Tia White
Die meisten Unternehmen verfügen mittlerweile zwar über eine KI-Strategie auf dem Papier, doch nur sehr wenig davon wird tatsächlich in der Praxis umgesetzt. Der Vorstand erwartet Erträge, die Entwicklungsabteilung arbeitet noch immer an der Überarbeitung von Pilotprojekten, und Personalisierung, Chatbots und generative KI bleiben hinter ungelösten Fragen zu Daten, Datenschutz und Betriebsmodellen zurück. Die Kluft zwischen den KI-Zielen und den tatsächlichen KI-Umsätzen ist mittlerweile das entscheidende Technologieproblem dieses Zyklus.
Tia White ist General Manager für KI und maschinelles Lernen bei Amazon Web Services. Dort unterstützt sie Unternehmen dabei, generative KI und Personalisierung von Pilotprojekten in Produktionssysteme zu überführen, die die Art und Weise verändern, wie Kunden bedient werden und wie Umsätze erzielt werden.
Full Profile
Warum Unternehmen mit Tia White zusammenarbeiten
- Ein Blick aus der Perspektive einer Mitarbeiterin eines Hyperscalers. Sie leitet die Bereiche Markteinführung, Produktentwicklung und Technik für ein AWS-KI-Portfolio mit einem Umsatz von über 25 Mio. USD, darunter einige der am schnellsten wachsenden Dienste bei AWS.
- Nachweisliche Erfolge bei der Umsetzung generativer KI und Personalisierung von der Theorie in kundenorientierte Produkte. Sie leitete die Einführung von „Personalized Search“, „Next Best Action“ und generativen KI-Funktionen in Amazon Personalize.
- Branchenübergreifende Unternehmenserfahrung. Vor ihrer Tätigkeit bei AWS hatte sie leitende Positionen im Technologiebereich bei Wells Fargo, Capital One und JPMorgan Chase inne und leitete regulierte Programme zur digitalen Transformation im Finanzdienstleistungssektor.
- Eine klare Sichtweise darauf, was KI-Investitionen, die sich verzinsen, von solchen unterscheidet, die ins Stocken geraten – fundiert auf der aktuellen Arbeit mit AWS-Kunden und nicht auf abstrakten Annahmen von Anbietern.
- Eine glaubwürdige Stimme zum Aufbau einer technischen Führungskräftebasis im Bereich KI – einschließlich Frauen und schwarzer Technologinnen und Technologen –, für die Vorstände nun Rechenschaft ablegen müssen.
Wichtige Stationen ihrer Laufbahn
- General Manager für KI und maschinelles Lernen bei Amazon Web Services.
- Erste schwarze Frau, die bei AWS als General Managerin in den Bereichen Machine Learning, KI und Analytik eingestellt wurde.
- Director of Engineering bei einem Fortune-100-Unternehmen vor ihrem 30. Lebensjahr.
- Zuvor leitende Positionen im Technologiebereich bei Wells Fargo, Capital One und JPMorgan Chase.
- Leitete die Einführung neuer Amazon Personalize-Funktionen, darunter „Personalized Search“, „Next Best Action“ und generative KI-Funktionen; Referentin auf der AWS re:Invent 2022 zum Thema Personalisierung.
- In Forbes vorgestellt; zu ihren Keynote- und Moderationsauftritten zählen SXSW und die Grace Hopper Celebration. Zu ihren Vorstands- und Beratungsfunktionen gehört „Rewriting the Code“.
Biografie
Generative KI hat sich schneller entwickelt, als die meisten Unternehmensmodelle verkraften können. Bei AWS leitet Tia White den Geschäftsbereich für KI und maschinelles Lernen, an den sich Kunden wenden, wenn aus einem Pilotprojekt ein Produkt werden soll. Sie ist verantwortlich für Markteinführung, Produktentwicklung und Technik eines KI-Portfolios mit einem Gewinn von über 25 Mio. USD, darunter einige der am schnellsten wachsenden Dienste bei AWS.
Zu ihren Aufgaben bei AWS gehört die Leitung der nächsten Generation von „Amazon Personalize“ mit Funktionen wie „Personalized Search“, „Next Best Action“ und generativen KI-Fähigkeiten, die mittlerweile von Unternehmen genutzt werden, um Kundenbindung und Umsatz zu steigern. Auf der AWS re:Invent hat sie über Personalisierung als betriebliche Disziplin und nicht als Marketing-Feature gesprochen und wird von AWS regelmäßig als Expertin dafür zitiert, was Kunden der Generationen Y und Z von personalisierten Erlebnissen erwarten.
Vor ihrer Tätigkeit bei AWS hatte sie leitende Positionen im Technologiebereich bei Wells Fargo, Capital One und JPMorgan Chase inne, unter anderem war sie für die Leitung von Migrationen in die Public Cloud im Finanzdienstleistungssektor verantwortlich. Noch vor ihrem 30. Lebensjahr stieg sie bei einem Fortune-100-Unternehmen zur Director of Engineering auf. Dieser Hintergrund im Finanzdienstleistungssektor verschafft ihr fundierte Antworten auf die Fragen, die regulierte Branchen derzeit zu generativer KI, Daten, Datenschutz und Risiken stellen.
Sie war die erste schwarze Frau, die bei AWS als General Managerin in den Bereichen Machine Learning, KI und Analytik eingestellt wurde, und nutzt diese Plattform, um die schwierigere Frage anzusprechen, die hinter den meisten KI-Roadmaps steht: ob das Unternehmen über die Talente und die Führungskräfte verfügt, um diese umzusetzen. Sie wurde in Forbes vorgestellt, hielt Keynotes und moderierte auf der SXSW und der Grace Hopper Celebration und ist Mitglied in verschiedenen Gremien, darunter „Rewriting the Code“.
Wichtige Vortragsthemen
- Generative KI im Unternehmen
- Personalisierung als Strategie zur Umsatz- und Kundenbindung
- KI-Agenten und agentenbasierte Arbeitsabläufe
- Maschinelles Lernen in regulierten Branchen
- Cloud-Migration und digitale Transformation
- Verantwortungsvolle KI und Verringerung von Verzerrungen
- Aufbau einer vielfältigen technischen Führungsriege in den Bereichen KI und Engineering
Ideal für
- CTOs, CIOs sowie Chief Data und AI Officers, die KI-Pilotprojekte in den Produktivbetrieb überführen
- CMOs und Chief Customer Officers, die in Personalisierung, Empfehlungen und Kundenbindung investieren
- Vorstände und Führungsgremien in der Finanzdienstleistungsbranche, im Einzelhandel und in regulierten Branchen, die eine KI-Strategie festlegen
- CHROs und DEI-Verantwortliche, die für die technische Talentpipeline im KI-Bereich zuständig sind
Ergebnisse für die Zielgruppe
- Ein klareres Verständnis darüber, welche Anwendungsfälle generativer KI sich auszahlen und welche nicht – abgeleitet aus aktuellen AWS-Kundenmustern.
- Ein praxisorientiertes Verständnis von Personalisierung als betriebliche Kompetenz, die Daten, Produktentwicklung und Technik umfasst – und nicht nur eine Marketingkampagne ist.
- Präzisere Fragen an den Vorstand zu KI-Risiken, Datenschutz und dem Betriebsmodell rund um generative KI.
- Ein konkretes Verständnis davon, wie die technische Führungskräftebasis hinter einer ernsthaften KI-Roadmap aussieht und wo bei den meisten Unternehmen Lücken bestehen.
Vorträge
Eine Arbeitssitzung darüber, wo generative KI und große Sprachmodelle tatsächlich in einem Unternehmen zum Einsatz kommen und wo traditionelles maschinelles Lernen nach wie vor die Nase vorn hat.
Wichtige Erkenntnisse:
- Ein praktischer Filter zur Unterscheidung zwischen GenAI-Anwendungsfällen und klassischen ML-Anwendungsfällen.
- Erfahrungen von AWS-Kunden bei der Überführung von GenAI vom Pilotprojekt in den Produktivbetrieb.
- Die Fragen zu Daten, Datenschutz und Change-Management, die darüber entscheiden, ob ein GenAI-Programm umgesetzt wird.
Wie Führungskräfte maschinelles Lernen und KI einsetzen, um Entscheidungszyklen zu verkürzen, das Kundenerlebnis zu personalisieren und das Betriebsmodell neu zu gestalten.
Die wichtigsten Erkenntnisse:
- So identifizieren Sie die wertvollsten Anwendungsfälle für maschinelles Lernen und KI in Ihrem Unternehmen.
- Wie datengestützte Entscheidungsfindung in Echtzeit aussieht, wenn sie funktioniert.
- Welche organisatorischen Veränderungen erforderlich sind, damit ein ML-Programm auch nach dem Ausscheiden seines Sponsors Bestand hat.
Eine leicht verständliche Erklärung, was KI-Agenten sind, wo sie heute eingesetzt werden und was erforderlich ist, um sie sicher in einem Unternehmen zu betreiben.
Die wichtigsten Erkenntnisse:
- Was ein KI-Agent in einfachen Worten ist und worin er sich von einem Modell oder einem Copiloten unterscheidet.
- Die technologischen und prozessualen Voraussetzungen für einen verantwortungsvollen Einsatz von Agenten.
- Fragen zu Datenschutz, Governance und Change-Management, die Führungskräfte sich jetzt stellen sollten.
Eine Einführung in das föderierte Lernen als Möglichkeit für regulierte Organisationen, KI-Modelle institutionsübergreifend zu trainieren, ohne sensible Daten zu übertragen.
Die wichtigsten Erkenntnisse:
- Wie föderiertes Lernen funktioniert und warum es für das Gesundheitswesen, Finanzdienstleistungen und den öffentlichen Sektor von Bedeutung ist.
- Die Datenschutz- und Compliance-Eigenschaften, die es für den kommerziellen Einsatz relevant machen.
- Welche Fragen Führungskräfte in regulierten Branchen ihren KI-Teams zu föderierten Ansätzen stellen sollten.