Fra partikkelfysikk til kunstig intelligens i konsulentbransjen

Lillian trekker fram dataanalyse, problemløsning, programmering og kommunikasjon som nyttige erfaringer fra studietiden. 

Smilende Lillian med langt hår og briller.

Lillian Smestad

-Etter å ha jobbet på CERN måtte jeg finne en ny mening med arbeidet, sier Lillian Smestad. Det er ikke mange plasser som CERN, det må jeg bare si!

Meningen fant hun i å jobbe med dataanalyse i konsulentfirmaet Inmeta.

-Samfunnsutviklingen går i retning av å bruke mer data. Det føles veldig meningsfylt å være med på det.

Vi føler at vi er i sentrum av utviklingen, at vi er med der mye av verdiskapningen i samfunnet skjer, sier hun.

I Lillians avdeling er det rundt 30 personer som alle jobber med maskinlæring, en form for kunstig intelligens hvor en får datamaskiner til å finne mønstre i store datamengder.

-Vi har mange forskjellige kunder. DNV GL er en av de største, Tine og Miljødirektoratet er andre eksempler, forteller Lillian.

-Jobben vår er å hjelpe kundene å lage systemer for å ta beslutninger basert på data, sier hun.

Bruker kunstig intelligens for å forutsi hva som kommer til å skje

Det kan dreie seg om systemer for å forutsi ting. En typisk oppgave kan være å foreslå varer for kunder i nettbutikker: “Kanskje du også vil like denne?” 
-For Tine laget vi et system som kunne forutsi hvor mye melk som vil bli produsert framover.

Bildet kan inneholde: kontor, pulten, teknologi, interiørdesign, arbeid.
-Få med UiO-koppen, sier Lillian. Her ved arbeidsplassen hos Inmeta i Nydalen i Oslo.

Selskapet DNV GL har over 100 000 kunder og får titusenvis av henvendelser med spørsmål innenfor rundt 2000 ulike kategorier fra kunder på e-post. Lillians avdeling var med på å lage et system for å koble kundene til riktig ekspert automatisk. Det sparer bedriften mye tid på. Systemet måtte forstå språk, og ble trent opp på 250 000 e-poster.

-Hvorfor har du valgt å jobbe som data scientist?

-For meg var det et naturlig neste steg. Dataanalyse sto i sentrum i studiet, det var jo det det gikk ut på.

Under studiet analyserte Lillian data fra Atlas-eksperimentet på CERN, en av de virkelig store databrukerne i verden.

-Jeg husker at da jeg begynte her i Inmeta fikk jeg høre: Å, du er fysiker, ja? Vi liker fysikere, for de har sett data før.

-Hva gjør du rent konkret på jobben?

-Det varierer en del fra dag til dag, men det blir mye programmering. Annenhver uke har vi et felles statusmøte hvor vi går gjennom hvilke kunder og prosjekter vi har. Ellers er jeg i møter med kunder, kanskje en eller to ganger i uka.

Jeg snakker mye med kolleger. Vi deler og hjelper hverandre, det er lite konkurransepreg mellom konsulentene i organisasjonen vår. Jeg setter veldig stor pris på at kulturen er sånn.

-Noen ganger jobber vi alene i et prosjekt, i større prosjekter er vi flere sammen, forteller Lillian.

Noe av det viktigste du lærer tenker du nesten ikke over

-Hva lærte du underveis på studiet, som er nyttig i jobben?

-Dataanalyse, programmering og statistikk, helt klart. Analytisk tenkemåte og det å kunne tilegne seg ny kunnskap er også viktig. 

Og så vil jeg peke på metodikk for problemløsning. Man tenker nesten ikke over at man lærer det, det er jo bare det man gjør under studiet. 

Men måten å angripe en oppgave, dele den opp for så å finne en løsning er veldig nyttig!

Ikke minst har jeg fått bruk for treningen i å kommunisere forskning.

Jeg ble kastet litt tilfeldig inn i det den dagen CERN annonserte funn av Higgsbosonet.

lillian smestad foran tavle med likninger
Lillian Smestad i Dagsrevyen om funn av Higgspartikkelen. Innslaget er fortsatt tilgjengelig i NRKs nettspiller.

Vitenskapsformidling åpnet mange dører

Senere deltok jeg i FameLab, en konkurranse i å fortelle om et tema fra vitenskapens verden på 3 minutter. Jeg kom til den internasjonale finalen. Det var veldig gøy! Og det gjorde at jeg fikk mange interessante muligheter etterpå.

I jobben har jeg veldig stor nytte av denne erfaringen når jeg kommuniserer med kunder og formidler kunnskap på andre arenaer.

-Hva liker du best ved jobben din?

-Er det lov å svare kollegene mine? 

Vi er en gjeng med mange ulike personligheter som går veldig bra sammen. Det er et så stimulerende arbeidsmiljø! Ikke bare jobbmessig, vi deler og tipser også om artikler, filmer og bøker, for eksempel, så jeg føler at jeg utvikler flere deler av meg selv.

I min avdeling, som jobber med maskinlæring, er det folk med ulike faglige bakgrunner. En god del fysikere, men også dataingeniører, statistikere og folk med utdanning innen business, journalistikk og ledelse.

Lærer masse om samfunnsutviklingen

Jeg liker også veldig godt at vi jobber med varierte problemstillinger, at jeg får lære masse nytt om mye forskjellig, ikke minst innen maskinlæring og teknologi, men også om samfunnsutviklingen.

-Er det noe du ikke liker ved jobben?

-Jeg føler noen ganger et visst forventningspress. Med det mener jeg at AI er jo litt hypet, det er lett å tro at det kan brukes til alt, og at kunstig intelligens er et slags magisk verktøy som kan løse mer enn det kan.

-Husker du hvorfor du valgte å studere fysikk?

-Jeg tror svaret på det er at jeg er nysgjerrig på hvordan verden er. Det sto mellom matematikk og fysikk. Matte var egentlig yndlingsfaget. Jeg liker at det er så nøyaktig, at det finnes ett riktig svar.

Bildet kan inneholde: sofa, stue, blå, rom, møbler.
-Når jeg skal lese noe er det supert å krype opp i en sofa på jobb, sier Lillian.

Det er litt ironisk egentlig, at jeg endte opp med å studere kvantefysikk og å jobbe med dataanalyser. Her er det lite som er helt nøyaktig!

-Men interessen for å grave meg ned i det helt grunnleggende vant. Dermed ble det partikkelfysikk, som handler om å finne ut av hvordan verden henger sammen på de minste skalaene, sier Lillian.

I kontorlandskapet møter vi Lillians leder, Henrik Slettene. 

-Vi er veldig glade for å ha Lillian her, sier han. Og vi vil gjerne ha flere fysikere, men helst etter at de har fått litt erfaring. 

-Å ta en doktorgrad kan være en fin erfaring. Bare det å bli litt eldre ser vi at er en fordel, for eksempel i samarbeid med kunder, sier Henrik Slettene, som leder avdelingen for kunstig intelligens og maskinlæring i Inmeta.

 

Av Hilde Lynnebakken
Publisert 10. feb. 2020 12:29 - Sist endret 12. feb. 2020 11:25