로의 전환에서 이것을 보았지만, 그 중 어느 것도 교대를 돕기에 충분히 유용하거나 민첩하지 않았습니다. 유연성이 향상되면 데이터 의사 결정, 협업, 위험 관리 및 기타 다양한 기능이 향상됩니다. 그러나 하루가 끝날 무렵, 팀에는 효과적으로 문제를 해결하는 데 필요한 도구를 제공하고 변화하는 추세 나 시장 요구에 필요에 따라 적응합니다.
AI 기술이 책임감있게 사용되도록하는 방법과 AI 솔루션을 배포 할 때 어떤 윤리적 고려 사항을 우선 순위로 설정해야합니까?
클라우드의 상승과 채택 사이의 유사점을 이끌어 내면서 조직은 알려지지 않은 엔티티에 데이터를 제공하고 운영, 관리, 관리 및 보호를 위해 데이터를 제공하는 것을 두려워했습니다. 그 신뢰를 구축하는 데 몇 년이 걸렸습니다. 이제 AI 채택으로 비슷한 패턴이 나타나고 있습니다.
조직은 다시 정보를 보호하기 위해 시스템을 신뢰해야하며,이 경우 사실, 참조 가능하며 또한 신뢰할 수있는 실행 가능한 정보를 생성해야합니다. 클라우드를 사용하면 데이터를 ‘소유 한 사람’에 관한 것이 었습니다. AI를 사용하면 해당 데이터의 신뢰 및 사용, 결과적으로 생성 된 정보의 파생을 중심으로합니다. 그렇게 말하면, 나는 조직이 AI 기술을 배포 할 때 다음 세 가지에 초점을 맞추는 것을 제안 할 것입니다.
- 린 -이 기술을 사용하는 것을 두려워하지 말고 채택하고 배우십시오.
- 접지 – 귀하가 소유하고 관리하는 엔터프라이즈 데이터는 정보 정확도와 관련하여 정보가 진실하고 사실적이며 참조 할 수있는 경우 근거 진실입니다. 데이터를 구축 할 때 AI 모델이 어떻게 훈련되는지의 기원과 사용중인 정보를 이해하는지 확인하십시오. 모든 응용 프로그램 또는 데이터와 마찬가지로 상황이 중요합니다. 비 항격 응용 프로그램은 허위 또는 부정확 한 결과를 생성합니다. AI가 부정확 한 결과를 생성한다고해서 모델을 비난해야한다는 것을 의미하는 것이 아니라 모델에 공급하는 내용을 이해해야합니다.
- 값 – AI가 영향을 크게 향상시킬 수있는 사용 사례를 이해하십시오.
훌륭한 인터뷰에 감사드립니다. 더 배우고 싶은 독자들은 방문해야합니다. InsightSoftware.
게시물 Jay Allardyce, Insightsoftware의 데이터 및 분석 총괄 책임자 – 인터뷰 시리즈 먼저 나타났습니다 Unite.ai.
