Cassie Kozyrkov

Hvorfor virksomheder samarbejder med Cassie Kozyrkov

• Hun opbyggede Decision Intelligence-funktionen hos Google fra bunden, ledede den i fem år og gav selve området sit navn. Når en CEO spørger, hvad Decision Intelligence er, og hvorfor deres AI-investering bør indgå heri, er hun den primære kilde – ikke blot en fortolker af andres rammeværk.
• Hun har personligt uddannet mere end 20.000 Google-medarbejdere på tværs af alle funktioner i datadrevet beslutningstagning og AI, så hun ved, hvordan man får budskabet til at gå igennem hos både ikke-tekniske ledere og ingeniører.
• Hendes nuværende arbejde med lederudvikling handler om, hvad der ændrer sig, når AI handler i stedet for blot at rådgive. Hun stiller ledere over for flere spørgsmål: om AI-køreplanen er proaktiv, om opmærksomhed behandles som en investering, og om et pilotprojekt har en navngiven ansvarlig på lederniveau samt en forretningsmæssig målsætning, det skal opfylde.
• Hun underviser i dette i stor skala uden for bestyrelseslokalet. Kurset »Making Friends with Machine Learning« begyndte som et internt Google-kursus og er nu åbent for offentligheden, og hun har skabt MasterClass-certifikatkurset »Data-Driven Decision-Making in the Age of AI«, der bygger på hendes egne rammer og har DJ Patil, USA’s første Chief Data Scientist, som gæst.
• Hun har siddet en fuld periode i Federal Reserve Bank of New Yorks Innovation Advisory Council, hvor hun arbejdede med, hvordan AI påvirker de finansielle markeder, og har samarbejdet med ledende medarbejdere hos Lenovo, NASA og Gucci.

Højdepunkter i biografien

• Googles første Chief Decision Scientist (2018 til 2023), hvor hun ledede virksomhedens afdeling for beslutningsintelligens inden for Research and Machine Intelligence.
• Grundlægger og CEO af Kozyr, en virksomhed inden for AI-rådgivning og -uddannelse, der betjener ledende medarbejdere og deres teams.
• Har personligt uddannet mere end 20.000 Google-medarbejdere i datadrevet beslutningstagning og AI og har ledet over 500 projekter inden for beslutningsintelligens hos Google.
• Skaberen af MasterClass-certifikatkurset »Data-Driven Decision-Making in the Age of AI«, der bygger på hendes egne rammer og har DJ Patil, USA’s første Chief Data Scientist, med som gæst. Har også skabt »Making Friends with Machine Learning«, der oprindeligt var et internt Google-kursus og nu er gratis tilgængeligt på YouTube.
• Har holdt foredrag i mere end 40 lande og på alle syv kontinenter, herunder FN, World Economic Forum, Web Summit og SXSW.
• Medlem af Federal Reserve Bank of New Yorks Innovation Advisory Council (2023 til 2024); Duke University Few-Glasson Distinguished Alumna.

Biografi

Dashboardene er opbygget, modellerne er i produktion, og de øverste ledere kan stadig ikke nævne en eneste beslutning, der påviseligt er bedre på grund af det hele. Det er netop dette problem, Cassie Kozyrkov har arbejdet med i et årti, først internt hos Google og nu sammen med ledelsesteam på tværs af brancher.

Hos Google blev hun i 2018 virksomhedens første Chief Decision Scientist og havde denne stilling indtil 2023. Hun opbyggede en ny funktion, der lå mellem forskning og maskinintelligens på den ene side og den daglige drift på den anden, og brugte den til at anvende AI og data inden for en disciplin, hun kalder Decision Intelligence. Da hun forlod virksomheden, havde hun personligt uddannet mere end 20.000 Google-medarbejdere og haft indflydelse på over 500 projekter inden for denne ramme.

Grunden til, at hendes arbejde rækker ud over Google, er, at hun gjorde materialet letforståeligt. Hendes kursus »Making Friends with Machine Learning«, der blev udviklet internt hos Google og senere udgivet i sin helhed på YouTube, forklarer på almindeligt engelsk, hvordan maskinlæring passer ind i forretningsbeslutninger. Hendes artikler i Harvard Business Review, Fortune, Fast Company, WIRED og The Wall Street Journal har gjort det samme for ikke-tekniske ledere, og hendes Decision Intelligence-Substack er blevet en praktisk reference for fagfolk.

I dag leder hun Kozyr, hvor hun rådgiver ledelsesteam om AI-strategi og beslutningsdesign. Hendes nuværende arbejde med ledere fokuserer på, hvad der ændrer sig, når AI holder op med at rådgive og begynder at handle. En af de prøver, hun stiller ledere, er direkte: Nævn den øverste ansvarlige, der ønsker resultatet, og den måling, det skal påvirke. Det sværere spørgsmål er, hvor de timer, som AI frigør, skal reinvesteres. Hendes MasterClass-certifikatkursus »Data-Driven Decision-Making in the Age of AI«, hvor DJ Patil, den første amerikanske Chief Data Scientist, medvirker, bringer den samme metode ud til et bredt fagligt publikum.

Vigtigste foredragstemaer

• Beslutningsintelligens
• Agentisk AI og lederens skiftende rolle
• AI-strategi og implementering
• Datadrevet beslutningstagning
• Maskinlæring for virksomhedsledere
• AI-forståelse for ledere og den brede offentlighed
• Bias og vurdering i AI-systemer

Ideel for

• CEO'er, bestyrelser og ledelsesteam, der fastlægger en AI-strategi og tildeler kapital i henhold til denne
• Chief Data, Analytics og AI Officers, der opbygger en beslutningsbaseret driftsmodel
• Transformations- og strategiledere, der har ansvaret for at omsætte AI-pilotprojekter til forretningsresultater
• Alle medarbejdere og blandede publikummer ved konferencer eller interne AI-dage, hvor både tekniske og ikke-tekniske medarbejdere har brug for det samme udgangspunkt

Målgruppeudbytte

• En brugbar definition af beslutningsintelligens og hvor den placerer sig i forhold til datavidenskab, analyse og AI-investeringer.
• En skarpere diagnose af, hvorfor AI-projekter går i stå: forkert afgrænset beslutning, forkert ansvarlig eller forkert spørgsmål stillet til modellen.
• Et fælles sprog blandt tekniske og ikke-tekniske ledere til at drøfte AI-initiativer uden at ty til buzzwords.
• En test, der kan anvendes på alle AI-pilotprojekter i virksomheden: hvem den øverste ansvarlige er, og hvilken måling projektet skal påvirke.
• En beslutning om, hvor organisationen skal geninvestere de timer, som AI frigør, inden besparelsen stille og roligt bliver absorberet som ekstra output.