Accentures Andrew Kelly utforskar de första dagarna av sin karriär mitt i Irlands datavetenskapliga landskap och hur andra kan skapa en liknande karriärväg.
Andrew Kelly, senior manager i AI och data på Accenture, tog en examen i ingenjör när han först började som praktikant på organisationen. Han förklarade att det var första gången som han hade verklig exponering för datavetenskap, genom att arbeta med data för att hitta mönster och producera insikter.
Han berättade för SiliconRepublic.com, ”Jag hade alltid tyckt om matematik och kvantitativa ämnen, men det här var annorlunda. Det var praktiskt, tillämpat och hade en tydlig kommersiell anledning bakom det. Något klickade. Jag gick tillbaka till college, avslutade min civilingenjörsexamen, men visste redan var jag ville hamna.”
Strax efter gick Kelly åter till Accenture som examen och började omedelbart återigen arbeta inom analysområdet, men började också grena sig ut till rapportering om affärsinformation, datateknik, GenAI, finansiella tjänster och i allt högre grad bankverksamhet.
Kelly sa, ”Under de senaste åren har mitt fokus skiftat från att vara en datautövare till att hjälpa bankkunder att bygga grunden för AI i stor skala – plattformarna, styrningen, riskramarna och de ansvarsfulla AI-processerna som måste ligga bakom allt – samtidigt som jag försöker leverera verkligt, mätbart värde tillräckligt snabbt för att bevisa att det fungerar.”
Irlands datavetenskapliga ekosystem
Som Kelly finner det är Irland ”i en lovande men oavslutad position” inom ett utrymme som har möjliggjort den kraftiga accelerationen av AI-antagandet. Enligt a tidigare rapport publicerad av Accenture, är antalet irländska anställda som använder GenAI-verktyg dagligen nästan tredubblat jämfört med siffran för bara två år sedan.
Han anser dock att detta ännu inte har omvandlats till en mer synlig och effektiv organisationsförändring, och noterar att det egentligen bara träder i kraft på individnivå, snarare än över hela företag.
”Vad jag konsekvent ser i organisationer är behandlingen av AI som ett teknikinitiativ snarare än en ny uppfinning av företag. Det finns en stark frestelse att automatisera isolerade steg i en process, att ta ett arbetsflöde i flera steg och automatisera en del av det”, säger Kelly.
”Det är inte transformation. Organisationerna som kommer att gå framåt är de som ställer en fundamentalt annorlunda fråga: ”Hur förändrar AI hur vi arbetar från början till slut?” eller ”Hur förändrar det hur vi interagerar med kunderna?” Det kräver återuppfinnande av processen, inte punktautomatisering.”
Det finns en lucka i forskningen, finner han, med endast cirka 10 procent av irländska organisationer som har nått vad Accenture skulle klassificera som ”skalare” – det vill säga där AI är inbäddad i kärnverksamheten. Majoriteten experimenterar fortfarande och integrerar, till stor del i silos.
”Utmaningarna med data, styrning och äldre infrastruktur är verkliga begränsningar. Men den djupare frågan är ofta strategisk tydlighet. AI-investeringar måste vara värdeledda, knutna till affärsresultat på högsta nivå, inte drivna av själva tekniken.
”Den uppmuntrande signalen är att Irland har rätt ingredienser – talang, infrastruktur, regelverk och genuin nationell ambition. Frågan är utförande i stor skala, och den klockan tickar.”
Hur ser framtiden ut?
Även om det inte var så länge sedan, har mycket förändrats inom datavetenskap och bredare STEM-utrymme sedan Kelly började sin karriär.
Han förklarade att i början av sin resa var arbetet ofta centrerat på utvecklingen av prediktiva modeller i kod och att driva datavetenskapliga projekt som tjänade specifika delar av verksamheten. Samtalen var ”till stor del tekniska” och resultaten var ”meningsfulla men relativt inneslutna i deras organisatoriska räckvidd”.
”Vad som har förändrats i grunden är omfattningen av påverkan. GenAI kräver fortfarande djup expertis för att bygga och styra väl, men dess räckvidd sträcker sig långt bortom dem som bygger det. Det genomsyrar processer över hela organisationer, berör roller, arbetsflöden och kundinteraktioner som traditionell maskininlärning aldrig nådde på samma sätt.”
Skicklighetsförväntningarna har också förändrats något. Nuförtiden har arbetskraftsomfattande AI-beredskap framstått som en kritisk förmåga.
”AI-läskunnighet kan inte längre bara sitta med teamen som bygger tekniken. Den måste fördelas över hela verksamheten. Det som inte har förändrats är själva förändringstakten. Den har alltid varit snabb inom tekniken, men den accelererar på ett sätt som organisationer aktivt måste hantera”, säger Kelly.
”Den tekniska grunden är viktig – att förstå datateknik, maskininlärning, plattformsarkitektur och styrning tillräckligt bra för att ha trovärdiga samtal med både praktiker och seniora kunder. Men i min vardag är de färdigheter jag mest lutar mig mot inte tekniska.”
Istället använder han regelbundet en bred kompetens som gör det möjligt för honom att navigera i komplexa miljöer med yrkesverksamma inom reglering, risk, teknik, affärer och seniort ledarskap, ”ofta samtidigt och med konkurrerande prioriteringar”.
Han tillade, ”Förmågan att översätta mellan tekniska team och affärsbeslutsfattare, mellan vad AI kan göra och vad den borde göra, är förmodligen den färdighet jag använder mest.”
Att odla en karriär
Men framför allt är den egenskap som ofta sticker ut mest i en karriär inte en perfekt meritlista, utan en uppvisning av genuint intresse.
Kelly själv kom in i sin första roll som praktikant, flyttade från teknik in i datavetenskap, och han undrade ofta i början om hans tekniska profil jämfördes tillräckligt med dem som hade studerat datavetenskap eller statistik direkt.
”Det var felplacerat. Det jag hade var nyfikenhet och en vilja att lära sig och när jag ser tillbaka så räknas det mycket mer. Det andra, och det här är något jag fortfarande måste påminna mig själv om, är att sluta fred med att inte veta allt. Speciellt inom AI är den känslan av att vara lite bakom kurvan i grunden universell.
”Alla lär sig med den här tekniken. Organisationerna och individerna som drar framåt är inte nödvändigtvis de som har mest förkunskaper. De är de med den högsta förmågan och aptiten för att lära sig kontinuerligt när saker förändras.
”Det jag letar efter när jag anställer är precis det – förmågan att ta tag i saker, anpassa och växa. Färdigheter kan förvärvas. Den orienteringen, att genuin nyfikenhet och motståndskraft är svårare att lära ut. Om du har det, tenderar resten att följa med.”
