Seguridad operativa con IA: Ellen Nielsen de Chevron (II)

Ellen Nielsen, la primera directora de datos de Chevron. Ella ve la Inteligencia Artificial (IA) como el hilo conductor a lo largo de una carrera que abarca sistemas, datos digitales, adquisiciones y cadena de suministro.

En su puesto actual, aplica lo que ha aprendido a las amplias iniciativas de aprendizaje automático de Chevron. incluido el uso de robots y visión por computadora para inspeccionar tanques, gemelos digitales para simular operaciones y sensores para monitorear equipos en refinerías.

En este episodio del podcast Me, Myself, and AI, Ellen comparte ejemplos de los casos de uso del gigante energético integrado para el aprendizaje automático y la IA generativa.

Además describe el programa de desarrollo ciudadano de la compañía, que integra herramientas seguras de IA. en manos de los colaboradores de Chevron.

Suscríbete a Me, Myself, and AI en Apple Podcasts , Spotify o Google Podcasts.

Seguridad operativa con IA: Ellen Nielsen de Chevron (I)

Transcripción

Sam Ransbotham: Si combino algunas de sus ideas, veo algunas dificultades. Antes hablabas de desarrolladores ciudadanos y de la idea de poner muchas de estas herramientas en manos de la gente. Y luego, más tarde, hablaste de problemas de seguridad y políticas que aún no forman parte de la infraestructura.

Históricamente, la seguridad siempre sigue a las características. Primero nos preocupamos por las funciones y luego por la seguridad. Así que tenemos la combinación de una proliferación generalizada de herramientas entre los ciudadanos desarrolladores y políticas o barreras de seguridad infraestructurales bajas.

Luego existe la preocupación por la incapacidad de seguir rápidamente. Parece que podrían chocar entre sí y crear mucha tensión. ¿Cómo navegas por eso?

Ellen Nielsen: Sí, yo diría que tal vez tengamos que hablar de IA en general y luego de IA generativa. Entonces, cuando hablo de formuladores de políticas, esta era más la perspectiva de la IA generativa.

Cuando piensas en desarrollo ciudadano, tenemos modelos o algoritmos en el cuadro. Nosotros los hemos probado. Los hemos asegurado. Han seguido un proceso de revisión. Los comprobamos en términos de IA responsable.

Por lo tanto, están listos para ser utilizados por cualquier desarrollador ciudadano que quiera utilizarlos. Están protegidos y protegidos, y de hecho se encuentran en nuestro entorno seguro. Así que ya puedes empezar por ahí y hacerlo de forma segura.

Pero la nueva tecnología que está llegando a la generación de IA, con estos grandes modelos de lenguaje y los datos detrás de ellos de donde aprenden los grandes modelos de lenguaje, tal vez aún no esté lista para ser puesta en una perspectiva de desarrollo ciudadano.

Entonces, para dejar esto muy claro, cuando hablo de desarrollo ciudadano, nos hemos asegurado de que estamos haciendo lo correcto. Esto está disponible para todos en la empresa.

Y las otras cosas que tal vez aún no sean seguras, no las incluiremos en el sistema. Estamos esperando. Así que no podemos darnos el lujo de tener cosas no seguras en nuestro programa de desarrollo ciudadano.

Sam Ransbotham: Sí, eso resalta una buena especie de diferenciación entre las ideas que los ciudadanos envían datos y que los científicos de datos no pueden simplemente construir. …

Hay un proceso de curación que continúa. Y parece que eres bastante activo en ese proceso de selección al decidir qué herramientas van a los desarrolladores ciudadanos y qué herramientas todavía estás investigando y protegiendo. Eso tiene sentido.

Ellen Nielsen: Sí, eso es todo; exactamente.

¿Cómo llegó Ellen Nielsen a Chevron?

Sam Ransbotham: Chevron es obviamente una empresa petroquímica gigante que existe en todo el mundo. Todos lo saben. Y usted es el director de datos. ¿Cómo llegaste allí? Cuéntanos un poco de tu historia. ¿Cómo llegaste a este papel?

Ellen Nielsen: Sí, estoy feliz de desempeñar este papel. Es un área súper emocionante que siempre me apasiona. Si sigues el inicio de mi carrera, soy de Alemania.

Obtuve una licenciatura en ingeniería de sistemas y luego me aventuré en los datos digitales y, más tarde, en adquisiciones y cadena de suministro. Creo que el gran hilo rojo a lo largo de toda mi carrera es la parte de los datos, pero por supuesto de diferentes maneras.

Entonces se puede decir que cuando me aventuré en la cadena de suministro, manejas una gran cantidad de dinero de la empresa comprado por terceros.

Organización de las nuevas ideas, un talento innato

¿Cómo organizas eso? Y hay muchos datos, ideas y pensamientos estratégicos sobre cómo hacerlo. Y yo diría que soy un aprendiz. Soy un aprendiz humilde. Me gusta abrazar cosas nuevas y perspectivas muy diversas para lo mejor de la empresa, y tal vez sea solo una coincidencia que asumí este rol, porque cuando me uní a Chevron hace cinco años, comencé en un espacio de adquisiciones porque tengo un departamento de adquisiciones. y una pata digital de datos, lo llamaría yo.

Abordamos los datos de inmediato porque no eran suficientes para impulsar estas decisiones, y tal vez los primeros dos años me dieron la razón en términos de “eso es posible”.

También creo firmemente que los datos y la IA estarán a nuestro alrededor. Así que este es un espacio emocionante para estar, aprender y ver lo que viene allí.

Así que estoy feliz de estar allí. En realidad, dijo un ex ejecutivo, cuando le dije, no en Chevron,. “Soy muy afortunado con todas las oportunidades que he tenido en mi carrera”, y él dijo: “Ellen, no tienes suerte”. Entonces me envió un libro;

Básicamente, condicionas tu camino, por lo que estás abierto a cosas incluso cuando crees que no están en tu trayectoria directa, pero en realidad están mejorando tus habilidades y la forma en que conectas los puntos. Me gusta conectar los puntos y por eso disfruto este papel.

Sam Ransbotham: Esa es una gran historia.

Shervin Khodabandeh: Bien, estas son una serie de preguntas rápidas que hacemos. Sólo cuéntanos lo primero que te venga a la mente.

Ellen Nielsen: Quizás sea una especie de pregunta sobre citas rápidas. DE ACUERDO.

La mejores oportunidades de la IA y sus más grandes errores

Shervin Khodabandeh: ¿Cuál crees que es la mayor oportunidad para la IA en este momento?

Ellen Nielsen: Atención sanitaria.

Shervin Khodabandeh: ¿Cuál es el mayor error sobre la IA?

Ellen Nielsen: Reemplazar a los seres humanos.

Shervin Khodabandeh: ¿Cuál fue la primera carrera que quisiste? ¿Qué querías ser cuando fueras mayor?

Ellen Nielsen: No quería sentarme [en] un escritorio. Fallé.

¿Cuándo es demasiada IA?

Shervin Khodabandeh: La IA se utiliza mucho en nuestra vida diaria. ¿Cuándo hay demasiada IA?

Ellen Nielsen: Yo diría que sería demasiada IA ​​si me guiara en la dirección equivocada y me influyera de una manera que no se basa en hechos reales.

Shervin Khodabandeh: Ya tengo demasiada IA ​​en mi coche porque no puedo abrir el garaje, porque reconoce dónde estoy y qué cosa tiene que abrir, y si no funciona, no puedo entrar.

Ellen Nielsen: Disfruto esto. Aquí tenemos una casa bastante inteligente con todo tipo de dispositivos electrónicos de reconocimiento de voz, abridores de puertas de garaje, rociadores, arrancadores y lo que sea. Pero yo diría que ayuda a ser más eficiente, y si la red no funciona, eso es muy difícil ahora, ¿sabes?

¿Qué desearías que hiciera la IA y aún no puede?

Shervin Khodabandeh: Así es. Entonces, última pregunta: ¿Qué es lo que desearías que la IA pudiera hacer ahora y que no puede?

Ellen Nielsen: Mmmm; cura el cáncer.

Shervin Khodabandeh: Muy bien.

Sam Ransbotham: Parece que hay un titular cada semana que dice que esta nueva IA va a resolver el cáncer, y luego miras hacia atrás y nada de eso parece funcionar. No estoy diciendo que debamos dejar de intentarlo, pero siempre es el ejemplo, y parece que nunca llega a ese punto.

Shervin Khodabandeh: Pero también es un proceso un poco estocástico, ¿verdad? Quiero decir, si tienes suficientes pruebas, ¿verdad? Seguramente estamos intentando muchas más cosas gracias a la IA y nuestra capacidad de experimentar.

Ellen Nielsen: ¿Puedo responder tal vez de manera ligeramente diferente? Así que creo que la otra cosa sería lo que la IA tal vez no pueda hacer, lo cual sería fantástico: realmente ayudarnos con la transición climática, las cuestiones climáticas que tenemos en este planeta. Creo que ayuda aquí y allá, pero sería fantástico si pudiera ayudar más.

Shervin Khodabandeh: Sí.

Lo que entusiasma a Ellen Nielsen sobre la IA

Sam Ransbotham: Al mismo tiempo, no creo que podamos abdicar y simplemente esperar que las máquinas resuelvan los problemas que hemos creado. Creo que será necesario que ambos trabajemos juntos en eso. Está bien; eso es parte de la esperanza.

¿Hay algo que le entusiasme acerca de la inteligencia artificial? ¿Qué es lo próximo que te entusiasma más en este momento?

Ellen Nielsen: Hmm, buena pregunta. Creo que queremos mejorar nuestras vidas y creo que donde vivo ahora somos muy privilegiados. Ya tenemos un exceso de IA en muchos sentidoS.

ssabes? Acabamos de hablar de ello, pero eso no cuenta para todos en el mundo. Sería fantástico si esos avances y esos beneficios estuvieran más ampliamente disponibles.

Shervin Khodabandeh: Sí, no me preguntaste, Sam, pero estoy totalmente de acuerdo. Quiero decir, creo que cuando piensas solo en la educación y el impacto que puede tener en las comunidades y naciones desfavorecidas, ya no necesitan tener una escuela.

Se podría hacer mucho y ayudar a tanta gente a aprender, desarrollar y desarrollar habilidades que normalmente dependerían de la infraestructura, las personas físicas, los maestros y todo eso.

Sam Ransbotham: Uno pensaría que eso me amenazaría, pero no lo estoy en absoluto. Quiero decir, creo que esa es nuestra mayor oportunidad.

Tenemos tanta gente que… quiero decir, simplemente no podemos incluirlos a todos a través de programas educativos, y los programas educativos que tenemos no están particularmente optimizados ni son rápidos. Y si pudiéramos resolver ese problema y obtener mejores recursos de nuestro cerebro, sería una gran victoria.

¿Cómo evolucionará el sistema educativo?

Ellen Nielsen: Oye, Sam, ¿puedo hacerte una pregunta? Sé que ahora he cambiado esto, pero si crees que la vida útil del conocimiento está disminuyendo, cierto, hubo algunos artículos recientes al respecto que tal vez lo que aprendes hoy tal vez valga cuatro o cinco años y luego se vuelve un poco obsoleto.

Entonces, ¿cómo crees que evolucionará esto en el sistema educativo?

Sam Ransbotham: Eso es enorme, porque pienso en eso. Quiero decir, doy una clase sobre aprendizaje automático e IA, y soy muy consciente de que, a menos que se gradúen en el semestre que les enseño, todo lo que estoy.

Ya sabes, los detalles específicos que les estamos enseñando probablemente sean ser bastante efímero. Hemos visto lo rápido que esto evoluciona. Creo que eso nos empuja a dar un paso atrás y estar en un nivel superior.

Si nos metemos en la enseñanza de una herramienta, enseñando cómo hacer clic en “Archivo“, cómo hacer clic en “Nuevo“, cómo hacer clic en “Abrir“, cómo hacer clic en “Guardar“, esas son habilidades de muy bajo nivel.

y cuando pensamos en qué tipo de cosas deberíamos enseñar, quiero decir, mi universidad es una universidad de artes liberales, y creo que eso es muy importante porque, si pensamos en enseñar habilidades técnicas dentro de un mundo de artes liberales, creo eso es un gran problema.

Teníamos el trabajo más sexy del siglo XXI: la ciencia de datos. Con respecto aL siguiente, no me queda claro que la ciencia de datos esté involucrada. Y no es que la ciencia de datos no sea importante. simplemente se está convirtiendo rápidamente en una mercancía.

Y luego tenemos cosas como la filosofía, que se vuelven más importantes, y la ética, que, a medida que baja el costo de la ciencia de datos, se vuelven más importantes.

Shervin Khodabandeh: Lingüística.

Sam Ransbotham: Lingüística, sí. Ahí tienes.

Shervin Khodabandeh: Grandes modelos lingüísticos, derecha. Maravilloso. Elena, muchas gracias. Esto ha sido muy revelador y le agradecemos que se haya tomado el tiempo.

Ellen Nielsen: Sí, gracias.

Despedida

Sam Ransbotham: Gracias por sintonizarnos. En nuestro próximo episodio, Shervin y yo nos aventuramos en el uso de la IA en el espacio exterior con Vandi Verma, ingeniero jefe de operaciones robóticas Perseverance y subdirector del Laboratorio de Propulsión a Chorro de la NASA. Por favor únete a nosotros.

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

Por eso hemos creado un grupo en LinkedIn específicamente para oyentes como tú. Se llama IA para líderes y, si se une a nosotros, podrá chatear con creadores y presentadores de programas, hacer sus propias preguntas, compartir sus ideas y obtener acceso a recursos valiosos sobre la implementación de la IA del MIT SMR y BCG. Puede acceder a él visitando mitsmr.com/AIforLeaders . Pondremos ese enlace en las notas del programa y esperamos verlo allí.

ACERCA DE LOS ANFITRIONES

Sam Ransbotham (@ransbotham) es profesor en el departamento de sistemas de información de la Carroll School of Management de Boston College, así como editor invitado de la iniciativa Grandes Ideas de Inteligencia Artificial y Estrategia Empresarial del MIT Sloan Management Review . Shervin Khodabandeh es socio senior y director general de BCG y colíder de BCG GAMMA (la práctica de IA de BCG) en Norteamérica. 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 Google News