David DeSanto, generální ředitel Anacondy – rozhovor

David DeSanto je generálním ředitelem Anacondy, kde vede misi společnosti na podporu světových komunit datové vědy a umělé inteligence prostřednictvím open-source inovací a zabezpečených podnikových řešení. Jako zkušený produktový a technologický manažer přináší David více než dvě desetiletí zkušeností z oblastí kybernetické bezpečnosti, vývojářských platforem a podnikového softwaru.

Nejnověji působil David jako hlavní produktový manažer ve společnosti GitLab (GTLB ), kde vedl globální produktový tým při vývoji komplexní, AI-nativní platformy DevSecOps s více než 50 miliony registrovaných uživatelů po celém světě. Během svého šestiletého působení v společnosti pomohl transformovat GitLab z rychle rostoucí startupové firmy na veřejně obchodovanou, průmyslově definující lídra kategorie DevOps Platform.

Anaconda je vedoucí open-source platformou pro datové vědy, strojové učení a umělou inteligenci, postavenou kolem programovacího jazyka Python a široce používanou jak jednotlivými vývojáři, tak velkými podniky. Původně spuštěná v roce 2012, poskytuje komplexní prostředí, které zahrnuje nástroje pro kódování, správu balíčků prostřednictvím Condy a přístup k tisícům předem sestavených knihoven, jako je NumPy, pandas a TensorFlow, umožňujících uživatelům efektivně vyvíjet, testovat a nasazovat modely AI.

V průběhu času se Anaconda vyvinula v plnohodnotnou podnikovou platformu AI, která pomáhá organizacím spravovat celý životní cyklus AI – od zdrojování a zabezpečování open-source balíčků až po budování, řízení a nasazování aplikací v cloudu a místních prostředích. S desítkami milionů uživatelů a přijetím napříč velkou částí firem z žebříčku Fortune 500 se stala základním vrstvem pro moderní vývoj AI, zdůrazňujícím open-source inovace, škálovatelnost a zabezpečené, reprodukovatelné pracovní postupy.

Strávili jste téměř šest let ve společnosti GitLab, více než tři roky jako jejich hlavní produktový manažer, a pomáhali škálovat AI-nativní platformu DevSecOps na desítky milionů uživatelů. Jak tato zkušenost formovala vaše priority nyní jako generálního ředitele Anacondy, a co se vám zdá fundamentálně odlišné při vedení společnosti oproti vedení produktu?

Mé působení ve společnosti GitLab opravdu upevnilo několik zásad, které jsou nyní centrální pro můj přístup k Anacondě. První je zodpovědný růst – škálování týmů, produktů a příjmů tak, aby to bylo udržitelné. Ve společnosti GitLab jsme vyrostli na desítky milionů uživatelů, a vidět, jak GitLab Ultimate představuje více než polovinu příjmů společnosti, ukázalo, jak důležité je sladit hodnotu produktu s dlouhodobým obchodním dopadem.

Druhá je myšlení založená na výsledcích a efektivitě nad procesem a strukturou. Je v pořádku dodat něco, co je dostatečně dobré a ukazuje směr, aby se rozběhla zpětná vazba zákazníků. Dodání skutečné hodnoty rychle je důležité, ale musíte být také uvážliví, jak škálovat. To úzce souvisí s třetím pilířem: zákaznickou posedlostí a skutečným setkáním se zákazníky, kde jsou. Prožil jsem kariéru budováním vývojářských a bezpečnostních nástrojů, a jako bývalý vývojář vím, jak moc dobré (nebo špatné) nástroje mohou ovlivnit produktivitu a spokojenost.

A nakonec, transparentnost s účelem. Tato základní hodnota Anacondy umožnila všem účastníkům zúčastnit se a spolupracovat na zlepšování společnosti a jejích nabídek. Těším se, že budu dále rozvíjet tuto hodnotu, abychom zajistili, že naše komunita dostane to, co potřebuje k úspěchu.

Jako generální ředitel jste zodpovědný za celý systém – strategii, kulturu, operace a výsledky. Stále jsem hluboce spojen s produktem, ale myslím si širší a dlouhodobější. Musím zajistit, aby společnost rostla zodpovědně, podporovala své lidi a dodávala hodnotu našim zákazníkům napříč všemi dimenzemi podniku. Tyto jsou zásady, které budu dále rozvíjet.

Co vás osobně motivovalo k tomu, aby jste se ujal role generálního ředitele Anacondy, a co vás přesvědčilo, že tato platforma je ta správná pro budování další kapitoly podnikové AI?

Říkám všem, že existovaly čtyři důvody, proč jsem se chtěl připojit k Anacondě jako generální ředitel. První je technologie. Jako vývojář jsem byl dlouho seznámen s Anacondou a vím, jak je mocná a může být. Platforma již umožňuje tolik, a základy, které tým postavil, nám dají příležitost tvarovat, co přijde dál v AI-nativním věku!

Druhý je komunita. Věřím hluboce v sílu open-source komunity. Málokterá společnost má komunitu tak širokou a zapojenou jako Anaconda.

Třetí jsou lidé. Je vzácné najít takovou úroveň vedení na jednom místě. Výkonný tým je výjimečný, a jejich vášeň je skutečná. Budujeme budoucnost s open-source a AI, a být součástí něčeho takového významného a dopadového má nás všechny skutečně nadšené.

A nakonec, příležitost. To je to, co nakonec rozhodlo. Anaconda stojí v centru toho, aby AI byla přístupnější, pomáhá podnikům budovat, zabezpečovat, nasazovat a monitorovat AI ve velkém měřítku. Když zkombinujete špičkovou technologii, živou komunitu a takový tým, dostanete vzácnou šanci tvarovat, jak AI a datové vědy jsou budovány a používány. To mě přitáhlo.

Open-source pohání většinu moderního vývoje AI, ale mnoho podniků stále zápasí s důvěrou v něj ve velkém měřítku. Proč věříte, že open-source zůstává nejvýkonnějším základem pro AI, a kde si myslíte, že je nejvíce nepochopen?

Existuje běžné nedorozumění, že nejbezpečnější kód je kód, který je skrytý, protože jej mohou vidět pouze vybraní lidé. To je jako když struka strká hlavu do písku, aby se skryla. Open-source software je opak – je transparentní, vítá každého, aby přispíval, a poskytuje organizacím po celém světě vyšší úroveň očí, aby zajistily, že kód je bezpečný a funguje tak, jak se očekává.

Nepozorovali jsme žádnou technologii, která by se tak rychle vyvíjela, jako AI. Pro další urychlení AI je potřeba moderní kód, který se pohybuje co nejrychleji. Open-source to dělá, a proto je základem moderního vývoje AI.

V Anacondě se do toho opíráme. Naše jádrové schopnosti a Python ekosystém jsou open-source, protože to je nejlepší způsob, jak týmy mohou začít a inovovat rychle. Nad tím vrstvíme podnikové schopnosti, poskytující organizacím governance, bezpečnost a spolehlivost, které potřebují k použití open-source ve velkém měřítku.

Úspěšnost AI projektů v podniku zůstává nízká, zejména u pilotních projektů generativní AI. Z vašeho pohledu, co jsou hlavní důvody, proč tyto iniciativy stagnují, a jak mohou rozhodnutí o infrastruktuře ovlivnit dlouhodobý úspěch?

Mnohé organizace spustily pilotní projekty. Některé mají solidní projekty proof-of-concept, a jiné mají několik interně vyvinutých nástrojů, které skutečně šetří týmu čas. Ale velmi málo z nich přesunulo AI do skutečné produkce, která běží napříč celou firmou. Existuje velký rozdíl mezi „experimentujeme“ a „toto je, jak nyní pracujeme“. Tato mezera je tam, kde většina firem uvízla – a není to proto, že technologie nefunguje.

Demonstrace téměř vždy vypadá dobře, ale problém se objeví, když se pokusíte reprodukovat demonstraci ve velkém měřítku. Najednou se musíte vypořádat s otázkami governance dat, bezpečnostními obavami, problémy s spolehlivostí a základním problémem důvěry: Bude tato aplikace fungovat spolehlivě a zachová naše data v bezpečí? Tyto problémy se neobjevují v demonstraci a stávají se proto až druhotným problémem pro firmy.

Bariéra úspěchu AI není schopnost, ale infrastruktura a procesní zralost. Organizace, které se dostávají dopředu, jsou ty, které investují do moderních základů, kde důvěra a rychlost koexistují a kde zabudovaná bezpečnost a governance urychlují, spíše než brzdí. Fragmentované nástrojové řetězce a prostředí vás nutí zvolit mezi nimi, ale moderní, sjednocená infrastruktura a moderní AI procesy vám umožňují mít obojí. Dnes je odstranění překážek vytvářením konkurenční výhody. To není jen technická ambice; je to obchodně kritické pro soutěžení a přežití na dnešním trhu. Úspěch bude zvýšen těmi, kteří investují do bezpečnosti a governance od základu.

Vedli jste týmy napříč kybernetickou bezpečností, produkty a vývojářskými platformami. Jak přinášíte bezpečnostní myšlení do strategie Anacondy kolem správy závislostí, reprodukovatelnosti prostředí a rizika dodavatelského řetězce?

Má cesta do bezpečnosti začala ve zdravotnictví, kde jsem viděl, co se tehdy považovalo za „bezpečné“. Stal jsem se zcela ponořen do bezpečnosti a stalo se to mou vášní. Jak AI úkoly, modely, agenty a integrace rostou v komplexitě, bezpečnostní rizika se množí rychleji, než governance může držet krok. A i když je bezpečnostní riziko řízeno, samotné prostředí se stává překážkou.

Bezpečnost a compliance s AI jsou výzvou, zejména získání skutečné viditelnosti do rizika napříč vývojem a produkcí. To je tam, kde se zaměřujeme. Budujeme hlubší bezpečnostní schopnosti v rámci správy prostředí, další governance kolem AI balíčků mimo Python ekosystém, a pomáháme snižovat riziko s AI modely prostřednictvím bezpečnostního skenování jejich postoje. Cíl je jednoduchý: pomoci organizacím pohybovat se rychleji s AI, zatímco zachovávají viditelnost, soukromí a odolnost, kterou potřebují k důvěře ve velkém měřítku.

Existuje rostoucí skepse kolem ROI AI, spolu s vlnou experimentování a vibe kódování. Jak rozlišujete mezi produktivním experimentováním a podnikovými systémy AI, které skutečně dodávají měřitelnou hodnotu?

Tento rok může být prvním, kdy je ROI AI měřen dobře. Všichni v oboru zacházejí s „efektivitou“ jako s časem, který je ušetřen, ale to není nejlepší topline KPI. Organizace, které se vezmou čas na vytvoření speciálních KPI přímo spojených s tím, co je pro ně nejdůležitější, budou mít lepší výsledky. To může být snížený čas v kódové recenzi pro váš vývojářský tým nebo kvalita generování leadů pro váš go-to-market tým. Čas sám o sobě a měření spotřeby tokenů přímo neindikují efektivitu.

Anaconda stojí v centru Pythonového vývoje AI. Jak vidíte roli Pythonových prostředí při přechodu organizací z experimentování na plně řízené, produkční systémy AI?

Python je přední jazyk pro AI, a ačkoli neočekávám, že se to brzy změní, jazyky vždy kolísají v popularitě. Organizace potřebují nástroje, které se vyvíjejí a přirozeně řeší základní problémy výkonu a škálovatelnosti, umožňující AI agentům úspěšně vytvářet podnikové aplikace a služby. Očekávám, že organizace začnou investovat do univerzálních stavebních bloků, které urychlují hodnotu a přijetí AI. To je to, co je nejlépe umístí, aby procházely neustále se vyvíjejícím lexikonem programovacích jazyků, které pohání infrastrukturní vrstvu AI.

Pracovali jste úzce s regulovanými odvětvími a bezpečnostně vědomými podniky v minulosti. Co vypadá podniková AI governance skutečně jako v praxi, za hranicemi politických dokumentů a kontrolních seznamů?

Podniková AI a AI-nativní aplikace jsou něco zcela odlišného než tradiční vývoj softwaru. Když zacházíte s AI jako s tradičním vývojem, skončíte s poškozenou bezpečností a governance, což zastaví inovace. Podniková AI potřebuje AI-nativní vývojové nejlepší praktiky, kde je AI model primárním komponentem, který řídí verzi a vše ostatní kolem něj je sekundární.

AI governance je rozdíl mezi úspěšným škálováním a uvíznutím. Podniková AI governance je to, co se stane, když zodpovědné AI-nativní principy jsou přeloženy do vynutitelných platformových kontrol, jasných odpovědností a kontinuální stopovatelnosti a genealogie všech AI komponent. To jde za hranice politik a kontrolních seznamů, které fungovaly v DevOps praktikách.

S nedávným financováním a podnikovým tlakem Anacondy, co jsou vaše blízké priority růstu, a kde investujete nejagresivněji v následujících 12 až 18 měsících?

Náš cíl je jasný: Anaconda bude preferovanou podnikovou AI-nativní vývojovou platformou pro budování, zabezpečování a nasazování AI-nativních aplikací a služeb. Naši zákazníci pokračují v proměně, aby splnili své potřeby, a my se proměňujeme s nimi. To není jen nástroj pro datové vědy, ale komplexní platforma pro podnikovou AI. Každá investice, ať už v produktu, partnerstvích nebo akvizicích, bude hodnocena podle jediné otázky: „přiblíží nás to k tomu, aby jsme byli platformou, kterou podniky potřebují k úspěchu v novém AI-nativním světě?“ Jsme zákaznicky posedlí a všechno, co děláme, je pro naše zákazníky.

Jako někdo, kdo pomohl škálovat veřejně obchodovanou vývojářskou platformu, co jste se naučil o budování pro praktiky, zatímco zároveň sloužíte CTO, CIO a Chief AI Officer na výkonné úrovni?

Úspěch vždycky se vrací ke zákazníkovi a podpoře výsledků, které se snaží dosáhnout. Zní to jednoduše, ale je snadné pro týmy se zaplést do interních metrik (kolik hodin se vloží do projektu, zda je spuštění splňuje předem stanovené cíle) místo toho, aby se ptali důležitější otázky: „skutečně to dělá naše zákazníky úspěšnějšími?“ Lídři mohou říkat, že je potřeba nový produkt, zatímco ve skutečnosti by to mohlo být pouze vylepšení toho, co již máte (například udělat produkt více uživatelsky přívětivý), a pak dostanete výsledek, který jste hledali. Pokud jsou zákazníci šťastní a úspěšní, pak jsme všichni šťastní a úspěšní.

Děkuji za skvělý rozhovor, čtenáři, kteří chtějí se dozvědět více, by měli navštívit Anacondy.