Angela Q. Daniels, CTO (Amerika) for Consulting og Engineering Services hos DXC Technology – Interview-serie

Angela Q. Daniels, Chief Technology Officer (Amerika) for Consulting og Engineering Services (CES) hos DXC Technology (DXC ), har ansvar for teknologi-strategi og -transformation for selskabets Consulting & Engineering Services i Amerika. Hun fokuserer på at skala AI-forstærket levering gennem DXC’s Xponential-ramme, fremme innovation med DXC’s AI-løsninger og hjælpe kunder med at realisere større forretningsværdi gennem moderne platforme og mennesker. Tidligere ledede hun globale softwareudviklings- og applikationsleveringsinitiativer, hvor hun vejledte agil modernisering, cloud-native ingeniørarbejde og talentudvikling for at styrke DXC’s leveringskompetence og teknologiske lederskab.

DXC Technology er en global IT-tjeneste- og rådgivningsleder, der hjælper store virksomheder med at køre mission-kritiske systemer og operationer på tværs af hybrid IT-miljøer. Selskabet samarbejder med førende teknologileverandører for at levere løsninger, der kombinerer avanceret analyse, cloud, sikkerhed og AI. Gennem sin Enterprise Technology Stack moderniserer DXC IT-infrastrukturer, driver digital transformation og giver kunder på tværs af brancher mulighed for at innovere, optimere omkostninger og forbedre kundeoplevelser på verdensplan.

Du har haft en livslang passion for programmering, der startede, da du var otte år gammel. Kan du dele, hvad der først tiltrak dig til softwareudvikling, og hvordan denne tidlige nysgerrighed har formet din tilgang til at lede AI-dreven innovation i dag?

Da jeg var otte, kom min mor hjem med en Commodore-computer fra en loppemarked. Den kom med en stak af manualer og nogle spil. Mens alle andre ville spille, var jeg den, der læste manualerne og prøvede at forstå, hvordan computeren virkede.

Min første program var simpelt:

10 PRINT "Angela"

20 GOTO 10

RUN

At se mit navn gentage sig uendeligt på skærmen føltes magisk. Det var ikke kun, hvad computeren kunne gøre, men også, hvad jeg kunne få den til at gøre.

Fra en ung alder lagde min mor mærke til min nysgerrighed og støttede den, idet hun tilmeldte mig til college-sommerudviklingsprogrammer under grundskolen og karriere-udforskningsprogrammer under gymnasiet. Disse oplevelser fødede endnu mere min passion og inspirerede mig til at studere matematik og datalogi på universitetet.

Den samme nysgerrighed har vejledt hele min karriere. Jeg er altid blevet tiltrukket af at udforske, hvad der er muligt, forstå, hvordan noget virker, og derefter finde ud af, hvordan det kan anvendes på meningsfulde måder. Uanset om det er AI, softwareudvikling eller teknologi, har min tilgang altid været rodnet i udforskning, der fører til impact. Innovation har været en konstant tråd fra det første Commodore-program til det arbejde, jeg leder i dag.

Som Global Software Development Offering Lead har du spillet en nøglerolle i at skabe og implementere DXC’s nye Xponential-ramme. Hvad inspirerede denne initiativ, og hvilket problem i virksomheds-AI-adoptionsprocessen var du mest fast besluttet på at løse? 

Topchefer er i dag under enormt pres for at vise reelle produktivitetsgevinster fra AI, men mange organisationer kæmper med at gå ud over eksperimenter. De lancerer pilotprojekter uden først at være enige om en samlet strategi, der forbinder AI med deres mennesker, processer og teknologi.

Dette udfordring inspirerede skabelsen af DXC Xponential. Vi ville give en struktureret, gentagen blåkopning for at orkestrere AI-adoptionsprocessen – en, der indbygger governance fra starten og leverer tidlige, målbare sejre for at hjælpe organisationer med at skala med tillid.

Mine samtaler med kunder og vores egne interne erfaringer med udvikling af AI-drevne applikationer formede dens grundlag. Det mest almindelige spørgsmål, vi hørte, var: “Vi har prøvet pilotprojekter, men hvordan går vi videre fra her?” Det blev kundens stemme bag Xponential.

Vi hørte det også fra vores egne ingeniørhold. Der er ægte AI-værktøjs-træthed. Hold er omgivet af værktøjer, der lover transformation, og de prøver at afgøre, hvilke der virkelig leverer værdi. Xponential hjælper med at skære igennem støjen ved at fokusere på integration, orkestration og konkrete resultater i stedet for værktøjs-forvaltning.

Mine rødder i DXC omfatter at have været en del af vores New Orleans Customer Experience Center. Vores tilgang til at løse vores kunders forretningsudfordringer var afgørende for at forme denne tilgang. Det center fungerer på design-tænkning-principper. Vi bringer kundes udfordringer ind i en miljø, hvor vi empatisk, ideerer, prototyper, tester og skalerer. Vi brugte samme mindset til at designe Xponential, så hver AI-løsning, vi leverer, er praktisk, menneske-centreret og skalerbar i den virkelige verden.

Branchens data viser, at 95% af AI-pilotprojekter ikke opfylder forretningsforventninger. Fra din synsvinkel, hvad er de mest almindelige årsager til disse fiaskoer, og hvordan løser Xponential dem direkte?

Virksomheder investerer millioner af dollars i teknologi, der imponerer i demoer. Men når virksomheder skal implementere denne teknologi, møder de ofte lavkvalitetsdata til AI-træning, ukorrekte modeller, mangel på governance, menneskelig valideringsbottlenecks og komplekse systemintegrationer.

Problemet er ikke teknologien, men udførelsen. Uden en samlet strategi, der integrerer mennesker, processer og teknologi, er det en opadgående kamp at skala og levere målbare resultater med AI.

DXC’s Xponential-ramme sikrer, at alle mennesker, processer og teknologi tages i betragtning med fem forskellige piller:

• Insight – Governance er grundlæggende i DXC, hvilket er hvorfor hver AI-agent, automatiseret beslutning og intelligent proces er designet med indbygget overvågning og compliance fra starten.
• Accelerators – For at møde kunder, hvor de er, og fjerne barrierer for succes, kombinerer DXC nybrud med partnerløsninger for at give færdige værktøjer, der eliminerer behovet for at bygge alt fra bunden.
• Automation – DXC’s agentic-AI-ramme går ud over opgave-eksekvering. Den refinerer kontinuerligt arbejdsgange ved at lære af resultater og tilpasse sig i realtid, hvilket driver en skiftning mod systemer, der udvikler sig gennem erfaring i stedet for at afhænge af midlertidige løsninger.
• Tilgang – Da AI udvikler sig, må organisationer forblive agile og kontinuerligt tilpasse deres strategier – ikke for at erstatte mennesker, men for at udvikle dem. Ved at overføre rutineopgaver til AI er hold fri til at fokusere på høj-impact-arbejde, innovation, løsning af komplekse problemer og levering af målbare værdi for vores kunder.
• Proces – Ændring starter med sikker eksperimentering. I DXC bygger vi MVP’er for at validere idéer, bevise impact og skala, hvad der virker, for at undgå pilotstadiet, der stopper de fleste AI-initiativer.

Xponential-blåkopien fremhæver fem piller – Insight, Accelerators, Automation, Tilgang og Proces. Hvilken af disse ser du som den mest transformerende for virksomheder, der lige er begyndt deres AI-rejse?

For organisationer, der er ved at starte deres AI-rejse, er Insight den mest transformerende pille. Mange virksomheder skynder sig ind i implementering, men succes begynder med at forstå, hvor AI kan skabe rigtig værdi. Insight giver ledere klarhed, ikke kun om deres data, men også om deres processer, talent og parathed til forandring. Det er fundamentet, der informerer hver enkelt pille.

Lige efter følger den menneskelige dimension, som vi ser som multiplikator på tværs af alle fem piller. AI er mest kraftfuld, når det forstærker menneskelig kapacitet i stedet for at erstatte det. Menneske+ handler om at redesigne arbejde, så mennesker bruger mere tid på kreativitet, dømmekraft og innovation – de ting, der gør organisationer unikt menneskelige.

Tilgangspillet fremhæver begrebet “Menneske+ samarbejde”. Hvordan ser du balancen mellem menneskelig ekspertise og AI-automatisering udvikle sig inden for virksomheds-miljøer i de næste par år?

At holde mennesker i loopet er afgørende. Vores Menneske+-tilgang bruger AI til at forstærke menneskelig ekspertise, ikke til at erstatte den. Vores eksperter forbliver i kontrol, tager strategiske beslutninger og sikrer kvalitetskontrol, mens AI håndterer repetitive opgaver og gør det tungt arbejde. Nu kan ingeniører, der tidligere brugte timer på repetitive kodning-opgaver, bruge mere tid på at designe systemarkitekturer og løse komplekse forretningsproblemer. Kombinationen af dygtige fagfolk og AI fører til forstærket, målbart outcome, der reducerer omkostninger og forbedrer effektivitet.

En af Xponentials løfter er at flytte organisationer fra småskala-sejre til virksomhedsomfattende AI-integration. Hvad er de største udfordringer, virksomheder står over for, når de skal skala fra bevis for koncept til produktion, og hvordan kan de overvinde dem?

Mange organisationer er fastlåst i pilotfaser med højst fragmenterede initiativer, der ikke formår at samle mennesker, processer og teknologi. Den største forhindring, vi ser virksomheder navigere, når de implementerer AI, er decentrale, uorganiserede programmer, der mangler en samlet strategi.

Xponential lægger en klar vej for at tage virksomheder ud over pilotfasen. Dens orkestrerede, ansvarlige og gentagne tilgang transformerer AI fra en teknologi-eksperiment til en forretnings-imperativ. Designet til at tackle manglen på samlede strategier på markedet er rammen struktureret, men bygget til fleksibilitet og skalerbarhed, hvilket giver organisationer mulighed for at starte små, opnå tidlige sejre og hurtigt skala på tværs af virksomheden.

Xponential hjælper allerede kunder med at gå fra pilotfaser til skala. Dens modulære design giver os mulighed for at møde kunder, hvor de er, ved at støtte legacy-opgraderinger og integrere ubesværet med kunders eksisterende data-, cloud- og applikationsmiljøer.

For eksempel samarbejdede vi med Singapore General Hospital om at udvikle Augmented Intelligence in Infectious Diseases-løsningen, der bruger AI-drevne indsigt og samarbejdende menneske+AI-beslutningstagning til at vejlede antibiotikavalg for lavere respiratoriske infektioner med 90% nøjagtighed. Værktøjet har resulteret i forbedret patientpleje og kamp mod antimikrobiel resistens.

DXC har allerede implementeret Xponential med globale kunder som Textron og Den Europæiske Rumfartsagentur. Kan du dele et specifikt eksempel på, hvordan denne ramme har leveret målbart impact i en af disse implementeringer? 

Xponential er en beviset ramme, der allerede genererer resultater hos vores kunder Textron og Den Europæiske Rumfartsagentur. Vi samarbejdede med Textron om at transformere deres IT-supportmodel ved hjælp af automatisering og AI. Optimeringen reducerede service desk-billetter med 20% og løste proaktivt netværksproblemer for 32.000 medarbejdere ved hjælp af AI-drevne chatbots, der var trænet på fælles videnbasers, hvilket frigjorde IT-personale til at fokusere på komplekse problemer, der kræver menneskelig ekspertise. Med Den Europæiske Rumfartsagentur brugte vi Xponential til at implementere ASK ESA, en AI-drevet platform, der samler data, accelererer forskning og forbedrer samarbejde på tværs af agenturet. Platformen giver ikke kun sikker, effektiv adgang til store mængder data, men sparere også ingeniører 1-2 timer om ugen.

Din ledelsesbaggrund spænder over akademiske, enterprise-software og stor-skala cloud-udvikling. Hvordan har denne diverse erfaring påvirket din opfattelse af, hvad “ansvarlig AI” betyder i praksis? 

Hver del af min rejse har formet, hvordan jeg definerer ansvarlig AI. Fra akademiet lærte jeg vigtigheden af rigor, at spørge om antagelser, validering af resultater og forståelse af “hvorfor” bag hver enkelt result. Fra enterprise-software fik jeg en dyb forståelse for governance, etik og de ringvirkninger, teknologi kan have på mennesker, processer og brancher. Og gennem stor-skala applikationsudvikling så jeg førstehånds, hvordan skala kan forstærke både impact og risiko.

For mig handler ansvarlig AI ikke kun om compliance eller bias-mitigation, men om intentionel design. Det handler om at bygge systemer, der er gennemsigtige, gennemskuelige og tilpasset menneskelige værdier fra starten. Det handler om at sikre, at innovation og ansvar udvikler sig sammen.

Min rolle er at sikre, at mens vi innovere, gør vi det på en ansvarlig måde, ikke langsommere innovation, men vejlede den på en måde, der opbygger tillid og leverer bæredygtig værdi.

Governance og overvågning er centrale for Insight-pillet i Xponential. Hvordan sikrer du, at AI forbliver både gennemsigtig og compliant i tungt regulerede brancher som sundheds- og luftfart? 

Xponential-rammen sikrer, at governance, compliance og overvågning er indbygget fra dag én, ikke tilføjet senere. Vi tilpasser vores AI-etik med globale standarder og fremvoksende reguleringer fra NIST og EU’s AI-akt, hvilket betyder, at fuld sporbarehed, gennemskuelighed og compliance er bygget ind i hver arbejdsgang.

Dette governance-model giver klart overblik over, hvordan AI opererer, hvem der er ansvarlig, og om beslutninger følger etiske og operationelle standarder – essentielle krav for at skala AI-effektivt på tværs af regulerede virksomheder. Det er vores overbevisning, at AI skal være troværdig, gennemsigtig og menneske-centreret.

Da AI fortsætter med at omdefinere softwareudviklings-livscyklusser, hvad nye færdigheder eller mindset tror du, software-hold vil have brug for for at forblive konkurrencedygtige i det næste årti? 

Den vigtigste ændring handler ikke kun om at lære nye værktøjer. Det handler om at antage et nyt mindset. AI transformerer, hvordan vi bygger software, og de hold, der trives, vil være dem, der behandler AI som en samarbejdspartner, ikke kun en utility.

Færdigheden, der betyder mest, er nysgerrighed. De bedste ingeniører vil ikke kun acceptere, hvad AI genererer. De vil spørge om det, forfine det og udforske, hvordan det kan anvendes på nye måder. Nysgerrighed driver evnen til at lære kontinuerligt, eksperimentere ansvarligt og se forbindelser, andre måske ikke ser.

Ud over det vil udviklere udvikle sig fra at være kodere til at være komponister, der orkestrerer AI-agenter, automatisering og menneskelig indsigt i integrerede systemer. Det kræver ikke kun teknisk dygtighed, men også systemtænkning og en villighed til at genopfinde, hvordan arbejde bliver gjort.

I DXC indbygger vi dette mindset gennem Xponential, hvor vi hjælper hold med at udvikle vores Menneske+-tilgang. Den kombinerer teknisk mesterlæring med nysgerrighed, kreativitet og etisk bevidsthed, fordi i det næste årti kommer succes i softwareudvikling ikke fra at vide alt. Det kommer fra at forblive uendeligt nysgerrig om, hvad der er muligt.

Tak for det gode interview. Læsere, der ønsker at lære mere, kan besøge DXC Technology.