Dr Sidney Shapiro
De flesta organisationer har redan genomfört pilotprojekt med AI. Den svårare frågan är vad som händer när koncepttestet är avslutat. Upphandlingsriktlinjerna är fortfarande otydliga, ansvaret för AI-stödda beslut är inte tilldelat, och de styrningsramar som folk hänvisar till i sina presentationer håller inte måttet när de ställs mot verkliga arbetsflöden. Ledningsgrupperna kan inte med säkerhet säga vilka beslut som AI bör anförtros och vilka som inte bör anförtros.
Sidney Shapiro hjälper ledningsgrupper att gå bortom AI-hypen och istället övergå till en kontrollerad och ansvarsfull implementering, med utgångspunkt i ett decennium inom datavetenskap och sin nuvarande forskning vid University of Lethbridge.
Full Profile
Varför organisationer samarbetar med Sidney Shapiro
- Han argumenterar öppet mot AI-hypen. Hans uppmärksammade huvudtal ”Stop Believing the AI Hype” behandlar leverantörernas påståenden som ett problem för ledarskapsutvärdering – vilket är just den diskussion som medvetna inköpare och inköpsteam faktiskt behöver föra.
- Har publicerat artiklar om styrning i vetenskapliga tidskrifter. Ett kapitel i en bok från Routledge om AI-styrning för högskolor och ett kommande kapitel i en bok från IGI Global om styrning av generativ AI ger honom en dokumenterad ståndpunkt om hur ansvarsfull implementering ser ut i praktiken.
- Kombinerar ett decennium av operativ datavetenskap med det akademiska arbetet. Som tidigare datavetenskapschef på Sofvie, där han utvecklade programvara för arbetsmiljö och säkerhet, talar han om de integrations- och ansvarsproblem som följer efter en proof of concept.
- Aktiv i samtalen bland praktiker. Han är värd för podcasten ”AI in Action” och organiserar Southern Alberta AI Conference, vilket tillsammans gör att hans perspektiv förblir förankrat i vad organisationer inom hälso- och sjukvård, jordbruk, tillverkningsindustri och offentlig förvaltning faktiskt försöker åstadkomma.
Höjdpunkter i biografin
- Biträdande professor i affärsanalys, Dhillon School of Business, University of Lethbridge
- Adjungerad biträdande professor i datavetenskap, University of Lethbridge
- Bokkapitel om styrningsramverk för AI inom högre utbildning, publicerat av Routledge (2025); kommande kapitel om styrning av generativ AI med IGI Global
- Programledare för podden ”AI in Action” och arrangör av Southern Alberta AI Conference
- Tidigare datavetenskapschef vid Sofvie Inc., där han utvecklade datasystem för arbetsmiljö och säkerhet inom gruvsektorn
- Omnämnd eller citerad i The Globe and Mail, CBC News, Lethbridge Herald och Canadian Family Offices Magazine
Biografi
De flesta organisationer har redan genomfört AI-pilotprojekt. Den svårare frågan är vad som händer efter att proof of concept-fasen är avslutad. Upphandlingsstandarderna är fortfarande oklara, och de styrningsramverk som folk citerar i sina presentationer håller inte måttet när de ställs mot verkliga arbetsflöden.
Det är i denna lucka som Sidney Shapiro verkar. Han är biträdande professor i affärsanalys vid Dhillon School of Business vid University of Lethbridge samt adjungerad biträdande professor i datavetenskap. Hans publicerade verk inkluderar ett kapitel i en bok från Routledge om styrningsramverk för AI inom högre utbildning samt ett kommande kapitel i en bok från IGI Global om styrning av generativ AI. Båda redogör för vad en ansvarsfull implementering faktiskt kräver av organisationerna.
Hans expertis på den operativa sidan bygger på ett decennium i datacentrerade roller innan han gick in i den akademiska världen. Han arbetade som Data Science Manager på Sofvie, ett företag som utvecklar programvara för arbetsmiljö och säkerhet inom gruvsektorn, och samordnade tidigare masterprogrammet i affärsanalys vid Cambrian College. Den bakgrunden präglar hur han hanterar de upphandlings- och integrationsproblem som följer efter proof of concept, vilket är där de flesta AI-initiativ saktar in eller stannar av.
Engagemanget i samhället håller arbetet aktuellt. Shapiro är värd för podden ”AI in Action”, där han intervjuar praktiker och forskare inom hälso- och sjukvård, utbildning, finans och mjukvaruutveckling om hur AI-implementeringen faktiskt ser ut i deras organisationer. Han anordnar även Southern Alberta AI Conference. Bland de senaste deltagarna finns Indigenous Services Canada, McCain Foods, EY Calgary, CMC Alberta och Digital Research Alliance of Canada. Det här är köpare med låg tolerans för säljarspråk och hög tolerans för svåra frågor.
Viktiga föreläsningsämnen
- AI-styrning och ansvarsfull implementering
- Generativ AI i näringslivet och samhället
- Dataskydd och förtroende för AI-system
- AI-kunskap för icke-tekniska ledare
- Analytiskt ledarskap och digital transformation
- AI i högskolepolitiken
Perfekt för
- Ledningsgrupper på C-nivå och styrelser som står inför beslut om AI-styrning och ansvarsskyldighet
- CIO:er, CTO:er och Chief Data Officers som överför AI från pilotfas till operativ drift
- Ledare inom den offentliga sektorn, inklusive kommunala och statliga myndigheter, som arbetar med AI-införande under begränsningar gällande integritet och jämlikhet
- Ledare inom högre utbildning som utformar institutionell policy för generativ AI inom undervisning och forskning
Resultat för målgruppen
- Ett fungerande ramverk för att utvärdera leverantörers AI-påståenden mot den operativa verkligheten, i god tid för att kunna påverka upphandlingsbeslut
- Mer precisa frågor att ställa till varje AI-initiativ om datastyrning och vem som bär ansvaret när AI gör fel
- En välgrundad bild av vad generativ AI klarar bra idag och var den fortfarande brister, med konsekvenser för organisationens införande
- Riktlinjer för utformning av operativ AI-styrning: upphandlingsstandarder, riktlinjer för godtagbar användning och mekanismer för ansvarsskyldighet
Utvecklingssamtal
Ett ramverk för att skilja leverantörernas löften från den operativa verkligheten, så att ledningen kan utvärdera AI-initiativ utifrån något mer konkret än bara entusiasm.
Viktiga slutsatser:
- Hur man testar specifika AI-påståenden från leverantörer mot vad tekniken faktiskt kan idag
- En metod för att definiera verkliga framgångsmått för AI-initiativ innan upphandling
- En tydligare gräns mellan dagens AI-kapacitet och vad som överdrivs inför framtiden
En genomgång av hur styrningsprinciperna i AI-strategidokumenten omsätts i konkreta operativa beslut: tillsyn, riktlinjer för godtagbar användning, upphandling och ansvarsskyldighet.
Viktiga slutsatser:
- Hur man omsätter övergripande AI-principer till konkreta operativa beslut
- De tillsynsstrukturer som faktiskt säkerställer ansvarsskyldigheten för AI-initiativ
- En praktisk metod för upphandlingsstandarder inom AI som risk- och juridikavdelningarna kan ställa sig bakom
En direkt redogörelse för vad generativ AI klarar bra idag och var den fortfarande brister, tillsammans med de skyddsåtgärder som organisationer bör införa innan de utökar användningen.
Viktiga slutsatser:
- En aktuell bild av den generativa AI:ns förmågor, med exempel på starka och svaga resultat
- De etiska och miljömässiga överväganden som ledningsgrupper bör ha i åtanke
- Praktiska skyddsåtgärder för att skala upp användningen av generativ AI inom en organisation
En praktisk metod för att utforma AI- och analyssystem som vinner förtroende hos medarbetare, kunder och tillsynsmyndigheter, istället för att förlora det.
Viktiga slutsatser:
- Varför bristande förtroende numera är ett större hinder för införandet av AI än tekniska begränsningar
- Integritetsmedvetna designval som skyddar individer utan att bromsa innovationen
- Hur transparens och förklarbarhet påverkar användarnas faktiska beteende i relation till AI-system