La líder en ciencia de datos e IA de PayPal explica porque es fundamental centrarse en todo el recorrido del cliente cuando se diseñan productos digitales.
Khatereh Khodavirdi (KK) se centra en el uso de la IA para crear mejores experiencias para los clientes, un proceso que compara con la creación de un “Legolandia de la IA“.
Esto es debido a que varios componentes tecnológicos deben encajar para construir soluciones cohesivas para los clientes de PayPal.
Este es un enfoque que está aplicando en su papel como directora sénior de ciencia de datos en la división de productos de consumo de la empresa de sistemas de pago en línea.
Big Data en la agricultura: Teddy Bekele de Land O’Lakes
Donde supervisa los equipos de ciencia de datos para PayPal, su aplicación de pago entre particulares Venmo y el buscador de cupones de comercio electrónico Honey.
En este episodio del podcast Me, Myself, and AI, KK se une a Sam Ransbotham y Shervin Khodabandeh para describir cómo los diversos productos de consumo de PayPal trabajan juntos.
Esto para ayudar a los usuarios a tener una experiencia perfecta en todos sus productos.
También habla del papel de la IA en la personalización de la experiencia del cliente en toda la cartera de marcas de la empresa, los retos de la gobernanza de datos tras las adquisiciones corporativas y su enfoque para crear equipos eficaces.
Lee más sobre nuestro programa y sigue la serie en https://sloanreview.mit.edu/aipodcast.
Suscríbete a Me, Myself, and AI en Apple Podcasts, Spotify o Google Podcasts.
Da tu opinión en esta encuesta de dos preguntas.
Sam Ransbotham: ¿Qué tiene que ver Lego con la forma en que PayPal piensa en la IA? Descúbrelo en el episodio de hoy.
Khatereh Khodavirdi: Soy Khatereh Khodavirdi de PayPal, y estás escuchando Me, Myself, and AI.
Sam Ransbotham: Bienvenidos a Me, Myself and AI, un podcast sobre la inteligencia artificial en los negocios.
En cada episodio les presentamos a alguien que está innovando con la IA. Soy Sam Ransbotham, profesor de analítica en el Boston College. También soy el editor invitado de IA y estrategia empresarial del MIT Sloan Management Review.
Shervin Khodabandeh: Y yo soy Shervin Khodabandeh, socio principal de BCG, y co-dirijo la práctica de IA de BCG en Norteamérica.
Juntos, el MIT SMR y BCG han estado investigando y publicando sobre la IA durante seis años. Entrevistando a cientos de profesionales y encuestando a miles de empresas sobre lo que se necesita para construir, desplegar y escalar las capacidades de la IA.
Sam Ransbotham: Hoy, Shervin y yo hablamos con Khatereh Khodavirdi. Es la directora senior de ciencia de datos en PayPal. Khatereh, gracias por acompañarnos. Bienvenida.
Khatereh Khodavirdi: Gracias por recibirme. Es un placer estar aquí.
Sam Ransbotham: Tú construyes y supervisas equipos gigantescos de ciencia de datos para las diferentes entidades de PayPal.
Mucha gente conoce PayPal, pero probablemente algunas personas no se dan cuenta del alcance de todas las actividades de PayPal, así que tal vez empecemos por ahí. Dinos un poco de lo que hace PayPal y de lo que hacen todas estas subentidades.
Khatereh Khodavirdi: Sí. Obviamente, la mayoría de la gente conoce PayPal a través de PayPal Checkout, que es un producto principal que tenemos, y la empresa comenzó a partir de ese producto.
Pero tenemos una gran cantidad de productos diferentes, especialmente en el lado del consumidor y del vendedor.
Tenemos conjuntos completos de productos para proporcionar a la gente la capacidad en el lado del comerciante para llevar su negocio. Desde la facturación hasta tener la capacidad fuera de línea para los servicios financieros y luego las transacciones en línea.
En el lado del consumidor, a partir de los pagos entre pares a los servicios financieros a los diferentes tipos de crédito, la capacidad de comprar ahora, pagar más tarde y las cuentas de ahorro.
Puedo seguir y seguir, pero en el lado del consumidor, tenemos una gran cantidad de productos diferentes.
Con el tiempo, también hemos adquirido muchas otras empresas para ayudarnos a acelerar y también a incrementar la cadena de valor que estamos creando para el consumidor y el comerciante.
Por ejemplo, en el lado del consumidor, hace un par de años, adquirimos una empresa (su nombre es Honey) que realmente te ayuda a encontrar la mejor oferta en Internet cuando estás comprando en línea.
Empecé en PayPal en el lado del consumidor, así que estaba ayudando al grupo de pequeñas empresas. Ponía atención para acelerar y resolver los problemas de nuestros clientes a través de los datos y la capacidad de la ciencia de los datos.
Y luego, con el tiempo, apoyé todo el lado del comerciante de nuestra ecuación; todos los comerciantes de la empresa, socios de canal, nuestra relación con Shopify, WooCommerce, Magenta; programáticamente trayendo un comerciante para nosotros.
Y luego, hace un par de meses, me cambié completamente al lado del consumidor de la casa.
Así que soy nueva en el lado del consumidor, pero súper emocionada, porque se puede aprovechar una gran cantidad de IA y la capacidad de la ciencia de datos para resolver un montón de problemas interesantes en este dominio.
Shervin Khodabandeh: Estupendo. Evidentemente, PayPal es una empresa grande y polifacética con diferentes negocios y subdivisiones, de las que has hablado. Pero ya que estás en el grupo de consumo, vamos a hablar de eso.
Cuéntanos un poco cómo se utiliza la IA en el negocio de consumo para impulsar los temas que quieres con tus consumidores y para qué casos de uso se utiliza la IA.
Khatereh Khodavirdi: En realidad, podemos reunir todas las cuentas diferentes, por lo que tenemos un punto de vista en torno a las interacciones de los usuarios con nosotros.
Por ejemplo, si Shervin tiene usa Honey pero al mismo tiempo, está utilizando a la par Checkout o nuestra capacidad de crédito. ¿Cómo podemos asegurarnos de que podemos ver la relación de Shervin con PayPal a través de una lente?
Así que ese es, yo diría, uno de los problemas fundamentales que estamos tratando de resolver como empresa.
Pero la pieza que me entusiasma personalmente está en torno al hecho de entender el viaje del cliente con nosotros y cómo podemos aprovechar la personalización y la IA para resolver realmente los casos de uso de los clientes.
Así que piensa en ello: Internamente, siempre decíamos:
“Oye, hay un montón de caminos felices con PayPal, y hay un montón de caminos tristes con PayPal. ¿Cómo podemos hacer que la gente pase de un camino feliz a otro más feliz con nosotros, y cómo podemos evitar el camino triste con el cliente?”.
Y realmente creo que esto es básicamente una capacidad de IA que tenemos que desarrollar para los clientes. Si se construye eso, se desbloqueará una enorme cantidad de valor para nuestros consumidores y para nosotros como empresa.
Inventando la belleza del futuro: Stéphane Lannuzel de L’Oréal
Shervin Khodabandeh: Hablemos de algunos de esos caminos. Dijiste: “¿Qué tipo de trabajos está tratando de hacer la gente?” Así que hablemos de eso. Dinos cómo la personalización podría ser útil en este caso.
Khatereh Khodavirdi: Piénsalo así: Imagínate que Shervin es una de las personas que utiliza PayPal Checkout para comprar en diferentes comercios de Internet.
Como puedes imaginar, una vez que adquirimos Honey, también tuvimos una gran cantidad de cupones que están disponibles ahí fuera. Y con el tiempo, si se tiene una mejor idea sobre qué tipo de categorías o qué tipo de vendedor le interesa a Shervin.
Por lo tanto, podemos mostrarle las ofertas adecuadas en el momento adecuado.
Por ejemplo, es el momento de la vuelta al cole, y sabemos que históricamente, en esta época, compra en este tipo de categoría.
Actualmente, ya sabes, Target o Walmart o algunos de los principales comerciantes están haciendo estas ofertas. Entonces te recordamos y mostramos ofertas relevantes y personalizadas para impulsar la actividad con nosotros.
O puedes usar Venmo semanal o quincenalmente para enviar dinero a alguien que limpia tu casa.
Podemos recordarle: “Oye, Shervin, parece que estás haciendo esto“, y con un solo clic, vas y lo haces.
Así que, básicamente, nos convertimos en parte de la vida de Shervin y entendemos qué tipo de actividad está tratando de hacer Shervin y se lo hacemos mucho más fácil.
La otra parte que nos entusiasma es el seguimiento. Cuando compras en línea a un minorista diferente, una parte de ello es que quieres rastrear ese pedido y ver dónde está tu pedido y cuándo lo estás recibiendo.
También queremos que sea mucho más fácil: puedes recibir la notificación y ver dónde está tu pedido, y puedes ver toda tu actividad comercial y financiera en un solo lugar.
Yo diría que para mí, también, la otra parte es que, sí, estoy en una función de datos y construimos modelos. Pero también mido lo cualitativo y cuantitativo porque de primera mano, realmente escucho los desafíos y los problemas que estamos tratando de resolver.
Shervin Khodabandeh: Eso es muy útil. Tengo que imaginar que siendo más una empresa de tecnología de servicios financieros, algunos de estos desafíos son en realidad mucho más fáciles de tratar para ustedes que lo que sería, digamos, para un banco global.
¿Qué es lo más difícil de lo que hay que hacer?
Khatereh Khodavirdi: Creo que uno de los mayores retos que tenemos es que algunas de las otras empresas que adquirimos con el tiempo, cada una de ellas está utilizando diferentes pilas de datos.
Esto significa que básicamente, la migración de todos ellos a un lago de datos y la construcción de una plataforma tecnológica de datos común es uno de los retos comunes que tenemos internamente.
Sam Ransbotham: Eso es enorme, creo, para todos. Recuerdo mi primera experiencia con esto.
En mi vida pasada, solía trabajar en las Naciones Unidas, y estaba trabajando con bases de datos. Miré hacia abajo y teníamos literalmente docenas de bases de datos que estábamos apoyando, y pregunté:
“Bueno, ¿cuál es el estándar?” Y me dijeron: “Bueno, este es el estándar”. Y, dije, “Bueno, ¿cuáles son todas las demás?” “Bueno, esos eran los estándares entonces.”
Y así estás en esa misma situación cuando estás adquiriendo empresas, donde estás juntando … un montón de pilas de tecnología pero no quieres simplemente arrancarlas y empezar de nuevo.
¿Cómo se gestiona ese proceso? ¿Cómo se consigue un proceso de ciencia de datos cohesivo?
Khatereh Khodavirdi: Sí, yo diría, Sam, que has planteado una muy buena pregunta, que no es sólo el aspecto del problema tecnológico.
Yo lo llamo también el aspecto de la gobernanza de los datos: … cuáles son las definiciones, y cómo las diferentes personas definen y ven las diferentes cosas de manera diferente. Y cómo se puede definir ese lenguaje común en todo el tablero internamente dentro de la empresa también.
Así que es por eso que estamos tratando de desarrollar internamente las mejores prácticas que cada nueva empresa que tenemos … Aquí están los pasos, uno a fin, que estamos pasando para incorporarlos como parte del resto de los activos de datos que tenemos para la empresa.
Pero el aspecto de la gobernanza de los datos también es muy importante, porque cuando se reúnen diferentes componentes, es necesario dar un paso atrás y mirar la definición desde una lente diferente.
Shervin Khodabandeh: Hablemos un poco de los equipos.
Hablas de una serie de retos con la personalización, con otros casos de uso, y luego de las capacidades que se requieren para conseguirlo, desde la unión de datos y la resolución de identidades y muchas, muchas otras cosas.
Háblenos del equipo. Está claro que tienen que tener una gran capacidad técnica, pero ¿qué más necesitan para trabajar en este tipo de entorno?
Khatereh Khodavirdi: Yo diría que esta área es una de las que es tan multidisciplinaria, y puedes imaginar que los diferentes tipos de problemas que quieres resolver necesitan diferentes tipos de conjuntos de habilidades y estos tipos de talento.
Así que siempre he dicho que en la ciencia de los datos, la IA, o el campo de los datos en general, una de las cosas que es realmente importante es la diversidad de talento.
Y por diversidad de talento, no sólo me refiero a la diversidad de género o de origen, que es muy importante, sino a la diversidad de liderazgo de pensamiento, etc.
Porque en las diferentes etapas del problema, básicamente, se necesita practicar un tipo diferente de músculo con el fin de obtener el resultado deseado.
Así que, por ejemplo, una de las áreas que realmente creo que está infravalorada en el mundo de los datos es la perspicacia empresarial.
Es decir, las personas que realmente pueden abordar el problema a través de un marco muy estructurado y ser capaces de sintetizar la recomendación y el “y qué” para la empresa.
Medicina de precisión en la industria farmacéutica: Frank Nestle de Sanofi
Porque lo peor que puede pasar es que veas a tu equipo de datos y sientas que están construyendo un montón de cajas negras para el resto de la organización, y no estás invirtiendo en “la última milla”.
Que la gente está realmente traduciendo el “qué” y el “por qué” y el “qué” al grupo de negocios, al grupo de productos, y al resto de la organización. Por lo tanto, no se obtendría la adopción que se espera de las capacidades que se están creando.
La forma en que lo veo es que también estamos construyendo una organización de productos que apoya la personalización y la IA, porque como cualquier otro ciclo de desarrollo de productos, básicamente tienes una estrategia de producto detrás de esto.
En realidad, damos un paso atrás, entendiendo a nuestros consumidores. Construimos una hoja de ruta y una visión del producto en torno a esto y abordamos este problema de una manera interdisciplinar.
Sam Ransbotham: ¿Es más difícil conseguir esa última milla con los proyectos de tipo IA? ¿Es algo que a la gente le cuesta más entender? ¿Es algo con lo que es más difícil que la gente se relacione?
Khatereh Khodavirdi: Puede que sea un poco más difícil por la escala de los problemas que se intentan resolver aquí. Porque la gente no puede relacionarlo cuando se habla de millones de clientes.
Así que, para mí, se trata de cómo puedo desglosar el problema y resolver casos de uso más pequeños a través de la IA para crear esa adopción y campeonato en la organización que me ayude a resolver el problema más grande.
Es una tarea gigantesca, porque no sólo estoy hablando de los puntos de contacto del producto que tenemos.
Me refiero a todos los puntos de contacto que los clientes tienen con nosotros. Ya sea a través del servicio de atención al cliente, a través del riesgo, a través de todas las diferentes funciones dentro de la empresa.
Reunir todas esas funciones interfuncionales en torno a la solución de este problema sería mucho más difícil, frente a mi enfoque, que consiste en empezar a resolverlo dentro de la organización de productos.
Esto a través de la comprensión de todos los puntos de contacto con todos los productos, entendiendo cómo podemos realizar la tarea del producto y personalizando ese componente.
Y luego se puede añadir una capa adicional, como llevar el componente de riesgo, con cada uno de los componentes del producto, y luego se añade el servicio al cliente.
Yo pensaría en ello como una especie de Legolandia: al final, tendremos una Legolandia de IA para PayPal.
Pero ahora mismo, la forma en que estoy atacando para resolver este problema es construir cada una de las piezas individuales de Lego con la esperanza de poder orquestar y construir un Legoland.
Shervin Khodabandeh: Me encanta la analogía de Lego, porque mis hijos están totalmente enganchados a Lego. Tenemos probablemente como 900 mil piezas diferentes de Lego en cualquier momento.
Y si lo miras de forma aislada, piensas: “Vale, esto es todo lo que estamos haciendo“. Pero, por supuesto, tienes que empezar por ahí, y luego las piezas se unen.
Así que mi pregunta es, como con Lego, cuando veo a mi hijo de 12 u 8 años construyendo cosas, y lo miro de forma aislada, puede que no tenga una visión completa de lo que va a ser el conjunto.
Así que podría decir: “Oh, esto no es nada”, o “¿Qué estás construyendo? Es como una pieza pequeña. ¿No has hecho algo así antes?”.
Y luego sacan la caja con, como, 8 mil piezas que va a tener este aspecto. Y entonces, voy, “Uh-huh”. ¿Cómo se hace el gran “ajá” aquí en PayPal para que la gente no pierda de vista la gran visión y no se vuelva miope sobre las pequeñas cosas que se necesitan para llegar a ella?
Khatereh Khodavirdi: Se puede imaginar que no hay escasez de casos de uso individuales, que hay muchas capacidades individuales de IA, o como se llame, dentro de la organización.
Pero cuando das un paso atrás, no tienes ese principio rector para ver cómo pueden ayudarte a construir realmente ese Legoland.
Y en realidad quiero abordar este problema en un orden inverso. Primero, quiero dar un paso atrás y decir: “Oye, ¿cómo será el cielo azul en términos de la capacidad de IA y la personalización para nosotros?“.
Así que la construcción de esa estrategia de producto y la visión en torno a ella, y luego tratar de resolver hacia atrás, y luego dividirlo en piezas más pequeñas del componente Lego y ser muy prescriptiva.
En torno a lo que son los problemas clave de cada uno de estos Lego tratará de resolver, y por qué estamos construyendo cada pieza de la Legolandia, lo que será el “por lo que” a la organización.
Entonces se puede construir realmente algo… porque si se muestra toda esa visión a todo el mundo, podría ser demasiado para que algunas personas la asimilaran, por lo que podría ralentizar realmente su progreso en la organización.
En cambio, cuando se muestra la visión más amplia, se tiene algo en torno a lo cual se puede reunir toda la organización.
Pero al mismo tiempo, puedes desglosarlo en componentes más tangibles para poder empezar a progresar mientras mantienes esa energía y entusiasmo en torno a la organización hacia la estrella del norte que tienes.
Shervin Khodabandeh: En realidad, el desglose es bastante crítico.
Por seguir con la analogía de Lego, normalmente recibes estas 5 mil, 6 mil piezas de Lego, y vienen en 20, 50, 30 cajas o pequeñas bolsas. Así primero haces esto, y luego haces aquello, pero luego tienes todo.
Bueno, hace dos días recibí uno que tenía 3 mil piezas en 20 bolsas diferentes, pero todas las bolsas están sin etiquetar, así que no sabes qué va con qué.
Y entonces, lo que tenemos es, cómo, 3 mil piezas, y estamos tratando de construir una pieza, y la analogía que estoy tratando de dibujar aquí es, como que estás construyendo estas pequeñas capacidades que luego se unen y se cosen juntos para apoyar su visión más grande.
¿Cómo asegurarse de que estas piezas son realmente la conexión en lugar de la organización está buscando?
IA: nada se pierde, todo se transforma
Khatereh Khodavirdi: Una vez que construyes ese modelo mental en torno a los temas comunes del problema que estás tratando de resolver sabes lo que no puedes hacer. Para no perder el sentido, antes que nada, debes de tener este conocimiento.
Sam Ransbotham: Eso tiene sentido, porque me gusta la analogía de Lego, pero el mundo no es tan simple como Lego.
No tienes esa bolsa perfectamente etiquetada que sabes que va a encajar al final. Tienes que traer a esas personas para que lo hagan.
Una de las cosas que hicimos al principio de la pandemia fue clasificar nuestras cosas gigantes de Lego y, cuando tienes esos Lego que no están en las bolsitas, es prácticamente imposible encontrar la pieza correcta para volver a unirlos.
Shervin, me recuerda a cuando hablábamos con Arti Zeighami en H&M, y él hablaba de trabajar con piezas individuales…
Shervin Khodabandeh: En la rueda, ¿verdad?
Sam Ransbotham: Su analogía consistía en apretar cada tuerca de la rueda un poco a medida que se va avanzando, y también tiene cierta lógica que lo que es diferente.
Él dice que en realidad hay mucha gente trabajando en muchas bolsas diferentes que se mueven a diferentes ritmos.
Khatereh Khodavirdi: No, totalmente, Sam, y yo diría que por eso es muy importante que hay que adoptar un enfoque de arriba a abajo y de abajo a arriba. Y hay que hacer esa comprobación con regularidad.
La parte de arriba hacia abajo, yo la llamaría su estrategia de cielo azul en torno a dónde quiere estar con la estrategia de IA, y la parte de abajo hacia arriba es principalmente como las diferencias tácticas del Lego que de alguna manera existen en la organización.
O hay diferentes componentes que los diferentes equipos están construyendo, y cómo se puede realmente tener los dos componentes juntos.
Y tienes toda la razón en que la velocidad del desarrollo y el progreso de algunas partes es más difícil que la de otras.
Así que también coordinas los diferentes componentes juntos, de modo que al mismo tiempo, estás haciendo progresos. Puedes reunir a la organización en torno a eso, pero también ser realista de que algunas otras partes son más complejas y tomará más tiempo.
Shervin Khodabandeh: Y lo único que creo que tienen las empresas que no tienen las piezas de Lego es que siguen teniendo cuentas de resultados y objetivos y números.
Así que creo que es probablemente por eso que es un enfoque tan matizado, como decías, KK, que es como si tuvieras que averiguar cuál es el camino más práctico para tu organización, teniendo en cuenta todos los jugadores y todas las partes interesadas.
Y tal vez para Arti, era un poco “una tuerca a la vez” para conseguir todo el asunto, y tal vez aquí es como, “No, tenemos que conseguir la personalización perfecta antes de pasar a los riesgos o los precios”. Y creo que son los matices de las diferentes organizaciones un poco.
Khatereh Khodavirdi: Sí, y yo diría, Shervin, que has sacado a relucir un punto muy bueno también, que al final del día, todas las organizaciones están muy centradas en el valor, tanto para los clientes como para la empresa … y el accionista también.
Shervin Khodabandeh: KK, esto ha sido muy perspicaz. Creo, Sam, que deberíamos pasar al segmento de preguntas rápidas.
Este es un segmento que hacemos, KK, en el que te hacemos un montón de preguntas en estilo de fuego rápido, y por favor, dinos lo que se te ocurre primero.
Khatereh Khodavirdi: Suena bien.
Shervin Khodabandeh: ¿Cuál ha sido su momento de mayor orgullo en la IA?
Khatereh Khodavirdi: Mi momento de mayor orgullo con la IA se remonta a la escuela de posgrado, cuando estaba en Carnegie Mellon. A
Antes de que este campo tuviera tanta demanda, y como parte de mis estudios de investigación de posgrado, estaba creando capacidades y plataformas para la gestión de la energía.
Ese fue el momento de mayor orgullo de mi vida en cuanto a la IA.
Shervin Khodabandeh: Genial. ¿Cuál es tu actividad favorita que no implique tecnología?
Khatereh Khodavirdi: Jugar al tenis, porque me ayuda a concentrarme en el momento.
Shervin Khodabandeh: ¿Cuál era la primera carrera que querías? ¿Qué querías ser de mayor?
Khatereh Khodavirdi: Probablemente, para mi primera carrera quería ser profesora o piloto.
No recuerdo exactamente cuál fue la primera, porque en nuestra familia, la educación es una pieza importante, y mi madre tuvo en realidad una carrera educativa. Pero probablemente sea profesor o piloto.
Shervin Khodabandeh: ¿Qué te preocupa de la IA?
Khatereh Khodavirdi: Diría que ha habido muchas conversaciones sobre la IA responsable y el sesgo, y ya hablé de esto antes, que es cualitativo y cuantitativo también.
Creo que sería un gran error asumir que la IA puede resolver básicamente todos los problemas sin tener los controles y equilibrios adecuados.
Shervin Khodabandeh: ¿Cuál es su mayor deseo para la IA en el futuro?
Khatereh Khodavirdi: Diría que hay muchos retos a los que se enfrentan las humanidades, desde el cambio climático hasta un montón de otras cosas.
Así que realmente espero que cada vez más gente desempeñe un papel en el uso de la IA para resolver esos problemas. Muchos de mis colegas han empezado a invertir más tiempo y energía, y espero que en mi carrera yo también pueda desempeñar un papel.
Shervin Khodabandeh: Genial. Muchas gracias.
Sam Ransbotham: Así, KK, creo que, obviamente, la analogía de Lego va a ser interesante para la gente, pero también me gusta lo que estabas diciendo acerca de las cosas como la gobernanza que, creo, son fundamentalmente importantes para esto.
Gracias por tomarte el tiempo de hablar con nosotros hoy. Lo apreciamos mucho. Gracias por acompañarnos.
Khatereh Khodavirdi: Muchas gracias por recibirme.
Sam Ransbotham: Gracias por escuchar. Únase a nosotros la próxima vez, cuando hablemos con Fiona Tan, directora de tecnología de Wayfair. Por favor, únanse a nosotros.
Allison Ryder: Gracias por escuchar Me, Myself, and AI. Creemos, al igual que tú, que la conversación sobre la implementación de la IA no empieza y termina con este podcast. Por eso hemos creado un grupo en LinkedIn específicamente para oyentes como tú.
Se llama AI for Leaders, y si te unes a nosotros, podrás charlar con los creadores y presentadores del programa, hacer tus propias preguntas, compartir tus ideas y acceder a valiosos recursos sobre la implementación de la IA del MIT SMR y el BCG.
Puedes acceder a él visitando mitsmr.com/AIforLeaders. Pondremos el enlace en las notas del programa, y esperamos verle allí.
Sam Ransbotham (@ransbotham) es profesor del departamento de sistemas de información de la Carroll School of Management del Boston College, así como editor invitado de la iniciativa Artificial Intelligence and Business Strategy Big Idea del MIT Sloan Management Review. Shervin Khodabandeh es socio senior y director gerente de BCG y colíder de BCG GAMMA (la práctica de IA de BCG) en Norteamérica. Se puede contactar con él en shervin@bcg.com.
Me, Myself, and AI es un podcast en colaboración con el MIT Sloan Management Review y el Boston Consulting Group y está presentado por Sam Ransbotham y Shervin Khodabandeh. Nuestro ingeniero es David Lishansky, y las productoras coordinadoras son Allison Ryder y Sophie Rüdinger.