Cassie Kozyrkov
La maggior parte delle organizzazioni sta investendo ingenti somme nell’IA senza avere un’idea chiara di quali decisioni questa tecnologia debba effettivamente migliorare. I modelli vengono implementati, i dashboard proliferano, ma i vertici aziendali non riescono ancora a capire se tutto ciò stia effettivamente migliorando la qualità delle scelte aziendali. Ciò che manca non sono più dati o algoritmi migliori, bensì un approccio disciplinato per collegare i risultati dell’IA alle decisioni che un’azienda sta cercando di prendere nel modo giusto.
Cassie Kozyrkov è l’ex Chief Decision Scientist di Google e fondatrice della Decision Intelligence, la disciplina che aiuta le organizzazioni a trasformare l’intelligenza artificiale e i dati in decisioni aziendali più efficaci.
Full Profile
Perché le organizzazioni collaborano con Cassie Kozyrkov
- Ha creato da zero la funzione di Decision Intelligence all’interno di Google e l’ha gestita per cinque anni; ciò significa che i leader ricevono consigli da qualcuno che ha già risolto, su larga scala, il problema che stanno cercando di affrontare.
- È stata lei stessa a definire e codificare questo campo. Quando un CEO chiede che cos’è la Decision Intelligence e perché i propri investimenti nell’IA dovrebbero rientrarvi, lei è la fonte primaria, non un’interprete del quadro concettuale elaborato da qualcun altro.
- Ha formato personalmente più di 20.000 dipendenti di Google, in ogni funzione aziendale, sul processo decisionale basato sui dati e sull’IA, quindi sa come rendere il materiale comprensibile sia ai dirigenti non tecnici che agli ingegneri.
- Traduce l’IA e la statistica in un linguaggio decisionale utilizzabile dai consigli di amministrazione e dagli operatori. Il suo corso “Making Friends with Machine Learning”, originariamente creato solo per Google, è ora il punto di riferimento esplicativo per migliaia di leader al di fuori dell’azienda.
- Fornisce consulenza al livello richiesto dall’argomento trattato. Il suo seggio nel Consiglio consultivo per l’innovazione della Federal Reserve Bank di New York e la sua collaborazione con Forbes sull’intelligenza artificiale dimostrano che le sue analisi sono prese sul serio dalle istituzioni politiche e dai media, non solo dai clienti aziendali.
Punti salienti della biografia
- Prima Chief Decision Scientist di Google (dal 2018 al 2023), alla guida delle attività di “decision intelligence” dell’azienda all’interno dei dipartimenti Research e Machine Intelligence.
- Fondatrice e CEO di Kozyr, un’azienda di consulenza e formazione sull’intelligenza artificiale al servizio dei dirigenti senior e dei loro team.
- Ha formato personalmente oltre 20.000 dipendenti di Google sul processo decisionale basato sui dati e sull’intelligenza artificiale, e ha guidato più di 500 progetti di “decision intelligence” all’interno di Google.
- Ideatore di «Making Friends with Machine Learning», originariamente un corso interno di Google, ora disponibile gratuitamente su YouTube.
- Autrice del Substack dedicato alla Decision Intelligence e “Top Voice” su LinkedIn per sei anni consecutivi; i suoi articoli sono stati pubblicati su Harvard Business Review, Fortune, Fast Company, WIRED e The Wall Street Journal.
- Membro del Consiglio consultivo per l’innovazione della Federal Reserve Bank di New York (dal 2023 al 2024); “Few-Glasson Distinguished Alumna” della Duke University.
Biografia
La maggior parte delle aziende non ha un problema di dati, ma un problema di decisioni. I dashboard, le pipeline e i modelli sono già in atto, eppure i dirigenti di alto livello non riescono ancora a stabilire quali decisioni siano dimostrabilmente migliori grazie a tutto ciò. Questo divario è l’argomento su cui Cassie Kozyrkov lavora da un decennio, inizialmente all’interno di Google e ora con leader di diversi settori.
In Google, nel 2018 è diventata la prima Chief Decision Scientist dell’azienda e ha ricoperto il ruolo fino al 2023. Ha creato una nuova funzione a cavallo tra la Ricerca e l’Intelligenza Artificiale da un lato e le attività operative dall’altro, utilizzandola per applicare l’IA e i dati attraverso una disciplina che lei chiama “Decision Intelligence”. Al momento di lasciare l’azienda, aveva formato personalmente più di 20.000 dipendenti di Google e influenzato oltre 500 progetti nell’ambito di tale quadro di riferimento.
Il motivo per cui il suo lavoro va oltre i confini di Google è che ha reso il materiale accessibile a tutti. Il suo corso “Making Friends with Machine Learning”, sviluppato all’interno di Google e successivamente pubblicato integralmente su YouTube, è una delle poche spiegazioni davvero scritte in un linguaggio semplice su come l’apprendimento automatico si inserisca effettivamente nelle decisioni aziendali. I suoi articoli su Harvard Business Review, Fortune, Fast Company, WIRED e The Wall Street Journal hanno svolto la stessa funzione per i dirigenti non tecnici, mentre il suo Substack dedicato alla “Decision Intelligence” è diventato un punto di riferimento pratico per i professionisti del settore.
Oggi dirige Kozyr, fornendo consulenza ai team dirigenziali in materia di strategia di IA e progettazione delle decisioni, e fa parte del Consiglio consultivo per l’innovazione della Federal Reserve Bank di New York sull’IA e i mercati finanziari. Il filo conduttore è coerente. È una delle poche voci nel campo dell’IA che parte dalla decisione che l’organizzazione sta cercando di prendere nel modo giusto e procede a ritroso verso la tecnologia, anziché il contrario.
Argomenti principali delle conferenze
- Decision Intelligence
- Strategia e adozione dell’IA
- Processo decisionale basato sui dati
- Apprendimento automatico per i leader aziendali
- Uso responsabile ed efficace dell’IA
- Competenze in materia di IA per i dirigenti
- Pregiudizi e valutazioni nei sistemi di IA
Ideale per
- amministratori delegati, consigli di amministrazione e team esecutivi che definiscono la strategia di IA e l’allocazione del capitale in base ad essa
- Responsabili dei dati, dell’analisi e dell’IA che stanno sviluppando un modello operativo di “decision intelligence”
- Responsabili della trasformazione e della strategia incaricati di tradurre i progetti pilota di IA in risultati aziendali
- Programmi di leadership e incontri fuori sede che richiedono una reale competenza in materia di IA, non una semplice presentazione da parte dei fornitori
Risultati per il pubblico
- Una definizione operativa di "Decision Intelligence" e la sua collocazione rispetto alla scienza dei dati, all’analisi dei dati e agli investimenti nell’IA.
- Una diagnosi più precisa dei motivi per cui i progetti di IA si arenano: definizione errata dell’ambito decisionale, responsabile inadeguato o domanda errata posta al modello.
- Un linguaggio comune tra leader tecnici e non tecnici per discutere delle iniziative di IA senza ricorrere a parole alla moda.
- Tecniche specifiche per mettere alla prova le decisioni rispetto a pregiudizi comuni, tra cui il pregiudizio di risultato e il pregiudizio di conferma.
- Una visione realistica di ciò che gli attuali sistemi di IA sono in grado di fare e di cosa non sono in grado di fare in termini di decisioni senza il coinvolgimento del giudizio umano.
Discorsi
Un intervento di apertura su ciò che richiede effettivamente una leadership incentrata sull’IA e su come integrare l’IA nelle decisioni anziché limitarsi a aggirarle.
Punti chiave:
- Cosa cambia nel ruolo di un leader quando l’IA passa da semplice strumento a modalità predefinita.
- Dove si colloca l’IA nel processo decisionale e in quali ambiti il giudizio umano rimane determinante.
- Le condizioni organizzative che distinguono le aziende che adottano l’IA da quelle nativamente basate sull’IA.
Una descrizione diretta dei motivi per cui la maggior parte dei programmi di IA non raggiunge i risultati attesi, basata sull’esperienza maturata all’interno di Google e sulla consulenza fornita ai dirigenti di altre aziende.
Punti chiave:
- Gli errori ricorrenti che compromettono i progetti pilota di IA prima ancora che entrino in produzione.
- Come distinguere l’hype sull’IA dalle poche decisioni che ne traggono realmente beneficio.
- Un semplice test per capire se vale la pena finanziare un progetto di IA.
Un’introduzione alla Decision Intelligence come livello operativo tra i dati, l’intelligenza artificiale e le decisioni effettivamente prese da un’azienda.
Punti chiave:
- I componenti fondamentali di una pratica di Decision Intelligence.
- Come definire l’ambito delle decisioni in modo che i dati e l’IA possano essere applicati in modo utile.
- Cosa misurare per capire se la qualità delle decisioni sta migliorando.
Una sessione pratica sui pregiudizi e sulle lacune procedurali che compromettono le decisioni dei dirigenti, con soluzioni da mettere in pratica già nella prossima riunione.
Punti chiave:
- Il pregiudizio sul risultato e il pregiudizio di conferma nelle decisioni della leadership.
- Distinguere la qualità di una decisione dalla qualità del suo risultato.
- Semplici interventi per le decisioni di maggiore importanza.
Una riflessione su come l’omogeneità di prospettiva all’interno dei team che si occupano di dati e intelligenza artificiale generi punti ciechi sistematici, e su cosa possano fare i leader per porvi rimedio.
Punti chiave:
- Dove si insinua effettivamente il pregiudizio nei sistemi di IA: nelle decisioni piuttosto che nel codice.
- Le abitudini organizzative che, nel tempo, aggravano i pregiudizi nell’IA.
- Misure concrete che i leader possono adottare per ampliare gli input nel loro lavoro sull’IA.