Frank Bignone, Senior Vicepræsident og Chef for Corporate Strategy & Growth hos FPT Software – Interview Serie

Frank Bignone, Senior Vicepræsident og Chef for Corporate Strategy & Growth hos FPT Software, har mere end to årtiers internationalt ledelseserfaring inden for digital transformation, kunstig intelligens, luftfart, geospatial teknologi og virksomheds vækst. Gennem sin karriere har han haft seniort ledelsesroller i Asien, Mellemøsten og Europa, herunder som Chief Digital Transformation Officer for FPT Softwares operationer i Japan og Mellemøsten, og tidligere ledede digital transformation-initiativer på tværs af Asien-Stillehavet og Kina for Airbus. Hans baggrund kombinerer dyb ekspertise i AI-dreven forretnings-transformation, strategiske partnerskaber, markedsudvidelse og storstile teknologi-adopteringsmuligheder. Efter at have bygget økosystemer på tværs af luftfart, software og virksomhedsteknologi-sektorer har Bignone konsekvent fokuseret på at hjælpe organisationer med at udnytte fremvoksende teknologier til at drive operationel effektivitet, innovation og bæredygtig vækst. I dag leder han FPT Softwares corporate-strategi og vækst-initiativer, og vejleder virksomhedens globale udvidelse og næste-generations serviceudvikling.

FPT Software er en global teknologi- og IT-serviceleverandør med hovedsæde i Vietnam, med mere end 33.000 medarbejdere, der opererer i over 30 lande. Virksomheden specialiserer sig i digital transformation, AI, cloud computing, data-analyse, software-ingeniørarbejde, smarte fabrikker, cybersikkerhed og branch-specifikke løsninger til sektorer som finansielle tjenester, fremstilling, bilindustri, sundhedsvesen, luftfart og telekommunikation. I de seneste år har FPT Software accelereret sin AI-første-strategi, investeret kraftigt i AI-drevne platforme, enterprise-moderniserings-tjenester og globale partnerskaber, samtidig med at virksomheden udvider sin tilstedeværelse i Europa, Nordamerika, Mellemøsten og Asien-Stillehavet. Gennem en kombination af storstile ingeniør-kapaciteter, konsulent-ekspertise og AI-dreven innovation hjælper virksomheden virksomheder med at modernisere legacy-systemer, optimere operationer og accelerere digitale transformations-initiativer på verdensplan.

DU har ledet digital transformations-initiativer på tværs af luftfart, luftfart, virksomhedssoftware og nu AI-første leveringsplatforme hos FPT Software. Hvad lærte du af din arbejde med Airbus Skywise og storstile enterprise-moderniseringsprogrammer, og hvordan formede det din vision for Agentic Engineering og Flezi Foundry?

Set tilbage på Airbus Skywise og storstile enterprise-moderniseringsprogrammer, står en vigtig lærepenge frem: transformation er sjældent begrænset af teknologi. Mere ofte er det begrænset af, hvordan organisationer opererer.

Med Skywise så vi kraften i at kombinere data, platforme og økosystem-samarbejde. Men selv med avanceret teknologi på plads, nåede værdi-skabelsen ofte en plateau, når driftsmodellerne forblev menneske-centreret, sekventielle og silo-lignende.

Denne erfaring formede direkte vores vision for Agentic Engineering. Vi mener, at den næste udvikling ikke blot er bedre digitale platforme, men intelligent, agent-dreven leveringssystemer, hvor AI aktivt deltar i udførelse i stedet for kun at fungere som et analytisk værktøj.

Flezi Foundry blev bygget på den princip, og hjælper organisationer med at gå fra beslutningsfattelse til AI-forstærkede leveringsmodeller, der kontinuerligt udfører, lærer og forbedrer.

Meget af AI-diskussionen har centreret sig om kodnings-co-piloter og udvikler-produktivitet. Hvorfor mener du, at den vigtigste skift er at gå fra AI-drevne værktøjer til AI-drevne driftsmodeller?

Kodnings-co-piloter er vigtige, men de løser kun en lille del af værdikæden. Den største udfordring, organisationer står over for, er fragmenterede, langsomme og tilpasningsdygtige leveringssystemer.

Den virkelige mulighed ligger i at omdefinere, hvordan arbejdet er struktureret. AI-drevne driftsmodeller tillader, at arbejdet deles op i opgaver, der udføres samarbejdende af mennesker og intelligente agenter. Agenter kan deltage i planlægning, udførelse, validering og optimering, mens feedback-loopene bliver kontinuerlige og stadig mere automatiserede.

Det er der, hvor AI stopper med at være blot et produktivitetsværktøj og bliver en system-niveau-kapacitet. Det er der, hvor organisationer begynder at realisere meningsfuld virksomheds-værdi.

FPT lancerede nyligt Flezi Foundry for at fremme, hvad du beskriver som AI-forstærket levering til virksomheder. Hvilket hul i markedet forsøgte I at løse, og hvordan adskiller platformen sig fra det voksende antal AI-udviklingsværktøjer, der allerede er tilgængelige?

Vi så et klart hul i markedet. Virksomheder har adgang til et voksende antal AI-værktøjer, men mange mangler en samlet og styret leveringsplatform, der bringer disse kapaciteter sammen.

De fleste AI-løsninger fokuserer på isolerede aktiviteter som kodnings-assistance eller test-automatisering. De løser ikke drifts-koordinering, virksomheds-styring eller livscyklus-integration. Som resultat heraf kæmper organisationer ofte med at skala AI-adopteringsgraden ud over enkeltbrugssager.

Flezi Foundry blev designet til at løse denne udfordring. Den fungerer som en samlet menneske-agent-samarbejdsplatform, der integrerer AI på tværs af hele software- og IT-livscyklus, samtidig med at den opretholder styring, sporing og tilpasning til forretnings-resultater. I den forstand er det ikke blot et andet AI-værktøj, men en drifts-lag for AI-forstærket levering.

FPT beskriver Flezi Foundry som en styret menneske-agent-samarbejdsplatform. Hvad betyder styring i praksis, når AI-agenter deltar i planlægning, kodning, test, sikkerheds-gennemgang og IT-drift?

Styring betyder, at hver AI-handling er synlig, kontrolleret og revisionssikker.

I praksis opererer AI-agenter inden for definerede politikker, der omfatter sikkerheds-krav, compliance-forpligtelser og kodnings-standarder. Deres handlinger er logget, sporet og tilskrevet, mens menneskelig oversigt er indbygget i kritiske beslutningspunkter. Adgang til data styres gennem etablerede identitets- og tilladelseskontroller for at sikre, at agenter kun interagerer med autoriseret information.

Det vigtigste er, at styring er bygget direkte ind i udførelsen i stedet for at være tilføjet bagefter. Dette tillader organisationer at skala AI-adopteringsgraden, samtidig med at de opretholder tillid, gennemsigtighed og drifts-kontrol.

En af de største bekymringer, virksomheder har, er ansvarlighed. Hvis en AI-agent introducerer en sikkerheds-svaghed, en installations-problem eller en drifts-fejl, hvordan skal ansvarlighed tildeles mellem AI-systemet, menneskelige tilsynsførende og service-udbydere?

AI fjerner ikke ansvarlighed; det omfordeler det inden for et kontrolleret rammeværk.

AI-agenter udfører opgaver inden for definerede parametre, men ansvarlighed forbliver hos de mennesker og organisationer, der designer, tilsynsfører og styrer disse systemer. Menneskelige tilsynsførende giver oversigt og validering, mens service-udbydere er ansvarlige for arkitekturen, kontrollerne og styrings-mekanismerne, der guider agent-adfærd.

Nøglen er at opretholde komplet sporing. Hver handling skal være tilskrevet og revisionssikker, så organisationer kan opretholde tillid, kontrol og en klar forståelse af, hvordan beslutninger blev truffet.

Flezi Foundry introducerer begrebet Agentic Development Lifecycle (ADLC). Hvordan adskiller det sig fra traditionel Agile, DevOps eller platform-ingeniør-tilgange, som virksomheder allerede bruger i dag?

Agile og DevOps blev designet til at optimere menneske-samarbejde og automatisere leverings-pipelines. Agentic Development Lifecycle, eller ADLC, introducerer et fundamentalt andet element: AI-agenter som aktive deltagere på tværs af livscyklus.

I stedet for kun at støtte udviklere samarbejder agenter med mennesker om at udføre opgaver, løse problemer og bidrage til beslutningsfattelse. Kontinuerlig resonnering erstatter statiske arbejdsgange, mens intelligente feedback-loopene driver kontinuerlig optimering.

En simpel måde at tænke over det på er, at Agile fokuserer på iterativ levering, DevOps fokuserer på automatiserede pipelines, og ADLC fokuserer på adaptive menneske-agent-leveringssystemer.

Mange organisationer eksperimenterer med AI-agenter, men få har etableret rammer for at måle deres præstation. Hvilke målinger mener du, at virksomheder skal bruge til at evaluere AI-agenter som en del af deres software-leverings-arbejdskraft?

Organisationer skal mere og mere se på AI-agenter som en del af arbejdskraften og måle dem derefter.

Traditionelle produktivitets-målinger forbliver vigtige, herunder leverings-hastighed (opgave-fuldførelse-hastighed) og reduktion i manuel indsats. Organisationer skal dog også evaluere kvalitets-indikatorer som fejl-rater, om-gørelse-niveauer, nøjagtighed, pålidelighed og compliance-overholdelse.

Det endelige mål er ikke blot højere produktivitet. Den virkelige måling for succes er, om AI-agenter forbedrer forudsigeligheden, kvaliteten og skalerbarheden af resultater.

Flezi Foundry introducerer resultat-baserede priser, der er knyttet til leverings-hastighed og service-niveauer. Ser du det som begyndelsen på en bredere skift væk fra traditionelle FTE-baserede outsourcing- og personale-forstærkning-modeller?

Ja, vi mener, at en betydelig skift allerede er i gang.

Traditionelle FTE-baserede modeller blev bygget op omkring antagelsen, at indsats er den primære driver af værdi. I AI-forstærket leverings-miljøer bliver denne antagelse mere og mere forældet, da intelligente agenter kan ændre, hvordan arbejdet udføres.

Som resultat heraf repræsenterer resultat-baserede modeller, der er knyttet til leverings-præstation, service-niveauer og målbare forretnings-resultater, en mere naturlig tilpasning. Flezi Foundry støtter denne udvikling ved at gøre leverings-præstation mere gennemsigtig, målbar og forudsigelig.

Hvordan ser du på udviklingen af software-ingeniørernes rolle over de næste fem år, mens virksomheder mere og mere udruller AI-agenter på tværs af software-udvikling og IT-drift?

Software-ingeniører vil udvikle sig, men de vil ikke forsvinde.

Da AI overtager en større andel af implementerings-aktiviteterne, vil ingeniører mere og mere fokusere på højere-værdi-ansvar, såsom system-design, arkitektur, agent-koordinering, styring, kvalitets-sikring og forretnings-problem-ramme.

Den fremtidige rolle for ingeniøren vil være mindre om at skrive hver enkelt linje kode og mere om at designe systemer, guide intelligente agenter og sikre, at teknologi-resultaterne er i overensstemmelse med forretnings-mål.

Set fremad, hvilket udseende vil en moden menneske-agent-virksomheds-teknologi-organisation have? Hvis vi genser denne samtale i 2030, hvilke aspekter af software-levering og IT-drift vil være fundamentalt forskellige fra i dag?

Inden 2030 mener jeg, at førende organisationer vil fungere som sande menneske-agent-økosystemer.

AI-agenter vil være integreret på tværs af leverings- og drifts-processer, og tillade kontinuerlig udførelse, real-tids-optimering og hurtigere tilpasning til ændrede forretnings-behov. Stærke styrings-rammer vil sikre tillid, ansvarlighed og compliance, mens resultat-baserede priser bliver standard-måden, hvorpå organisationer måler værdi.

Software-levering og IT-drift vil være betydeligt hurtigere, mere tilpasningsdygtige og mere forudsigelige, end de er i dag. Samtalen vil ikke længere handle om, hvorvidt organisationer skal adoptere AI-agenter. I stedet vil differentiator være, hvor effektivt de orkestrerer mennesker og agenter sammen på stor skala.

Tak for det gode interview. Læsere, der ønsker at lære mere, kan besøge FPT Software.