Dr. Sidney Shapiro
De fleste organisationer har allerede gennemført pilotprojekter med AI. Det sværere spørgsmål er, hvad der sker, når proof of concept-fasen er afsluttet. Indkøbsstandarderne er stadig uklare, ansvaret for AI-støttede beslutninger er ikke tildelt, og de styringsrammer, som folk henviser til i deres præsentationer, holder ikke stand i praksis. Ledelsesteamene kan ikke med sikkerhed sige, hvilke beslutninger AI bør have ansvaret for, og hvilke den ikke bør have.
Sidney Shapiro hjælper ledelsesteam med at komme videre fra AI-hypen til en kontrolleret og ansvarlig implementering, idet han trækker på ti års erfaring inden for datavidenskab og sin nuværende forskning ved University of Lethbridge.
Full Profile
Hvorfor virksomheder samarbejder med Sidney Shapiro
- Han argumenterer åbent imod AI-hypen. Hans fremhævede hovedtale "Stop Believing the AI Hype" behandler leverandørernes påstande som et problem i forbindelse med lederevaluering, hvilket er den samtale, som velinformerede indkøbere og indkøbsafdelinger rent faktisk har brug for at føre.
- Har udgivet artikler om governance i fagfællebedømte tidsskrifter. Et kapitel i en bog fra Routledge om AI-governance for højere uddannelsesinstitutioner og et kommende kapitel fra IGI Global om governance af generativ AI giver ham en dokumenteret holdning til, hvordan ansvarlig implementering ser ud i praksis.
- Han kombinerer et årti med praktisk erfaring inden for data science med sit akademiske arbejde. Som tidligere Data Science Manager hos Sofvie, hvor han udviklede software til arbejdsmiljø og sikkerhed, taler han om de integrations- og ansvarlighedsproblemer, der følger efter en proof of concept.
- Han deltager aktivt i dialogen blandt praktiserende fagfolk. Han er vært for podcasten »AI in Action« og arrangerer Southern Alberta AI Conference, hvilket tilsammen sikrer, at hans perspektiv forbliver forankret i, hvad organisationer inden for sundhedsvæsenet, landbruget, fremstillingsindustrien og den offentlige forvaltning rent faktisk forsøger at realisere.
Højdepunkter i biografien
- Adjunkt i forretningsanalyse, Dhillon School of Business, University of Lethbridge
- Eksternt adjunkt i datalogi, University of Lethbridge
- Kapitel i en bog om styringsrammer for AI inden for videregående uddannelse udgivet af Routledge (2025); kommende kapitel om styring af generativ AI hos IGI Global
- Vært for podcasten »AI in Action« og arrangør af Southern Alberta AI Conference
- Tidligere Data Science Manager hos Sofvie Inc., hvor han udviklede datasystemer til arbejdsmiljø og sikkerhed i minesektoren
- Omtalt eller citeret i The Globe and Mail, CBC News, Lethbridge Herald og Canadian Family Offices Magazine
Biografi
De fleste organisationer har allerede gennemført AI-pilotprojekter. Det sværere spørgsmål er, hvad der sker, når proof of concept-fasen er afsluttet. Indkøbsstandarder forbliver uklare, og de styringsrammer, som folk citerer i præsentationer, holder ikke stand i mødet med virkelige arbejdsgange.
Det er netop dette hul, Sidney Shapiro arbejder med. Han er adjunkt i forretningsanalyse ved Dhillon School of Business på University of Lethbridge og adjungeret adjunkt i datalogi. Hans publicerede arbejde omfatter et kapitel i en bog fra Routledge om styringsrammer for AI inden for videregående uddannelse samt et kapitel, der snart udkommer hos IGI Global, om styring af generativ AI. Begge beskriver, hvad en ansvarlig implementering faktisk kræver af organisationerne.
Hans ekspertise på den operationelle side stammer fra et årti i datacentrerede roller, før han gik ind i den akademiske verden. Han arbejdede som Data Science Manager hos Sofvie, en softwarevirksomhed inden for arbejdsmiljø og sikkerhed i minesektoren, og koordinerede tidligere kandidatuddannelsen i forretningsanalyse ved Cambrian College. Denne baggrund præger hans tilgang til de indkøbs- og integrationsproblemer, der følger efter proof of concept – nemlig det stadie, hvor de fleste AI-initiativer bremses op eller går i stå.
Offentlig inddragelse sikrer, at arbejdet forbliver aktuelt. Shapiro er vært for podcasten »AI in Action«, hvor han interviewer praktikere og forskere inden for sundhedsvæsenet, uddannelse, finans og softwareudvikling om, hvordan implementeringen af AI rent faktisk ser ud i deres organisationer. Han arrangerer desuden Southern Alberta AI Conference. Blandt de seneste deltagere er Indigenous Services Canada, McCain Foods, EY Calgary, CMC Alberta og Digital Research Alliance of Canada. Det er købere med lav tolerance over for leverandørsprog og høj tolerance over for svære spørgsmål.
Vigtigste foredragstemaer
- AI-styring og ansvarlig implementering
- Generativ AI i erhvervslivet og samfundet
- Databeskyttelse og tillid til AI-systemer
- AI-forståelse for ikke-tekniske ledere
- Analytisk lederskab og digital transformation
- AI i politikken for videregående uddannelse
Ideel til
- Ledelsesteam på C-niveau og bestyrelser, der skal træffe beslutninger om AI-styring og ansvarlighed
- CIO'er, CTO'er og Chief Data Officers, der er i gang med at overføre AI fra pilotfase til operationel implementering
- Ledere i den offentlige sektor, herunder kommunale og statslige myndigheder, der arbejder med AI-implementering under begrænsninger vedrørende privatlivsbeskyttelse og ligestilling
- Ledere inden for videregående uddannelse, der udformer institutionelle retningslinjer for generativ AI i undervisning og forskning
Resultater for målgruppen
- En praktisk ramme til at vurdere leverandørers AI-påstande op mod den operationelle virkelighed, i tide til at påvirke indkøbsbeslutninger
- Mere præcise spørgsmål, der skal stilles til ethvert AI-initiativ vedrørende datastyring og ansvaret, når AI begår fejl
- Et velunderbygget overblik over, hvad generativ AI klarer godt i dag, og hvor den stadig svigter, med implikationer for organisationens implementering
- Referencepunkter til udformning af operationel AI-styring: indkøbsstandarder, politikker for acceptabel brug og mekanismer for ansvarlighed
Samtaler
Et rammeværk til at skelne mellem leverandørernes løfter og den faktiske driftsvirkelighed, så ledelsen kan vurdere AI-initiativer ud fra et mere konkret grundlag end blot entusiasme.
Vigtige pointer:
- Hvordan man tester specifikke AI-påstande fra leverandører op mod, hvad teknologien rent faktisk kan i dag
- En metode til at definere reelle succesmålinger for AI-initiativer inden indkøb
- En klarere skelnen mellem den nuværende AI-kapacitet og det, der oversælges med henblik på fremtiden
En gennemgang af, hvordan styringsprincipperne i AI-strategidokumenter omsættes til konkrete operationelle beslutninger: tilsyn, retningslinjer for acceptabel brug, indkøb og ansvarlighed.
Vigtige pointer:
- Hvordan man omsætter overordnede AI-principper til konkrete operationelle beslutninger
- De tilsynsstrukturer, der rent faktisk sikrer ansvarlighed i AI-initiativer
- En praktisk tilgang til standarder for indkøb af AI, som risiko- og juridiske teams kan stå bag
En direkte redegørelse for, hvad generativ AI er god til i dag, og hvor den stadig har mangler, samt de sikkerhedsforanstaltninger, som organisationer bør indføre, inden de udvider brugen.
Vigtige pointer:
- Et aktuelt billede af generativ AI’s muligheder, med eksempler på stærke og svage resultater
- De etiske og miljømæssige overvejelser, som ledelsen bør holde øje med
- Praktiske sikkerhedsforanstaltninger til udvidelse af brugen af generativ AI i en organisation
En praktisk tilgang til udformning af AI- og analysesystemer, der skaber tillid hos medarbejdere, kunder og tilsynsmyndigheder i stedet for at undergrave den.
Vigtige pointer:
- Hvorfor manglende tillid nu udgør en større hindring for indførelsen af AI end tekniske begrænsninger
- Privatlivsbevidste designvalg, der beskytter den enkelte uden at bremse innovationen
- Hvordan gennemsigtighed og forklarbarhed påvirker brugernes faktiske adfærd i forhold til AI-systemer