Convertir el sonido en información: Kobi Abayomi de Warner Music Group

Los equipos especializados, en particular los equipos de tecnología, a menudo enfrentan desafíos a medida que se esfuerzan por trabajar de manera multifuncional, especialmente en organizaciones heredadas.

Para Kobi Abayomi, vicepresidente de ciencia de datos de Warner Music Group, abordar tales desafíos comienza con la contratación de talento sólido en la función de tecnología.

La tecnología puede hacerle frente a la escasez de enfermeras

En este episodio del podcast Me, Myself, and AI, Kobi se une a los anfitriones Sam Ransbotham y Shervin Khodabandeh para explicar cómo la compañía de música está trasladando su infraestructura a la era digital, cómo aprovecha grandes cantidades de datos de los consumidores para tomar decisiones informadas en un panorama cada vez más desafiante y cómo la IA está ayudando a los clientes a descubrir nueva música que les encantará.

Transcripción

Sam Ransbotham: Escuchamos mucho sobre cómo las empresas pueden usar la IA para trabajar de manera más eficiente y mejorar la rentabilidad. En Warner Music Group, la empresa logra esos objetivos ayudando a los clientes a descubrir la música que más les gusta. Descubra cómo la IA puede ayudar a llevar la música a sus oídos en el episodio de hoy.

Kobi Abayomi: Soy Kobi Abayomi de Warner Music Group y estás escuchando Me, Myself, and AI.

Sam Ransbotham: Bienvenido a Me, Myself, and AI, el podcast sobre inteligencia artificial en los negocios. En cada episodio, te presentamos a alguien que innova con IA. Soy Sam Ransbotham, profesor de sistemas de información en Boston College, y también soy el editor invitado del programa AI and Business Strategy Big Ideas en MIT Sloan Management Review.

Shervin Khodabandeh: Y yo soy Shervin Khodabandeh, socio senior y director general de Boston Consulting Group.

Kobi Abayomi: Encantado de conocerte.

Shervin Khodabandeh: Bienvenidos al programa.

Kobi Abayomi: Gracias.

Sam Ransbotham: Shervin y yo estamos emocionados de hablar hoy con Kobi Abayomi, vicepresidente senior de ciencia de datos de Warner Music Group. Kobi, gracias por tomarte el tiempo de unirte a nosotros. Bienvenido.

Kobi Abayomi: Sí, gracias. Gracias por tenerme.

Sam Ransbotham: Comencemos. Kobi, tienes un nuevo puesto en una nueva empresa para ti, Warner Music. ¿Puedes hablarnos de tu papel?

Kobi Abayomi: Claro. Empecé aquí hace un año. Lidero el esfuerzo de ciencia de datos de la empresa.

Es una compañía de música. ¿Y qué es una compañía de música? Una compañía de música es una red de apoyo para artistas; es un depósito de derechos de licencia; es un creador de contenido musical.

El secreto para apoyar a tu equipo en tiempos críticos

Entonces (es) una compañía de música moderna, una de las tres compañías principales.

Los otros son Sony y Universal, y cada uno de ellos probablemente lleva a cabo un conjunto de actividades que es relativamente similar, que consiste en encontrar nuevos talentos, mantener y monetizar la música que ya se ha producido, tanto desde el lado de la grabación como de la publicación, luego encontrar otras formas de monetizar artistas actuales y pasados, a través de mercadería, licencias, sincronización (eso es cuando la música se reproduce en otros medios, comerciales, películas, etc.) las cosas que a todos nos gustan y disfrutamos: giras, música en vivo, cosas como eso, así, la compañía tiene sus dedos en todas las partes del panorama musical.

Sam Ransbotham: Su función es la de vicepresidente sénior de ciencia de datos, y no creo que haya mencionado la palabra datos allí en absoluto.

Kobi Abayomi: Claro.

Sam Ransbotham: ¿Qué papel juegan los datos?

Kobi Abayomi: Déjame darte el otro lado de la página, entonces. Los datos juegan un papel importante.

Esta es una compañía de medios heredada, [de] las cuales hay muchas. Desde una perspectiva de ciencia de datos, gran parte del trabajo es de infraestructura.

Estás en una organización que hizo las cosas de una manera y ahora se enfrenta a un panorama más competitivo con empresas de tecnología que [ahora tienen] sus pies en el lado de los medios del espacio del consumidor.

Por lo tanto, gran parte del trabajo tiene que ver con la infraestructura, la codificación y la tecnología, en realidad: ser capaz de ingerir datos, convertirlos en características y convertirlos en conocimientos que sean significativos para que la empresa pueda competir y operar ahora que está acosada por un volumen de datos que no era antes.

Gran parte de la forma en que el dinero entra en la puerta de una compañía de música hoy en día es a través de la transmisión digital.

El canal de distribución es digital, ¿no? Los Spotify y Apple Music del mundo son los que entregan nuestro producto directamente a mis oídos, así como a sus oídos. … Y nos pagan por el uso de ese producto e inventario.

Lo que sucede es que los datos sobre el uso de ese producto, que se origina y tiene la resolución más alta en el lado de distribución del canal, obtenemos una versión del mismo.

Entonces, muchas de las cosas que se han convertido en pro forma en los negocios D2C [directo al consumidor], que son sistemas de recomendación, segmentación de audiencia, cosas así, ahora son empresas de medios, no solo esta empresa; cualquier tipo de compañía de medios heredada que tenga un canal de distribución que haya cambiado de analógico a digital, ahora tiene que refactorizar y volver a comprender: ¿Cómo entendemos el mercado? ¿Cómo entendemos los grupos de audiencia?

Tengo la edad suficiente para recordar y he participado en grupos de enfoque, cuando era estudiante universitario. [Risas.] Y recuerdo… la universidad a la que asistí, supongo que era un buen participante de los grupos focales, y me llamaban para diferentes campañas, ya sabes, Budweiser o Hertz Rent-a-Car, y recuerdo que le hagan un montón de preguntas diferentes en un grupo.

Bueno, ahora, con el consumo digital de cosas, podemos aumentar esas metodologías más antiguas de lo que realmente le gusta a la gente, quiénes son en realidad, cuáles son sus afinidades, cuáles son sus comportamientos.

Piyush Gupta, CEO de DBS Bank: retrato de un líder en Inteligencia Artificial

Entonces, para esta empresa en particular, para las empresas de medios heredadas en general, gran parte del trabajo de ciencia de datos se trata de desarrollar la capacidad para que puedan disfrutar de lo que ahora está disponible en cuanto a datos para comprender a sus consumidores.

Sam Ransbotham: Uno de los desafíos que Shervin y yo tenemos a menudo es que cuando hablamos con las personas, se concentran muy poco en su trabajo en particular.

Una de las cosas en las que siempre estamos pensando es: “¿Cómo ampliamos esto para que todos puedan relacionarse?” porque no todo el mundo está en el negocio de la música.

Pero lo has hecho por nosotros. Quiero decir, realmente acabas de exponer los desafíos de las empresas heredadas y cómo eso se aplica no solo con los medios, sino… quiero decir, mucho se distribuye digitalmente.

Creo que es una ampliación interesante que ya has hecho allí para explicar ese proceso.

Kobi Abayomi: Oh, bueno, gracias por decir eso. Este es el discurso que doy dentro de la empresa.

Entonces, todos en la empresa no tienen una comprensión de “¿Qué es la ciencia de datos? ¿Por qué están aquí? Y creo que cualquiera que esté en la ciencia de datos está acosado por esa pregunta existencial.

Shervin Khodabandeh: Comenzaste diciendo muchos de los desafíos, dado que es una empresa heredada, son desafíos de infraestructura, y nos guiaste muy bien a través de eso.

Pero luego también habló sobre el axioma de existencia en una empresa heredada para un equipo de ciencia de datos, que es un poco, o tal vez mucho, un desafío cultural y organizacional también. Comenta un poco sobre ese lado de la moneda.

Kobi Abayomi: Claro. Llevo tanto tiempo haciendo estadísticas que recuerdo cuando los departamentos académicos se deshacían de sus departamentos de estadísticas, donde las estadísticas se convirtieron en bioestadística, econometría, psicometría y la gente [dijo]:

“Lo haremos nosotros mismos. Nos enseñaremos a nosotros mismos. Impartiremos nuestras propias clases de servicio”.

Princeton se deshizo de su departamento de estadísticas. Recuerdo la Universidad de Texas cuando incorporaron lo que hacían en estadística a su [departamento] de ingeniería industrial.

Todo esto sucedía hace 20, 25 años. La generación de datos se puso al día. Ahora tenemos dispositivos que generan datos, muchas de las ideas y nociones que teníamos en torno a las estadísticas computacionales a gran escala ahora han cobrado vida (1) por necesidad y (2) por capacidad: tenemos la capacidad de hacer estas cosas.

Puede hacerse en computadoras portátiles; no tiene que acceder al mainframe de Condor y ejecutar trabajos en paralelo.

Para responder ahora que en el contexto de los negocios y las cosas culturales, los negocios son personas, ¿no? Tenemos suerte de organizar personas para tareas similares.

Yo digo esto: me encantan los coches. Recuerdo que un día tuve un pensamiento: ¡Qué increíble cosa es un automóvil! Tome Toyota, por ejemplo, esta gran empresa que abarca todas estas actividades diferentes: fabricamos tableros; hacemos diales; hacemos manijas de puertas.

Esencialmente, incluso de una manera más profunda, convertimos los minerales y el polvo en este producto, un producto normal, donde puedo tener un Corolla, puedes tener un Corolla, y son más o menos iguales

Qué cosa tan increíble reunir a tanta gente para salir de esta cosa regular y complicada. En cualquier negocio, tienes eso.

Estás apelando al espíritu de la época de Jung para producir algo que sea coherente y luego reproducible. Así es como los negocios hacen dinero.

En el negocio de la música, uno de los desafíos es la forma en que las personas entienden la música y cómo la consumen.

Hay una narrativa de que hacer un éxito, digamos, [es] solo una cosa casual que podría suceder, o idiosincrásica, o solo conocida por el tipo que tiene las zapatillas Adidas geniales que está en el club en este momento. … Y lo que siempre digo al tener estas conversaciones sobre cultura: ¿La gente es predecible? ¿La gente tiene patrones? ¿Y podemos simplemente prestar más atención a lo que hacemos?

Eso es todo lo que realmente es ciencia de datos, ¿verdad? Escribiendo cosas, fingiendo que había un experimento.

5 errores en ciencia de datos que afectan a tu negocio

¿De qué supuestos surgen nuestras acciones? entonces, ¿cómo notamos los resultados de esas cosas, mediados y comprometidos por esos supuestos?

Estos son los tipos de conversaciones que tengo dentro de la empresa, que tengo con la gente de mi equipo.

Creo que una de las cosas hermosas de la música, y por qué me siento afortunado de estar haciendo ciencia de datos en una compañía de música, es que hay resonancia allí.

Las personas que generalmente tienen una inclinación natural a esta versión de la forma de arte y su complejidad escuchan cosas como esa y entienden ese argumento. Que tiene sentido.

Estamos tratando de averiguar… He tenido esta conversación con algunos de mis colegas en otros grupos de ciencia de datos, en otras compañías de música o distribución de música.

Lo que, esencialmente, estás tratando de hacer es seleccionar más escucha. Creo que cualquiera en los medios en estos días, creo que cuando miremos hacia atrás en esta época, el epitafio será “Esta era el área competitiva de atención” o “la era de pocos ojos y muchas vallas publicitarias”.

Todos estamos tratando de extraer una porción mayor del presupuesto de atención de las personas. Tenemos aún más ventajas porque existe la necesidad de consumir ese tipo de contenido.

Tu cerebro quiere escuchar algo; tu cerebro quiere escuchar algo novedoso. La otra parte es que, a medida que las personas crecen y las audiencias crecen, a lo que apelas son las experiencias pasadas de las personas y su tipo experiencial de comprensión e incorporación de lo que han escuchado en diferentes momentos, y podemos ver esto en patrones de consumo en la música.

A medida que aumenta el mercado total direccionable de oyentes digitales, se ve una inclinación hacia ciertas épocas de escucha de catálogo. Obtienes una población y les das la oportunidad de escuchar todo tipo de cosas; Resulta que quieren escuchar las cosas que asocian con buenos sentimientos y buenos momentos en sus vidas.

Entonces, lo que queremos hacer es comprender realmente esa interacción entre las afinidades de una persona por ciertos tipos de sonidos y experiencias, curar eso, de alguna manera.

Parte de esa curaduría puede ocurrir desde el artista como locus, ¿verdad? Por ejemplo, John Mellencamp te hace sentir de cierta manera, y te vuelves fanático de eso y te involucras mucho en ese artista en particular de cierta manera.

Este sonido te hace sentir de cierta manera. La música electrónica, el “deep house” te hace sentir de cierta manera.

Nuestro trabajo es comprender eso lo suficientemente bien como para poder tener el contenido de forma dinámica, seleccionarlo y entregarlo para que podamos capturar y responder a lo que considero un deseo natural de consumir nuestro producto: la música.

Shervin Khodabandeh: Muy bien dicho. Y podrías hacerlo con la conciencia tranquila.

Kobi Abayomi: Así es. ¡La mayor parte del tiempo!

Shervin Khodabandeh: Nos diste una muy buena idea de por qué es útil e interesante para la organización y para la empresa hacer este tipo de casos de uso impulsados ​​por IA. ¿Qué hace que su trabajo sea difícil? ¿Cuáles son algunos de los desafíos?

Kobi Abayomi: Claro. Diré un par de cosas. Primero, es un problema difícil como algo técnico.

Tenemos diferentes verticales en mi equipo dedicados a las patas específicas de un taburete, o comprender a las audiencias y hacerlo a través de una visión mediada de ellas.

Nuevamente, somos más como un negocio B2B que directo al consumidor, ¿verdad? Spotify y Apple nos están mediando.

¿Cómo podemos comprender mejor a nuestras audiencias de una manera dinámica y de alta resolución con la información que tenemos? Aquí es donde la ciencia de datos puede agregar mucho valor.

Nuestro contenido en sí mismo: comprender nuestro contenido en sí mismo de una manera que sea útil para la ciencia de datos.

Convertir el sonido en información, y no solo el sonido en información sino la canción misma.

La canción en sí tiene un producto de un artista, en sí tiene un producto de una colección de productores y un producto de una colección de músicos.

Tener la infraestructura de ciencia de datos que nos permita codificar todo esto y asociarlo de manera que podamos modelarlo y ofrecer una inferencia significativa para el negocio.

Como ejercicio científico, hay muchas cosas interesantes que son muy sustanciosas, y disfruto esa parte.

Digo eso en respuesta a “¿Qué parte es difícil?” La otra parte es, y creo que esto no se refiere solo a lo que estamos haciendo en particular en el grupo con el que trabajo, sino en general, a esta necesidad de justificación de la existencia.

Parte de lo que creo que cualquier departamento de ciencia de datos se verá acosado, especialmente la empresa heredada, es satisfacer la necesidad de productos de información para el negocio y, al mismo tiempo, preparar el negocio para lo que será el futuro.

Si configura un departamento de ciencia de datos que solo responde lo que se pregunta ahora, ese no es un departamento de ciencia de datos útil.

Estoy tratando de pensar en un ejemplo. (¿Qué) si Google se hubiera detenido en “Simplemente vamos a hacer PageRank y eso es todo, y vamos a vender anuncios a través de PageRank”? Alguien hizo la pregunta: “Bueno, ¿y si tuviéramos un producto de mapeo? Bueno, ¿y si tuviéramos un producto de correo electrónico? ¿Y si tuviéramos estas cosas?.

Estoy seguro de que para las personas que estaban allí en el negocio en ese momento en el pasado, estos eran nuevos y novedosos y algo que requería algo de convencimiento.

Estábamos en la misma posición en colaboración y conversación con el negocio para empujar la frontera de lo que se puede hacer, para excitar su imaginación sobre lo que es posible.

Sam Ransbotham: ¿Cómo estás averiguando esas cosas? ¿Cómo averiguas qué sigue? Parece bastante fácil.

Kobi Abayomi: Sí.

Sam Ransbotham: Escuchas las quejas para decirte lo que deberías estar haciendo en este momento.

Kobi Abayomi: Así es. Así es. (Risas).

Sam Ransbotham: ¿Cómo estás averiguando qué hacer y hacia dónde deberías ir?

Kobi Abayomi: (Es un( trabajo en progreso. Aquí hay un ejemplo: el año pasado tuve que someterme a una cirugía ocular y, al principio, las preguntas que podría tener… Yo estaba como, “Oh, puedo sentir que algo anda mal en mi ojo; ¿lo que hay que hacer?” Entonces vas al especialista, y el especialista pasa por una serie de cosas para llegar al punto donde, “Aquí, este es el resultado que quieres, pero estas son cosas que deben suceder en el camino”.

Tienes que ser capaz de seguir ese camino de investigación con alguien que sea un experto para poder llegar a la meta general más gruesa.

Cuando nosotros, en una conversación con nuestros socios comerciales, somos capaces de enmarcar lo que ellos quieren… Así que una analogía: son las personas que necesitan la cirugía ocular y, a veces, somos las personas que podemos proporcionar un bisturí o una esclerótica, hebilla o una burbuja en su retina, o lo que sea que necesite abordar lo que están pidiendo.

Cuando podemos tener conversaciones como esa, es muy útil para nosotros, porque podemos dividir el lugar al que intentan llegar en las piezas que sabemos que podemos construir para llegar allí.

Técnicas para motivar a tu equipo con autoridad y empatía

Esas son conversaciones que realmente disfrutamos tener, pero luego, más directamente, no creo que ninguno de nosotros sepa a dónde puede llegar este espacio y cuál es la próxima frontera del disfrute de la música.

No creo que la gente pudiera haber predicho cosas como Snapchat o la proliferación de videos de formato corto en la forma en que es muy popular en este momento. Creo que todos nos sorprenderemos de lo que sucede en la música junto con la ciencia de datos.

Algunas de las cosas que nos emocionan son cosas que están sucediendo en el mundo virtual: conversaciones del tipo Web3. Había despreciado la realidad virtual y el metaverso durante mucho tiempo. tengo una hija de 12 años; ella me puso sus gafas de realidad virtual hace un par de semanas. ¡No quería quitármelos! Yo estaba como, “Oh, Dios mío”. Y cuando me los quité –

Sam Ransbotham: ¿Eso fue antes o después de su cirugía ocular?

Kobi Abayomi: Eso fue después. (Risas). Lo que me acaba de decir es que hay mucho poder en estos nuevos espacios y nuevas formas en que las personas consumen cosas (juegos, el metaverso) y nuevas formas en que podemos ofrecer bienes experienciales, por así decirlo.

En torno a la música que es edificante para las personas y capta otro ergio del presupuesto de atención.

Shervin Khodabandeh: Kobi, ¿cómo encuentras a tu equipo? ¿Qué hace a un buen científico de datos?

Kobi Abayomi: ¡Ay! Genial. Ya sabes, somos muy afortunados. Diré que he trabajado en un par de lugares diferentes y tengo la suerte de tener un equipo increíble.

Quiero dar crédito a esta empresa que me dio la libertad de seguir algunos de los principios que había descubierto en el camino sobre a quién buscas y a quién necesitas como buen científico de datos.

Trato de encontrar un equipo que sea complementario. Algunas personas son buenas en cosas computacionales.

Algunas personas son buenas en cosas teóricas. Algunas personas son buenas en la investigación de operaciones.

Algunas personas son buenas en estadísticas bayesianas. Intenta obtener una base ortogonal para que pueda definir el espacio bastante bien.

En cuanto a las personas, solo busco personas que sean curiosas. Una de las cosas buenas de la contratación durante el año pasado en Warner Music es que muchas personas que tienen un interés sobrenatural en la música surgen y [dicen]: “Wow, no sabía que podía hacer música en datos”. ciencia”, por lo que están entusiasmados con el tema.

Son personas que han trabajado y que han sido fantásticas y geniales. Si solo desea establecer un nivel en cuanto a la capacidad, le doy un problema para llevar a casa.

Tenemos un par de versiones diferentes, están relacionadas con la música y la ciencia de datos y en lo que estamos trabajando, y simplemente dejamos que las personas se sienten y piensen en ellas.

Por último, busco personas con las que podamos disfrutar y tratarnos como personas y como iguales.

Para un equipo como este, donde el trabajo es duro y fundamental, necesitamos mucha colaboración.

Necesitamos mucha comunicación. Entonces, buenas personalidades, donde actuamos entre nosotros casi como si fuéramos miembros de la familia.

Muchas de estas cosas, ya sabes, las aprendí, te diré la verdad, las aprendí como profesor encontrando estudiantes de posgrado.

Es una relación fuerte. No es del todo padre-hijo, pero es una relación muy fuerte.

Shervin Khodabandeh: Kobi, tenemos un nuevo segmento en el programa. Le haremos algunas preguntas al estilo rápido. ¿Cuál es tu momento de IA de mayor orgullo?

Kobi Abayomi: Ya sabes, estamos convirtiendo el sonido en vectores de información sobre los que podemos construir incrustaciones.

Luego miramos y vemos la topología del espacio que formamos después de ingerir el sonido.

Te diré, funciona. Por ejemplo, últimamente he estado escuchando mucho de lo que llamaré rock vocal de los 70 impulsado por bocinas: Redbone, Chicago, grupos así.

Cuando miras el modelo que construimos, obtendrás las otras bandas y sonidos, incluso con toda la variación y las cosas que sucedieron en diferentes tipos de álbumes y diferentes pistas, y elegirás las que te gustaría. decir, como, “Oh, sí, sí. Derecha. Yo también escucharía a esos muchachos”.

Empecé a escuchar mucho más Hot Chocolate por el modelo que usamos; tienen esta canción, “Everyone’s a Winner, Baby”. Eso es algo que surgió de la construcción de este modelo.

Cómo la hiperflexibilidad puede beneficiar o agotar a su equipo

Shervin Khodabandeh: ¿Cuál es tu actividad favorita que no involucra tecnología?

Kobi Abayomi: Me gusta nadar. Fui nadador durante mucho tiempo. Todavía me gusta meterme en el agua. Me encanta.

Sam Ransbotham: ¿Qué querías ser cuando eras niño?

Kobi Abayomi: ¡Ay! Todo tipo de cosas, pero diré que la más destacada fue que quería hacer algo con los autos.

Quería diseñar autos, fabricar autos, hacer funcionar los motores. (Risas). Me encantaban los autos. Los amaba como dispositivos complicados.

Todas estas cosas necesitan trabajar en concierto, ya sabes: química, termodinámica, física. Me encantaban los autos.

Shervin Khodabandeh: ¿Qué le preocupa de la IA?

Kobi Abayomi: La gente está preocupada por el reconocimiento facial y cosas por el estilo y qué tan bien funciona en diferentes grupos.

Eso es un poco desconcertante. Cuando piensa en el problema subyacente y piensa en lo que probablemente se use debajo de él, lo que probablemente se use debajo un clasificador de red neuronal, que probablemente tiene una fuerte suposición para la distribución gaussiana multivariante o lo que sea, una especie de pixelación de un cara y cosas así, y piensas en ese par de cosas y dices: “Sí, algunas cosas podrían salir mal”.

Sam Ransbotham: ¿Qué espera que podamos obtener de la Inteligencia Artificial en el futuro?

Kobi Abayomi: Así que esta es la parte en la que tenía un pequeño discurso enlatado para ti.

Entonces, cuando pensamos en Inteligencia artificial, sabemos como profesionales que no es inteligencia artificial, ¿verdad? Es una especie de inteligencia de aumento, o auxiliar. Es inteligencia que estamos creando para realizar diferentes tareas para nosotros.

Creo que eso es lo que debemos esperar de él: liberar a la gente para pensar en otras cosas, ¿no? Tal vez una de las cosas buenas si reducimos la conducción autónoma es que las personas tienen más tiempo para leer libros y ser introspectivos y leer literatura hermosa.

Lo que espero es que lo usemos de manera que edifique la experiencia humana y no la destruya.

Shervin Khodabandeh: Muy bien dicho.

Sam Ransbotham: Kobi, realmente disfrutamos hablar contigo.

Creo que estás en un espacio interesante porque como los costos de producción de la música se han reducido tanto, se ha creado mucha música, pero seguiste usando la palabra curar varias veces, y definitivamente mencionaste algunas veces que es una buena experiencia. que no sabemos qué música nos gusta hasta que la escuchamos.

Pero una vez que hemos hecho eso, ya hemos pasado el tiempo. Entonces, este rol de curaduría es muy interesante y parece una gran aplicación de sus habilidades particulares. Gracias por tomarse el tiempo para hablar con nosotros hoy.

Shervin Khodabandeh: Muchas gracias por todas sus ideas.

Kobi Abayomi: Gracias.

Sam Ransbotham: Gracias por escuchar. La próxima vez, hablaremos con Ya Xu, jefe de datos de LinkedIn. Por favor únete a nosotros.

Allison Ryder: Gracias por escuchar Me, Myself y AI. Creemos, como usted, que la conversación sobre la implementación de IA no comienza ni termina con este podcast.

Se llama AI for Leaders, y si se une a nosotros, puede chatear con los creadores y presentadores de programas, hacer sus propias preguntas, compartir ideas y obtener acceso a recursos valiosos sobre la implementación de AI de MIT SMR y BCG.

Síguenos en LinkedIn para mantenerte informado

Síguenos en Google News