Holly Grant, SVP, Strategi & Innovation, DXC Technology – Intervieuserie

Holly Grant, SVP, Strategi & Innovation i DXC Technology (DXC ), er en teknologi- og operationsdirektør med dyb erfaring indenfor virksomhedsstrategi for kunstig intelligens, fintech, ledelse af startups og operationel transformation. I DXC hjælper hun med at forme virksomhedens innovationsinitiativer med kunstig intelligens, herunder virksomhedsomfattende orkestrering af kunstig intelligens, rådgivningstjenester og produktudviklingsindsats, der er designet til at hjælpe organisationer med at gå fra eksperimentelle pilotprojekter til operationel implementering. Før hun kom til DXC, havde hun flere ledende roller i Long-Term Stock Exchange (LTSE), hvor hun sidst fungerede som Chief Operating Officer, og fokuserede på operationel skaling og strategisk vækst indenfor fintech-sektoren. (HPE )

DXC Technology er et globalt IT-selskab, der fokuserer på at hjælpe virksomheder med at modernisere kritiske systemer indenfor skycomputing, cybersikkerhed, kunstig intelligens, datainfrastruktur og virksomhedsoperationer. Selskabet er dannet gennem en fusion mellem Computer Sciences Corporation og Hewlett Packard Enterprises Enterprise Services-afdeling, og arbejder med organisationer indenfor brancher som sundhedssektor, bankvæsen, fremstilling, forsikring og offentlig forvaltning. I de seneste år har DXC positioneret sig omkring kunstig intelligens-baseret virksomhedstransformation, og tilbyder tjenester, der integrerer generativ kunstig intelligens, intelligent automation, overvågning, digitale tvillinge og storstile IT-modernisering i komplekse virksomhedsmiljøer. Selskabet lægger også vægt på “kunstig intelligens-først”-operationelle modeller, der er designet til at hjælpe virksomheder med at implementere kunstig intelligens på en sikker måde inden for eksisterende infrastruktur, i stedet for at erstatte legacy-systemer fuldstændigt.

Du har bygget en karriere i skæringspunktet mellem strategi, operationer og innovation – fra at skale organisationer tidligt i din karriere til at lede Strategi & Innovation i DXC. Hvordan har disse erfaringer formet din tilgang til lancering af LabX og design af en inkubationsmiljø for kunstig intelligens, der fokuserer på reel forretningsværdi?

Min karriere har ført mig gennem familiekontorer, startups, venturekapital og nu et Fortune 500-selskab midt i en omstrukturering. Det, jeg har set i alle disse miljøer, er, at idéer ikke lander af sig selv. De, der faktisk skaber værdi, deler tre ting: en reel kunde, der trækker for dem, det rette øjeblik på markedet og et omfang, der er klart og passende snævert. Misser man en af disse, så stalls selv en briliant idé.

Denne mønster har formet, hvordan jeg tænker om LabX. Man har brug for en sejrsteori – en reel strategi – men man har også brug for den operationelle muskel til at bringe det til live, og disciplinen til at tilpasse sig, når man lærer og forholdene ændrer sig. Strategi uden eksekvering er et dæk. Eksekvering uden strategi er bevægelse uden fremdrift. LabX er designet til at holde begge dele på én gang.

Under vores administrerende direktør Raul Fernandez’ ledelse har DXC sat kunstig intelligens-kompetence og innovation i centrum af vores omstruktureringstrategi. LabX er, hvordan vi oversætter den overbevisning til produkter, kapaciteter og kunderesultater – hurtigt nok til at have betydning.

Mange virksomheder eksperimenterer med kunstig intelligens, men har svært ved at gå fra pilotprojekter til produktion. Hvad er de største barrierer, du ser i DXC, der forhindrer organisationer i at skale kunstig intelligens ud over proof-of-concept-projekter?

To barrierer kommer op igen og igen, og ingen af dem handler om teknologien.

Den første er forandringsledelse. Kunstig intelligens ændrer, hvordan mennesker arbejder, hvad de er ansvarlige for, og hvordan beslutninger træffes. Hvis man ikke bringer sin arbejdsstyrke med, så vil selv den mest elegante model i verden stå ubrugt. Den anden er, at virksomheder begynder at skale kunstig intelligens uden at ændre den underliggende operationsmodel. De monterer intelligens på en bestemt system eller applikation, så en bruger kan bruge det, men resten af teamet kan ikke. Kunstig intelligens er en horisontal intelligens – den skaber mest værdi, når den kan bevæge sig på tværs af funktioner, data og arbejdsgange. Når operationsmodellen ikke ændrer sig, så bliver værdien fanget lokalt i stedet for at akkumulere på tværs af virksomheden.

Så pilotprojektet virker, alle fejrer, og ingenting skalerer faktisk. Det er mønsteret, vi prøver at bryde i LabX ved at designe til virksomhedsomfattende aflåsninger fra dag én.

LabX opererer på en hurtig koncept-til-MVP-cyklus på omkring 90 dage eller mindre. Hvad kræver det af ændringer i mindset, styring eller udviklingsprocesser for store virksomheder for at kunne bevæge sig med den slags hastighed?

Den største mindset-ændring er at være villig til at træffe beslutninger tidligere med mindre perfekt information – og disciplinen til at afslutte, hvad der ikke fungerer. Store virksomheder bliver komfortable med lange planlægningscykler, fordi de føler sig sikre. De er ikke. I en marked, der bevæger sig så hurtigt, er en langsom “ja” og en langsom “nej” begge dyre.

I LabX tildeles en lille triade – design, produkt og ingeniør – til at løbe en sprint mod et reel kundeproblem. De bygger en minimum viable produkt, tester det for værdi og skala, og vi færdiggør idéer, der viser kommerciel løfte inden for 90 dage. Det, der gør den hastighed mulig, er ikke fraværet af styring, men tilstedeværelsen af den rette styring. Sikkerhed, privatliv, overholdelse og ansvarlig kunstig intelligens-godkendelse er bygget ind i processen fra dag én, ikke monteret på til sidst. Hvert produkt går gennem en formel styringsgennemgang, før det skalerer.

For de fleste virksomheder kræver det at komme til denne slags kadence at beskytte et rum, hvor det er legitimo at bevæge sig på denne måde – uden at tvinge hvert eksperiment gennem samme cyklustid som et multi-årigt platformbygge. Det er, hvad LabX er for os.

DXC beskriver LabX som en måde at validere høj-potentielle kunstig intelligens-koncepter med kunder, før de skaleres. Hvordan hjælper denne “Kunde Zero”-tilgang med at sikre, at kunstig intelligens-løsninger er grundet i reel operationel værdi snarere end teoretiske brugs Tilfælde?

Kunde Zero er, ærligt talt, vores fordel. Før et LabX-produkt nogensinde går til markedet, skal det overleve inden for DXC først. Vi administrerer 115.000 medarbejdere på tværs af 70 lande, regulerede brancher, komplekse kunde kontrakter, legacy-systemer og reel operationel indsats. Det er ikke et sanitært demo-miljø – det er virksomhedsrealitet.

En traditionel startup kan bevæge sig hurtigt, men de kan ikke let reproducere den levede erfaring af at operere inden for den slags kompleksitet. Når vi tester et produkt på os selv først, finder vi de steder, hvor det bryder på reel data, reel arbejdsgange og reel regulativ begrænsninger – ting, der ville være dukket op i en kunde-miljø seks måneder senere. Når vi bringer et tilbud til en kunde, er vi ikke i gang med at præsentere en teori. Vi kan sige: “Her er, hvad det gjorde inden for vores egen operation, her er, hvad vi ændrede, her er, hvad vi målte.”

Virksomheds-miljøer er ofte fyldt med legacy-systemer, fragmenterede data og regulative begrænsninger. Hvordan designer du kunstig intelligens-arbejdsgange, der kan operere effektivt inden for den slags kompleksitet?

Vi starter med antagelsen af, at miljøet er komplekst – det er baseline, ikke undtagelsen.

Arkitektonisk arbejder vi med en dekomponerbar tilgang til vores platforme. De førende kunstig intelligens-værktøjer ændrer sig månedligt, ikke årligt. Hvis du hårdkoder dig selv til en enkelt model, leverandør eller ramme, så gør du et dårligt væddemål. En dekomponerbar arkitektur låser os til at skifte komponenter, mens fronten bevæger sig, forblive flydende med, hvad der faktisk er bedst-i-klassen, og stressteste værktøjer mod reel kundeudfordringer i stedet for leverandør-markedsføring.

På den regulative og data-side er overholdelse designet ind fra dag én. Hvert produkt går gennem en styringsgennemgang, og ansvarlig kunstig intelligens-godkendelse er en del af processen, ikke en eftertanke. At operere i højt regulerede brancher på tværs af 70 lande tvinger den disciplin på os – hvilket viser sig at være en funktion, ikke en fejl, når vi bringer produkter til kunder med de samme begrænsninger.

Traditionel IT-rådgivning afhængige af lange planlægningscykler og stive implementeringsrammer. Da kunstig intelligens udvikler sig hurtigere, end disse cykluser kan tilpasse sig, hvordan skal rådgivningsmodellerne ændre sig?

Det ærlige svar er, at hele modellen skal skiftes, men hvis jeg skal vælge linchpinen, er det værdipositionen. Branchen har brugt årtier på at sælge leverancer – dæk, vejledninger, implementeringsplaner – og få betaling for indsats. I en kunstig intelligens-nativ verden vil kunderne ikke have en leverance. De vil have et resultat. De vil have, at arbejdsgangen faktisk kører, omkostningerne faktisk kommer ned, og omsætningen faktisk viser sig.

Når man engagerer sig i at sælge resultater, skal alt andet ændre sig for at støtte det. Team-sammensætning bliver mere teknisk. Engageringer flytter sig fra råd og forlader til byg og opererer. Prisfastsættelse flytter sig væk fra timer. Menneskene, der udfører arbejdet, skal være lige så komfortable med at afsende kode som med at køre en styringskomité.

Det er en stor kulturel ændring for vores industri, og ikke alle vil klare den. De virksomheder, der gør, vil se meget forskellige ud om fem år end de gør i dag.

LabX fungerer også som et eksperiment-miljø for medarbejdere og teknologipartnere. Hvor vigtigt er intern eksperimentation, når man prøver at bygge organisationer-omfattende kunstig intelligens-kompetence?

Det er hele spillet. Man bygger ikke kunstig intelligens-kompetence ved at læse om kunstig intelligens – man bygger det ved at prøve ting, se dem bryde, og prøve igen. Det er lige så sandt for en 30-årig IT-professionel som for en person to år ud af skolen.

Vi har nylig kørt en kunstig intelligens-udfordring inden for en af vores forretningsenheder og fik over 1.300 unikke idéer på to uger. Det er ikke en statistik om et værktøj – det er en statistik om, hvad der sker, når man giver mennesker tilladelse til at tænke uden for boksen. Kreativiteten findes allerede inden for organisationen. Vores job er at skabe rummet for den til at vokse.

LabX kører også et rotationsprogram: tekniske eksperter fra på tværs af DXC tilbringer seks til 12 uger indlejret med os, bygger reel produkter med de seneste kunstig intelligens-værktøjer. Når de vender tilbage til deres hjemmehold, bringer de en ny kompetence og, endnu vigtigere, en anden måde at tænke på. De begynder at stille andre spørgsmål til deres kolleger og kunder. De bliver champions for, hvad der er muligt. Den akkumulerende effekt på tværs af arbejdsstyrken er værd mere end noget enkelt produkt, vi afsender.

DXC rammer sin tilgang som Human+, hvilket betyder, at kunstig intelligens skal udvide menneskelige evner snarere end erstatte dem. I praktisk forstand, hvordan påvirker den filosofi, hvordan kunstig intelligens-løsninger designes og implementeres inden for virksomheder?

Jeg vil være direkte: der er en opfattelse, der tager form i branchen, om, at det mest værdifulde, virksomheds-kunstig intelligens kan gøre for en virksomhed, er at reducere antallet af medarbejdere. Jeg mener, det er en fejl i fantasien.

Omstillingsdisciplin er vigtig, men den virkelige mulighed er vækst: nye omsætningsstrømme, nye produkter, nye serviceydelser, der ikke var mulige før. Kunstig intelligens’ højeste-værdi-brugs Tilfælde er at aktivere mennesker til at udføre arbejde, der skaber ny forretningsværdi, ikke kun optimerer, hvad der allerede findes. Virksomhederne, der får det herret, vil overgå dem, der behandler kunstig intelligens som en ren omkostningsøvelse.

I praksis betyder Human+, at vi designer kunstig intelligens til at håndtere høj-volumen, rutineprocesser, så vores mennesker kan fokusere på højere-værdi-arbejde: strategisk tænkning, kreativ problemløsning, kunde relationer og komplekse dømmekraft. Vi holder menneskelig ekspertise og tilsyn centralt i hver implementering, især hvor beslutninger har reel konsekvens.

Når organisationer prøver at integrere kunstig intelligens i eksisterende arbejdsgange, hvilke almindelige fejl ser du, der langsommere adoption eller begrænser reel forretningsværdi?

To fejl ser jeg konstant. Den første er at starte med teknologien i stedet for problemet. Nogen falder i love med en model eller en leverandør-demo, og initiativet bliver til at implementere den ting i stedet for at løse noget, der faktisk betyder noget for forretningslivet. Den anden er at behandle kunstig intelligens som et IT-projekt i stedet for en forretnings-transformation. Hvis man giver kunstig intelligens fuldstændigt til CIO og beder resten af forretningslivet om at fortsætte uændret, så får man et værktøj, som ingen bruger, og en budget, som ingen vil forsvare næste år.

Modgiften mod begge er enkel at sige og svær at gøre: start med forretningsproblemet, sæt det rette tværfaglige hold på det – mennesker, proces, teknologi – og byg baglæns fra resultatet, man prøver at skabe. Det er den holdning, vi tager i LabX, og det er, hvordan vi arbejder med kunder som Ferrovial, hvor vi har hjulpet med at implementere AI Workbench – en generativ kunstig intelligens-tilbud, der kombinerer rådgivning, ingeniørarbejde og sikker virksomheds-service, nu udnyttet af over 24.000 medarbejdere med over 30 kunstig intelligens-agenter, der tager beslutninger i realtid. Den slags skala sker ikke, hvis man behandler det som et IT-projekt.

Set fremad, hvordan forventer du, at kunstig intelligens-inkubations-miljøer som LabX vil forme, hvordan virksomheder udvikler, tester og implementerer nye teknologier i de kommende år?

Her er, hvad jeg tror vil være åbenlyst i retrospekt: vinderne i denne æra vil ikke være de virksomheder med de mest imponerende punkt-løsninger. De vil være integratorerne – dem, der kan sy kunstig intelligens på tværs af operationsmodeller, på tværs af funktioner og på tværs af arbejdsgange, så intelligensen ikke er fanget i et enkelt værktøj eller en enkelt brugers skærm.

Det er et sværere problem end at implementere en model. Det kræver dyb virksomheds-kontekst, evnen til at arbejde på tværs af legacy- og moderne systemer og disciplinen til at ændre, hvordan arbejdet faktisk udføres. Det er også muligheden, jeg er mest begejstret for.

Inkubations-miljøer som LabX er, hvordan vi får reps. De er, hvor man lærer, hvad der bryder i skala, hvad styring faktisk ligner i praksis og hvad kunder vil og ikke vil adoptere. Virksomhederne, der investerer i den slags rum nu – internt eller gennem partnere – vil have en meget forskellig kapacitetskurve om tre år fra nu end dem, der stadig beslutter, om det er værd at bemøde sig om det. Og os, der bygger i dette rum, vil fortsætte med at finde nye problemer værd at løse, fordi teknologien ikke langsommere og heller ikke muligheden.

Tak for det gode interview, læsere, der ønsker at lære mere, skal besøge DXC Technology.