Tia White
De flesta företag har numera en AI-strategi på papperet, men mycket lite av den är i drift. Styrelsen vill se avkastning, teknikavdelningen håller fortfarande på att omarbeta pilotprojekt, och personalisering, chatbots och generativ AI har fastnat på grund av olösta frågor kring data, integritet och verksamhetsmodell. Klyftan mellan AI-ambitionerna och AI:s bidrag till intäkterna är nu den avgörande tekniska utmaningen i denna konjunkturcykel.
Tia White är chef för AI och maskininlärning på Amazon Web Services, där hon hjälper företag att överföra generativ AI och personalisering från pilotprojekt till produktionssystem som förändrar hur kunderna betjänas och hur intäkterna genereras.
Full Profile
Varför organisationer samarbetar med Tia White
- Ett operatörsperspektiv inifrån en hyperscaler. Hon ansvarar för marknadsföring, produktutveckling och teknik för en AWS AI-portfölj med en vinst på över 25 miljoner USD, inklusive några av de snabbast växande tjänsterna hos AWS.
- En dokumenterad förmåga att omvandla generativ AI och personalisering från teori till kundinriktade produkter. Hon ledde införandet av Personalized Search, Next Best Action och generativa AI-funktioner i Amazon Personalize.
- Branschöverskridande företagserfarenhet. Innan AWS hade hon ledande teknikroller hos Wells Fargo, Capital One och JPMorgan Chase, där hon ledde reglerade digitala transformationsprogram inom finanssektorn.
- En tydlig syn på vad som skiljer AI-investeringar som ger avkastning från sådana som stagnerar, grundad på aktuellt arbete med AWS-kunder snarare än på leverantörers abstrakta teorier.
- En trovärdig röst när det gäller att bygga upp den tekniska ledarskapsbasen bakom AI, inklusive kvinnliga och svarta tekniker, något som styrelserna nu uppmanas att redogöra för.
Höjdpunkter i biografin
- General Manager, AI och maskininlärning, Amazon Web Services.
- Första svarta kvinnan som anställts som General Manager inom maskininlärning, AI och analys hos AWS.
- Teknisk chef vid ett Fortune 100-företag före 30 års ålder.
- Tidigare ledande teknikroller hos Wells Fargo, Capital One och JPMorgan Chase.
- Ledde lanseringen av nya funktioner i Amazon Personalize, däribland Personalized Search, Next Best Action och generativa AI-funktioner; talare vid AWS re:Invent 2022 om personalisering.
- Omnämnd i Forbes; har hållit keynote-tal och varit konferencier vid bland annat SXSW och Grace Hopper Celebration. Sitter i styrelsen och är rådgivare för bland annat Rewriting the Code.
Biografi
Generativ AI har utvecklats snabbare än vad de flesta företags verksamhetsmodeller hinner anpassa sig till. Inom AWS leder Tia White verksamheten inom AI och maskininlärning som kunderna vänder sig till när ett pilotprojekt ska omvandlas till en produkt. Hon ansvarar för marknadsintroduktion, produktutveckling och teknik för en AI-portfölj som genererar över 25 miljoner USD i vinst, inklusive några av de snabbast växande tjänsterna hos AWS.
Hennes arbete på AWS innefattar att leda nästa generation av Amazon Personalize, med funktioner som Personalized Search, Next Best Action och generativ AI som nu används av företag för att öka engagemanget och intäkterna. Hon har talat på AWS re:Invent om personalisering som en operativ disciplin snarare än en marknadsföringsfunktion, och citeras regelbundet av AWS som en auktoritet när det gäller vad kunder i generation Y och Z förväntar sig av personaliserade upplevelser.
Innan AWS hade hon ledande teknikroller hos Wells Fargo, Capital One och JPMorgan Chase, bland annat som ansvarig för migreringar till publika molntjänster inom finanssektorn. Hon nådde positionen som teknikdirektör på ett Fortune 100-företag innan hon fyllt 30 år. Denna bakgrund inom finanssektorn ger henne konkreta svar på de frågor som reglerade branscher nu ställer sig om generativ AI, data, integritet och risk.
Hon var den första svarta kvinnan som anställdes som generaldirektör inom maskininlärning, AI och analys hos AWS, och använder den plattformen för att ta itu med den svårare frågan bakom de flesta AI-strategier, nämligen om organisationen har den kompetens och den ledarskapsbredd som krävs för att genomföra dem. Hon har uppmärksammats i Forbes, har hållit inledningsanföranden och varit konferencier vid SXSW och Grace Hopper Celebration, och sitter i styrelser, däribland Rewriting the Code.
Viktiga föreläsningsämnen
- Generativ AI i företaget
- Personalisering som en disciplin för intäkter och engagemang
- AI-agenter och agentbaserade arbetsflöden
- Maskininlärning i reglerade branscher
- Molnmigrering och digital transformation
- Ansvarsfull AI och minskning av partiskhet
- Att bygga upp ett mångfaldigt tekniskt ledarskap inom AI och teknik
Perfekt för
- CTO:er, CIO:er samt Chief Data och AI Officers som går från AI-pilotprojekt till produktion
- Marknadschefer (CMO) och kundansvariga (CCO) som satsar på personalisering, rekommendationer och kundengagemang
- Styrelser och ledningsgrupper inom finanssektorn, detaljhandeln och reglerade branscher som utformar AI-strategier
- CHRO:er och DEI-ansvariga som ansvarar för rekryteringen av teknisk kompetens inom AI
Resultat för målgruppen
- En tydligare bild av vilka användningsfall för generativ AI som lönar sig och vilka som inte gör det, baserat på mönster från verkliga AWS-kunder.
- En praktisk syn på personalisering som en operativ förmåga som berör data, produkt och teknik, inte en marknadsföringskampanj.
- Mer precisa frågor till styrelsen om AI-risker, integritet och verksamhetsmodellen kring generativ AI.
- En konkret bild av hur den tekniska ledningsgruppen bakom en seriös AI-strategi ser ut, och var de flesta organisationer har brister.
Utvecklingssamtal
Ett arbetsmöte om var generativ AI och stora språkmodeller faktiskt passar in i ett företag och var traditionell maskininlärning fortfarande har övertaget.
Viktiga slutsatser:
- Ett praktiskt filter för att skilja användningsfall för GenAI från klassiska användningsfall för ML.
- Mönster från AWS-kunder när det gäller att överföra GenAI från pilotfas till produktion.
- De frågor kring data, integritet och förändringshantering som avgör om ett GenAI-program kan lanseras.
Hur ledare använder maskininlärning och AI för att förkorta beslutsprocesserna, skräddarsy kundupplevelsen och omforma verksamhetsmodellen.
Viktiga slutsatser:
- Hur du identifierar de mest värdefulla användningsområdena för maskininlärning och AI i din verksamhet.
- Hur datadrivet beslutsfattande i realtid ser ut när det fungerar.
- Den organisatoriska förändring som krävs för att ett ML-program ska överleva sin initiativtagare.
En lättförståelig förklaring av vad AI-agenter är, var de används idag och vad som krävs för att driva dem på ett säkert sätt inom ett företag.
Viktiga punkter:
- Vad en AI-agent är, i enkla ord, och hur den skiljer sig från en modell eller en copilot.
- Den teknik och de processramar som krävs för att använda agenter på ett ansvarsfullt sätt.
- Frågor om integritet, styrning och förändringshantering som ledare bör ställa sig redan nu.
En introduktion till federerat lärande som ett sätt för reglerade organisationer att träna AI-modeller över flera institutioner utan att flytta känslig data.
Viktiga punkter:
- Hur federerat lärande fungerar och varför det är viktigt för hälso- och sjukvården, finanssektorn och den offentliga sektorn.
- De egenskaper gällande integritet och regelefterlevnad som gör det kommersiellt relevant.
- Vad ledare inom reglerade branscher bör fråga sina AI-team om federerade tillvägagångssätt.