Bhavani Amirthalingam的職業生涯長達25年，在多個行業和地區擔任過關鍵技術和高管職務。她在World Wide Technology工作了15年，擔任過這家高科技、高增長型公司的首席資訊官兼客戶解決方案和創新副總裁。隨後，她領導了全球財富100強能源管理公司施耐德電氣的數字化轉型。最近，她擔任美國能源企業Ameren的高級副總裁兼首席客戶和技術官，2018年她加入該公司擔任高級副總裁兼首席數字和資訊官，2023年加入客戶體驗和運營部門。
近日，Amirthalingam和我們探討了成功引領大規模轉型需要什麼，以及領導者和企業應該如何思考和利用未來的AI和數據。
您有幫助大型組織轉變客戶體驗和提高整個企業數字化能力的經驗，那麼您對那些著手進行大規模轉型的領導者會有哪些建議？
讓跨職能團隊齊心協力，明確、綜合地實現目標，對於這些轉型取得成功至關重要。有時，組織會完全圍繞著技術進行轉型。但這不是一項技術計劃，不是一項運營計劃，而是一項企業計劃，或者是一項客戶計劃。
首先，使這些轉型發揮作用的一個重要因素，是創建一個由兩三人組成的團隊——取決於整個組織的關鍵利益相關者——負責並承擔轉型責任，無論是在基層還是最高層。
第二，組織往往低估了變革管理，而變革管理對於轉型的成功至關重要。他們認為變革管理是項目結束時要做的事情，這麼想註定會失敗。變革管理是你從一開始就要著手做的事情，而且在實施過程中和實施之後要始終專注於此。
當你定義轉型背後的原因時，變革管理就開始了，而且要和大家一起做這件事。你讓那些在一線工作的人，或者如果客戶，讓他們參與進來，了解他們的觀點，這樣就能了解什麼對他們來說是重要的，然後讓他們參與到整個過程中來。你需要提前確定並組建這個「焦點小組」，確保它是有多樣化的觀點。也許某個人是你最好的採用者，因為他想要改變，會是最容易認可你的人；也許有個人是最難得到他認可的，他能讓你了解他的顧慮是什麼，以及為什麼會有這些顧慮。
在你構建和設計解決方案的時候，理解和推動變革管理從第零天就要開始了，而不是第九天或第十天，因為很多時候，事情就是從第零天開始崩潰的。這就需要建立所有權——不僅僅是技術團隊的所有權；還有團隊和領導者的所有權，他們將在整個組織中受到影響。
人們可能會沉迷於技術。他們已經等待了很長時間，渴望得到技術，所以你繼續向前推進。但你沒有考慮變革管理，也沒有考慮你想要打破和改變人們多年來一直以某種方式做的事情。
還有哪些潛在的盲點可能會阻礙您取得成功？
你可能有正確的目標、正確的舉措、正確的團隊、每個人都是團結的、推行的變革是正確的——然而，你可能無法實現這種轉型的價值。
您可能擁有正確的目標、正確的舉措、合適的團隊、每個人都在團結一致、您已經進行了正確的變革，並且已經採用了變革 — — 但您可能無法實現這種轉型的價值。
價值實現是轉型的一個重要方面。重要的是你要提前共同定義成功是什麼樣子的。我們要尋找哪些關鍵績效指標來表明，我們處於X，我們需要達到Y，並且我們能夠達到那裡。這個時間框架是什麼樣的？這段旅程是什麼樣的？
然後，當你談到全球財富500強企業的時候，會發現有很多層複雜性。你必須了解組織動態和文化。例如，組織可能真的是矩陣化的，因此你必須弄清楚需要做什麼才能讓每個人都達成共識。
你還必須確保CEO參與其中，而不僅僅是技術負責人或者運營負責人。當你考慮這些大型轉型時，你希望的是推動大規模影響並長期改變組織的數字能力，CEO的理解和參與對於成功和價值實現至關重要。
在您的整個職業生涯中，您做了很多令人興奮的事情來利用數據和AI。領導者門有哪些機會可以利用AI來影響員工的工作方式並改善客戶體驗？
首先我要說的是，AI並不新鮮了。自20世紀50年代以來機器學習就一直存在著，使用數據和算法來模仿人類學習的方式在20世紀80年代開始就出現了，在21世紀進一步發展為深度學習。加速計算導致了大型語言模型的創建和擴展，這些模型現在已經使AI普及，也讓ChatGPT成了AI的代名詞。
我有機會利用AI來改善客戶體驗，為客戶提供有關其能源使用情況的更多洞察；通過預測和預防故障以及有針對性地進行維護，提高可靠性，從而提高資產績效；通過檢測燃氣和熱水器泄漏來提高客戶和員工的安全性；通過電路電壓優化為低收入客戶降低成本，以及許多此類用例。我對領導者的建議是，要確定潛力最大和影響力最大的那些領域，評估數據的準備情況，構建或部署利用AI的現有解決方案，確保從計劃一開始就重新思考人們將如何利用這些新功能以不同的方式開展工作。
關於生成式AI，可以採取多管齊下的方法。首先，NI 可以成為一個接受者，通過了解你目前擁有的現有軟體平台中嵌入的功能，為組織確定如何利用這些功能。其中一個例子可能是你今天用於軟體開發的平台，現在具有了AI功能，你如何使用它來簡化協作套件、CRM、勞動力應用中的開發和功能，等等。
第二種方法可以是作為一個塑造者，你可以利用超大規模數據中心運營商創建現有的大型語言模型的私有安全實例——本質上這就是你自己版本的ChatGPT，適用於你自己的企業，根據企業特定數據進行了微調，為你的業務提供非常具體的用例。你還可以為整個組織的不同職能構建Copilot助手。第三種方法是，你可以作為製造者，構建自己的大型語言模型，這可能成本既高又複雜，但可以為業務創造差異化的價值。
跨行業利用AI最常見的兩個用例是提高開發人員的生產力和提高呼叫中心客戶服務代表的效率。其中一個例子，就是通話之後的總結工作。你正在提高生產力、效率以及互動方式，以便你可以把時間花在對客戶更重要且只有你才能做的事情上。關鍵就是要確定哪些用例是具有最大業務價值和影響的，確定你能夠以哪些不同方式從中受益。在構建這些功能的時候，你必須以網路安全思維為先導。
人的因素將變得越來越重要。牢記這一點，同時提高我們員工的技能是非常重要的。AI不會奪走所有人的工作，但正如哈佛商學院的Karim Lakhani所說，「人工智慧不會取代人類——但擁有人工智慧的人會取代那些沒有人工智慧的人。」
與我們談談領導者應該如何思考數據質量在AI部署中的作用吧。
數據質量是有效部署AI的基石。沒有數據質量，擴展AI解決方案就像在沒有堅實地基的情況下建造大樓。領導者必須優先考慮投資數據質量和數據治理。使用高質量數據訓練算法所需的時間很長，但這對於大規模實現預期結果是必不可少的。試點項目通常會揭示擴展的可行性；然而，並非所有計劃都是具有商業意義的。設計可持續的架構時，必須考慮最終目標，確保可擴展性與業務目標保持一致。
領導者應該把數據質量視為一項戰略資產。高質量的數據可以確保算法得到有效訓練，從而實現更準確、更可靠的AI應用。建立強大的數據治理框架以確保數據完整性、安全性和合規性至關重要。這個基礎為那些能夠隨著業務需求變化而適應和擴展的AI系統提供支持。
您認為AI如何影響未來業務的方方面面？
我認為業務的方方面面都會以某種形式或方式受到影響。打個比方，想想網際網路、移動、社交和雲技術在過去25年裡是如何改變我們工作和生活方式的。AI將對我們的日常生活和商業運作方式產生更大的影響，我認為這種變化將會變得越來越迅猛。
我真的很高興能夠解決非常複雜的問題，這些問題可以在我們有生之年改善人類的生活，無論是應對氣候變化的挑戰，還是找到治癒癌症的方法。想想製藥行業，藥物研發需要多長時間。我認為使用AI將大大縮短這個時間。在產品創新方面，你提供的服務或產品本身可能會經歷重大發展，甚至根據行業的不同而發生根本性的顛覆。因此，你也要從這個角度來看待你提供的「產品」，這一點非常重要。
聽到您如此充滿活力和樂觀地談論AI，真是太有趣了，因為很多人對此感到更加焦慮。
想想AI在對抗目前我們無法治癒的疾病方面的潛力就令人感到振奮。然而，這種進步並非沒有風險。網路安全和數據隱私是必須解決的關鍵問題。數據中心為實現AI而產生的能源消耗，對我們的淨零目標構成了挑戰。儘管存在這些挑戰，但我相信，我們將制定必要的保障措施，並繼續利用AI造福人類。我相信，AI將有助於解決AI帶來的一些挑戰。
