Designing a Better Future: Mastercard’s JoAnn Stonier
29:57 Share

JoAnn Stonier 承认，她作为万事达卡首席数据官的角色并不轻松。在为公司提供关于减轻当前和未来风险的建议的同时，指导她的团队批判性地思考他们正在使用人工智能解决的问题，这是一项挑战——但她表示，这也很有趣。在本期节目中，JoAnn 与 Sam Ransbotham 和 Shervin Khodabandeh 讨论了她的工作中既有挑战性又有回报的部分。她还谈到了她在同事身上发现的最有价值的技能，并分享了她如何利用室内设计工作来重新调整工作中的技术挑战。在此处阅读剧集文字记录。阅读关于人工智能战略的文章。在 https://sloanreview.mit.edu/aipodcast 了解更多关于我们节目的信息，并关注本系列节目。我和 AI 是麻省理工学院斯隆管理评论和波士顿咨询集团合作推出的播客，由 Sam Ransbotham 和 Shervin Khodabandeh 主持。我们的工程师是 David Lishansky，协调制作人是 Allison Ryder 和 Sophie Rüdinger。你们的评论对《我和 AI》的成功至关重要。在有限的时间内，我们将向评价该节目的听众免费提供麻省理工学院 SMR 关于人工智能的最佳文章下载。将您的评论截图发送至 [email protected] 以接收下载。嘉宾简介：JoAnn Stonier 担任万事达卡首席数据官，领导该组织的数据创新工作，同时应对当前和未来的数据风险。Stonier 和她的团队设计和运营万事达卡的全球数据战略，确保治理和数据质量，并指导企业部署尖端数据解决方案，包括高级分析和人工智能以及企业数据平台的开发。我们鼓励您对我们的节目进行评分和评论。您的评论可能会用于《我和 AI》的资料中。我们想知道您对《我和 AI》的感受。请参加一个简短的两道题的调查。</context> <raw_text>0 今天，我们播放的是由我们的朋友 Modern CTO Podcast 制作的一期节目，他们最近很友好地邀请我作为嘉宾参加。我们讨论了生成式人工智能的兴起，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。在 Apple Podcast、Spotify 或您收听播客的任何地方查找 Modern CTO Podcast。我们经常听到很多关于人工智能可能加剧偏见的说法。

但人工智能也可以帮助组织减少偏见。当我们与万事达卡首席数据官 Joanne Stonier 谈话时，我们将了解如何做到这一点。欢迎收听《我和 AI》，这是一档关于商业中人工智能的播客。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，波士顿学院信息系统教授。我还是麻省理工学院斯隆管理评论人工智能与商业战略大创意项目的客座编辑。

我是 Shervan Kodabande，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 合作研究人工智能已有五年时间，采访了数百名从业人员，并对数千家公司进行了调查，了解如何在整个组织中构建、部署和扩展 AI 能力，以及真正改变组织运营方式的方法。

今天我们与 Joanne Stonier 进行了交谈。Joanne 是万事达卡的首席数据官。Joanne，感谢您抽出时间与我们交谈。欢迎。谢谢。很高兴来到这里。Joanne，让我们从您在万事达卡目前的职位开始吧。您能简单介绍一下您的工作吗？当然。正如您所说，我目前是公司的首席数据官。我和我的团队负责确保万事达卡的信息资产可用，同时应对当前和未来的数据风险。

所以我的团队的任务非常广泛。我们致力于帮助公司制定数据战略，然后处理数据管理的所有不同方面，包括数据治理、数据质量，以及支持人工智能、机器学习等方面。然后，我们还帮助设计和运营一些企业数据平台。这是一个非常广泛的角色。我们还从事数据合规工作。

以及如何在产品设计中嵌入合规性和负责任的数据实践。我们从数据来源的开始一直到产品创建和启用，都参与其中。这很有趣。因为我们的节目是关于人工智能的，所以让我来谈谈这方面的内容。当然。您能举一些万事达卡在人工智能方面令人兴奋的例子吗？

哦，我的天哪，仅仅在本周我就进行了很多关于人工智能的对话，其中大部分都集中在如何最大限度地减少偏见，以及我们如何构建包容性未来。真正让我兴奋的对话是，整个公司都在真正支持这个想法和概念。我已经与我们的产品

开发团队进行了交谈，讨论如何制定一个广泛适用的策略手册，以便组织中的每个人都能真正理解如何从一开始就真正考虑设计，以便真正考虑包容性概念。我们已经与我们的员工和能力团队（通常称为人力资源）进行了交谈，讨论未来的技能组合。

我们该如何不仅在万事达卡拥有更具包容性的员工队伍，还需要做些什么来提供公司内部和公司外部的教育机会，以便我们能够创造合适的个人形象，使他们拥有我们所需的技能，以及我们如何提升技能，我们如何真正开始创造机会进行正确的对话。我们还在努力改进我们的道德人工智能流程

因此，我们在人工智能方面所做的工作有很多不同的方面，不仅体现在我们的产品和解决方案中，还在欺诈、网络安全、一般分析和围绕数字身份的生物识别解决方案中，这真是一个令人兴奋的时代，可以以我认为需要持续几代人的方式来完成这项工作。Joanne，这真的很有趣。我特别印象深刻

兴奋的是，您谈到的其中一件事是使用人工智能来防止偏见。我的意思是，关于人工智能的意外偏见以及如何管理它，已经有很多讨论了。但我听到您也将其称为一种可以帮助发现偏见的工具。您能否对此发表更多评论？

是的，但这很难，对吧？这是一项艰巨的工作。我与学术机构、其他民间组织进行了很多对话，对吧？我们正处于人工智能和机器学习的早期阶段。我认为我们可能处于 1.5 代，正朝着 2 代发展。但我认为去年的事件

教会了我们，我们真的需要关注我们如何为社会设计产品和解决方案。而且，你知道，我们的数据集在我们将什么内容输入机器以及我们如何设计我们也输入到智能中的算法过程方面非常重要，它将从我们这里学到什么。

所以我试图向人们解释，你知道，我们第一代数据分析，我们创建的算法或分析问题实际上提出了这样的问题：这就是问题。如果数据集中存在此条件，则执行某些操作。对。所以我们正在寻找数据集中存在的条件，然后我们采取行动。基于规则。

对，基于规则，就是这样。人工智能和机器学习实际上稍微改变了这一点。

相反，我们采用数据集并说，数据告诉我们什么？数据告诉我们什么，机器又从中学习到什么？好吧，挑战在于，如果你不了解数据中有什么，对吧，以及当你将其引入查询时数据的条件，并且你不了解这两者如何契合，那么你最终会得到一个有偏见的观点。现在，这是无意的。这是固有的，对吧，正如你所说。

但尽管如此，在我们开始审视我们围绕人工智能的流程时，我们必须后退并重新调整我们的视角。因此，我们从数据集开始，我们理解数据集将包含各种偏见。没关系。首先，偏见总是会引起一种，你知道，一种非常强烈的反应，对吧？我一直用这个例子。如果你回到美国 1910 年的选民名单，对吧？

这是一个有效的数据集。您可以将其用于任何目的，用于评估 1910 年或 1911 年发生的事情。但您需要知道，该数据集本身就会遗漏女性。它会遗漏有色人种。它会遗漏社会的部分群体。只要你知道这一点，

那么你就可以设计一个适合目的的查询。问题是，如果你不记得这一点，或者你没有意识到这一点，那么你就会有一个查询，它将从一个缺少对任何其他查询都很重要的特征的数据集中学习。我认为我们可以开始设计更美好未来的方法之一就是这些。但这意味着要真正注意数据集中的固有内容，

其中有什么，缺少什么，还可以推断出什么。我们可以讨论一下，机器可以创建什么样的变量，对吧？它也可以被推断出来。因此，所有这些都是我们在万事达卡正在关注的事情。因此，我们有一个非常具体的框架用于道德人工智能，但我们正在真正深入研究不同类型的上下文变量。

所以我想在此基础上进行构建，因为我认为这对我们的许多听众来说都是一个非常关键的话题。所以您谈到只要您知道，就可以寻找它，但随后是您不知道的事情，然后您在事后才发现，您如何为此做好准备？

好吧，我认为您必须再次意识到，为了什么目的，为了什么目的？现在让我们来看看数据集。这就是您必须追溯数据链以了解您的数据谱系、了解

数据集的质量和一致性的位置。这并不容易。所以，我希望每个人都能清楚地听到我说的话。我说的任何事情都不容易，对吧？每件事都需要大量的审查和时间，但如果您自己做，那就最容易了。但如果供应商这样做并将此作为组合解决方案提供给您，您需要对这个配方中包含的内容更加好奇。每一个元素都变得非常重要。为什么？

因为如果我们在构建时这样做，我们这些数据科学家和数据专家、数据设计师，对吧？我们理解这一点，因为当我们查看信息模型和输出在第一代出现时，我们将寻找模型漂移。我们将查看，这是一个准确的输出吗？这真的是结果吗？还是因为输入中存在某种不公平？

如果它是准确的，那没关系，没关系，因为机器将开始学习，我们将输入更多数据和更多信息。但如果它是错误的，而我们没有发现它，它可能会被放大到错误的结果。而且它可能，而这也是我们真正关心的，当我们进行输出分析时，它可能会放大非常糟糕的结果。结果可能是重要的或不重要的，这取决于它是否为个人而设计，或者

或者它是否为群体而设计，或者它只是某些东西，你知道，我谈到我怀疑当航空公司第一次模拟头顶行李箱的尺寸时，它是基于非常平均的身高，好吗？但平均身高没有包括足够的女性。有多少女士爬上座位才能拿到行李箱后部的行李，或者需要依靠你们这些好心的男士帮忙把我们的头顶行李箱拿下来，对吧？

平均值有时是最糟糕的结果，因为它们不适合目的。我认为您谈论的是在数据分析或数据使用过程中注入一个全新的层，对吧？也许吧。因为 20 年前，人们不认为数据是中性的吗？就像数据是中性的。您可以随意使用。

但数据可能具有潜在危害性。我认为您谈论的是试图创造一种思维转变，即不仅仅是数据输入，答案输出，而是您必须注意使用它的原因和方式。这种思维转变不仅会渗透到您的组织中，而且还会渗透到您的供应商和生态系统的其他部分。这是一项巨大的工作。这是一项巨大的工作。

所以这些是一些具有挑战性的方面。有什么回报？会发生哪些令人兴奋的事情？这些似乎有点像，哦，天哪，我们必须担心这个。我必须担心那个。兴奋的有趣部分在哪里？哦，我认为所有这些都很有趣。我确实如此。所以，你知道，但我是一个数据迷，对吧？所以

有趣的是，实际上看到我的公司围绕这一点而焕发生机。这些实际上是在公司内部进行的非常令人兴奋的对话。我并不想让他们听起来只是风险对话。这是一项具有智力挑战性的工作，但我们都同意，我们认为这将把我们带到更好的地方，并且已经将我们带到产品设计中更好的地方。

您谈到了它的员工队伍方面，以及技术是必要的，但它远非充分的。我们从另一位演讲者（100 Flowers 的总裁）那里听到了关于学习商数、学习愿望的内容。

您如何将所有这些结合起来，以考虑你们正在关注的未来员工队伍以及在不同角色中取得成功的才能、技能组合和属性？你们是否正在朝着这个方向采取行动？

我们真的寻找那些也能设计、你知道，控制和流程，并确保我们能够驾驭这些的人。你知道，我们生活在一个互联生态系统的世界中。因此，我们只和我们的合作伙伴一样优秀，但这意味着握手，对吧？这些联系对于理解非常重要。那么，您如何向其他组织提出这些询问，以便您可以创建这些只会增长规模和规模的互联生态系统呢？

对于未来，我们如何帮助设计这些？我们如何成为设计其中一些的领导者，这对我们来说非常非常重要。所以这真的是一种融合。我谈到的是像一个三面三角形的数据技能。还有其他类型吗？没错，是的。

但我们坐在中间，对吧？我们坐在业务的中间。我们拥有技术技能，以及我们需要理解的大量政策。这是我们需要了解的另一个设计约束，法律正在发生怎样的演变？限制是什么，我们需要了解的其他类型的限制是什么？

它是在土壤上吗？我们能否不使用数据，因为它受到合同限制或因为它是一种特定类型的数据？它是财务数据，对吧？它只能用于一种特定类型的目的。或者它只能在聚合级别使用，例如。它可以在细分级别使用。这些类型的限制以及该合规级别也需要理解。因此，坐在中间的中间有时真的很困难。这就是为什么您必须能够承认您不了解该三角形的某个方面。

所以您多次提到“设计”这个词。您能告诉我们一些关于您如何获得现在这个职位的信息吗？因为我认为设计思维来自您的背景。您能与我们分享您是如何走到今天的吗？

我认为如果我快速倒退一下，可能会更容易一些。在担任首席数据官之前，我是公司的首席隐私官，这很有趣。我非常喜欢这个角色。我帮助公司实现了 GDPR 合规，我认为这正是许多公司

正在走向需要运营大量数据风险的地方的时刻。我们一直在进行这项旅程。我们有一个名为“设计中的隐私”的完整流程。我们仍然使用此流程。许多公司使用这个短语，因为它是一个监管短语。但我们一直在查看我们的产品和解决方案，试图了解我们如何将隐私和安全嵌入到它们的设计和结构中。我们至今仍在这样做。

但是，当我们进行合规工作并为 GDPR（欧洲隐私法）制定计划时，我们意识到我们将需要构建额外的平台和系统。当我这样做的时候，我一直对任何听过我说话的人都说，谁将拥有所有数据？因为我真的需要有人和我谈谈。他们只是不断地轻拍我的头说，你只要继续设计一切，一切都会好起来的。好吧。所以，我们在这里，你知道，我是第一位首席数据官。但这

是许多我一直在做的工作的扩展和分离。但我成为首席隐私官。我之前是美国运通的首席隐私官。在担任这个职位之前，我在美国运通也有一段相当长的职业生涯，担任各种各样的角色。我了解这家公司的工作方式。因此，金融服务是我已经从事了一段时间的工作。但设计部分是因为 9·11 事件。

我有幸在那一天在市中心，美国运通大楼就在世贸中心对面。所以我看到了很多东西，并且在那一天失去了同事。在建筑物维修的几个月里，我们都被重新安置了。所以在接下来的新年，我不知道，可能是 2002 年 1 月 4 日，

我在想，好吧，有很多人在那个新年不在了，我想，好吧，我能做什么？在我的生活中，我还有什么想完成的事情？所以我决定回到设计学校。这是在法学院之后，所以我获得了我的法学学位，我的法学院成绩单是这个过程的一部分，将它们发送到设计学校很有趣。

但我获得了设计学位，我真的很高兴我这么做了，因为它让我成为一个更好的商人，并且它给了我一种看待问题解决的完全不同的方式。

然后我很幸运。所以，是的，我做室内设计工作。是的，我可以帮助您处理厨房、浴室以及您在 COVID 期间想要做的其他事情。我已经帮助几位同事挑选瓷砖和其他东西。好吧，我们会在播客结束后再谈。我们可以播客结束后再谈论这个。但我也有幸认识了普瑞特学院的院长，我在他们的设计管理硕士项目中任教。

我教授商业战略，并且还在该项目中教授其他课程。这也有助于我真正发展我的设计思维。所以所有这些事情，是的，我有法学学位。是的，我是一个数据人员。但拥有设计思维也能让你不把事情看作问题，而只是你必须围绕其设计事物的一些约束，并且它们会随着时间的推移而变化。所以这与，好吧，电线在这里，管道在这里，你只有这么大的空间没有什么不同。所以

那么你如何利用它呢，对吧？对于，好吧，我只能以这种方式使用数据，并且我想实现一个结果，也是一样的。我该如何做到这一点？

所以它是一种相同的战略工具包。你只需要把它翻转一下，好吧，化妆室只能这么大。这是一个挑战。或者结果是为欺诈设计一个类似模型，该模型仅使用，你知道，合成数据，对吧？或者类似的东西。

但这确实给了你一点可以做的事情的精神，因为你认为某些事情一定是可能的，因为世界上有原材料。这就是我处理事情的方式。说得很好。

这是一个非常奇怪的三角形。这个三角形非常奇怪。是的，我的三角形可能非常奇怪。我经常听到这种说法。尽管这是一个主题，你知道，当我们与其他谈话的人交谈时，他们正在从其他地方带来这些经验。而且他们通常不是非常技术性的事情。我们正在谈论人工智能。你可能会认为它会很快走上一条极端技术化的道路，但我认为它同样有可能走上一条设计的道路。

是的，不，我们在我的团队中和通常发现的是，如果你找到那些拥有右脑、左脑组合的人。所以我的团队里有律师和工程师，对吧？他们都有学位。

将业务转化为技术、技术转化为业务，这是一种非常有趣的匹配，对吧？将监管转化为业务或将监管转化为法律。它就像一个巨大的翻译角色。如果你仔细想想，这就是我们现在所处的时刻，能够灵活地将概念从一个领域翻译到另一个领域。我认为它有效。但我确实认为，随着我们继续发展，随着我们开始发展，其中一些能力将同样重要或更重要。将会有我们一直拥有的核心技能，你知道，领导技能、解决问题技能和分析技能。但我确实认为，能够翻译这些，然后也能够从输出中推导出，对吧，

无论是来自仪表板还是报告，或者其他任何东西，我认为这对于任何商界人士来说都将是非常重要的商业技能。你刚才说，你说现在就是这样。你认为是什么导致了这种情况？是什么让它现在变得如此重要？

我的意思是，我不知道我是否强调了这一点，但我认为当我回顾过去一年并想到我们刚刚度过了 COVID 的一年时，你知道，我记得我们何时转向虚拟。我记得当时我帮助处理的许多客户和客户电话。公司正处于一个时刻，对吧？如此多的商家正在上线。如果他们没有很大的影响力，他们就需要创造一个。商业模式受到了真正的冲击。

但每个人都在寻找数据来帮助做出一些决定，对吧？他们需要指导。如果他们没有数据，他们就在寻找数据。如果他们有数据，他们就在寻找如何解释它的指导。如果他们知道如何解释它，他们就在寻找类似的信息以确保他们做出正确的决定。因此，如果您只查看该成熟度曲线……

我们已经被推进了时间。所以我认为这可能会以一种不那么紧凑的方式发生。我认为我们一直处于时间压缩状态，数据和数字很重要。所以我们无法取消这一点。所以我认为这些技能组合越来越重要，仅仅是因为我们作为社会所承受的压力，以及

所以我们将看到这成为下一个常态或下一代的一部分，因为我不太喜欢“常态”这个词，下一代，这现在是我们彼此互动的一部分。我们永远不会回到仅仅面对面的状态。

这种，你知道，数字连接现在将永远成为我们任务的一部分，对吧？以及工具箱的一部分。所以我只是认为，与一年前相比，对解释和利用的需求将会更大。看起来你的超能力是采取某种情况，无论是 9·11 事件还是将其转化为设计学校，或者将一场大流行转化为一种更灵活的方法。

听起来你的超能力在很多情况下都存在。谢谢。我会接受这个说法。Joanne，非常感谢您与我们交谈。您确实提到了很多要点。我们已经涵盖了很多方面。感谢您抽出时间与我们交谈。是的，非常感谢您。不客气。感谢您的邀请。

Shervin，这太棒了。Joanne 今天谈了很多。什么特别让你觉得有趣？我的意思是，很多事情都让我感到很积极。我喜欢她谈论设计思维的方式。她谈到了情绪谨慎。而我认为这实际上是她成功的秘诀，也是万事达卡在这些类型的举措中取得成功的一部分，因为

就像如果你看看这个行业，CDO 角色实际上是一个有点不稳定的角色，因为有很多成功的 CDO，也有很多 CDO 根本没有这种远见、这种能力、这种自主权或她所说的那种多面三角形。因此，他们不会成功，他们只能持续几年。所以我认为这方面有一些说法。

您对 Sam 关于实施、挑战的评论有何看法？是的，就是这样。我认为很有趣的是，他们并没有因为某些事情很难而改变他们在人工智能项目方面的工作。我认为他们认识到这很难，并且他们加倍努力。我认为这本身就有点验证了他们正在做的事情，他们相信，即使这很难，他们仍在继续。是的。

我认为他们根据战略重点选择项目，而不是选择一个项目来做人工智能。而且，你知道，这不断出现。没有人在这里说，嘿，你知道，让我们今天做一些人工智能。今天是星期一早上。让我们做一些人工智能。没错。这些人试图完成组织战略中的一些事情。事实证明，在许多情况下，人工智能是工具。但如果不是，也没关系。

但它通常是。人工智能的战略，而不是为了人工智能的战略。我在哪里读到这个的？是的。是的，我知道，对吧？你不是写的吗？那是大卫写的。我认为另一件非常有见地的东西是她很早就提到的，是关于对人工智能的信任和道德使用，以及控制人工智能解决方案以确保其道德性，但也使用它

来发现隐藏的偏见，以便您可以更具包容性，您可以更了解员工队伍、您的客户和生态系统。我特别喜欢的是，在那里非常有见地的是

不需要将所有数据都视为同样中性。根据数据流向何处，可能会产生非常有害的结果，这需要另一层。我的意思是，她暗示了这一点，对吧？有一层意识和治理，以及技术工件和流程协议的混合，以确保输出是准确的

道德和无偏见的。她谈了很多关于为此而需要思维转变的内容，人们必须问，我为什么要用它？它会做什么？可能出错的地方在哪里？不断探究可能出错的地方，以便您可以抢先一步。

但她也将其视为一种预防偏见的工具。我的意思是，我们已经看到很多关于，哦，这个人工智能系统有偏见，那个人工智能系统导致了偏见的故事。我并没有否认这些是真的。我不是偏见否认者。只是她看到了数据中纠正这种情况的机会。它们是一个事实，并且不会有

JoAnn Stonier 承认，她作为万事达卡首席数据官的角色并不轻松。在为公司提供关于减轻当前和未来风险的建议的同时，指导她的团队批判性地思考他们正在使用人工智能解决的问题，这是一项挑战——但她表示，这也很有趣。在本期节目中，JoAnn 与 Sam Ransbotham 和 Shervin Khodabandeh 讨论了她的工作中既具有挑战性又令人欣慰的方面。她还谈到了她在同事身上发现的最有价值的技能，并分享了她在室内设计方面的工作如何帮助她重新调整工作中的技术挑战。在此处阅读剧集文字记录。阅读关于人工智能战略的文章。在 https://sloanreview.mit.edu/aipodcast 了解更多关于我们节目的信息，并关注该系列节目。我和 AI 是麻省理工学院斯隆管理评论和波士顿咨询集团合作推出的播客，由 Sam Ransbotham 和 Shervin Khodabandeh 主持。我们的工程师是 David Lishansky，协调制作人是 Allison Ryder 和 Sophie Rüdinger。你们的评价对《我和 AI》的成功至关重要。在有限的时间内，我们将向评价该节目的听众免费提供麻省理工学院 SMR 关于人工智能的最佳文章合集。将您的评价截图发送至 [email protected] 以接收下载。嘉宾简介：JoAnn Stonier 担任万事达卡首席数据官，领导该组织的数据创新工作，同时应对当前和未来的数据风险。Stonier 和她的团队设计和运营万事达卡的全球数据战略，确保治理和数据质量，并指导企业部署尖端数据解决方案，包括高级分析和人工智能以及企业数据平台的开发。我们鼓励您对我们的节目进行评分和评价。您的评论可能会用于《我和 AI》的资料中。我们想知道您对《我和 AI》的感受。请参加一个简短的两道题的调查。</context> <raw_text>0 任何翻新都无法消除这一点。但她也说我们也不会忽略数据。我们只需要知道它的来源是什么。我认为这是一个很好的观点，Sam。感谢您今天加入我们。下次，Shervin 和我将与 Chris Couch 谈谈。Chris 是 Cooper Standard 的高级副总裁兼首席技术官。请加入我们。感谢收听《我和 AI》。如果您喜欢这个节目，请花点时间给我们写个评论。

如果您发送给我们截图，我们将向您发送麻省理工学院 SMR 关于人工智能的最佳文章合集，限时免费。将您的评论截图发送至 [email protected]。