费尔南多-罗德里格斯-维拉'06在RL的首届创新交流会上发表演讲

12月3日，Roxbury Latin举办了首届创新交流会，主讲人是Fernando Rodriguez-Villa '06。费尔南多通过Zoom与学生和教师交谈，分享了他从RL学生到AdeptID联合创始人的历程。学生们在一个小组项目中接触了AdeptID的技术，随后是问答环节。

"对我来说，RL最宝贵的部分之一，"费尔南多开始说，"是得到了一个早期教育，知道自己不是房间里最聪明的人。在RL，你很快就会知道，有很多人在某些方面很敏锐，而你明显不是。那里的教师知道，与其他一些有幸与我分享课堂的学生相比，我是一个强大的、优秀的、相当不引人注目的学生。无论我是在达特茅斯还是在银行业或更远的地方，我从来没有不熟悉与那些令人难以置信的聪明人在一起，他们的观点和洞察力是我自己无法得出的。"

费尔南多是AdeptID的创始人和首席执行官，这是一家拥有人工智能平台的初创公司，可以预测不同种类工作之间的成功过渡。在RL，费尔南多积极参加戏剧和Latonics，并参加了校队的足球、篮球和田径比赛。毕业后，他在上达特茅斯大学之前，在伊顿学院呆了一年。

费尔南多在2014年离开银行业，在Knewton工作，该公司利用机器学习进行个性化学习，从那时起，费尔南多--一个自称是连续创业者的人--在他的职业生涯中一直在世界各地追求机器学习创业。2016年，他共同创立了TellusLabs，这是一家卫星分析初创公司，很快被Indigo收购。在Indigo，他担任国际战略总监。

"我喜欢银行业，"费尔南多说，"但在几年内我很清楚，这可能不是我想要的长期职业轨迹。我开始看到成长中的公司和领导运营方面的公司是令人兴奋的。

"我们的一个客户是一位首席执行官，他和两个朋友从他的车库上面开始了他的公司。经过25年的发展，他们已经成为一个庞大而重要的资产管理公司。他与那些与他一起走过那段旅程的人仍然是亲密的朋友。他受到那个团队的爱戴，在这种友情中，有很多东西让我想起了RL。这是鼓舞人心的。 

"与此同时，我很幸运地开始从工作以外的朋友那里学习一些技术的趋势。我进入了所谓的大数据领域，也就是现在的人工智能或机器学习。我了解到这项技术有潜力，可以大规模地产生预测或洞察力--把它放到软件中，可以实时地回答相当有趣的问题。因此，我开始迷恋这家位于纽约的创业公司，名叫Knewton，它在教育数据上使用人工智能。"

Knewton最初对雇用费尔南多犹豫不决，他是一名投资银行家，没有人工智能或教育方面的专业经验。

"'你有这一套其他的技能，'他们说，'而且我们不会支付几乎和你现在赚的一样多的钱，'"费尔南多说。"花了相当多的工作来说服他们，我对这项任务感到兴奋，并准备面对技术的学习曲线。经过几次尝试，他们才放心地雇用了我！"

克努顿让费尔南多负责国际业务发展，派他去西班牙、南非、印度和俄罗斯，以扩大这家位于纽约的公司的影响力。

"Knewton是进入创业世界的一个很好的垫脚石，"费尔南多说。"在初创企业和技术的世界里，有很多非常早期的公司；我们今年开始的AdeptID，正处于种子期前的阶段。随着公司越来越大，他们往往会筹集更多的资金，获得更多的客户，并雇用更多的人。我加入时，Knewton正处于这个后期阶段，因此有相当多的风险已经被拿掉了。"

费尔南多知道他想参与一个早期阶段的风险投资，所以他辞去了工作，和他现在的妻子艾玛一起搬到了波士顿。

"那次找工作并不特别容易或舒服，"费尔南多承认。"我不得不去喝很多咖啡，以了解我想加入的创始团队，以及我可以为之兴奋的想法。这就是我找到TellusLabs的原因，在那里我和两位伟大的技术创始人结成了对子，他们建立的算法可以--仅仅通过查看作物的卫星图像--预测每英亩的作物产量。这些对粮食供应的预测是令人激动的，但挑战是将该技术转化为业务。"

在两年内，TellusLabs的创始三人组已经扩大到14名数据科学家和工程师的团队，吸引了其合作伙伴之一Indigo Ag的注意，其技术几乎与TellusLabs的发展方向完全吻合。

"由于我们是他们的客户，"费尔南多说，"他们找到我们，问我们是否有兴趣加入他们的公司。起初我们说没有，因为我们想建立自己的独立公司，但他们提出了一个有说服力的提议。大多数曾经是TellusLabs的人仍然在为该公司工作，并且仍然在那里很开心。我也很高兴经历了这些，但在Indigo这个几千人的公司工作，我了解到我喜欢那个早期阶段--几个人和一个想法，一个有前途的技术，以及随之而来的建设和不确定性。"

费尔南多于今年年初离开英迪格，与联合创始人布莱恩-德安吉利斯博士一起创办了新的创业公司AdeptID，专注于劳动力市场的新兴问题。

"劳动力市场中似乎有很多动态，看起来像一个匹配问题，"费尔南多说。"这正是机器学习和数据科学所擅长的--解决匹配问题。

"费尔南多补充说："改变工作是非常困难的，"但对我个人来说，使之更容易的事情是我有这种非常蓝筹的教育。我有很多特权和优势，这些都是由此产生的。人们看着我的故事说，'也许他没有做过这件事，但因为他上过这些学校，因为他有这些其他的印章'他们愿意在我身上赌一把。"

很大一部分劳动力没有费尔南多那样的教育和背景，所以换工作很困难。在不同行业之间的过渡可能感觉几乎不可能。

"现在有数以千万计的人失业，他们属于这一类，"费尔南多说。"然后还有人受雇于结构性衰退的行业--酒店业、石油、天然气和煤炭业的工作岗位流失。我们估计大约有3500万工人将需要在与他们以前所做的工作非常不同的地方找到工作。"

费尔南多和布莱恩的创业挑战是找出解决这一问题的业务。他们能否通过试图解决这些问题的经济机会来激发人们的兴趣？

"费尔南多说："在某些部门，工作增长或工作需求的速度快于人们能够为其雇用的速度。"在医疗保健、可再生能源和先进制造业等部门--像机械师、制药技术员这样的角色--雇主正在努力寻找获得认证或准备从事这些工作的人。"

正是这种复杂的供需动态推动了AdeptID，它利用大数据更深入地观察工人和他们的基本技能，找到潜在的跨行业职业匹配。

"仅仅因为你曾是雪佛龙公司的服务单元操作员，并不意味着你不能做这些其他成长中的工作，"费尔南多说。"事实上，你所学到的一些技能是非常相关的，意味着你更有可能适应这些新的角色。这是我们的传闻观点，但我必须走出去，让它变得可读--把这些故事，把它们变成一种数据格式，可以让我们从算法的角度支持这种观点。"

费尔南多和他的AdeptID联合创始人德安格里斯博士与新英格兰地区以及中西部和阳光地带的雇主和职业培训机构合作，获取关于雇用模式和安置率的数据，以帮助培训他们的模型。在最近的会议上，RL学生使用AdeptID的样本数据，根据技能绘制从一个行业的工作到另一个行业的工作的 "距离"，以进行小组项目。

"当我们这样做的时候，我们发现，"费尔南多说，"有一些工作在直觉上是相似的，例如药房助手和药房技术员，而其他工作的联系则不那么明显，例如收银员或食品服务员与那个相同的药房技术员角色。事实证明，实际上有相当多的重叠。如果数据开始这么说，我们就会说，'好吧，我们能确认吗？'我们在波士顿医疗等地方与招聘经理谈过，他们也同意。