Nuestros sitios
Ver edición digital Título de la edición actual
Compartir

El músculo de la colaboración: Ya Xu de LinkedIn

MIT Sloan 01 Jul 2022
El músculo de la colaboración: Ya Xu de LinkedIn

Ya Xu, jefa de datos de LinkedIn, explica las tres funciones de mercado principales de la plataforma, las cuales dependen de la tecnología y la Inteligencia Artificial.


En el transcurso de su mandato de nueve años en LinkedIn, Ya Xu ha desempeñado funciones tecnológicas con una responsabilidad cada vez mayor. En la actualidad, dirige la función de datos de la plataforma de redes profesionales en línea.

Ya se une a los anfitriones Sam Ransbotham y Shervin Khodabandeh en este episodio del podcast Me, Myself, and AI, donde analiza el papel esencial de AI para ayudar a LinkedIn a crear las mejores coincidencias para creadores de contenido con consumidores; buscadores de empleo con empleadores, y a compradores con vendedores dentro de sus tres mercados clave.

Ya también describe cómo la empresa ha fomentado una cultura de priorizar los datos desde arriba hacia abajo, y cómo su gran cantidad de datos de actividad económica está ayudando a los gobiernos y a los responsables políticos de todo el mundo.

Cómo adoptar la IA cuando tu industria está en proceso de cambio

Transcripción

Sam Ransbotham: La mayoría de nosotros hemos usado LinkedIn para buscar trabajo o hacer nuevas conexiones profesionales, pero ¿cómo puede ayudar la IA a facilitar todas las formas en que los usuarios interactúan con LinkedIn? Descúbralo hoy, cuando hablemos con Ya Xu, jefe de datos de LinkedIn.

Bienvenida a Me, Myself, and AI, un 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. También soy el editor invitado del programa Big Idea de Inteligencia Artificial y Estrategia Comercial en MIT Sloan Management Review.

Shervin Khodabandeh: Y soy Shervin Khodabandeh, socio principal de BCG, y también codirijo la práctica de IA de BCG en América del Norte.

Juntos, MIT SMR y BCG han estado investigando la IA durante seis años, entrevistando a cientos de profesionales y encuestando a miles de empresas sobre lo que se necesita para construir, implementar y escalar capacidades de IA en toda la organización y realmente transformar la forma en que operan las organizaciones.

Sam Ransbotham: Shervin y yo estamos emocionados de hablar hoy con Ya Xu, jefe de datos de LinkedIn. Gracias por tomarte el tiempo para unirse a nosotros. Bienvenida.

Ya Xu: Gracias por recibirme.

Sam Ransbotham: Comencemos con tu rol actual. ¿Qué haces para LinkedIn?

Ya Xu: Soy parte de la organización de ingeniería. Dirijo un equipo que se llama “datos”.

Sé que es muy confuso para las personas ajenas a LinkedIn darse cuenta de lo que realmente significa “datos”, pero, esencialmente, si piensa en toda la ciencia de datos, la Inteligencia Artificial y la ingeniería de privacidad, todo está sucediendo en mi organización.

Entonces (trabajamos) desde la investigación hasta la producción, por lo que es una organización bastante grande que realmente está ayudando a la empresa a realizar nuestra ambición en datos e Inteligencia Artificial.

Shervin Khodabandeh: ¿Y cuál es esa ambición?

Ya Xu: Realmente está usando IA, usando datos, para ayudar a crear oportunidades económicas para la fuerza laboral global.

Shervin Khodabandeh: Comenta un poco más sobre eso. Por cierto, me gusta cómo dijiste: “Mira, se trata de crear oportunidades y valor económico”, y no dijiste: “Se trata de traer las tecnologías más avanzadas y construir algoritmos sofisticados”, lo cual estoy seguro es parte integral de lo que haces, pero comenzaste con un metaencuadre y posicionamiento muy alto.

Es realmente alentador escuchar eso. Pero, en general, comenta qué es eso para LinkedIn y qué papel juega la IA en eso.

Síguenos en LinkedIn para mantenerte informado

Ya Xu: En primer lugar, quiero decir, creo que crear tecnología avanzada, para mí, eso es “cómo”.

El objetivo final no es solo crear tecnología, sino realmente, como mencioné, crear oportunidades. Tal vez lo desglosaría un poco.

No sé qué tan bien la audiencia entiende LinkedIn en general. Nos gusta pensar que tenemos tres mercados clave.

Tenemos nuestro mercado de conocimiento donde las personas están creando contenido en LinkedIn, consumiendo contenido e informándose para que puedan avanzar en su carrera.

Hacer las conexiones correctas con las personas adecuadas. Eso es lo que llamamos el mercado del conocimiento. También tenemos el mercado de talentos.

Aquí es cuando los buscadores de empleo acuden a LinkedIn, y también los empleadores y las empresas publican trabajos y los reclutadores encuentran el talento adecuado para las empresas.

Ese es nuestro mercado de talentos, que también incluye nuestro aprendizaje: pensar en personas o profesionales que se están recapacitando para que puedan seguir avanzando en su carrera o encontrar nuevas oportunidades.

El tercer mercado es realmente el mercado de productos y servicios. Aquí es donde los especialistas en marketing acuden a la plataforma de LinkedIn y luego realmente intentan identificar a los compradores de sus productos y servicios: los vendedores vienen a LinkedIn y realmente intentan identificar a los compradores también para ellos.

Entonces, si está pensando en el papel que desempeña la IA, con suerte con ese contexto, está muy claro que, obviamente, en el mercado del conocimiento, realmente estamos tratando de unir a los creadores de contenido con los consumidores de contenido adecuados.

En el mercado de talentos, realmente solo tratamos de unir a los buscadores de empleo con las empresas adecuadas con las oportunidades adecuadas.

Para el mercado de productos y servicios, solo estamos tratando de hacer coincidir compradores y vendedores, etc.

Cuando lo pones en ese contexto, espero que sea muy sencillo ver que, obviamente, los datos y la IA juegan un papel tan esencial porque ¿cómo los combinas? Realmente es a través de tecnologías avanzadas que tenemos en datos e Inteligencia Artificial.

Shervin Khodabandeh: Entonces, “¿cómo los emparejas?” luego nos lleva a una variedad de casos de uso y experiencias, y tengo curiosidad, ¿cómo se te ocurren? ¿Cuál es el proceso en el que tiene el lado comercial y el lado tecnológico, de ingeniería y de datos trabajando juntos?

Sam Ransbotham: Cuéntanos la receta.

Shervin Khodabandeh: Sí.

Ya Xu: (Risas) De hecho, tal vez comenzaría a abordar los aspectos tácticos de las cosas.

Creo que LinkedIn es un lugar único, porque la forma en que describo LinkedIn como tres mercados diferentes y la forma en que los datos y la IA juegan un papel, así es como nuestro CEO describe LinkedIn.

Lo que he descrito no se parece tanto a “Oh, estos son nuestros datos o la vista de IA de LinkedIn”; esta es LinkedIn como la visión general de LinkedIn de una empresa.

Entonces, con suerte, eso prepara el escenario de cómo los datos integrados y la IA son para la misión y la visión de la empresa, cómo opera la empresa, para la colaboración, de la que podemos hablar más, cómo funcionan los diferentes procesos de desarrollo de productos y cómo ocurre la colaboración. a través de diferentes límites del equipo.

Ahí es donde quería comenzar, porque es solo una palabra: está muy integrado.

Shervin Khodabandeh: Sí.

Ya Xu: Tácticamente… tal vez (hablaré) un poco sobre cómo estamos organizados.

LinkedIn está muy funcionalmente organizado, entonces, si está mirando quién se sienta en la mesa de nuestro director ejecutivo, tiene, esencialmente, todos los jefes funcionales: jefe de ingeniería, jefe de producto, jefe de ventas, jefe de marketing, jefe legal, ya sabe, RRHH, jefe de, obviamente, las finanzas. Tenemos un músculo muy fuerte debido a eso para trabajar de manera interfuncional.

Así, aunque todas las funciones de Inteligencia Artificial y ciencia de datos están en mi equipo, tenemos el músculo y estructura para permitir una colaboración realmente fuerte entre todas las demás funciones con las que trabajamos, para llevar las soluciones de Inteligencia Artificial a la producción, a la vida. , y entregar ese valor a nuestros miembros y clientes.

Cómo reaccionan los clientes cuando sus solicitudes son evaluadas por algoritmos

Entonces, concretamente, mi equipo: tengo líderes que se enfocan en diferentes áreas.

Como ejemplo, tengo un líder que se enfoca en nuestra experiencia del consumidor en particular, por lo que la forma en que operaría es que trabajaría muy de cerca, de una manera muy integrada, con otros líderes multifuncionales que se enfocan en el consumidor Y experiencia.

¿Entonces que significa eso? Tienen muchos, muchos puntos de contacto, desde la planificación trimestral: “¿Cómo se establecen los OKR? ¿Cómo se hacen las reseñas? Cuando se trata de una iniciativa en particular, todos los jefes funcionales se unen y luego elaboran una estrategia de lo que debe suceder, quién [debería] trabajar en ellos: planificar nuestras hojas de ruta.

Todo [esto está] sucediendo sin problemas como un equipo multifuncional. Y, como dije, porque nosotros como empresa siempre, desde la existencia de LinkedIn, hemos operado de esta manera; todo el mundo tiene ese músculo.

Shervin Khodabandeh: Es genial, porque Sam y yo investigamos mucho aquí y hablamos con empresas de todos los sectores, y es realmente interesante: Dijiste las tres claves que realmente han sido desafíos para la mayoría de las personas que no obtienen ningún valor de la IA.

Dijiste “estrategia y misión”, ahí es donde empezaste “equipos multifuncionales integrados” y luego “colaboración”, de hecho, cuando observa los datos del 90% de las empresas que realmente no obtienen tanto valor por sus inversiones en IA (en comparación con) ese 10% que sí lo obtienen, todo se reduce a estos tres puntos.

Es interesante que LinkedIn, desde sus inicios, ha sido ese tipo de lugar, donde ha sido “los datos primero” de manera integrada.

(Esto) resuena por completo, [es] también muy refrescante que en su papel como jefa de ingeniería y datos, ahí es también a donde primero va, antes de ir y habla sobre todo lo demás, lo cual es muy importante, pero es el como”; no es el “qué”.

Ya Xu: Sí, absolutamente, y siempre miro a los líderes de mi equipo también.

No son solo como, “Oye, solo soy un líder de IA; Solo soy un líder de datos”. Realmente necesitan entender dónde está el objetivo final, ¿verdad? El objetivo final nunca es solo crear quizás el modelo más grande o el mejor estado del arte. Realmente se trata de entregar el valor.

Cuando entiendes eso, y luego cuando tienes un equipo interfuncional que comparte el mismo objetivo y propósito, entonces eso también da vida a esa colaboración con mucha facilidad.

Shervin Khodabandeh: ¿Qué tan difícil fue poner eso en su lugar y alinear el incentivo y la organización y mantener, dijiste “músculos diferentes”? ¿Qué tan difícil fue llegar a ese lugar? ¿Siempre estuvo ahí? ¿Tuvieron que tomar algunas decisiones muy difíciles?

Cómo las conexiones con los clientes pueden ayudar a impulsar la toma de decisiones para los especialistas en marketing

Ya Xu: Llevo casi nueve años en LinkedIn. Quiero decir que casi siempre está ahí, porque así es como siempre hemos estado organizados.

La cultura está tan arraigada que creo que los nuevos colaboradores se asimilarán rápidamente a “Así es como operamos”.

Sam Ransbotham: Mencionaste mejorar en colaboración, y estoy recordando lo que dijiste sobre la coincidencia.

Usaste la combinación de palabras en los tres escenarios. ¿Qué riesgo hay de que siga este camino de un grupo de ingenieros que mejoran constantemente los algoritmos de coincidencia existentes y tal vez se pierdan una cuarta área en la que debe concentrarse?

¿Hay alguna tensión que siente entre mejorar constantemente ese proceso de coincidencia a través de algoritmos y datos cada vez mejores, y averiguar dónde aplicarlo en algunos de sus productos más nuevos como su… no sé… boletín informativo, LinkedIn Lives? , o algunos de esos tipos de cosas nuevas? ¿Dónde está esa tensión?

Ya Xu: Hay nuevas áreas que surgen sin parar con respecto a cómo podemos innovar y deberíamos innovar, e incluso comenzando con la coincidencia, es muy simplista decir: “Oye, podemos intentar hacer una mejor coincidencia”.

Pero, ¿qué significa “mejor coincidencia”, verdad? Tomemos nuestro mercado de datos como ejemplo. Obviamente, queremos unir al candidato mejor calificado con la mejor compañía. Pero, ¿cómo defines eso?

Sam Ransbotham: ¿Qué es “mejor”?

Ya Xu: ¿Qué es lo “mejor”, no solo para el que busca trabajo, sino también, qué es lo mejor para el otro lado del mercado, que son las empresas?

Si estuviera tratando de contratar a alguien, mi estado ideal final es que realmente solo hablo con un candidato, y ese es el candidato soñado que quería contratar.

Lo mismo, digamos, en el mercado del conocimiento, cuando tratamos de conectarnos con los creadores de contenido, con las personas interesadas en leer sus artículos:

¿Qué significa eso incluso con “la coincidencia correcta” también? ¿Es que queremos maximizar el compromiso que las personas tienen en una publicación en particular? ¿Cómo pensamos acerca de la distribución de esos compromisos en…? ¿Cómo pensamos en… tal vez soy un nuevo creador, es la primera vez que escribo una publicación en LinkedIn y no obtuve ninguna respuesta?

Estaré tan desanimado y nunca volveré a publicar. ¿Cómo pensamos en esa compensación a corto plazo y la compensación a largo plazo? Hay mucho más, incluso en este marco muy simplista de “Solo estamos haciendo coincidencias”.

Así que ahora, saliendo del aspecto de coincidencia, nuevamente hay mucho más, como pensar, ¿cómo ayudamos a las personas a descubrir contenido? Y… cuando los anunciantes acuden a nosotros, ¿cómo los ayudamos realmente a controlar su presupuesto? ¿Cómo les ayudamos a utilizar mejor su presupuesto?

Shervin Khodabandeh: Dada la cultura progresista y la cultura funcional integrada y altamente colaborativa de LinkedIn, ¿qué hace a un buen candidato para su equipo?

¿Qué está buscando, además de las habilidades duras de tecnología y datos, Inteligencia Artificial y ciencia de datos? ¿Cuál crees que es la salsa secreta allí?

Ya Xu: Yo diría, número uno, alguien que, creo que Satya [Nadella] fue quien dijo esa cita: “¿Te gustaría contratar a un aprendiz o a un sabelotodo?”

Creo firmemente en aprenderlo todo, y lo que hizo que un candidato tuviera éxito en el pasado no significa necesariamente que lo tendrá en el futuro. Pero esa actitud de “voy a aprender; me voy a adaptar”, creo que eso es muy importante.

Así que yo diría que está aprendiendo, alguien que es realmente un gran aprendiz. Y el segundo es alguien que simplemente tiene curiosidad.

Porque cuando tienes curiosidad, tienes ese impulso, tienes ese “Voy a llegar al fondo del asunto”.

Gran parte del increíble progreso que hemos logrado se debe a que alguien dice: “¿Sabes qué? No estoy aquí para todas las cosas esponjosas. Solo voy a estar aquí para concentrarme realmente en este problema que vi y que solo estoy tratando de descubrir cómo resolverlo”.

Shervin Khodabandeh: Sabes, me recuerda: tenía un mentor que solía decirme: “No hay proyectos aburridos, solo personas aburridas”. Y entonces, cada vez que yo estaba como, “Adam, no estoy seguro de estar loco por este proyecto”, dijo, “Podrías hacerlo interesante. Tienes la capacidad de aprender; tienes la capacidad de quejarte constructivamente”. Así que ahora estás diciendo eso; me trajo a la memoria, solo hay gente aburrida, no hay proyectos aburridos.

Ya Xu: Absolutamente. Me encanta eso, podría comenzar citando eso también.

Sam Ransbotham: Lo que es interesante, y creo que se relaciona con eres un héroe en la comunidad académica.

Creo que tal vez te atraigan esas personas: los académicos se quejan mucho; tal vez te atraigan esos académicos que se quejan mucho.

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

Pero quería relacionar eso con otra forma en la que estás creando valor económico a través de LinkedIn.

Creo que una cosa que es realmente fascinante aquí es que tienes una plataforma que tiene una idea de lo que está pasando en la economía de la mano invisible, haciendo que la mano invisible sea visible.

Tienes una visión incomparable. Esperaba que pudieras hablar un poco sobre las cosas que quiero decir, soy consciente de algunas de las cosas que has hecho con el código y con tus proyectos de gráficos de LinkedIn con el mundo académico. ¿Qué estás haciendo en ese aspecto para obtener información sobre esas cosas de las que nunca antes habíamos tenido una idea?

Ya Xu: Muy, muy buen punto, debido al volumen que tenemos en la plataforma y la cantidad de actividad de oportunidad económica que ocurre en la plataforma, tenemos particularmente esa perspectiva sobre (el) futuro del trabajo, qué habilidades están en demanda, cómo las diferentes empresas están contratando, qué industria es contratar más y contratar menos, e incluso solo pensar en el aspecto de equidad: ¿las mujeres [o] los hombres tienen una tasa diferente de cambio de trabajo, etc., [o] avances en sus carreras? Todo lo que así que toneladas de ideas que tenemos en nuestra plataforma.

Entonces, lo que hemos hecho, Sam, aludiste a (eso), es que, por cierto, llamamos a todas estas actividades, esta actividad vibrante en nuestro gráfico, lo que llamamos gráfico económico, y comenzamos un esfuerzo particular en el gráfico económico, probablemente siete, al menos hace seis años, donde esencialmente formamos un equipo que incluye un grupo de personas en mi equipo con nuestros equipos de políticas, con nuestros equipos de comunicaciones, con nuestros equipos editoriales, que realmente intentan para compartir, traer algunos de los datos y conocimientos a las comunidades externas.

Hemos tenido mucho éxito, de hecho. Por ejemplo, el año pasado enviamos un informe a la mayoría de los congresistas (de Estados Unidos) sobre cómo es el mercado laboral en su región.

Tenemos una asociación de colaboración, por ejemplo, con el Departamento de Educación de Singapur para ayudarlos a determinar qué habilidades están en demanda y cuáles faltan para que puedan cambiar su plan de estudios educativo para ayudar.

Sam Ransbotham: Eso es simplemente enorme.

Ya Xu: Obviamente, hemos trabajado con muchas otras instituciones, ya sea mucho más directamente con un gobierno local en particular o con algunos como el Foro Económico Mundial, o el G-20; compartimos muchos de nuestros informes con ellos para ayudar a influir en algunas de las políticas que tienen.

Slang es nombrada Pionera en Tecnología por el WEF

Otro ejemplo simple es que realmente estamos ayudando a la comunidad en general a saber cuáles [son] las habilidades ecológicas: personas que están contratando para habilidades ecológicas, personas que dicen: “¿A dónde va ese talento?” para que a medida que invirtamos más en energía verde, tanto los gobiernos como esas industrias puedan guiarse más en eso desde la perspectiva del talento.

Sam Ransbotham: Eso es enorme.

Shervin Khodabandeh: Haz aparecido en Fortune’s 40 Under 40, haz escrito un libro, haz dado numerosos discursos, eres una profesional muy exitosa en una empresa muy exitosa.

Tengo curiosidad, ¿cuál sería un consejo para tus compañeros en otras organizaciones que están aprovechando la IA como la forma de lograr lo que sea de su empresa? ¿Cuáles serían las dos cosas que crees que podrían no ser obvias para los demás?

Ya Xu: Lo primero que me vino a la mente quizás no sea tan provocativo. Es realmente justo, tener el mejor talento, es tan importante y soy una firme creyente de que cuando te rodeas de las mejores personas, todo lo que necesitas hacer es mirar fuera de la caja y ayudarles a tener éxito y luego simplemente suceden las maravillas.

Muchas de las personas de mi equipo pueden hacer su trabajo mucho mejor que yo, especialmente en un campo que está en constante innovación.

Siempre bromeo acerca de cómo el ritmo que está cambiando este campo, este dominio, es como 300, 400, 500 millas por hora; es una locura.

Quiero decir, obtuve mi doctorado en este dominio, y estuve en este taller que hablaba sobre redes neuronales gráficas y solo aprendizaje de gráficos en general, lo que los profesionales están haciendo hoy en comparación con cuando estaba haciendo mi tesis hace 10 años, es completamente diferente.

Lo que era el estado del arte hace 10 años no se encuentra en la práctica actual. Así que creo que eso, de nuevo, solo enfatiza lo importante que es acompañarse de las mejores personas y el talento, especialmente en un espacio muy innovador.

Lo segundo que quiero decir es, tal vez esto sea un poco menos obvio, es hacer que los datos y la IA funcionen en nuestra empresa, la forma de hacerlo no es construir un muro entre las personas que conocen los datos y la IA y las personas que no saben de datos e IA.

Por cierto, este es un escollo general, ya sea en la mentalidad de las personas o en la forma en que se organizan las empresas. Digamos que tienes un equipo de expertos que es de clase mundial en datos e IA, y luego solo esperas, “Oye, ¿sabes qué? El resto de la empresa no sabe nada sobre datos e inteligencia artificial”.

Shervin Khodabandeh: Creo que lo que dijiste sobre el talento probablemente no sea obvio para muchos, y también creo que realmente corrobora tu punto anterior sobre la curiosidad y el aprendizaje.

Quiero decir, si esos son los ingredientes, entonces, por supuesto, el talento importa mucho. Así que gracias por eso.

Sam Ransbotham: Estamos viendo eso una y otra vez, o tal vez es solo el tipo de personas que, tal vez, nos atraen en el programa. Pero parece estar apareciendo mucho.

Ya Xu: Absolutamente.

Sam Ransbotham: Está bien.

Shervin Khodabandeh: ¿Es este el momento de las cinco preguntas? ¿Deberíamos hacer eso, o…?

Sam Ransbotham: Claro. Sí. Haz eso.

Shervin Khodabandeh: ¿Sabes sobre esto?

Ya Xu: No sé sobre esto, pero dispara.

Shervin Khodabandeh: Oh, ¿no te lo dijimos? Bien.

Sam Ransbotham: ¡Sorpresa!

Ya Xu: Me gustan las sorpresas.

Shervin Khodabandeh: Tenemos esto donde tenemos cinco preguntas. Podrías simplemente hacer un riff, dar una respuesta.

Entonces, ¿cuál es tu momento de IA de mayor orgullo?

Ya Xu: Probablemente regresaría a cuando estaba en la escuela de posgrado, y estaba tomando esta clase, probablemente fue la primera vez que realmente vi la IA en la aplicación de la manera en que puedes sentir y tocar.

Estaba tomando esta clase con Andrew Ng donde supuestamente estábamos construyendo un algoritmo que podía, dada una secuencia de video, identificar objetos en el video. Trabajé muy duro con un compañero de clase y un amigo cercano.

Al final del día, tenían esta competencia de precisión y recuperación de precisión, etc. En una clase bastante grande, ganamos el segundo lugar, así que no el primer lugar, así que aún hay espacio para mejorar, pero estoy muy orgullosa de eso, especialmente porque era el segundo año de mi doctorado, y antes de eso, gran parte de mi experiencia consistía en ejemplos un poco más artificiales.

Shervin Khodabandeh: Muy bien. ¿Qué le preocupa de la IA?

Ya Xu: Por un lado, obviamente estoy muy emocionada por el potencial, pero lo que me preocupa sobre la IA sería en el espacio de la IA responsable en particular.

Obviamente, estoy muy contenta de la atención que la IA responsable puede obtener en el público y en la comunidad de investigación, y también en la industria.

Por qué las empresas deben adoptar prácticas responsables con la Inteligencia Artificial

Al mismo tiempo, no es solo una palabra de moda. Realmente tenemos que ponerlo en práctica y asegurarnos de continuar investigando cómo podemos identificar los sesgos que los sistemas de IA pueden traer, ya que es un espacio súper desafiante.

He estado trabajando en este espacio durante, quiero decir, extensamente, un par de años ahora, y sé lo desafiante que es esto, por lo que mi llamado a la acción para su audiencia es definitivamente apoyarse en el espacio y la investigación.

Shervin Khodabandeh: Muy bien dicho. ¿Cuál es tu actividad favorita que no requiere tecnología?

Ya Xu: Eso es fácil, esquiar.

Shervin Khodabandeh: Eso requiere tecnología.

Sam Ransbotham: Risas

Ya Xu: ¡No requiere tecnología!

Shervin Khodabandeh: El esquí.

Sam Ransbotham: Oh, oh, vamos.

Ya Xu: Por ese argumento…

Sam Ransbotham: Puedes expandir eso a cualquier cosa; ¡vamos!

Ya Xu: Hace unos cuatro años, realmente me metí en el esquí, es la razón por la que amo esquiar es porque es una meditación forzada.

Es como, vas cuesta abajo y yo no soy una buena esquiadora, pero todo lo que pienso es, ¿cómo puedo bajar de manera segura?

Shervin Khodabandeh: Sí.

Ya Xu: No se me ocurre nada más. Así que eso.

Sam Ransbotham: Estaba seguro de que ibas a decir “descenso de gradiente”.

Ya Xu: (Risas) Eso es divertido. Pero también me gusta que cada vez que sales es diferente, porque las condiciones de la nieve, el clima, la pendiente, todo agrega variabilidad a cómo te va realmente cuando estás esquiando ese día, y eso me encanta, solo porque, tú sabes, nunca es el status quo.

Shervin Khodabandeh: ¿Cuál fue la primera carrera que quisiste, como en tu infancia? ¿Qué querías ser de grande?

Ya Xu: Bueno, si dices que hace mucho tiempo, todavía bromeo sobre eso. Como le dije a mi mamá, entonces quería ser presidenta.

Sam Ransbotham: Oh, votaré por ti.

Shervin Khodabandeh: ¿Cuál es su mayor deseo para la IA en el futuro?

Ya Xu: Es realmente una ayuda. La IA debería servir a las personas y ayudar a que todo lo que estamos haciendo sea más eficiente y mejor.

Diría que en general sobre la tecnología. Tantas cosas que no pudimos hacer, ahora podemos hacerlo gracias a la IA y la tecnología, así que sigo siendo muy optimista al respecto, y estoy muy emocionada de poder ser parte de esto.

Shervin Khodabandeh: Gracias.

Sam Ransbotham: Sí, es absolutamente maravilloso hablar contigo. Sabes, estaba pensando en cuando hablabas de músculos, y cuando dijiste “músculos” por primera vez, tengo que decir que estaba pensando en bíceps.

Sabes, estoy pensando en músculos grandes. Pero como hemos hablado, ahora estoy pensando más en los músculos de los ojos, como el enfoque, como obtener la granularidad, porque de lo que estás hablando es de los datos que nos permitirán ver las cosas que están sucediendo en el mundo que nosotros simplemente no he podido ver antes, y es fascinante, y realmente hemos disfrutado hablar contigo hoy. Muchas gracias.

Ya Xu: Gracias. Gracias por invitarme.

Shervin Khodabandeh: Ha sido verdaderamente revelador. Y gracias por tu tiempo.

Ya Xu: Por supuesto.

Sam Ransbotham: Gracias por acompañarnos hoy. En nuestro próximo episodio, Shervin y yo hablamos con Nitzan Mekel-Bobrov, directora de inteligencia artificial de eBay. Espero que puedas unirte a nosotros entonces.

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

Por eso hemos creado un grupo en LinkedIn, específicamente para líderes como tú. Se llama AI for Leaders, y si te unes a nosotros, puede chatear con los creadores y presentadores de programas, hacer tus propias preguntas, compartir ideas y obtener acceso a recursos valiosos sobre la implementación de AI de MIT SMR y BCG.

Puedes acceder visitando mitsmr.com/AIforLeaders.


SOBRE LOS ANFITRIONES
Sam Ransbotham (@ransbotham) es profesor en el departamento de sistemas de información de la Carroll School of Management en Boston College, así como editor invitado de la iniciativa Inteligencia artificial y estrategia empresarial Big Ideas de MIT Sloan Management Review. Shervin Khodabandeh es socio sénior y director general de BCG y colíder de BCG GAMMA (práctica de IA de BCG) en América del Norte. Se le puede contactar en shervin@bcg.com.

Me, Myself, and AI es un podcast colaborativo de MIT Sloan Management Review y Boston Consulting Group y está presentado por Sam Ransbotham y Shervin Khodabandeh. Nuestro ingeniero es David Lishansky, y los productores coordinadores son Allison Ryder y Sophie Rüdinger.

Síguenos en LinkedIn para mantenerte informado

Descarga GRATIS nuestro especial
descargable
Descarga AQUÍ el artículo completo El negocio de hacer el bien ¡Descárgalo GRATIS!
Síguenos en Google News MIT Google News