เซสชั่นดังกล่าวนั้น คุณ Wan Ting Poh ผู้อำนวยการ Data Science ของ Mastercard; Seema Gaur, Chief Digital Officer และหัวหน้า AI, IFFCO-Tokio; Parul Pandey, Data Scientist, H2O.ai และได้รับการดูแลโดย Oxana Plis ผู้อำนวยการฝ่ายการตลาดประจำภูมิภาคเอเชียแปซิฟิกและญี่ปุ่นที่ H2O.ai

.

“เราใช้ AI ครั้งใหญ่” Gaur ซึ่งบริษัทของเขาใช้เทคโนโลยีนี้ในหลาย ๆ ด้าน รวมถึงการบริการลูกค้าและการตกลงเรื่องสินไหมทดแทน “เราตั้งตารอที่จะใช้ AI เพิ่มเติมสำหรับการตรวจสอบรถยนต์ล่วงหน้าเมื่อต้อนรับลูกค้า และตรวจสอบทรัพย์สินล่วงหน้าจากระยะไกลเพื่อการประกันทรัพย์สิน”

.

ตามรายงานของ Poh AI, blockchain และเทคโนโลยีอื่น ๆ ได้ขับเคลื่อนอุตสาหกรรมการเงิน โดยเฉพาะอย่างยิ่งในยุค COVID นี้ที่ทุกอย่างถูกแปลงเป็นดิจิทัล เธอกล่าวว่า “เราใช้ข้อมูล AI เพื่อให้สถาบันการเงินและบริษัทอื่นๆ มีโซลูชันที่ปรับแต่งได้เพื่อให้พวกเขาสามารถให้บริการลูกค้าได้ดียิ่งขึ้น”

.

“AI หรือแมชชีนเลิร์นนิ่งจะทำให้ได้โซลูชันที่ยอดเยี่ยม ไม่เพียงแต่สำหรับการเพิ่มประสิทธิภาพธุรกิจของคุณเท่านั้น แต่ยังรวมถึงการได้เปรียบในการแข่งขันด้วย” Pandey กล่าว

.

ความหลากหลายและช่องว่างทางเพศ

.

ในฐานะผู้หญิง ผู้ร่วมอภิปรายยังแบ่งปันความคิดเกี่ยวกับความสำคัญของความหลากหลายและช่องว่างทางเพศในด้าน AI ซึ่ง Pandey เชื่อว่าการมีทีมที่หลากหลายไม่เพียงแต่ในแง่ของเพศเท่านั้นแต่ยังมีภูมิหลัง การศึกษา เชื้อชาติ และระดับประสบการณ์ที่แตกต่างกัน เป็นสิ่งสำคัญในการมี AI ที่ดี

.

ในด้านนักวิทยาศาสตร์ข้อมูลนั้น สตรีที่มีเปอร์เซ็นต์ต่ำ คุณ Poh ตั้งข้อสังเกตว่าการคำนวณมีความโดดเด่นของผู้ชายมาโดยตลอด และการเพิ่มขึ้นของนักวิทยาศาสตร์ด้านข้อมูลเป็นการพัฒนาล่าสุด เธอสังเกตว่าผู้หญิงจำนวนมากขึ้นจบการศึกษาจากหลักสูตรวิทยาศาสตร์ข้อมูลในมหาวิทยาลัยท้องถิ่นในสิงคโปร์

.

เธอกล่าวเสริมอีกว่า “สำหรับนักศึกษาจบใหม่ทัศนคติเป็นสิ่งสำคัญที่สุด เช่น การแสดงให้เห็นว่าคุณเต็มใจที่จะเรียนรู้นั่นเป็นสิ่งสำคัญที่สุด แต่ถ้าคุณต้องการได้รับประสบการณ์ในด้านวิทยาศาสตร์ข้อมูลหรือการเรียนรู้ของเครื่อง มีแพลตฟอร์มมากมาย เช่น การแข่งขัน Kaggle ซึ่งเหมาะสำหรับการเริ่มฝึกชุดทักษะของคุณ สิ่งเหล่านี้คือการแสดงให้นายหน้าหรือผู้จัดการการจ้างงานเห็นว่าคุณกำลังใช้เงินและเวลาของคุณอย่างคุ้มค่า ใช้เวลากับประสบการณ์ชีวิตจริง นั่นคือสิ่งที่จะเป็นประโยชน์”

.

Pandey ชี้ให้เห็นว่าสิ่งแรกที่ผู้หญิงจะต้องเข้าใจว่าทำไมพวกเขาถึงต้องการเข้าสู่วิทยาศาสตร์ข้อมูล “ทุกวันนี้ Data Science และ AI กลายเป็นสิ่งที่เกินจริง ซึ่งทุกคนต้องการเป็นนักวิทยาศาสตร์ข้อมูลแต่ไม่รู้ว่าพวกเขาหลงใหลในสาขานี้หรือไม่ เป็นสาขาที่ต้องใช้การเรียนรู้อย่างต่อเนื่องมาก ดังนั้นคุณต้องมีแรงจูงใจเพียงพอ คำถามที่สำคัญที่สุดคือ “คุณชอบเขียนโปรแกรมจริงๆ หรือเปล่า” และถ้าคุณตอบว่า ‘ใช่’ นี่คือสิ่งที่คุณสามารถเพลิดเพลินได้ มองหาที่ปรึกษาและเข้าร่วมชุมชน”