Cassie Kozyrkov
AI har gått från att svara på frågor till att vidta åtgärder, och de flesta verksamhetsmodeller är inte utformade för detta. Ledare måste nu avgöra vilka beslut som ska fattas av människor och vem som bär ansvaret när ett system agerar på egen hand. Antalet pilotprojekt fortsätter att öka, samtidigt som ingen kan peka ut något affärsmått som något av dem har förbättrat.
Cassie Kozyrkov är före detta Chief Decision Scientist på Google och grundare av Decision Intelligence, ett område som hjälper organisationer att omvandla AI och data till bättre affärsbeslut.
Full Profile
Varför organisationer samarbetar med Cassie Kozyrkov
- Hon byggde upp funktionen Decision Intelligence inom Google från grunden, ledde den i fem år och myntade själva begreppet. När en VD frågar vad Decision Intelligence är och varför deras AI-investeringar bör ingå i det, är hon den främsta källan snarare än en tolk av någon annans ramverk.
- Hon har personligen utbildat mer än 20 000 Googlare inom alla funktioner i datadrivet beslutsfattande och AI, så hon vet hur man får materialet att gå hem hos såväl icke-tekniska chefer som ingenjörer.
- Hennes nuvarande arbete inom ledarskapsutveckling handlar om vad som förändras när AI agerar istället för att ge råd. Hon ställer flera frågor till cheferna: om AI-strategin är proaktiv, om uppmärksamhet behandlas som en investering och om ett pilotprojekt har en namngiven ansvarig på ledningsnivå samt ett affärsmått som det ska påverka.
- Hon undervisar om detta i stor skala även utanför styrelserummet. Kursen ”Making Friends with Machine Learning” började som en intern Google-kurs och är nu öppen för allmänheten, och hon har skapat MasterClass-certifikatkursen ”Data-Driven Decision-Making in the Age of AI”, som bygger på hennes egna ramverk och där DJ Patil, USA:s första Chief Data Scientist, medverkar.
- Hon har suttit en hel mandatperiod i Federal Reserve Bank of New Yorks Innovation Advisory Council, där hon arbetade med hur AI påverkar finansmarknaderna, och har samarbetat med ledande befattningshavare hos Lenovo, NASA och Gucci.
Höjdpunkter i biografin
- Googles första Chief Decision Scientist (2018–2023), där hon ledde företagets verksamhet inom beslutsintelligens inom Research and Machine Intelligence.
- Grundare och VD för Kozyr, ett företag inom AI-rådgivning och utbildning som riktar sig till ledande befattningshavare och deras team.
- Har personligen utbildat mer än 20 000 Googlare i datadrivet beslutsfattande och AI, och lett över 500 projekt inom beslutsintelligens på Google.
- Skapare av MasterClass-certifikatkursen ”Data-Driven Decision-Making in the Age of AI”, som bygger på hennes egna ramverk och där DJ Patil, USA:s första Chief Data Scientist, medverkar. Har även skapat ”Making Friends with Machine Learning”, ursprungligen en intern Google-kurs som nu är tillgänglig gratis på YouTube.
- Har hållit föredrag i mer än 40 länder och på alla sju kontinenter, bland annat vid FN, World Economic Forum, Web Summit och SXSW.
- Medlem i Federal Reserve Bank of New Yorks Innovation Advisory Council (2023–2024); utnämnd till Few-Glasson Distinguished Alumna vid Duke University.
Biografi
Dashboarden är byggda, modellerna är i produktion, och ledningen kan fortfarande inte nämna ett enda beslut som bevisligen är bättre tack vare dem. Denna brist är det ämne som Cassie Kozyrkov har arbetat med i ett decennium, först inom Google och nu med ledningsgrupper inom olika branscher.
På Google blev hon företagets första Chief Decision Scientist 2018 och innehade rollen fram till 2023. Hon skapade en ny funktion som placerades mellan forskning och maskinintelligens å ena sidan och den operativa verksamheten å den andra, och använde den för att tillämpa AI och data genom en disciplin som hon kallar beslutsintelligens. När hon slutade hade hon personligen utbildat mer än 20 000 Googlare och påverkat över 500 projekt utifrån det ramverket.
Anledningen till att hennes arbete når utanför Googles väggar är att hon gjorde materialet lättbegripligt. Hennes kurs ”Making Friends with Machine Learning”, som utvecklades internt på Google och senare publicerades i sin helhet på YouTube, förklarar på ett enkelt och begripligt sätt hur maskininlärning passar in i affärsbeslut. Hennes artiklar i Harvard Business Review, Fortune, Fast Company, WIRED och The Wall Street Journal har gjort detsamma för icke-tekniskt inriktade chefer, och hennes Substack-kanal ”Decision Intelligence” har blivit en praktisk referens för yrkesverksamma.
Idag driver hon Kozyr, där hon ger ledningsgrupper råd om AI-strategi och beslutsdesign. Hennes nuvarande arbete med ledningsgrupper fokuserar på vad som förändras när AI slutar ge råd och börjar agera. Ett av de test hon ställer ledare inför är rakt på sak: nämn den högt uppsatta ansvarige som vill ha resultatet och det nyckeltal som det ska påverka. Den svårare frågan är var den tid som AI frigör ska återinvesteras. Hennes MasterClass-certifikatkurs ”Data-Driven Decision-Making in the Age of AI”, där DJ Patil, USA:s första Chief Data Scientist, medverkar, riktar sig till en bredare yrkesmässig publik med samma metod.
Viktiga föreläsningsämnen
- Beslutsintelligens
- Agentisk AI och ledarens föränderliga roll
- AI-strategi och införande
- Datadrivet beslutsfattande
- Maskininlärning för företagsledare
- AI-kunskap för chefer och allmänheten
- Partiskhet och bedömning i AI-system
Perfekt för
- VD:ar, styrelser och ledningsgrupper som fastställer AI-strategier och kapitalallokering utifrån dessa
- Chefer för data, analys och AI som bygger en operativ modell för beslutsstöd
- Transformations- och strategiledare som ansvarar för att omvandla AI-pilotprojekt till affärsresultat
- Alla medarbetare och deltagare med olika kompetensnivåer vid konferenser eller interna AI-dagar, där både tekniskt och icke-tekniskt kunniga personer behöver samma utgångspunkt
Målgruppens utbyten
- En fungerande definition av beslutsintelligens och var den placerar sig i förhållande till datavetenskap, analys och AI-investeringar.
- En tydligare analys av varför AI-projekt går i stå: felaktigt definierat beslut, fel ansvarig eller fel fråga ställd till modellen.
- Ett gemensamt språk för tekniska och icke-tekniska ledare för att diskutera AI-initiativ utan att falla tillbaka på modeord.
- Ett test att tillämpa på varje AI-pilotprojekt i verksamheten: vem som är den övergripande ansvarige och vilken mätvariabel projektet ska påverka.
- Ett beslut om var organisationen ska återinvestera den tid som AI frigör, innan tidsbesparingen i tysthet absorberas som extra produktivitet.
Utvecklingssamtal
Ett ledarskapstal om vad som förändras när AI går från att ge rekommendationer till att vidta åtgärder, och om vad man bör ändra först.
Viktiga slutsatser:
- Utsätt varje AI-pilotprojekt för ett ledarskapstest: utse en namngiven ansvarig på ledningsnivå som vill se resultat, och fastställ ett affärsmått som projektet ska påverka.
- Den tid som sparas tack vare AI måste användas på rätt sätt. Bestäm var den ska återinvesteras innan besparingen absorberas som extra produktion.
- Omforma en process så som en digitalt inriktad konkurrent skulle bygga upp den, och ta sedan bort de överlämningar som endast finns på grund av äldre system.
Ett huvudanförande riktat till både tekniska och icke-tekniska åhörare om hur man kan få ut praktisk nytta av AI utan att behöva behärska varje nytt verktyg.
Viktiga slutsatser:
- Utgå från ett mål som teamet har övergett som omöjligt, och testa sedan om AI förändrar svaret.
- Granska hur ni använder AI idag och rikta sedan in den mot era faktiska prioriteringar.
- Kontrollera att dina AI-genvägar inte skapar extra arbete för kollegorna, och dela sedan med dig av en framgång och ett misstag till teamet.