這位首席客戶和技術官堅信，要成功引領大規模轉型，從第一天起就必須就採取強有力的變革管理措施。
Bhavani Amirthalingam擁有超過25年的職業生涯，曾在多個行業和地區擔任重要技術和行政領導職務。她在World Wide Technology工作了15年，擔任這家高科技、高增長公司的首席資訊官兼客戶解決方案和創新副總裁。隨後，她領導了施耐德電氣公司（一家名列全球財富100強的能源管理公司）的數字化轉型。最近，她在Ameren擔任執行副總裁兼首席客戶和技術官。她於2018年加入該公司，擔任高級副總裁兼首席數字和資訊官，之後於2023年加入客戶體驗和運營部。
在最近一期的Tech Whisperers播客節目中，Amirthalingam介紹了她的職業歷程，以及令她成為首席數字資訊官併兼任首席客戶官，並進入董事會的差異化優勢和領導理念。節目結束後，我們又花了一些時間探討了領導成功的大規模轉型需要哪些條件，以及領導者和企業今後應該如何看待和利用人工智慧和數據。以下是我們的對話內容，為了簡潔明了，內容進行了部分編輯。
Dan Roberts：你在幫助大型企業轉變客戶體驗和提高整個企業的數字商數方面有著豐富的經驗，對於其他正在進行大規模轉型的領導者，你有什麼建議？
Bhavani Amirthalingam：要想轉型成功，擁有跨職能團隊並制定明確全面的目標極為重要。有時，企業會將轉型完全與技術掛鉤。但這不是一項技術舉措。這不是一項運營計劃。它是公司的舉措，或者是關乎客戶的舉措。
首先，讓這些轉型成功的一個重要因素是，根據整個組織的關鍵利益相關方，創建一個「二合一」或「三合一」的組織，負責轉型並對轉型負責——從基層到高層。
其次，組織往往低估了變革管理對轉型成功的重要性。他們認為變革管理是項目結束時才做的事情，而這種做法註定會失敗。變革管理是在項目一開始就要進行的工作，而且在整個實施過程中和實施後都要始終關注。
變革管理始於明確轉型背後的原因，並明確你要共同完成這項工作。你要讓那些在前線工作的人，或者是你的客戶，你要讓他們參與進來，了解他們的觀點，這樣你就能明白什麼對他們是重要的，然後讓他們參與整個過程。你需要提前確定並創建這個 「焦點小組」，確保它具有多元化的視角。可能會有某個人是你最好的接受者，因為他想要改變。他們將是最容易接受的人。然後，你可能也會希望碰到某個最難接受的人，因為這可以讓你了解他們的顧慮是什麼，以及他們為什麼會有這些顧慮。
在構建和設計解決方案的過程中，了解和推動變革管理需要從頭開始，而不是從第九天或第十天開始，因為很多時候，事情就是在這一天崩潰的。要有良好的主人翁精神，不僅是對技術團隊，更是要對那些會影響整個組織的團隊和領導的主人翁精神。
人們會被技術迷住。他們已經等待了很長時間，對技術充滿了渴望，因此你必須向前邁進。但這樣一來，你就沒有考慮到變革管理，也沒有考慮到你要顛覆和改變的是人們多年來一直沿用的方式。
還有哪些潛在的盲點會影響你的成功？
你可能有正確的目標、正確的舉措、合適的團隊，每個人都團結一致，你已經有了正確的變革，而且採用率也很高，但你可能無法實現轉型的價值。
價值實現是轉型的一個重要方面，因此你們必須事先共同確定成功的樣子。我們要通過哪些關鍵績效指標來說明我們已經達到了X，我們需要達到Y，而我們已經能夠達到Y。時間框架是怎樣的？過程是怎樣的？
然後，當你談到全球財富500強企業時，就會發現有很多複雜的層面。你必須了解組織動態和文化。例如，組織可能真的是矩陣式的，所以你必須弄清楚你需要做什麼才能讓每個人達成共識。
你還必須確保首席執行官參與其中，而不是僅僅只有技術領導或運營領導參與。當你考慮這些大型轉型時，你希望帶來大規模的影響並長期改變組織的數字商數，首席執行官的理解和參與是成功和實現價值的必要條件。
在職業生涯中，你利用數據和人工智慧做了很多令人興奮的事情。對於領導者來說，利用人工智慧在影響員工工作方式和改善客戶體驗方面有哪些機會？
首先，我要說人工智慧並不新鮮。早在20世紀50年代，機器學習就已經出現了。20世紀80年代，利用數據和算法來模仿人類學習的方式開始出現，並在2000年代進一步發展為深度學習。計算速度的提升帶來了大型語言模型的創建和擴展，現在這些模型已經使人工智慧民主化，並在詞典中為ChatGPT開闢了一席之地。
我曾有機會利用人工智慧改善客戶體驗，讓客戶更深入地了解自己的能源使用情況；通過預測和預防故障來提高資產性能，並有針對性地進行維護以提高可靠性；通過檢測煤氣和熱水器泄漏來提高客戶和員工的安全性；通過優化電路電壓來降低低收入客戶的賬單等等。我對領導者的建議是，確定潛力和影響最大的領域，評估數據的準備情況，建立或部署利用人工智慧的現有解決方案，並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工作。
關於生成式人工智慧，我們可以採取多種方法。首先，你可以成為一個接受者，了解目前你所擁有的現有軟體平台中的嵌入式功能，並確定如何利用這些功能為組織服務。例如，你目前用於軟體開發的平台現在已具備人工智慧功能——你如何利用這些功能來簡化協作套件、客戶關係管理、勞動力等應用的開發和功能？
第二種方法可以是「整形器」，即利用一個現成的大型語言模型創建一個私有、安全的實例——本質上就是為企業創建自己的ChatGPT版本，並根據公司的特定數據進行微調，以實現企業的特定用例。你可以為整個企業的不同職能構建助手。第三種可能是製造者，你可以建立自己的大型語言模型，這種模型可能既昂貴又複雜，但卻能為你的企業創造差異化價值。
各行各業最常見的兩個用例是提高開發人員的工作效率和提高呼叫中心客戶服務代表的工作效率。其中一個例子是對通話後的工作進行總結。你可以提高生產力、效率和互動方式，這樣你就可以把時間花在更重要的、只有你才能做的事情上。關鍵在於確定具有最大業務價值和影響的用例，並且明確能夠如何改變工作方式，從這些功能中受益。在建立這些能力的過程中，你必須時刻銘記網路安全。
人的因素將變得更加重要，而不是相反。牢記這一點並提高我們員工的相關技能非常重要。人工智慧不會奪走每個人的工作，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類將取代沒有人工智慧的人類。」
請與我們談談領導者應該如何理解數據質量在人工智慧部署中的作用。
數據質量是人工智慧有效部署的基石。沒有數據質量，擴展人工智慧解決方案就如同建造大樓而沒有堅實的地基。領導者必須優先考慮對數據質量和管理的投資。使用高質量數據訓練算法需要大量時間，但這對於大規模實現預期的成果是必不可少的。試點項目往往揭示了擴大規模的可行性；然而，從商業的角度，並非所有項目擴大規模都有意義。關鍵是要在設計可持續架構時考慮到最終目標，確保可擴展性與業務目標相一致。
領導者應將數據質量視為戰略資產。高質量的數據可確保算法得到有效訓練，從而提高人工智慧應用的準確性和可靠性。建立強大的數據管理框架以確保數據的完整性、安全性和合規性至關重要。這一基礎可為人工智慧系統提供支持，使其能夠隨著業務需求的發展進行調整和擴展。
你認為人工智慧將如何影響業務的各個方面？
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、社交媒體和雲技術在過去25年裡是如何改變了我們的工作和生活方式。人工智慧將對我們的日常生活和業務運營方式產生更大的影響，而且我認為這種變化將更加迅速。
無論是應對氣候變化的挑戰，還是找到治癒癌症的方法，這些能夠改善人類生活的大型複雜問題有可能在我們的有生之年內解決，我對此感到由衷的興奮。想想製藥行業，藥物研發需要多長時間。我認為人工智慧的使用將大大縮短這個過程。在產品創新方面，根據行業的不同，你所提供的服務或產品本身可能會經歷重大演變，甚至從根本上被顛覆。因此，非常重要的一點是，你也要關注你所提供的 「產品」，並從這個角度去思考。
聽到你如此充滿活力而樂觀地談論人工智慧，這非常有趣，因為許多人對人工智慧的態度要焦慮得多。
考慮到人工智慧在解決我們目前無法解決的疾病方面的潛力，這令人振奮。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。實現人工智慧的數據中心的能耗對我們的淨零碳目標提出了挑戰。儘管存在這些挑戰，但我相信，我們將制定必要的保障措施，繼續利用人工智慧為人類造福。我相信人工智慧將有助於解決人工智慧帶來的一些挑戰。
