Kariéra
V O2 pracuje 4 000 kolegů a kolegyň. Máme rozmanité názory, zájmy, zkušenosti i nápady. Díky tomu mohou v týmech napříč celou firmou vznikat kreativnější a univerzálnější nápady. V tisících interakcích, které u nás denně probíhají, se ale můžeme setkat s nevědomými předsudky. Neděláme je záměrně, přesto mohou někoho zasáhnout. Proto jsme spustili iniciativu Na nálepky u nás nehrajeme. Jejími tvářemi se stali naši zaměstnanci. Jednou z nich je i Simona Elstnerová, která pracuje v našem centru umělé inteligence Dataclair. Setkala se někdy s předsudkem, že se jako žena pro technický obor nehodí? A co ji na práci v této oblasti baví?
Simono, co tě přivedlo k práci v oblasti umělé inteligence?
Od dětství jsem věděla, že se chci věnovat něčemu technickému. Střední školu jsem proto zvolila se zaměřením na programování a Computer Science. V rámci bakaláře na VŠE jsem studovala obecnější IT, zaměřovala jsem se na všechno od programování webových stránek, bezpečnosti, až právě třeba po umělou inteligenci. Té jsem se rozhodla věnovat i na magisterském studiu. To jsem absolvovala před dvěma lety, protože jsem si prodlužovala studium kvůli Erasmu v Jižní Koreji.
Jak ses dostala k práci v O2?
Během magisterského studia a rok po něm jsem pracovala na poloviční úvazek a chtěla jsem to změnit. Začala jsem proto procházet možnosti a hledat, kde je to nejzajímavější, co se týče práce s daty, která se dají zpracovávat a trénovat na nich modely AI. Telekomunikační operátoři byli jeden z největších kandidátů, protože mají k dispozici velice zajímavá data. Na kariérních stránkách O2 jsem našla inzerát na pozici právě v centru umělé inteligence Dataclair, na kterou jsem zareagovala. V průběhu pohovoru jsme sice zjistili, že tato pozice není úplně stoprocentně pro mě, ale nakonec mi nabídli pozici Data Scientisty ve stejném oddělení, ale v jiném týmu.
Čemu se věnuješ?
Po nástupu jsem se zabývala zahraničními projekty, nyní jsem ve stejném týmu jako Magda a věnujeme se interním AI projektům pro O2. Vytváříme modely třeba pro tým CVM nebo pro Network oddělení. Nejzajímavější mi přijde, že z té hromady dat, která máme k dispozici, dokážeme natrénovat modely, které řeší nějaký konkrétní problém.
I přesto, že pracuji v Dataclair skoro rok, tak se stále považuji za nováčka. Stále se učím nové věci a často se kolegů musím na něco ptát, ale nepřijde mi, že bych je s tím otravovala. Naopak, jsou vstřícní a chtějí mi pomoct. Proto si myslím, že to u nás může být ideální start právě pro někoho, kdo nemá v tomto odvětví tolik zkušeností. V Dataclair navíc dostávají nováčci vždycky seniornějšího kolegu jako mentora, který jim pomůže nejen s technologickými věcmi, třeba odkud čerpáme jaké datové zdroje, ale i se začleněním do každodenního chodu firmy a týmu včetně toho, co si dávat v kantýně. Já už mám druhého mentora a je to skvělá zkušenost.
V interní kampani zaměřené proti nevědomým předsudkům vystupuješ jako žena, které jsou často považovány za někoho, kdo nemá analytické myšlení a nehodí se do technických oborů. Setkala ses s takovým předsudkem někdy?
Už na střední škole zaměřené na programování nás bylo opravdu minimum holek. Již tehdy byl vidět ten nepoměr, který se ještě zvětšil na vysoké škole, kde nás promovalo zhruba 10 % žen. Ale podle mě je to tím, že ženy si přirozeně vybírají spíš jiné obory. I teď jsme v týmu jen dvě, ale rozhodně necítím žádný předsudek vůči tomu, že jsem žena a lidé by tak předpokládali, že toho tolik neumím. Rozhodně se nestává, že bych proto třeba dostávala jednodušší nebo otravnější úkoly. Když jsem procházela výběrovým řízením, určitě jsem neměla pocit, že bych jako žena byla znevýhodněná, a zároveň si nemyslím, že bych měla nějaké výhody, protože jsem žena. Zkrátka se posuzovalo podle schopností.
V souvislosti s předsudky si vzpomínám na zážitek ze střední školy. V posledním ročníku mě u kariérní konzultace učitel od technicky zaměřené vysoké školy zrazoval s tím, že takový obor určitě nezvládnu. U nás přitom mají technickou specializaci oba rodiče a maturitu jsem měla naplánovanou z programování. I přesto bylo trochu nepříjemné ho přesvědčovat, že na to mám. Jinak jsem se nikdy nesetkala s něčím, co by mi vysloveně zkazilo chuť jít studovat technický obor. Ano, počítala jsem s tím, že na mě občas někdo bude nahlížet hůř, protože třeba moje matka se s tím jako technička setkávala celou svou kariéru. Jsem ale nakonec šťastná, že už se svět v tomto ohledu posunul.
Zmiňovala jsi Erasmus v Jižní Koreji. Dokázala bys srovnat, v čem se studium tam liší?
V hodně věcech bylo studium podobné jako u nás. Měla jsem tam samozřejmě jiné přednášející, byli to profesoři z celého světa. Mezi studenty nás bylo pár cizinců, jinak většinou Korejci. Rozdíl byl vidět ve chvíli, kdy profesor chtěl znát náš názor. Korejci odmítali cokoliv říkat, protože se báli, že by řekli něco špatně, mluvili jsme jen my jakožto studenti Erasmu. U nás jsem byla zvyklá, že se nás do debaty zapojila většina studentů a často z ní vzešlo něco přínosného. V Koreji to nebylo tolik kreativní, ale i tak mi Erasmus přinesl hodně včetně zlepšení v korejštině, kterou se už čtyři roky sama učím.
Využíváš při studiu korejštiny i umělou inteligenci?
Je zajímavé, že když potřebuju přeložit nějaké věty z angličtiny do korejštiny, tak na to není vůbec dobrý Google překladač. Ten se totiž učí podle toho, jak často přes něj lidé překládají, a Google v Koreji není vůbec populární, mají tam vlastní systém. Tím pádem není natrénovaný na velkém vzorku dat a není tak přesný. Daleko lepší je ChatGPT, takže i přes něj se učím.
Jak ty sama jako odborník nahlížíš na umělou inteligenci? Je to pro lidstvo příležitost, nebo hrozba?
Vždycky říkám, že je to pomocník lidí a na nich záleží, jak ho využijí. Je to to samé, jako když člověku dáte do ruky nůž – může ho použít na krájení zeleniny, ale také s ním může někoho zabodnout. Umělá inteligence je nástroj na zjednodušení lidské práce, už teď strašně moc pomáhá třeba v medicíně nebo v zemědělství. Ano, dá se využít i negativně například ve vojenství, ale tam se stále jen vykonává to, co chtějí lidé. Já si zkrátka myslím, že je to úžasná věc, kterou máme dál rozvíjet, ale samozřejmě kontrolovaně.
