Dr. Andrew Ng
De fleste organisationer har gennemført pilotprojekter med kunstig intelligens. Kun få er gået videre end det. Kløften ligger ikke i teknologien – den ligger i organisationen. At opbygge de interne strukturer, teams og beslutningskapacitet, der skal til for at implementere kunstig intelligens i stor skala, er den udfordring, som de fleste ledelsesteam endnu ikke har løst. Uden en systematisk tilgang hober investeringerne i kunstig intelligens sig op uden at give afkast.
At udvide brugen af kunstig intelligens fra isolerede pilotprojekter til en virksomhedsomspændende kapacitet er den udfordring, som Andrew Ng – der var medstifter af Google Brain, udbyggede Coursera til 150 millioner studerende og forfattede bogen »AI Transformation Playbook« – har brugt sin karriere på at hjælpe organisationer med at løse.
Full Profile
Hvorfor virksomheder samarbejder med Andrew Ng
- Hans AI Transformation Playbook – en navngivet femtrinsmodel, der stammer direkte fra opbygningen af AI-teams hos Google og Baidu – giver organisationer en struktureret implementeringsvej, ikke blot principper. Det er forskellen mellem en retning og en plan.
- Han har arbejdet på begge sider af udfordringen med at indføre AI: som den ansvarlige for at omdanne to af verdens største teknologivirksomheder til AI-første organisationer og som grundlægger af platforme, der har uddannet mere end 8 millioner mennesker i AI-færdigheder. Fejlscenarierne i begge ender er ikke teoretiske for ham.
- Hans tese om, at »AI er den nye elektricitet«, omdefinerer AI som en infrastruktur til generelle formål snarere end en funktion eller et produkt – en skelnen, der ændrer, hvordan bestyrelser allokerer kapital, og hvordan ledelsesteam strukturerer ansvarlighed.
- Han er udnævnt til Times første Time100 AI-liste (2023) – en anerkendelse af aktiv, aktuel indflydelse inden for feltet – og til Amazons bestyrelse. Førstnævnte signalerer anerkendelse blandt ligestillede; sidstnævnte signalerer troværdighed i bestyrelseslokalet.
- Gennem AI Aspire, udviklet i samarbejde med Bain & Company, rådgiver han virksomheder, der bevæger sig fra AI-eksperimenter til skalerbar transformation – hvilket giver organisationer adgang til et perspektiv, der er afprøvet inden for ventureopbygning, hyperscale-drift og masseuddannelse.
Højdepunkter i biografien
- Medstifter af Google Brain – det forskningsteam, der har ændret Googles tilgang til kunstig intelligens
- Vicepræsident og Chief Scientist hos Baidu, hvor han ledede et AI-team på 1.300 medarbejdere med ansvar for virksomhedens globale AI-strategi
- Medstifter og bestyrelsesformand for Coursera (NYSE: COUR), der i dag betjener over 150 millioner registrerede studerende på verdensplan
- Grundlægger af DeepLearning.AI – over 8 millioner mennesker har gennemført AI-kurser via hans programmer
- Udnævnt til Time100 Most Influential People (2012), Fast Company's Most Creative People (2014) og Time100 AI (2023)
- Medlem af Amazons bestyrelse (udnævnt i april 2024)
- Forfatter til bøgerne »AI Transformation Playbook« og »Machine Learning Yearning«, som begge er udbredt
- Har en BSc fra Carnegie Mellon, en MSc fra MIT og en PhD fra UC Berkeley; medforfatter til over 200 forskningsartikler
Biografi
De fleste AI-pilotprojekter udvikler sig aldrig til egentlige AI-virksomheder. Andrew Ng har brugt årevis på at undersøge årsagen hertil – først som stiftende leder af Google Brain og derefter som vicepræsident og Chief Scientist hos Baidu, hvor han opbyggede et AI-team på 1.300 medarbejdere. Kløften mellem isolerede AI-eksperimenter og virksomhedsomspændende kompetencer er det problem, han har studeret indefra.
Hans "AI Transformation Playbook" – der bygger direkte på denne erfaring – skitserer en femtrinsramme for at føre AI-implementeringen fra den indledende fremdrift til en infrastruktur, der dækker hele virksomheden. Den er blevet bredt udbredt, fordi den behandler AI-transformation som en operationel udfordring, ikke som et teknologisk spørgsmål. Hans tese om, at AI er infrastruktur på samme måde som elektricitet var infrastruktur, giver bestyrelser en strategisk ramme, der gælder på tværs af brancher og forretningsmodeller.
Ng var medstifter af Coursera, som i dag betjener over 150 millioner registrerede studerende, og han grundlagde DeepLearning.AI, hvor mere end 8 millioner mennesker har fået undervisning i AI-færdigheder. At opbygge AI-kompetencer i den skala – og måle, hvad der virker – giver ham et konkret, afprøvet perspektiv på, hvad transformation af arbejdsstyrken i praksis faktisk kræver. Få talere kan pege på tilsvarende operationelle beviser.
Han har uddannelser fra Carnegie Mellon, MIT og UC Berkeley, har været medforfatter til over 200 forskningsartikler og sidder i Amazons bestyrelse. Han blev i 2023 udnævnt til Time-magasinets første Time100 AI-liste – der anerkender aktuel indflydelse frem for historiske bidrag – og han fortsætter med at medstifte AI-virksomheder gennem AI Fund og rådgive virksomheder om AI-strategi gennem AI Aspire, et firma, han har opbygget i samarbejde med Bain & Company.
Vigtigste foredragstemaer
- Implementering og transformation af AI i virksomheder
- AI-strategi for bestyrelser og ledende medarbejdere
- Agentbaseret AI og den næste fase af AI-systemer
- Udvikling af AI-arbejdsstyrken og opbygning af kompetencer
- Ansvarlig udvikling og regulering af AI
- Grundlæggende maskinlæring og anvendt AI
- Økonomien i AI som infrastruktur til generelle formål
Ideel for
- Topledere og bestyrelser, der fastlægger AI-strategi og kapitalallokering
- Teknologichefer og digitale chefer, der leder virksomhedens AI-programmer
- HR-chefer og personaleansvarlige, der har ansvaret for kompetenceudvikling inden for AI og omstilling af arbejdsstyrken
- Transformationsledere og innovationsteams, der går fra AI-pilotprojekter til implementering i stor skala
Resultater for målgruppen
- En struktureret ramme til at diagnosticere, hvor virksomhedens AI-implementering går i stå, og hvad der skal gøres herefter
- Klarhed over, hvordan man opbygger interne AI-kapaciteter – teams, arbejdsgange og styring – i stedet for at stole på isolerede projektbaserede tilgange
- En ramme på bestyrelsesniveau for AI som infrastruktur, med implikationer for investeringer, talentudvikling og konkurrencemæssig positionering
- Praktisk indsigt i, hvad udvikling af en storstilet AI-arbejdsstyrke kræver, baseret på programmer, der har uddannet millioner
- Et mere jordnært syn på ansvarlig AI-udvikling – hvor man skelner mellem reelle risici og spekulative bekymringer – fra en praktiker, der har fremført disse synspunkter offentligt og i politiske sammenhænge
Samtaler
Undersøger, hvordan maskiner lærer af ustrukturerede data for at fremme udviklingen inden for områder som computersyn og naturlig sprogbehandling, og hvad dette betyder for organisationer, der bygger på AI-fundamenter.
Vigtige pointer:
- Hvordan deep learning udtrækker meningsfulde mønstre fra ustrukturerede data, og hvor denne evne anvendes i praksis
- Forskellen mellem overvåget og uovervåget læring, og hvornår de to tilgange er egnede til anvendelse i virksomheder
- Hvad den aktuelle status for forskning inden for maskinlæring betyder for organisationer, der investerer i AI-infrastruktur
Undersøger, hvordan kunstig intelligens omformer læring – ved at muliggøre personlige, tilpassede oplevelser i stor skala – og hvad dette betyder for organisationer, der har ansvaret for kompetenceudvikling af medarbejderne.
Vigtige pointer:
- Hvordan AI skaber personaliserede læringsforløb, som traditionelle uddannelsesmodeller ikke kan replikere i stor skala
- Hvad udvidet adgang til kvalitetsuddannelse betyder for globale talentreserver og konkurrencefordele
- Konsekvenserne af livslang læring som et strukturelt krav, ikke som en kulturel ambition
Giver et overblik over de nyeste udviklinger inden for kunstig intelligens og robotteknologi i fremstillingsindustrien, sundhedssektoren og transportsektoren, med fokus på praktisk anvendelse og forudsætningerne for en ansvarlig og menneskecentreret implementering.
Hovedpunkter:
- Hvordan robotteknologi og AI forandrer driften i nøglesektorer, og hvor mulighederne på kort sigt er koncentreret
- Hvordan et effektivt samarbejde mellem mennesker og maskiner ser ud i praksis, set bort fra al den hype
- De etiske og styringsmæssige overvejelser, som organisationer skal indarbejde inden implementeringen, ikke bagefter