211service.com
Het snelle tempo van AI omarmen
In associatie met KPMG
In een recent onderzoek, 2021 Thriving in an AI World, ontdekte KPMG dat in elke branche - van productie tot technologie tot detailhandel - de acceptatie van kunstmatige intelligentie (AI) jaar na jaar toeneemt. Een deel van de reden is dat de digitale transformatie sneller gaat, waardoor bedrijven exponentieel sneller kunnen gaan. Maar zoals Cliff Justice, de Amerikaanse leider op het gebied van bedrijfsinnovatie bij KPMG stelt, heeft Covid-19 het tempo van digitaal op veel manieren versneld, met veel soorten technologieën. Justitie gaat verder. Dit is waar we zo'n snel tempo van exponentiële verandering beginnen te ervaren dat het voor de meeste mensen erg moeilijk is om de voortgang te begrijpen. Maar begrijp het ze moeten omdat kunstmatige intelligentie zich in een zeer snel tempo ontwikkelt.
Justitie daagt ons uit om op een andere manier over AI na te denken, meer als een relatie met technologie, in tegenstelling tot een tool die we programmeren, omdat hij zegt dat AI iets is dat evolueert en leert en zich ontwikkelt naarmate het meer wordt blootgesteld aan mensen. Als uw bedrijf een achterstand heeft op het gebied van AI-adoptie, heeft Justice enige voorzichtige aanmoediging: [de] AI-gerichte wereld zal alles wat digitaal te bieden heeft versnellen.
Business Lab wordt gehost door Laurel Ruma, hoofdredacteur van Insights, de custom publishing-divisie van MIT Technology Review. De show is een productie van MIT Technology Review, met productiehulp van Collective Next.
Deze podcastaflevering is tot stand gekomen in samenwerking met KPMG.
Toon notities en links
2021 gedijen in een AI-wereld, KPMG
Volledig transcript
Laurel Ruma: Van MIT Technology Review, ik ben Laurel Ruma, en dit is Business Lab, de show die bedrijfsleiders helpt om nieuwe technologieën te begrijpen die uit het lab en op de markt komen.
Ons onderwerp van vandaag is de snelheid waarmee kunstmatige intelligentie wordt geadopteerd. Het neemt toe, en snel. Een nieuwe studie van KPMG laat zien dat het versnelt in specifieke sectoren zoals industriële productie, financiële dienstverlening en technologie. Maar wat gebeurt er als je het gaspedaal indrukt, maar niet al het andere hebt beveiligd? Maakt u zich zorgen over de mate van AI-adoptie in uw onderneming?
Twee woorden voor jou: covid-19 whiplash.
Mijn gast is Cliff Justice, de Amerikaanse leider op het gebied van bedrijfsinnovatie voor KPMG. Hij en zijn groep richten zich op het identificeren, ontwikkelen en implementeren van de volgende generatie technologieën, diensten en oplossingen voor KPMG en haar klanten. Cliff is een voormalig ondernemer en is een erkende autoriteit op het gebied van wereldwijde sourcing, opkomende technologie zoals AI, intelligente automatisering en bedrijfstransformatie. Deze aflevering van Business Lab is tot stand gekomen in samenwerking met KPMG. Cliff, bedankt voor je deelname aan Business Lab.
Cliff Justitie: Het is geweldig om hier te zijn. Bedankt dat je me hebt.
Laurier: We staan dus op het punt om de onderzoeksresultaten van KPMG te bekijken voor zijn 2021 Thriving in an AI World-rapport, dat in zeven sectoren kijkt. Waarom herhaalde KPMG dat onderzoek voor dit jaar? Wat wilde je bereiken met dit onderzoek?
Klif: Welnu, kunstmatige intelligentie evolueert in een zeer snel tempo. Toen we ongeveer zeven jaar geleden voor het eerst begonnen met het behandelen van en investeren in kunstmatige intelligentie, was het in een zeer ontluikende vorm. Er waren niet veel use-cases. Veel van de use-cases waren gebaseerd op natuurlijke taalverwerking. Ongeveer 10 jaar geleden was het moment waarop de eerste publieke use-case van kunstmatige intelligentie de krantenkoppen haalde met IBM Watson die Jeopardy won. Sindsdien heb je een zeer, zeer snelle progressie gezien. En dit hele veld evolueert in een exponentieel tempo. Dus waar we nu zijn, is heel anders dan waar we een jaar of twee geleden waren.
Laurier: Het lijkt nog maar gisteren dat IBM Watson aankondigde, en de exponentiële groei van kunstmatige intelligentie is overal, in onze auto's, op onze telefoons. We zien het zeker op meer plaatsen dan alleen dit ene soort onderzoeksgeval ervan. Een van de koppen uit het onderzoek is dat de perceptie bestaat dat AI te snel gaat voor het comfort van sommige besluitvormers in hun respectievelijke sectoren. Hoe ziet te snel eruit? Komt dit door covid-19 whiplash?
Klif: Het is niet noodzakelijkerwijs te wijten aan covid whiplash. De covid-omgeving heeft het tempo van digitaal op veel manieren versneld, met veel soorten technologieën. Dit is waar we zo'n snel tempo van exponentiële verandering beginnen te ervaren dat het voor de meeste mensen erg moeilijk is om de voortgang te begrijpen. Voor ieder van ons, zelfs ikzelf die op dit gebied werkt, is het erg moeilijk om de voortgang en het tempo van verandering te begrijpen. En een onderneming voorbereiden - de mensen, het proces, de bedrijfssystemen, het risico en de cyberbeveiliging voorbereiden op een wereld die steeds meer wordt aangedreven door kunstmatige intelligentie - is onder normale omstandigheden moeilijk. Maar als je de digitale versnelling en acceptatie die plaatsvindt als gevolg van covid combineert met de exponentiële ontwikkeling en evolutie van kunstmatige intelligentie, is het moeilijk om de kansen en bedreigingen voor een organisatie te begrijpen.
Zelfs als men zijn hoofd volledig zou kunnen omringen met de voortgang van kunstmatige intelligentie en het potentieel van kunstmatige intelligentie, een organisatie veranderen en de mentaliteit en de cultuur veranderen op een manier om de kansen die kunstmatige intelligentie biedt over te nemen en ervan te profiteren en ook te beschermen tegen de dreigementen nemen enige tijd in beslag. Het creëert dus een mate van angst en voorzichtigheid die naar mijn mening goed gerechtvaardigd is.
Laurier: Dus sprekend over die voorzichtigheid of planning die nodig is om AI in te zetten, in een eerdere discussie op de EmTech-conferentie van MIT Technologies Review in 2019 zei u dat bedrijven hun ecosysteem moesten heroverwegen bij het inzetten van AI, dat wil zeggen partners, leveranciers en de rest van hun bedrijf , om iedereen op snelheid te krijgen. U zei toen dat dat de echte uitdaging zou zijn. Is dat nog steeds waar? Of denk je dat nu alles zo snel vordert, dat het ongemak is dat sommige leidinggevenden voelen?
Klif: Nou, dat is waar. Het is nog steeds waar. Het ecosysteem dat je naar een niveau heeft gebracht in een meer analoog-gecentreerde wereld, zal heel anders zijn in een meer AI-gecentreerde wereld. Die AI-gerichte wereld gaat alles wat digitaal te bieden heeft, versnellen. Wat ik bedoel met digitaal zijn de nieuwe manieren van werken: de digitale bedrijfsmodellen, de nieuwe manieren om handel te ontwikkelen en te ontwikkelen, de manieren waarop we communiceren en ideeën uitwisselen met klanten en met collega's en collega's. Deze worden allemaal veel meer digitaal gecentreerd, en dan wordt kunstmatige intelligentie een van de mechanismen die de manier waarop we werken en de manier waarop we met elkaar omgaan, evolueert en bevordert. En het wordt een beetje meer een relatie met technologie, in tegenstelling tot een tool die we programmeren omdat AI iets is dat evolueert en leert en zich ontwikkelt naarmate het meer wordt blootgesteld aan mensen.
Nu we dankzij de evolutie van deep learning veel meer waarnemingsvermogen hebben voor het menselijk leven (dus daarmee bedoel ik tegenwoordig meer computervisie), kan technologie veel meer van de wereld overnemen dan voorheen. Het is dus van cruciaal belang om te begrijpen welke technologie, welke AI, alle mogelijkheden die AI kan brengen en verbeteren en vergroten, van cruciaal belang zijn. Het is belangrijk om het ecosysteem rond uw bedrijf en uw onderneming te herstellen en te herontwikkelen. Ik denk echter dat het grotere en meer langetermijnprobleem de cultuur is, en het is de cultuur van de onderneming waarvoor u verantwoordelijk bent, waarvoor u verantwoordelijk bent. Maar het maakt ook gebruik van de cultuur, de externe cultuur, de acceptatie en de manier waarop u met uw klanten, uw leveranciers, leveranciers, regelgevers en externe belanghebbenden werkt. De mentaliteitsevolutie is niet gelijk in al die groepen belanghebbenden. En afhankelijk van de branche waarin u actief bent, kan het zeer ongelijk zijn in termen van acceptatie, begripsniveau, vermogen en comfort om met technologie te werken. En naarmate die technologie meer mensachtig wordt, en we zien dat in virtuele assistenten en met dat soort technologieën, zal het een grotere kloof worden om over te steken.
Laurier: Ik hou echt van die formulering om AI te zien als een relatie met technologie versus een hulpmiddel, omdat dat echt je bedoelingen aangeeft wanneer je deze nieuwe wereld, deze nieuwe relatie binnengaat, en dat je die constante verandering accepteert. Over de enquête en verschillende sectoren gesproken, sommige sectoren zagen een aanzienlijke toename van de AI-implementatie, zoals de financiële sector, de detailhandel en de technologie. Maar hier was het die digitale transformatie nodig had of covid, of misschien andere factoren die die toename echt veroorzaakten?
Klif: Welnu, covid heeft over de hele linie een versnellingsimpact gehad. Dingen die in beweging waren - of dit nu de adoptie van digitale technologieën of groei of een verandering in consumentengedrag was - al die trends die aanwezig waren voordat covid ze versnelde. En dat geldt ook voor bedrijfsmodellen die aan het afnemen waren. We zagen de trends die gaande waren in de winkelcentra. Dat is gewoon versneld. We hebben gezien dat de adoptie van technologie versneld is. Er zijn industrieën waar covid minder effect heeft, geen nul-effect, maar minder effect. Bankieren, financiële diensten worden minder getroffen door covid dan retail, horeca, reizen, logistiek. Covid heeft de verandering die in die sectoren plaatsvindt echt versneld.
AI, los van covid, heeft een materiële impact op al deze. En zoals ons onderzoek zei, zijn industriële productie, het gebruik van robotica, het gebruik van computervisie, kunstmatige intelligentie om de productiviteit te versnellen en verbeterde efficiëntie echt mainstream en op grote schaal in de industriële productie begonnen. Hetzelfde geldt voor financiële diensten, de interactie met de consument is verbeterd met kunstmatige intelligentie op die gebieden. Het is niet verrassend dat technologie AI volledig heeft overgenomen of vrijwel volledig is overgenomen. En dan hebben we een dramatische toename gezien in de detailhandel als gevolg van AI. Dus online winkelen, het vermogen om de vraag van de consument te voorspellen, is een sterk gebruiksvoorbeeld voor AI in die sectoren.
Laurier: Dus, de achterblijvers, achterblijvende industrieën waren gezondheidszorg en biowetenschappen met slechts, ik zeg alleen, een toename van 37% in acceptatie ten opzichte van de enquête van vorig jaar. Dat is nog steeds een geweldig aantal. Maar denk je dat dat komt omdat het bestrijden van covid de prioriteit was of misschien omdat het gereguleerde industrieën zijn, of was er een andere reden?
Klif: Regulering is een veelvoorkomend thema bij die achterblijvers. Je hebt de overheid, je hebt life sciences, gezondheidszorg. Financiële diensten zijn echter ook gereguleerd en ze zijn een grote gebruiker, dus het kan niet het enige zijn. Ik denk dat de hypothese rond covid waarschijnlijk plausibeler is omdat de focus in life sciences is geweest om het vaccin naar buiten te brengen. Ook al is de overheid vanuit ons oogpunt en vanuit wat we zien een enorme adoptant. Alleen al in termen van het potentieel binnen de overheid, loopt het nog steeds achter. Maar de enorme aantallen en de enorme hoeveelheid activiteit die plaatsvindt bij de overheid als je het vergelijkt met particuliere ondernemingen, is nog steeds behoorlijk indrukwekkend. Alleen heb je te maken met zo'n grootschalige verandering en veel meer bureaucratie en bureaucratie om die verandering binnen een overheidsbedrijf door te voeren.
Laurier: Zeker. U noemde eerder de industriële productiesector, en in die sector werd 72% van de bedrijfsleiders beïnvloed door de pandemie om de adoptie van AI te versnellen. Wat betekent dat eigenlijk voor consumenten in die branche, maar ook voor die sector als geheel?
Klif: Als ik naar deze cijfers kijk, zal er geen industrie zijn die niet wordt beïnvloed door AI. De industrieën die het eerder en sneller gaan adopteren of impact hebben als gevolg van de pandemie, dat wordt bijna allemaal gedreven door werken op afstand, het onvermogen om middelen op een locatie te krijgen, de impuls om automatisering te stimuleren en AI een van de fundamentele elementen van automatisering. Want als je kijkt naar andere delen van de enquête waar we vragen: waar zitten de grootste voordelen? het zal worden gevonden in efficiëntie en productiviteit. Dat is redelijk consistent in alle sectoren als je kijkt naar waar AI wordt toegepast. Dus automatisering, productiviteit, voorspellende analyses, al deze gebieden worden aangedreven door deze thema's rond productiviteit. De gebruiksscenario's verschillen per branche, maar de behoeften lijken sterk op elkaar. De overkoepelende thema's en de overkoepelende behoeften lijken sterk op elkaar. Je had een aantal industrieën die net op een andere manier door de pandemie werden getroffen.
Laurier: Opwindend, misschien is een verschil in industriële productie, zoals je al zei, robotica. Dus een beetje van onze hardware spelen versus altijd software.
Klif: Rechts. Ja, in de industriële productie zie je een herinrichting van fabrieken. Je ziet wat sommige mensen het Tesla-effect noemen, waarbij de nadruk ligt op de transformatie en de automatisering van fabrieken - waarbij het bouwen van de fabriek bijna net zo belangrijk is als het product zelf. Er is veel discussie en veel discussie in die sector over hoeveel te automatiseren, en is er te veel automatisering? Ik denk dat je bij sommige van deze openbare evenementen waar je een snelle toename van de productie hebt gezien waarbij automatisering werd gebruikt, daar ook wat van terugzag. Te veel technologie kan zelfs contraproductieve gevolgen en impact hebben, omdat er menselijke betrokkenheid bij de besluitvorming moet zijn en de technologie er gewoon nog niet is. Er gebeuren dus veel veranderingen in die ruimte. We zien veel evolutie, veel nieuwe soorten technologieën. Deep learning zorgt ervoor dat er meer computervisie en intelligentere automatisering kan plaatsvinden in het productieproces in de fabrieken.
Laurier: Over het betrekken van mensen bij deze keuzes en ideeën en technologieën gesproken, sterke cyberbeveiliging is echt een uitdaging voor iedereen, toch? Maar de slechteriken gebruiken AI steeds vaker tegen bedrijven en ondernemingen, en je enige reactie en verdediging is meer AI. Zie je cyberbeveiliging specifiek als een gebied waar leidinggevenden over de hele linie de uitgaven voor versnellen?
Klif: Nou, je hebt helemaal gelijk, cyberbeveiliging is een van de grootste bedreigingen naarmate de technologie vordert, of het nu AI-aangedreven door klassieke computing is of vijf of tien jaar verder wanneer we quantum computing beschikbaar hebben gemaakt voor overheden of bedrijven. De veiligheidsrisico's zullen blijven toenemen. AI is zeker een overtreding, maar het is ook een verdediging. Dus voorspellende analyses die AI gebruiken om bedreigingen te voorspellen, om te verdedigen tegen bedreigingen die worden veroorzaakt door AI, die de verfijning van penetratie, phishing en andere manieren om het systeem te compromitteren vergroten. Deze technologieën zijn een soort wapenwedloop tussen, zoals je zei, de goeden en de slechteriken. Daar is geen einde aan in zicht nu we een tijdperk van echte verandering ingaan, dat in de toekomst zal worden ondersteund door kwantumcomputers. Dit zal alleen maar versnellen omdat je een nieuw type post-kwantumcryptografie nodig hebt om je te verdedigen tegen de bedreigingen die kwantumcomputers kunnen vormen voor een beveiligingsorganisatie.
Laurier: Het is absoluut verbazingwekkend hoe snel, toch? Zoals we al zeiden, exponentiële groei, vooral met quantum computing, misschien om de hoek, vijf, tien jaar, dat klinkt ongeveer goed. Het onderzoek komt echter terug en zegt dat veel respondenten vinden dat hun bedrijven een soort AI-ethisch beleid en gedragscode zouden moeten hebben, maar niet veel doen dat, niet veel. Dus degenen die dat wel doen, zijn kleinere bedrijven. Denk je dat het slechts een kwestie van tijd is voordat iedereen het doet of dat het zelfs een vereiste is om dit AI-ethiekbeleid te hebben?
Klif: Welnu, we weten dat dit op regelgevend niveau wordt besproken. Er zijn belangrijke vragen over waar de overheid moet ingrijpen met regelgevende maatregelen en waar zelfregulerende AI-ethiek ... Hoe richt uw marketingorganisatie het gedrag in haar klantenbestand? En hoe zet je AI in om de psychologische profielen te gebruiken om sales mogelijk te maken? Daarover zouden bijvoorbeeld ethische beslissingen moeten worden genomen. Het gebruik van gezichtsherkenning in consumentenomgevingen is goed bediscussieerd en besproken. Maar het gebruik van AI en het ethische gebruik van AI gericht op de psychologie van consumenten, ik denk dat het debat deze zomer grotendeels is begonnen met enkele documentaires die uitkwamen die lieten zien hoe sociale media AI gebruiken om consumenten te targeten met marketingproducten en hoe dat kan worden misbruikt en verkeerd toegepast door de slechteriken.
Dus ja, dit is nog maar het topje van de ijsberg. Wat we vandaag zien, zijn slechts de eerste openingsverklaringen als het gaat om hoe ver moeten we gaan met AI en wat zijn de straffen die worden opgelegd aan degenen die verder gaan dan we zouden moeten, en worden die straffen gereguleerd door de overheid? Zijn het sociale straffen en gewoon blootstelling of zijn dit dingen waarvoor we wetten en regels nodig hebben die enige tanden hebben voor het schenden van deze overeengekomen ethiek, wat ze ook mogen zijn?
Laurier: Het is een beetje een push-me, pull-you-situatie, toch? Omdat de technologie heel snel vordert, maar maatschappelijke of regelgeving kan een beetje achterblijven. En tegelijkertijd adopteren bedrijven niet noodzakelijkerwijs, misschien in sommige gevallen, AI zo snel of hebben ze problemen met het bemannen van deze AI-initiatieven. Dus, hoe proberen bedrijven gelijke tred te houden met het verwerven van talent, en moeten bedrijven gaan kijken, of misschien al hebben gekeken naar bijscholing of het trainen van huidige werknemers om AI als een nieuwe vaardigheid te gebruiken?
Klif: Ja, dit zijn zeer moeilijke problemen. Als je naar de studie kijkt en erin duikt, zie je het verschil tussen grote bedrijven en kleine bedrijven. Ik bedoel, het vermogen om talent aan te trekken dat jaren en jaren training heeft gevolgd in geavanceerde analyse, computertechniek, deep learning, machine learning, en het begrijpen van de complexiteit en de nuances van het trainen van de gewichten en vooroordelen van complexe, multilevel, deep learning algoritmen - dat talent is niet gemakkelijk te vinden. Het is heel moeilijk om een klassieke computeringenieur te nemen en ze om te scholen in dat soort statistische kunstmatige intelligentie, waarbij je echt moet werken aan het trainen van deze complexe neurale netwerken om de doelen van het bedrijf te bereiken.
We zien dat de technologiebedrijven deze diensten in de cloud aanbieden, en dat is een manier om toegang te krijgen tot kunstmatige intelligentie en toegang tot sommige van deze tools is via het abonnement op API's, applicatieprogramma-interfaces en het toepassen van die API's op uw platforms en technologieën. Maar om echt een concurrentievoordeel te hebben, moet je de gegevens die nodig zijn voor het trainen van deze algoritmen kunnen manipuleren, ontwikkelen en controleren. In de wereld van vandaag is kunstmatige intelligentie zeer, zeer data-hongerig en vereist het enorme hoeveelheden gegevens om nauwkeurige en hoogwaardige output te krijgen. Die gegevens komen toe aan de grootste bedrijven en dat zie je terug in hun waardering. Dus we zien wie die bedrijven zijn. Veel van die waarde is te danken aan de gegevens waartoe ze toegang hebben. En de producten die ze kunnen produceren, zijn gebaseerd op veel van die gegevens. Die producten worden vaak aangedreven door kunstmatige intelligentie.
Laurier: Dus terug naar de enquête, nog een laatste gegevenspunt hier, 60% van de respondenten zegt dat AI op zijn minst matig tot volledig functioneel is in hun organisatie. Vergeleken met 10 jaar geleden lijkt dat wel een echte vooruitgang voor AI. Maar nog niet iedereen is er. Wat zijn enkele stappen die ondernemingen kunnen nemen om vollediger te functioneren met AI?
Klif: Hier ga ik terug naar wat ik vorig jaar zei, namelijk om je ecosysteem opnieuw te evalueren. Wie zijn je partners? Wie brengt deze mogelijkheden in uw bedrijf? Begrijp wat uw opties zijn ten opzichte van de technologieleveranciers die u toegang geven tot AI. Niet elk bedrijf kan zomaar een AI-expert inhuren en AI hebben. Dit zijn technologieën, zoals ik al zei, ze zijn moeilijk te ontwikkelen. Ze zijn moeilijk te onderhouden. Ze evolueren in een razendsnel exponentieel tempo. Dus de gesprekken die we een half jaar of een jaar geleden zouden hebben gehad, zouden nu anders zijn, alleen al vanwege het tempo van de veranderingen die in deze omgeving plaatsvinden. De weerstand tegen verandering in AI is laag. En dus beweegt het sneller dan de wet van Moore. Het versnelt zo snel als de gegevens het toelaten. De algoritmen zelf bestaan al jaren. Het is de mogelijkheid om de gegevens vast te leggen en te gebruiken die de AI aansturen. Door samen te werken met deze mogelijkheden, zijn deze technologiebedrijven die toegang hebben tot gegevens die relevant zijn voor uw branche een cruciaal element om succesvol te zijn.
Laurier: Als je met leidinggevenden praat over hoe ze succesvol kunnen zijn met AI, hoe adviseer je hen dan of ze achter de concurrenten en collega's staan bij het inzetten van AI?
Klif: Nou, we doen dit soort enquêtes. We doen benchmarks. We gebruiken benchmarks die er zijn in andere gebieden en andere domeinen. We kijken naar het tempo van verandering en het relatieve voordeel voor die specifieke industrie, en nog beperkter dan dat, de functie of de activiteit binnen die industrie en dat bedrijf. AI is nog niet in elk gebied geïnfiltreerd. Het is op weg om dat te doen, maar er zijn gebieden in klantenservice, de GNA, de backoffice-componenten van een organisatie, productie, de analyses, de inzichten, de prognoses, dat alles, AI heeft een sterke positie, dus dat steeds verder ontwikkelen. Maar dan zijn er elementen in productontwerp, engineering en andere aspecten van ontwerp waar AI naartoe gaat, zodat er op dit moment nauwelijks een gelijk speelveld is.
Het is dus ongelijk. Het is op sommige gebieden erg geavanceerd, op andere niet zo geavanceerd. Ik zou ook willen zeggen dat de perceptie die naar voren zal komen in het onderzoek van generalisten op deze gebieden, misschien geen rekening houdt met enkele van de meer geavanceerde kunstmatige-intelligentiecapaciteiten die misschien zes maanden, een jaar of twee jaar onderweg zijn. Maar die mogelijkheden ontwikkelen zich zeer snel en zullen snel in deze industrieën worden ingevoerd. Ik zou ook naar het startup-ecosysteem kijken. De startups evolueren snel. De technologieën die een startup gebruikt en introduceert in nieuwe industrieën om die industrieën te ontwrichten, worden niet noodzakelijkerwijs overwogen door de meer gevestigde bedrijven die bestaande bedrijfsmodellen en bestaande bedrijfsmodellen hebben. Een startup kan dus AI en data gebruiken om de manier waarop een industrie een product of dienst consumeert volledig te transformeren.
Laurier: Dat is zoals altijd een goed advies. Cliff, heel erg bedankt dat je vandaag bij ons bent geweest in wat een geweldig gesprek was op het Business Lab.
Klif: Graag gedaan. Het is geweldig om met je te praten.
Laurier: Dat was Cliff Justice, de Amerikaanse leider op het gebied van bedrijfsinnovatie voor KPMG, met wie ik sprak vanuit Cambridge, Massachusetts, de thuisbasis van MIT en MIT Technology Review, met uitzicht op de Charles River.
Dat was het voor deze aflevering van Business Lab. Ik ben je gastheer, Laurel Ruma. Ik ben de Director of Insights, de custom publishing-divisie van MIT Technology Review. We zijn in 1899 opgericht aan het Massachusetts Institute of Technology. En u kunt ons elk jaar in print, op het web en op evenementen over de hele wereld vinden. Ga voor meer informatie over ons en de show naar onze website op technologyreview.com.
Deze show is overal beschikbaar waar je je podcasts vandaan haalt.
Als je deze aflevering leuk vindt, hopen we dat je even de tijd neemt om ons te beoordelen en te beoordelen. Business Lab is een productie van MIT Technology Review. Deze aflevering is geproduceerd door Collective Next. Bedankt voor het luisteren.
Deze podcastaflevering is geproduceerd door Insights, de afdeling voor aangepaste inhoud van MIT Technology Review. Het is niet geproduceerd door de redactie van MIT Technology Review.