The Three Roles of the Chief Data Officer: ADP’s Jack Berkowitz
24:43 Share

今天，我们播出一期由我们的朋友 Modern CTO Podcast 制作的节目，他们最近很友好地邀请我作为嘉宾参加。我们讨论了生成式 AI 的兴起，技术成功的意义，以及领导者在指导技术实施工作时需要考虑的一些因素。您可以在 Apple Podcast、Spotify 或您收听播客的任何地方找到 Modern CTO Podcast。当结果无法激励人工智能工作时，它们如何才能成功？

在今天的节目中，了解一位首席数据官是如何看待人工智能的。我是来自 ADP 的 Jack Berkowitz，您正在收听“我和 AI”。欢迎收听“我和 AI”，这是一档关于人工智能和商业的播客。在每一期节目中，我们都会向您介绍一位在人工智能领域进行创新的个人。我是 Sam Ransbotham，波士顿学院分析学教授。我还是麻省理工学院斯隆管理评论的 AI 和商业战略客座编辑。

我是 Sherwin Korobande，BCG 的高级合伙人，我共同领导 BCG 在北美的 AI 实践。麻省理工学院 SMR 和 BCG 共同研究和发表关于 AI 的文章已有六年时间，采访了数百名从业人员，并对数千家公司进行了调查，了解构建、部署和扩展 AI 能力以及真正改变组织运营方式需要什么。

今天，Sherwin 和我很高兴邀请到 ADP 的首席数据官 Jack Berkowitz。Jack，感谢您加入我们。欢迎。谢谢。很高兴来到这里。让我们开始吧。您是 ADP 的首席数据官。您能告诉我们这个职位意味着什么吗？ADP，即自动数据处理公司，是全球最大的 HR 服务、薪资、税务等服务提供商。我们在 140 个国家/地区开展业务。我们拥有超过 900,000 名客户。每天有数百万人从我们这里领取薪水。

我的工作有点像两面性。一方面，我负责流经我们系统的所有数据。我们是一家非常大的公司。我们拥有海量数据。因此，所有与首席数据官传统上相关的方面，例如数据治理、数据安全、分析的使用等等。

我工作的另一方面，而且这可能是一项更大的工作，那就是我构建数据产品。因此，我的团队构建人员分析、基准测试、薪酬信息，所有这些类型的产品，我们的客户每天都在使用这些产品来做出关于工作世界的决策。我没有听到任何关于人工智能的字眼。它是怎么参与进来的？

我也负责公司的这方面工作。但是我们在整个过程中都使用机器学习，无论我们是清理信息，是在我们的 HR 应用程序或薪资应用程序中构建嵌入式功能，还是在做诸如调整职位名称之类的事情。人们会说，这有多难？您知道，在任何一个月内，我们都会支付大约 2100 万人的薪水。我们大约有 1400 万个职位名称。

我们将它缩减到 6000 到 8000 个职位名称之间。因此，需要大量的非常复杂的自然语言处理和机器学习才能实现这一点。看起来您提到了三个不同的角色，它们融合在一起。我说这话是因为在许多公司中，实际上有三个不同的角色对应您提到的内容，分别是数据治理、数据产品和 AI，这可能会导致……

一些孤岛现象，以及一些脱节现象，对吧？因为所有这些事情都必须协同工作。请评论一下，为什么是由一个人领导这三个方面。这是我的第一个问题。然后我的第二个问题是，AI 的参与仅限于数据产品，还是您还支持更广泛的企业 AI？

这是一个非常好的问题。关于 ADP 需要知道的一点是，是的，我们是一家服务公司，因为例如，我们为美国大约六分之一甚至更多的人提供薪资服务。但我们也是一家 SaaS 产品公司。

正因为如此，许多不同的开发组织都在致力于构建 SaaS 产品，无论是针对小型企业还是全球最大的公司，都使用我们的应用程序来处理 HR、招聘、薪资或税务等事务。正因为如此，这个角色才真正出现。它最初是构建数据产品。但是为了构建数据产品和诸如报告之类的东西，

它发展了数据平台。在数据平台之上，它在机器学习、最佳实践方面发展了越来越多的能力。我们开始关注数据的道德使用和机器学习和 AI 的道德使用。这使我们能够在能力方面有所补充。关于它的另一件事是，好吧，范围在哪里？因为我们拥有所有这些 SaaS 应用程序，我的团队有时会为其他应用程序构建嵌入式功能。

但我们也使其他开发组织能够使用我们构建的框架。例如，我们构建了许多机器学习运营能力，例如偏差监控和数据形状监控，因为在公司中一次性完成这些工作是有意义的，然后让其他人能够利用它。在过去十年中，我们看到越来越多的人将自己定义为数据科学家。

多年来。我们一直在招聘人员等等，但他们并不都需要学习如何将模型部署到生产环境中。非常有趣。可以这样说，在您为客户提供的产品之外，更广泛地引入和扩展 AI

是数据产品本身，对吧？这些数据产品的孵化打开了组织的视野。是的，完全正确。正是这种孵化。然后在孵化之后，我们开始看到机会领域和令人兴奋的领域。

这并不是自上而下的推动。它非常自下而上，团队看到了我们取得的成就，然后其他团队会来找我们说，嘿，等等，我们想构建一种能力。你能和我们一起工作吗？因此，它实际上已经成为一种有机增长。我真的很喜欢这个故事。我经常被要求向

群体或媒体采访谈论首席数据官的角色。并且有一个问题是，什么是正确的首席数据官角色？我一直说，这个角色必须与数据的实际使用密切相关，而不仅仅是数据的治理以及使用数据构建事物。我认为您是这个角色正确设置和成功的绝佳例子。

这很有趣，因为我的职业生涯一直都与产品开发或成果有关。它一直是关于确保您拥有业务成果。您是否正在构建某些东西？人们是否正在购买它？或者您是否正在构建某些东西，并且您正在获得更好的能力？我们将这种产品思维方式带入我们的数据治理中。是的，我们需要进行治理，但这并不一定是为了遵守法规。它实际上是关于确保

我们了解信息，以便有人可以在其之上构建良好的数据产品或良好的机器学习能力。否则，我们为什么要做这一切呢？我恰好在经济衰退时期毕业。听起来很熟悉？我在工程咨询领域工作了大约 10 年，主要为 DARPA 工作，即国防高级研究计划局，这会让您参与一些有趣的事情。

从那里，我决定和几个朋友一起创业，并进入了创业领域。然后大约 11 年前，我得到了一个加入 Oracle 的绝佳机会，并且在那里度过了愉快的时光。然后四年前，我能够将其带到 ADP。ADP 实际上是我职业生涯的巅峰。就将所有这些关于如何观察用户执行操作的经验结合起来而言，我无法要求更好的情况。

您如何在一个个小型创业公司（这些公司都获得了风险投资的支持）中创业，以及数据和技术。我们必须全天候运行这些系统。公司依赖这些系统来支付员工的工资，有人可能会说，这是公司中最重要的因素之一，尤其是在当今的环境中。

您能否与我们分享一下您为客户构建的产品中 AI 的一些用途，以及可能广泛用于企业或核心流程或更侧重于内部的用途？

我们在 HR 领域，因此运行着各种各样的能力。我们现在正在做的一件事，我们对此感到非常兴奋，那就是我们已经使用了职位名称信息以及许多其他自然语言处理来创建一个技能图谱，一个 100% 数据驱动的技能图谱。

许多其他供应商使用手工制作的本体来做到这一点。在此之后，该技能图谱会出现在各种地方，无论是招聘应用程序，还是公司内部的员工资料，以便人们可以找到新的角色等等。

我们有一个团队正在为退休计划中的人员提供建议。我们为小型企业中的员工提供了一个大型退休计划。很多时候，小型企业不会为员工提供医疗保健或退休金。ADP 为小型企业提供这些服务，以便他们可以为员工提供这些服务。并且有一种功能可以向人们推荐，说，像你这样的人实际上会在他们的退休计划中投资多或少。因此，这是一种基于机器学习的功能。

但是我们也像其他任何公司一样，在其他领域广泛使用机器学习。我们在销售和营销渠道中做了很多事情。但更重要的是，我们在服务中做了很多事情。因此，我们现在正在做很多事情来为我们的客户创建一个自助服务环境。我们为他们创造更好的服务环境的能力创造了更好的体验，对吧？他们……

获得更准确的薪水或为他们的员工获得更好的体验。反过来，这对我们来说也是更好的业务。因此，我们在使服务体验变得出色方面投入的资金和时间与使核心产品变得出色一样多。我知道您一直倡导建立 AI 和伦理委员会的想法。我将反驳一下。为什么这很重要？这样做的好处是什么？为什么要费心建立 AI 和伦理委员会？我们之所以开始这样做，是因为我们只是觉得技术发展速度和数据发展速度可能无法代表我们希望与客户一起代表的价值观。我们最初开始这样做是因为我们认为这是正确的事情。从那时起，它所取得的进展非常有趣。我们在自己的产品开发方面以及在如何教育不仅是我们的客户，甚至是我们 ADP 的员工方面都学到了很多东西。关于我们如何评估我们的

我们想要开展业务的地方，例如生物识别技术或语音识别，甚至数据访问权限的含义。三年后，现在也出现了很大的监管压力，无论是在欧盟、美国的 FTC 还是 EEOC。因此，我们对此没有被动反应。我们知道该考虑什么。通过提前思考，我们处于一个能够很好地处理它的位置。

从设置和问责制角度来看，您是否认为伦理和负责任的 AI 主题是由董事会管理还是由董事会建议的人员管理？我们更倾向于后者。我们这样做是有原因的。我们将外部专家带到我们的董事会。我们有来自 HR 领域的人。我们将有来自机器学习领域的人。我们将带来伦理学家。

我们希望董事会拥有思想自由。我们有非常结构化的产品发布流程，无论是我们向客户发布的产品还是我们内部使用的产品。我们在那里有治理和安全。如果您能想象的话，数据安全目前是我们最优先考虑的事情。董事会成员还有我们的首席隐私官。因此，我们希望董事会拥有思想自由。

它是一个顾问。项目团队必须向董事会展示，作为进入市场领域的一部分。Sherwin，这很有趣，Jack，我不想低估您的数据的重要性，因为显然它非常敏感。但是，Sherwin，我和人们交谈时，我们会与医疗保健领域的人交谈，每个人似乎都会有这样的时刻，哦，天哪，哦，我们的数据真的，真的非常敏感和重要。我认为

也许现在这已经很普遍了，所有数据似乎都是这样的。我想 也许很多人可以从这样的董事会设置中学习。

保护人们对其信息的利益并不是一件坏事。这真的非常引人入胜，因为有很多关于薪水和人们在许多领域的自述的信息来源。但是您掌握了很多关于实际到达他们银行账户的信息的真相。它可以深入了解经济中真正发生的事情。

它创造了一种独特的能力，既能够将这些信息提供给我们的客户或他们的员工或同事，也能够正确地处理它，对吧？我们有一个绝佳的机会来正确地处理它。因此，所有级别的数据安全，所有级别的一切首席数据官都关心的方面，例如数据治理、来源、谱系，我们有一个绝佳的机会来实践这个领域。好吧，我认为您可能感兴趣的一个领域是这个

比较 DEI 指标的想法，这是一个您可以提供基准测试并深入了解实际情况与人们希望您认为的情况之间差异的绝佳场所。是的，这是一个很好的观点。该公司实际上在 2017 年就开始了这项工作，发布了其第一个薪酬公平探索器，该探索器允许投资者

公司查看他们在弱势群体的薪酬公平差距方面的表现。现在，我们拥有基准测试功能，允许公司查看其所在位置、行业、公司规模，他们在这方面做得如何

在创造多元化环境方面？然后，他们不仅是如何引进人才，而且是如何在职业生涯中提升他们？通过将所有这些结合起来，通过使用我们的基准测试功能，通过解决问题，对吧？通过关注结果。

我们取得了巨大的成功。我们可以对个人进行多元回归分析，不仅在其公司内部，而且针对该当地理位置或行业的各种人群。但是然后我们可以说，好的，这里有四五个预算方案。因为说，嘿，您有薪酬公平问题是一回事，但是您知道，也许公司有预算方面的问题，因此他们可以做出一些选择。

关于预算方案，它会告诉他们，好的，如果您想关闭这个预算，那么您可以覆盖这些人，对吧？因此，他们基本上可以改变这一点。他们出来，然后砰的一声，他们可以直接将这些更改添加到人们的工资单中。这是一个有意义的影响。这太棒了。我有一个问题，这对我们的听众来说会非常有趣，那就是从哪里开始？因为我们看到，我的意思是，在我工作中看到，

当我们采访和研究 AI 部署主题时，Sam 也看到了这一点。有一个问题是，在开始获利或商业化或构建数据产品或用例之前，您要构建多少能力，以及您在多大程度上是价值和用例驱动的。我真的很想知道您对此的看法。

对于 ADP 以及您对处于旅程早期阶段的其他人的任何建议？我一直以来的看法是，如果您正在构建产品，无论您是创业公司还是其他公司，都是从纸张的一角构建一条线到纸张的另一角，并使用该线，换句话说，是一两个用例，来帮助您定义您在当时公司的情况中需要什么。

您可以说这些是原型，但在我看来，除非您实际上尝试对其产生影响，否则原型是没有用的，因为您不会学习如何衡量结果。您将无法学习如何衡量您实际需要的东西。在过去六七年中，机器学习和所有炒作中丢失的东西是，所有机器学习和所有 AI 都是针对结果的。对我来说，这实际上是关于

部署某种能力。在部署该能力之后，您将了解您需要哪些级别的机器学习操作。您将了解您需要哪些级别的数据。我知道有 1400 家供应商。Matt Turk 拥有 FirstMark Capital 的出色矩阵。顺便说一句，我还记得那时只有 30 家供应商。我知道所有 1400 家供应商都会告诉您，您需要立即购买他们的产品。那根本不是真的。那根本不是真的。

不过，您必须购买其中一些产品才能部署初始产品。是的，我很高兴您这么说，因为这实际上是我们研究中看到的突破，Sam，我们看到那些首先采用技术的公司可能会获得一些价值，但是有一些很大的……

他们没有得到的部分。而且在我们在 BCG 的工作中，这已经成为价值驱动和结果导向的主要突破。我喜欢您谈论线程的方式，因为您不能只是孤立地构建这些东西，但这并不意味着您必须在棒球开始之前建造整个体育场。就像你可以开始玩一个

完全正确。在 ADP 之前的一家公司，我们过去称之为“梦想之地”商业计划。就像没有人发明过棒球一样。我们现在为什么要建造一个棒球场呢？所以整个想法是让这条线运转起来。您知道，也许它并没有完全连接起来。也许您仍然有人拿着软盘跑到另一台电脑上去让它工作。但至少您有一个想法。然后您可以随着时间的推移扩大这条线。就是这样。

因此，对于我们的听众来说，软盘是人们必须放入计算机中才能存储信息的东西。是的，谢谢，Sam。谢谢，Sam。你可以看到它。您实际上会在旧 Mac 和旧 PC 上的图标上看到它。所以，是的。Jack，非常感谢您。这太精彩且富有洞察力了。这将我们带到

节目的下一部分，我们会在那里问您五个问题。太好了。我们期待对这些问题做出一些快速的反应。所以我开始。您最引以为豪的 AI 时刻是什么？我最引以为豪的 AI 时刻是我的算法投入生产时。非常好。这很贴切。AI 让您担心什么？我认为是 AI 寒冬的再次出现，因为我经历过第一次，并且看到……

这还不够。让我们不要夸大其词。您最喜欢的与技术无关的活动是什么？在 Chattahoochee 河上皮划艇。我去过那里，做过这件事。我多次在 Chattahoochee 皮划艇。我实际上来自亚特兰大，来自斯迈尔纳。您想从事的第一份职业是什么？您小时候想做什么？我想成为一名宇航员，就像 60 年代出生的其他孩子一样。您对未来 AI 的最大愿望是什么？我的最大愿望是……

我们帮助人们过上更好的生活。谢谢。非常有见地。Jack，很高兴见到你。我认为这里有很多东西人们可以学习，特别是关于您如何组织的一些细节。我认为这是很多人可以学习的东西。我们非常感谢您抽出时间。谢谢，Sam。我非常感谢这次谈话。感谢您加入我们。下次，Sheridan 和我将与 Orange Theory Fitness 的首席数据和分析官 Amin Khazrooni 谈谈。

感谢收听“我和 AI”。我们相信，与您一样，关于 AI 实施的对话不会仅限于此播客。这就是为什么我们在 LinkedIn 上专门为像您这样的听众创建了一个群组。它被称为 AI for Leaders。如果您加入我们，您可以与节目创作者和主持人聊天，提出您自己的问题，分享您的见解，并了解更多关于 AI 的信息。

并获得来自麻省理工学院 SMR 和 BCG 关于 AI 实施的有价值资源，您可以通过访问 mitsmr.com/AIforLeaders 来访问它。我们将把该链接放在节目说明中，我们希望在那里见到您。