Muchas organizaciones comparan su estrategia de tecnología con una construcción Lego, y la propia empresa de juguetes emplea un enfoque similar.
Anders Butzbach Christensen comenzó su carrera en gestión de productos antes de conseguir el trabajo de sus sueños en el Grupo Lego de Dinamarca. Hoy, como jefe de ingeniería de datos, lidera la transformación digital de Lego con un enfoque específico en el diseño y la creación de productos de datos. Incluye aplicaciones de autoservicio que los equipos de tecnología y de negocios pueden utilizar para servir mejor a sus clientes.
En este episodio del podcast Me, Myself, and AI, Anders se une a Sam Ransbotham y Shervin Khodabandeh para describir cómo el Grupo Lego está abordando la transformación digital. Además hablará de cómo el fabricante de juguetes está empoderando a sus equipos de producto al convertirse en una empresa dirigida por la arquitectura y la ingeniería.
Obtén más información sobre nuestro programa y siga la serie en https://sloanreview.mit.edu/aipodcast.
Suscríbete a Me, Myself, and AI en Apple Podcasts, Spotify o Google Podcasts.
Envía tus comentarios en esta encuesta de dos preguntas.
Sam Ransbotham: Nuestros invitados a menudo utilizan Lego como una analogía de cómo las organizaciones pueden construir soluciones con datos. Pero hoy, descubre cómo el propio Lego construye componentes de datos que se conectan tan fácilmente como sus ladrillos.
Anders Butzbach Christensen: Soy Anders Butzbach Christensen, del Grupo Lego, y están escuchando Me, Myself, and AI.
Sam Ransbotham: Bienvenido a Me, Myself, and AI, un podcast sobre 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 editor invitado de IA y estrategia empresarial en MIT Sloan Management Review.
Shervin Khodabandeh: Y yo soy Shervin Khodabandeh, socio sénior de BCG y uno de los líderes de nuestro negocio de IA. Juntos, MIT SMR y BCG han estado investigando y publicando sobre IA desde 2017. Hemos entrevistado a cientos de profesionales y encuestando a miles de empresas sobre lo que se necesita para escalar las capacidades de IA.
Sam Ransbotham: Hoy, Shervin y yo estamos encantados de estar acompañados por Anders Christensen. Es el director de ingeniería de datos del Grupo Lego. Anders, gracias por dedicarnos tu tiempo. Bienvenido.
Anders Butzbach Christensen: Gracias por recibirme, Sam.
Sam Ransbotham: En primer lugar, cuéntanos un poco acerca de lo que haces en el Grupo Lego.
Anders Butzbach Christensen: Dirijo el departamento de ingeniería de datos del Grupo Lego. Actualmente constamos de tres grandes partes globales, cada una dentro de mi área. Dos de los equipos se centran en el autoservicio, lo que permite a la organización tomar decisiones basadas en datos. El último está construyendo una visión de 360 del cliente que nos permite construir experiencias personalizadas.
Sam Ransbotham: Empecemos por el primero. ¿Qué significa ser autoservicio?
Anders Butzbach Christensen: Hace algo menos de dos años, empezamos a explorar la transformación digital en el Grupo Lego, y para nosotros eso significaba que teníamos que mejorar mucho las competencias. Es decir, construir la base digital adecuada.
Y para capacitar a los cuatro grupos de clientes que tenemos teníamos que asegurarnos de que disponían de todas las herramientas adecuadas para hacerlo. Y una parte importante de ello es el autoservicio, que les permite tomar decisiones basadas en datos. Así que lo que hicimos fue tomar esta plataforma de datos centralizada y luego la pusimos a disposición de todo el mundo para su uso, básicamente. Y eso es autoservicio.
Sam Ransbotham: Entonces, ¿qué aspecto tiene? Si mañana me siento con el Grupo Lego y no me dejan jugar con los ladrillos, ¿cómo puedo jugar con los datos?
Anders Butzbach Christensen: Lo que significa básicamente es que es muy fácil para el equipo de producto de toda la organización venir con sus datos, introducirlos en la plataforma y luego jugar con los datos. Para luego exponerlos para cualquier uso que tengan.
Puede ser con fines analíticos, pero también con fines de ciencia de datos, etc. Se trata de facilitar al máximo este proceso y ponerlo a disposición de todo tipo de competencias dentro de la organización.
Ahora mismo, se utiliza básicamente para todo: todos los tipos de datos procedentes de nuestros sitios web fluyen hacia la plataforma. Y luego observamos cómo se comportan los clientes en el sitio web y les ofrecemos la mejor experiencia de recomendación posible.
Eso es una cosa, pero también la utilizamos para hacer previsiones, por ejemplo. Recibimos muchos conjuntos de datos diferentes de nuestros planificadores de la demanda de todo el mundo que se incorporan a un producto de datos que se sirve para la previsión.
Shervin Khodabandeh: Anders, lo que oigo son plataformas de datos e ingeniería de datos, pero también oigo ciencia de datos: recomendaciones y planificación de la demanda. ¿Tu grupo hace ambas cosas?
Anders Butzbach Christensen: La forma en que estamos organizados dentro de la organización se denomina oficina de datos.
El poder de la narrativa para convertir números en datos humanos
Tenemos un área de ciencia de datos. También utilizamos la ciencia de datos dentro de mi área, pero la forma en que la utilizamos es para la habilitación. Así que esto podría ser, ¿cómo construimos datos que permitan a la gente innovar más rápido?
En nuestro caso de uso, se trata de habilitar datos sintéticos en la plataforma. Así que cada vez que alguien viene y quiere utilizar un conjunto de datos que potencialmente contiene información de identificación personal, que necesitan una aprobación legal, ¿verdad? Y eso es porque tenemos que cuidar los datos de nuestros clientes.
Por lo tanto, lo que hacemos es darles un conjunto de datos sintéticos que se genera sobre la base del esquema, y entonces pueden empezar de inmediato. Tiene cero similitudes con el conjunto de datos original, pero les da el mismo resultado. Es una forma de hacer que el equipo de ciencia de datos innove mucho más rápido de lo que lo haría originalmente, porque pueden pasar meses antes de obtener la aprobación legal.
Shervin Khodabandeh: Sí, sí. Los datos sintéticos son realmente brillantes. Sam, si te acuerdas, cuando tuvimos la conversación con …
Sam Ransbotham: Humana.
Shervin Khodabandeh: Humana, sí. Así como, creo, con Moderna.
Sam Ransbotham: Oh, mm-hmm.
Shervin Khodabandeh: Datos sintéticos con fines de experimentación. Es bastante fascinante. Anders, que ha mencionado “producto de datos” un par de veces.
Ha sido una palabra de moda bastante grande para una década, por lo menos que he oído. Muchas organizaciones con las que hablamos están creando productos de datos. ¿Cómo definirías “producto de datos”? ¿Qué es un producto de datos? ¿Cuáles son los componentes de un producto de datos?
Anders Butzbach Christensen: Si nos fijamos primero en la definición de producto de datos, para nosotros un producto de datos es una forma de pensar. Es una mentalidad, ¿verdad? Así que solíamos pensar en los datos como un subproducto, algo que forma parte de un producto en el negocio, o algo así. Pero para nosotros, es realmente importante centrarse en los datos como un producto, y por eso lo llamamos un producto de datos.
Si eres muy técnico, podría ser una base de datos que consiste en un montón de conjuntos de datos con un montón de diferentes atributos de datos dentro de ella. En teoría, es un montón de entradas diferentes que entran en un producto, ¿verdad? Pero para nosotros, es realmente la mentalidad. Es el hecho de que los datos ya no son sólo algo que utilizamos como parte de nuestro trabajo diario. Es cómo tomamos decisiones. Es cómo creamos valor.
Lo digital es primero, lo físico después: Fiona Tan de Wayfair
Shervin Khodabandeh: Cuando pienso en un producto, un producto tendría una hoja de ruta, y evolucionaría con el tiempo, y se innovaría en un producto. ¿Es eso lo que ocurre con sus productos de datos?
Anders Butzbach Christensen: Sin duda. Lo vemos como cualquier otro producto. No es diferente de otro producto de software que creamos. Un buen ejemplo es la vista de 360 grados que estamos creando en mi área, en la que hay muchos conjuntos de datos diferentes. Creo que tenemos cuatro o cinco ID diferentes en todo el Grupo Lego que tenemos que unir.
Para construir esta visión de 360 grados, necesitamos incorporar esas identificaciones, y para que podamos proporcionar valor a… digamos que queremos construir una campaña de correo electrónico personalizada o algo así. La forma en que evolucionamos este producto es mirando cuál es el producto mínimo viable que tenemos que construir.
¿Qué conjuntos de datos necesitamos aportar, atributos, etc.? Y a partir de ahí podemos evolucionar. No se necesitan las cinco identificaciones para ofrecer ese valor. En realidad, se pueden introducir uno o dos y empezar a crear campañas personalizadas.
Shervin Khodabandeh: Lo bueno de lo que dices es que, además de crear esos productos de inteligencia sobre tu producto de datos, no lo haces una sola vez. Porque el resto de tu organización también puede utilizar muchos de esos activos en el futuro.
Y creo que lo que estás diciendo es que has creado la homogeneidad, o las capas comunes de datos, y entonces la gente simplemente usa lo que necesita cuando lo necesita, pero no se duplica.
Anders Butzbach Christensen: Has dado en el clavo, y eso habla mucho de la reutilización de los productos de datos en toda la organización. Y luego, cuando se han incorporado todos estos datos a la plataforma y se han creado todos estos productos de datos, también es muy importante que la organización pueda descubrirlos para que otros puedan utilizarlos con otros fines y crear otros tipos de valor.
Lo que hacemos es que tenemos una herramienta de descubrimiento, donde se puede entrar y ver los diferentes conjuntos de datos. Por supuesto, hay conjuntos de datos privados, porque si contienen, digamos, datos de identificación personal, entonces tienen que ser privados y hay que solicitar acceso. Pero también puede tratarse de productos de datos que no necesitan ser realmente privados y pueden estar a disposición del público para que la gente pueda acceder a ellos.
Y para nosotros es muy importante que se puedan descubrir en la plataforma, de modo que se pueda empezar a unir los datos y crear nuevos tipos de valor. Eso sin tener que reutilizarlos o reintentarlos o cosas así, como hemos visto en las diferentes organizaciones durante años.
En lugar de ser muy restrictivos a la hora de crear este tipo de plataformas, hay que pensar en dar a los equipos de producto tanta libertad como sea humanamente posible.
Shervin Khodabandeh: Es como los bloques de Lego físicos, ¿verdad? Digresión rápida: Probablemente tenemos 300 juegos de Lego que han construido mis hijos. Y cumplen su propósito original, siguiendo las instrucciones, y luego acaban creando otras monstruosidades o creaciones geniales, así que podría ver perfectamente esa analogía.
Sam Ransbotham: Estaba pensando en eso. Hay mucha gente que viene a nuestro podcast y menciona: “Oh, es como un bloque de construcción”, y siempre hacen una analogía con Lego, por supuesto. Y la propia Lego utiliza estos bloques de construcción y su propia analogía.
Shervin Khodabandeh: Sí.
Enmarcar los problemas de la ciencia de datos desde el inicio te evitará dolores de cabeza
Anders Butzbach Christensen: No podría estar más de acuerdo, pero creo que también es muy importante decir que lo que hacemos es que Lego es una marca de juguetes físicos, ¿verdad?
Fabricamos juguetes físicos, y lo que hacemos en el espacio digital es ofrecer mejores experiencias para esos productos físicos. Se trata simplemente de mejorar esa experiencia para nuestros usuarios, y hacer que la experiencia de comprar productos e interactuar con ellos sea mucho más divertida para nuestros consumidores. Y también creo que eso habla mucho de cómo se pueden utilizar cosas como el aprendizaje automático o la IA para asegurarnos de que lo hacemos de forma responsable.
Por lo tanto, lo que también estamos viendo es, ¿cómo podemos utilizar el aprendizaje automático para auditar la plataforma y asegurarnos de que no tenemos datos por ahí para siempre? ¿Cómo nos aseguramos de que nuestros equipos de desarrollo y de producto saben realmente si tienen datos PII en la plataforma o no?
Sam Ransbotham: La gente no puede ver esto, pero en el fondo, la oficina de Anders está lleno de estos juguetes. Me da envidia, porque mi fondo es bastante sencillo. ¿Qué tipo de cosas construye la gente con sus ladrillos de datos?
Anders Butzbach Christensen: En realidad tenemos un montón de experiencias geniales que se publicaron no hace mucho. Lanzamos Lego Super Mario, creo que el año pasado, y fue un gran éxito. Es un juguete que no solo es físico, sino que también se puede interactuar con él a través de estas experiencias digitales. Eso fue un gran éxito para nosotros.
Shervin Khodabandeh: Cuando oigo hablar del producto de datos y de sus diversos usos… Creo que dentro de la empresa, has mencionado la planificación y la optimización. Y yo podría imaginarme, como cliente, interactuando con los sitios web de Lego o con instrucciones o motores de recomendación de compras y cosas por el estilo.
Pero también ha mencionado algo sobre la experiencia real de construir, como durante el juego. ¿Existen también productos que permitan jugar mejor o experiencias de juego diferentes?
Anders Butzbach Christensen: Hace unos tres o cuatro años, lanzamos una aplicación móvil con la que se podía utilizar la IA para crear diferentes experiencias de juego. Pero… era necesario tener un teléfono o un iPad para interactuar con la experiencia.
Creo que para nosotros, combinarlo, como hicimos en Super Mario, donde estaba dentro del juguete, marcó la diferencia.
Shervin Khodabandeh: Anders, lo que has compartido con nosotros es fascinante, y estoy seguro de que muchos de nuestros oyentes se preguntan si existe una receta. ¿Quieres compartir con ellos y con nosotros qué se necesita para construir lo que Lego está construyendo?
Anders Butzbach Christensen: Creo que una de las cosas realmente importantes para nosotros ha sido capacitar a nuestros equipos de producto para construir realmente estos productos y asumir su propiedad.
La forma en que lo hicimos fue estableciendo tres pilares diferentes dentro de la empresa. Queríamos estar dirigidos por el producto, por la arquitectura y por la ingeniería. Por lo tanto, lo que significa es que ser producto dirigido … en realidad reconocemos que los diferentes equipos son productos en sí mismos. Ya no tenemos estos proyectos que tienen una fecha de inicio y final, pero es productos que están evolucionando.
El segundo es analizar la propia arquitectura y asegurarnos de que los productos que creamos, como las plataformas de datos, no solo resuelven una necesidad a corto plazo, sino también a largo plazo. Creo que esa forma de pensar ha sido muy importante para nosotros, y también marca la dirección de nuestros equipos.
Para nosotros, la ingeniería gira en torno a la forma en que ofrecemos nuestras tecnologías y las ponemos a disposición de toda la empresa, pero también fuera de ella. Creemos firmemente que los ingenieros son los especialistas. Cuando llega un jefe de producto o un directivo, por supuesto, preparan el terreno hablando del “por qué” y el “qué” hacemos las cosas, pero el equipo es el único responsable del “cómo”, y tienen que averiguar. Ya sabes, cuando hablamos de datos sintéticos:
Una tercera vía para el desarrollo del talento: Michelle McCrackin de Delta
“Vale, si tenemos que trabajar con datos sintéticos, ¿cómo lo hacemos de la mejor manera? ¿Qué aspecto tiene una prueba de concepto? ¿Cómo es un producto mínimo viable y cómo lo hacemos evolucionar con el tiempo?”
Tienen que averiguarlo y decirnos, y luego nosotros, por supuesto, nos fijamos en cosas como: ¿cómo podemos ofrecer valor lo antes posible?. Y eso es sacar esos POC, probarlos y asegurarnos de que aportan valor a la organización. Para nosotros, la ingeniería es realmente importante y una de las razones clave por las que hemos tenido el éxito que tenemos hoy.
Creo que a veces también tenemos que recordar que contratamos a estas personas cualificadas porque son los especialistas y son lo mejor de lo mejor, ¿verdad?. Así que dar poder a los equipos es clave para lograr un gran éxito.
Sam Ransbotham: ¿Cómo acabaste en este puesto? Quiero decir, nuestro programa es Me, Myself, and AI. Tengo curiosidad por saber cómo acabaste involucrado en todo esto.
Anders Butzbach Christensen: Creo que es una historia más larga. Tengo formación en informática y desarrollo web, y empecé como consultor hace siete años. Hice aplicaciones móviles y sitios web y pasé a la gestión de proyectos de los clientes para los que habíamos creado esos productos. Y luego, creo que como muchas otras personas en Dinamarca, tal vez soñamos con trabajar para Lego… todos hemos jugado con los ladrillos, y soñamos con trabajar para ellos.
Sam Ransbotham: No es sólo Dinamarca.
Anders Butzbach Christensen: Tienes toda la razón, y también lo vemos. Pero por pura coincidencia vi este anuncio de trabajo que decía algo así como “propietario de producto senior, big data”. Yo en ese momento probablemente no sabía lo que era big data, pero el “propietario de producto senior” sí lo sabía. Así que solicité el puesto sin saber demasiado de qué se trataba. Y después de cuatro o cinco rondas de entrevistas, por casualidad, conseguí el puesto.
Empecé en el Grupo Lego. Tenía nuestro equipo de recomendaciones para Lego.com y Lego Life, que es nuestra aplicación social. También me encargaba de la moderación y el etiquetado de imágenes, para asegurarnos de que el contenido de nuestras plataformas fuera seguro.
Luego, al cabo de medio año, me encargaron digitalizar nuestra cadena de suministro, elaborar previsiones de demanda, etc., lo cual era un proyecto enorme, y yo no sabía nada de la cadena de suministro, ni de previsiones, ni de nada. Y entonces decidimos acelerar nuestra transformación digital, y entonces me convertí en jefe de ingeniería de datos.
Cuando empezamos, no había muchas empresas que lo hubieran intentado antes, así que tuvimos que hacer muchos descubrimientos e investigaciones para ver cómo lo hacían otras empresas. Así después lo intentamos unir todo.
Y eso básicamente nos lleva a donde estamos hoy, a donde estoy yo. Y creo que la curiosidad en torno a los datos es lo que me ha mantenido aquí.
Invertir en la última milla: Khatereh Khodavirdi de PayPal
Sam Ransbotham: Eso es genial. Has mencionado, por ejemplo, los datos sintéticos en los que está trabajando y la identificación PII. ¿Qué es lo siguiente? ¿Hacia dónde se dirigen tú y el Grupo Lego?
Anders Butzbach Christensen: Tenemos un enorme camino por delante. Hay, por supuesto, muchos equipos de productos que utilizan la plataforma en la actualidad. Creo que tenemos más de 600 productos de datos en nuestra plataforma. Pero todavía hay muchos equipos de productos digitales que no la utilizan, especialmente a través del autoservicio.
Tenemos un largo camino por delante para crear embajadores en toda la organización y facilitar al máximo la creación de productos de datos que generen mucho valor.
Shervin Khodabandeh: Llevas bastante tiempo en este viaje y tiene muchas lecciones aprendidas y experiencias. Si tuvieras que avanzar más rápido, ¿cuál sería la situación ideal? Si te sientas y dices: “¿No sería genial si, dentro de 10 años, cuando las organizaciones hablen de productos de datos, pudieran tener X, Y, Z?”. ¿Qué es “X, Y, Z” dentro de 10 años?
Anders Butzbach Christensen: Sueño con que todos los productores de datos expongan sus datos en esta plataforma para que estén disponibles en la herramienta de descubrimiento.
Y para mí, eso va desde los equipos técnicos que crean scripts de transformación en Python u otro lenguaje de programación. Sueño con una ventanilla única para toda la organización, que les permita centrarse en los datos. Y si miro hacia el futuro, ahí es donde estaremos, con suerte, antes de 10 años.
Sam Ransbotham: Sabes, Shervin, al dar un paso atrás, hemos escuchado a muchas personas que están expresando algunos tipos similares de cosas, pero en diferentes dominios. Obviamente, no todo el mundo está haciendo juguetes para niños … o juguetes para adultos.
Como Shervin acaba de mencionar, todavía juega con Lego. Pero hemos visto a gente en la asistencia sanitaria, hemos visto … Ziad Obermeyer … en Nightingale que están construyendo una infraestructura para permitir a la gente acceder a los datos y utilizar las cosas. Creo que estamos viendo esto en todas partes. Parece emocionante.
¿Hacia dónde nos dirigimos? ¿Cada persona será capaz de hacer todas estas cosas por sí misma?
Anders Butzbach Christensen: Realmente espero que sí, y creo que lo estamos viendo en muchos sitios ahora mismo. La IA está avanzando, y Google ya no es Google. Ahora tenemos ChatGPT, y hay un montón de tecnologías que no podíamos ni imaginar hace cinco años. Ahora están a disposición del público en manos de gente normal.
Shervin Khodabandeh: En primer lugar, esto es bastante fascinante, y gracias por compartirlo. Vamos a pasar a otro segmento, en el que le haremos cinco preguntas rápidas y usted nos dirá lo primero que se le ocurra.
Anders Butzbach Christensen: Adelante.
Del laboratorio al producto diario con IA: Eric Boyd de Microsoft
Shervin Khodabandeh: Muy bien, déjeme que le haga las preguntas. ¿Cuál es el momento en el que te sientes más orgulloso de la IA?
Anders Butzbach Christensen: Uno de los momentos de los que me siento más orgulloso en relación con los datos fue cuando pasamos de tener un montón de datos que no podíamos unir.
No creaban el valor que necesitábamos, porque no hacían las cosas de la manera correcta. Así que creamos una herramienta que enseñaba a los productores de datos a crear productos de calidad. Y eso fue un gran éxito y, creo, una de las razones clave por las que ese producto de datos se convirtió en un éxito.
Shervin Khodabandeh: ¿Qué te preocupa de la IA?
Anders Butzbach Christensen: Lo que me preocupa no es que nos vaya a quitar el trabajo. Creo que lo que nos preocupa es que, por desgracia, nunca podemos dejar de aprender, ¿verdad?
Shervin Khodabandeh: Eso está muy bien. Es muy cierto. También es lo mismo que has dicho sobre que nunca se acaba con los datos. ¿Cuál es tu actividad favorita que no implique tecnología?
Anders Butzbach Christensen: Para mí es la actividad física. Cuando salgo del trabajo después de muchas horas, necesito hacer algo que me distraiga de los datos y la tecnología.
Shervin Khodabandeh: ¿Cuál fue la primera carrera que quiso? ¿Qué querías ser de mayor?
Anders Butzbach Christensen: En primer lugar, quería ser abogado, pero descubrí que no era para mí. Tengo una tía que es abogada y me prestó uno de sus libros de texto, lo miré y descubrí que hay demasiadas leyes. Lo dejé rápidamente. Luego quise ser trader, pero descubrí que para eso había que mirar acciones en una pantalla durante mucho tiempo, y eso tampoco era para mí.
Entonces me pasé a la tecnología y a la creación de diferentes tipos de aplicaciones, y creo que lo que realmente me gustó de la TI es que se pueden crear productos que generen mucho valor.
Shervin Khodabandeh: ¿Cuál es su mayor deseo para la IA en el futuro?
Anders Butzbach Christensen: Mi mayor deseo es que haga del mundo un lugar mejor, y lo dejo ahí porque eso significa… que se puede hacer de diferentes maneras.
Sam Ransbotham: No nos vas a decir cómo. Supongo que lo dejarás para la próxima vez que hablemos.
Anders Butzbach Christensen: Exacto.
Sam Ransbotham: Creo que lo que es particularmente interesante acerca de la discusión de hoy es, muchas de las personas que Shervin y yo hablamos de Lego como bloques de construcción. Y hacen una analogía de las cosas que están haciendo en su organización:
“Oh, estamos construyendo estos Legos para que la gente pueda construir datos.”
Y lo que no se dan cuenta es … piensan que están hablando de ladrillos de Lego, pero en realidad están hablando de la forma en que Lego aborda los datos. Creo que es bastante fascinante. Creo que es el tipo de cosas de las que mucha gente puede aprender. Gracias por tomarse el tiempo para hablar con nosotros.
Shervin Khodabandeh: Sí, gracias, Anders. Ha sido estupendo.
Sam Ransbotham: Gracias por escucharnos. La próxima vez hablaremos con Rathi Murthy, director de tecnología y presidente de producto y tecnología de Expedia. Por favor, únanse a nosotros.
Allison Ryder: Gracias por escuchar Me, Myself, and AI. Creemos, como usted, que la conversación sobre la implantación 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 puntos de vista y acceder a valiosos recursos sobre la implementación de la IA del MIT SMR y BCG. Puedes acceder visitando mitsmr.com/AIforLeaders. Pondremos ese enlace en las notas del programa, y esperamos verte allí.
Sam Ransbotham (@ransbotham) es profesor del departamento de sistemas de información de la Carroll School of Management del Boston College. Shervin Khodabandeh es socio sénior y director gerente de BCG y colíder de BCG GAMMA (la práctica de IA de BCG) en Norteamérica. Puede ponerse en contacto con él en shervin@bcg.com.
Me, Myself, and AI es un podcast en colaboración de MIT Sloan Management Review y Boston Consulting Group, presentado por Sam Ransbotham y Shervin Khodabandeh. Nuestro ingeniero es David Lishansky, y las productoras coordinadoras son Allison Ryder y Sophie Rüdinger.