全球保險公司Liberty Mutual首席資訊官Monica Caldas通過努力提升整個公司的數字敏銳度，讓公司變得更加以數據為導向，而且能夠採用生成式AI。
Liberty Mutual首席資訊官Monica Caldas
Monica Caldas是一位屢獲殊榮的數字高管，她領導著一支由5000名技術人員組成的團隊，擔任Liberty Mutual Insurance的全球首席資訊官。她是一位果斷的、注重增長的高管和創新戰略家，在領導大型複雜轉型和執行實際解決方案方面有著令人印象深刻的記錄。
近日，Caldas和我們分享了她的領導力策略，如何讓Liberty Mutual成為一家真正創新的、技術領先的公司，一家利用技術獲得先發優勢的公司，以及她和她的組織正在開展的工作，以打造一支精通數字技術的員工隊伍，進一步在全球和本地層面上使Liberty Mutual脫穎而出。
您能否提供一些背景資訊，說明您是如何看待IT在幫助企業競爭和「得分」方面發揮的作用？
我一直認為技術有防禦和進攻兩個方面。作為支持全球保險公司的技術組織，首要任務就是實現安全的、穩定的系統，這是防禦的一面。我們在全球多個司法管轄區運營著一個龐大的生態系統，因此確保我們的系統能夠365/24/7全天候為客戶、員工和經紀人提供服務至關重要，我們必須始終在兌現承諾。此外，我們必須讓擁有合適技能的人才專注於正確進行問題陳述並與之保持一致，我為我們建立的團隊感到自豪。
在進攻方面，是關於部署新功能和特性以幫助我們脫穎而出。現在，我們正在考慮如何更廣泛地利用AI，我們還沒有在這個旅程中踏出第一步，因為作為一家保險公司，我們已經利用AI多年了，但我們正在考慮生成式AI，即我們如何賦予員工權力並增強他們的工作能力，幫助他們擁有更多的能力，完成更高級、更複雜的工作？
所以對我們來說，進攻和防守始終是並駕齊驅的。我們正在讓我們的生態系統變得更加現代化。我們正在不斷部署新的數據功能和洞察，推進我們的數字化發展議程，也在內部構建了這些生成式AI功能，幫助我們的員工在日常工作中提高工作效率。
Jim MacPhee是您多年的業務和技術合作夥伴，他說他總是被您的好奇心以及您如何專注於深入了解為客戶實現的關鍵業務成果所鼓舞。是什麼激發了這種高度的好奇心？
我的理念是我們必須解決業務問題。為了解決這些問題，我和我的技術團隊必須更深入地了解這些問題。
我經常說，無論你要解決什麼問題，都要確保你知道完整的背景資訊。很多時候，這意味著要親自去看看。例如，我試圖了解我們加拿大業務的承保情況。我會飛到加拿大，和承保人坐在一起，了解為什麼我們部署的這種能力沒有被使用。承保方說：「嗯，很難用。」有時速度很慢。』而在技術領域，你很容易跳到『好吧，讓我解決延遲問題。讓我解決用戶體驗問題。』在這個例子中，最好的方法就是去了解本地發生了什麼。
我們的運營理念是，我們需要解決實際的問題，而不僅僅是創造輸出，而是創造成果。你可以做到這一點的方法之一，就是親自去看看，擁有一個共同的背景，並就真正的成功是什麼樣子達成一致。
你的團隊在數據領域做得非常出色。當談到數據時，您的心態是怎樣的？您如何利用數據來獲得競爭優勢？
作為技術領域的領導者，我們必須認識到，數據是一種共享資產，對我們組織內的每個職能都至關重要。無論你是在索賠、財務還是技術部門，數據素養都是我們集體責任的基石。為此，我們制定了一個高管教育計劃，輔以整個組織的廣泛培訓計劃，加深我們對數據的理解。
通過揭開數據的神秘面紗並超越其抽象本質，我們就有能力有效地利用數據，這確保了每個團隊成員都成為數據負責任的管理者，最終推動創新和卓越。我們在這方面的能力仍在不斷成熟，但我們已經充分認識到我們是共同承擔數據責任的。
我們的方法是雙管齊下。我們有一個專注於數據治理、數據域管理和訪問的數據辦公室，這個團隊獨立於IT，是聯合的團隊，所以位於不同的業務部門，作為一個數據社區聚集在一起，充分利用我們的全部企業能力。在技術方面，我們考慮了工程方面——訪問、平台、工具、洞察力、轉換，所有這些不同的組成部分。
我們在高管數據委員會將單個業務部門級別和企業級別這兩者結合在一起。我們的數據素養已經成熟，導致了今天的對話和五年前截然不同。今天，我們研究整個領域所需的成熟度水平，以及針對哪些問題陳述需要哪些數據集，然後將這種管理意識帶到每個數據辦公室。
我還相信，在我們所做的每一件事中，數據都是讓我們取得成功的基本要素，因此我們必須了解哪些數據集對哪些決策最為關鍵。如果我們更好地理解數據並獲得更好的洞察，我們就能以更快的速度提供更好的產品和服務。
這就是我們正在走的路。我們已經對大多數數據倉庫進行了現代化改造，引入了新的工具和功能，這一點很棒，因為現在我們正處於AI技術的下一個轉折點，所以這麼做是非常及時的。
每個人都在談論成為一家科技公司，但很少有人像您一樣有意識地提高整個公司的數字敏銳度。您正在做什麼來建立一支更精通數字的員工隊伍？
我們投入了巨大的精力來確保我們的技能不僅適合今天，也適合明天。我專注於利用每位員工的數字智商，擴大我們5000位實踐技術人員產生的影響力。
幾年前我們推出了Executech，這是一個旨在讓企業領導者深入了解技術基礎知識的項目。這個項目涵蓋了AI、我們對數據模型的使用、我們解決技術債務的方法、以及遺留系統的現代化等重要主題。我們探索數據的本質和數據工程的複雜性，目標是讓技術對話變得更簡單，加速我們利用技術產生影響力。
在這個時代，速度非常重要，通過擁有跨職能的技術知識，可以在整個公司範圍內打造協作解決問題的能力，這些對話將為公司的未來做好準備。
您很早就（並且正確地）對生成式AI下了大賭注——這是每個CIO都會面臨的那些重要的「接聽電話時刻」之一。這一切是如何展開的，在這個過程中您目前處於哪個階段？
我們的AI功能組合還在不斷發展擴大，其中生成式AI是我們正在積極探索和部署以供內部使用的一個重點領域。我們採用攻守兼備的策略，採取果斷措施確保負責任地展開創新。
在防禦方面，我們成立了負責任的AI指導委員會。這個團隊負責解決潛在風險、管理整個公司的AI、提供指導、實施必要的培訓、及時了解新興的監管政策變化。
同時在進攻方面，我們推出了內部的Liberty GPT實例，為學習和實驗提供了一個安全的環境。我設想所有45000名員工在接受培訓後都會使用Liberty GPT，培養對AI潛力的直觀理解——探索和學習。
我們已經將我們的方法分為了幾個階段。第一階段涉及組織、建立基礎框架、召集負責任AI指導委員會、了解模型限制、建立第三方合作夥伴關係、以及在評估我們的技術架構的同時，設置我們的內部實例。第二階段的重點是開發用例、創建待辦事項、探索資源分配領域、以及確定合適的主題專家進行測試和實驗。
大約18個月後，也就是現在，我們進入了第三階段。我們有25%的員工在使用Liberty GPT，有超過200個優先項目，其中10個已經投入生產，這些都是全方位的特定功能——總結功能或問答功能——這樣我們就不會在整個公司進行重複性的工作。我們正在使用用例來幫助我們的員工提高日常工作效率。
我們也在工程方面進行了測試。我想說，我們需要取得屬於自己的成功，所以關鍵在於我們如何在技術層面上思考它，以及如何使用它來思考我們今天使用的哪些流程應該更多地由機器主導，而不是由人主導。我們一直在部署一些測試，進行實驗和思考，如何讓工程體驗更好，並使我們能夠應對工程生命周期中更複雜的部分？
我認為我們已經在路上了。對我們來說，下一個前沿將是參考架構，如何利用大型語言模型而不是小型語言模型，如何考慮流程的轉型，而不僅僅是用例和時間點。我們已經走上了正確的道路上，不會坐以待斃。
