Holly Grant, SVP, Strategi & Innovation, DXC Technology – Intervju-serie

Holly Grant, SVP, Strategi & Innovation hos DXC Technology, er en teknologi- og operationsdirektør med dyb erfaring indenfor entreprise AI-strategi, fintech, startup-ledelse og operations-transformation. Hos DXC hjælper hun med at forme selskabets AI-første innovationsinitiativer, herunder entreprise-skala AI-orchestration, rådgivningstjenester og produktinkubationsbemærkninger designet til at hjælpe organisationer med at gå fra eksperimentelle AI-piloter til operationel udrulning. Før DXC havde hun flere ledelsesroller hos Long-Term Stock Exchange (LTSE), hvor hun til sidst fungerede som Chief Operating Officer, hvor hun fokuserede på operationsmæssig skala og strategisk vækst indenfor fintech-sektoren.

DXC Technology er et globalt IT-service- og rådgivningsselskab, der fokuserer på at hjælpe virksomheder med at modernisere mission-kritiske systemer på tværs af cloud-computing, cybersikkerhed, kunstig intelligens, data-infrastruktur og entreprise-operationer. Selskabet er dannet gennem en fusion mellem Computer Sciences Corporation og Hewlett Packard Enterprises Enterprise Services-afdeling og arbejder med organisationer på tværs af brancher, herunder sundhedsvesen, banker, fabrikation, forsikring og regering. I de seneste år har DXC stadig mere positioneret sig omkring AI-naturlig entreprise-transformation og tilbyder tjenester, der integrerer generativ AI, intelligent automation, observability, digital tvillinger og storstile IT-modernisering i komplekse virksomheds-miljøer. Selskabet lægger også vægt på “AI-første” operationsmodeller, der er designet til at hjælpe virksomheder med at udrulle AI sikkert inden for eksisterende infrastruktur i stedet for at erstatte legacy-systemer fuldstændigt.

Du har bygget en karriere ved skæringen af strategi, operationer og innovation – fra at skala organisationer tidligt i din karriere til nu at lede Strategi & Innovation hos DXC. Hvordan har disse erfaringer formet din tilgang til at lancere LabX og designe en AI-inkubations-miljø fokuseret på virkelige forretnings-resultater?

Min karriere har ført mig på tværs af familiekontorer, startups, venturekapital og nu et Fortune 500-selskab midt i en omstrukturering. Det, jeg har set på tværs af alle disse miljøer, er, at ideer 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. Missér en af disse, og selv en brillant idé bremser.

Denne mønster har formet, hvordan jeg tænker om LabX. Du behøver en teori om at vinde – en reel strategi – men du behøver også det operationsmæssige muskel til at bringe det til live, og disciplinen til at tilpasse, mens du lærer og forholdene ændrer sig. Strategi uden udførelse er et dæk. Udførelse uden strategi er bevægelse uden fremdrift. LabX er designet til at holde begge dele på én gang.

Under vores CEO Raul Fernandez’ ledelse har DXC sat AI-fluency og innovation i centrum af vores omstruktureringstrategi. LabX er, hvordan vi oversætter denne overbevisning til produkter, kapaciteter og kunde-resultater – hurtigt nok til at have betydning.

Mange virksomheder eksperimenterer med AI, men kæmper med at gå fra piloter til produktion. Fra det, du ser hos DXC, hvilke er de største barrierer for at forhindre organisationer i at skala AI ud over proof-of-concept-projekter?

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

Den første er change management. AI ændrer, hvordan mennesker arbejder, hvad de er ansvarlige for, og hvordan beslutninger træffes. Hvis du ikke bringer din arbejdsstyrke med, vil den mest elegante model i verden blive brugt uden værdi. Den anden er, at selskaber begynder at skala AI uden at ændre den underliggende operationsmodel. De bolt intelligence på en bestemt system eller applikation, så en bruger kan bruge det, men resten af teamet kan ikke. AI 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, bliver værdien fanget lokalt i stedet for at blive kompenseret på tværs af virksomheden.

Så piloten virker, alle fejrer, og ingenting skalerer faktisk. Det er mønsteret, vi prøver at bryde ved LabX ved at designe for entreprise-omfattende låse fra dag én.

LabX kører på en hurtig koncept-til-MVP-cyklus på omkring 90 dage eller mindre. Hvad ændringer i mindset, governance eller udviklingsprocesser er nødvendige for store virksomheder for at flytte 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 afkorte, 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 lang “ja” og en lang “nej” begge dyre.

Inden for LabX tildeler vi en lille triad – design, produkt og ingeniør – til at køre en sprint mod et reel kunde-problem. De bygger en minimum-viabel-produkt, tester det for værdi og skala, og vi færdiggør ideer, der viser kommerciel løfte inden for 90 dage. Det, der gør denne hastighed mulig, er ikke fraværet af governance, men tilstedeværelsen af den rette governance. Sikkerhed, privatliv, overholdelse og ansvarlig AI-godkendelse er bygget ind i processen fra dag én, ikke boltet på til sidst.

For de fleste virksomheder kræver det at komme til denne slags kadence en beskyttelse af et rum, hvor det er legitimo at flytte på denne måde – uden at tvinge hver eksperiment gennem den samme cyklus som et multi-årigt platform-bygge. Det er, hvad LabX er for os.

DXC beskriver LabX som en måde at validere høj-potentiale AI-koncepter med kunder, før de skaleres. Hvordan hjælper denne “Kunde Zero”-tilgang med at sikre, at AI-løsninger er grundet i virkelige operationsbehov i stedet for teoretiske brugstilfælde?

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

En traditionel startup kan flytte hurtigt, men de kan ikke let reproducere den levede oplevelse 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 rigtige data, rigtige arbejdsgange og rigtige regulatoriske 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.”

Det holder os også ærlige. Hvis et produkt ikke kan bevise sig internt, kommer det ikke til at graduere. Det er en meget højere bar end at sige “det fungerede i en demo.”

Entreprise-miljøer er ofte fyldt med legacy-systemer, fragmenterede data og regulatoriske begrænsninger. Hvordan designer du AI-arbejdsgange, der kan operere effektivt inden for den virkelige 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 AI-værktøjer ændrer sig månedligt, ikke årligt. Hvis du hård-kobler dig til en enkelt model, leverandør eller ramme, gør du et dårligt væddemål. En dekomponerbar arkitektur låser os til at skifte komponenter, mens fronten flytter sig, og til at stressteste værktøjer mod rigtige kunde-udfordringer i stedet for leverandør-markedsføring.

På den regulatoriske og data-side er overholdelse designet ind fra dag én. Hvert produkt går gennem en governance-gennemgang, og ansvarlig AI-godkendelse er en del af processen, ikke en eftertanke. At operere i højt regulerede brancher på tværs af 70 lande tvinger denne 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 afhængig af lange planlægningscykler og stive implementerings-rammer. Da AI udvikler sig hurtigere end disse cyklusser kan tilpasse, hvordan skal rådgivningsmodellerne ændre sig?

Det ærlige svar er, at hele modellen skal skifte, men hvis jeg skal vælge den centrale faktor, er det værdi-propositionen. Branchen har brugt årtier på at sælge leverancer – dæk, vej-kort, implementerings-planer – og få betaling for indsats. I en AI-naturlig verden vil kunderne ikke have en leverance. De vil have en resultater. De vil have arbejdsgangen til at køre, omkostningerne til at falde, og indtægterne til at dukke op.

Når du engagerer dig i at sælge resultater, skal alt andet ændre sig for at støtte det. Team-sammensætningen bliver mere teknisk. Engasjementer flytter sig fra råd til byg og operér. Prisfastsættelse skifter væk fra timer. De mennesker, der udfører arbejdet, skal være lige så komfortable med at sende kode som med at køre en styrekomité.

Det er en stor kulturel ændring for vores branche, og ikke alle vil gøre det. 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 teknologi-partnere. Hvordan vigtigt er intern eksperimentation, når du prøver at bygge organisation-omfattende AI-fluency?

Det er hele spillet. Du bygger ikke AI-fluency ved at læse om AI – du 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 kørte for nylig en AI-udfordring inden for en af vores forretningsenheder og fik over 1.300 unikke ideer på to uger. Det er ikke en statistik om et værktøj – det er en statistik om, hvad der sker, når du 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 en rotationsprogram: tekniske eksperter på tværs af DXC tilbringer seks til 12 uger indlejret med os, bygning rigtige produkter med de seneste AI-værktøjer. Når de vender tilbage til deres hjem-miljø, bringer de en ny kompetence og, endnu vigtigere, en anden måde at tænke på. De begynder at stille andre spørgsmål til deres kollegaer og kunder. De bliver champions for, hvad der er muligt. Den kumulative effekt på tværs af arbejdsstyrken er værdi mere end noget enkelt produkt, vi sender.

DXC rammer sin tilgang som Human+, understreger, at AI skal udvide menneskelige evner i stedet for at erstatte dem. I praktiske termer, hvordan påvirker denne filosofi, hvordan AI-løsninger designes og udrulles inden for virksomheder?

Jeg vil være direkte: Der er en opfattelse, der tager form i branchen om, at den mest værdifulde ting, entreprise AI kan gøre for et selskab, er at reducere antallet af medarbejdere. Jeg mener, det er en fejl i imaginationen.

Omstillings-disciplin betyder noget, men den virkelige mulighed er vækst: nye indtægtsstrømme, nye produkter, nye service-tilbud, der ikke var mulige før. AI’s højeste-værdi-brugs-sag er at aktivere mennesker til at udføre arbejde, der skaber ny forretnings-værdi, ikke kun optimerer, hvad der allerede eksisterer. De selskaber, der får det her ret, vil overgå dem, der behandler AI som en ren omkostnings-øvelse.

I praksis betyder Human+, at vi designer AI til at håndtere høj-volumen, rutine-processer, så vores mennesker kan fokusere på højere-værdi-arbejde: strategisk tænkning, kreativ problemløsning, kunde-forhold og komplekse dømmekraft. Vi holder menneskelig ekspertise og tilsyn centralt i hver udrulning, især hvor beslutninger medfører virkelige konsekvenser. Det er, hvordan du bygger tillid hos kunder, og det er, hvordan du låser en varig konkurrencemæssig fordel.

Når organisationer prøver at integrere AI i eksisterende arbejdsgange, hvilke almindelige fejl ser du, at de gør, der langsomer adoption eller begrænser virkelige forretnings-værdier?

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 udrulle den ting i stedet for at løse noget, der faktisk betyder noget for forretningsvirksomheden. Den anden er at behandle AI som et IT-projekt i stedet for en forretnings-transformation. Hvis du overdrager AI fuldstændigt til CIO’en og beder resten af forretningsvirksomheden om at fortsætte uændret, vil du få et værktøj, som ingen bruger, og en budget, som ingen vil forsvare næste år.

Modgiften mod begge er simpel at sige og svær at gøre: start med forretnings-problemet, sæt det rette tværfaglige hold på det – mennesker, proces, teknologi – og byg baglæns fra det resultat, du prøver at skabe. Det er den holdning, vi tager ved LabX, og det er, hvordan vi arbejder med kunder som Ferrovial, hvor vi har hjulpet med at udrulle AI Workbench – et generativt AI-tilbud, der kombinerer rådgivning, ingeniør-arbejde og sikker entreprise-service, nu udnyttet af over 24.000 medarbejdere med over 30 AI-agenter, der tager virkelige beslutninger i realtid. Den slags skala sker ikke, hvis du behandler det som et IT-projekt.

Set fremad, hvordan forventer du, at AI-inkubations-miljøer som LabX vil forme, hvordan virksomheder udvikler, tester og udruller nye teknologier i de næste flere år?

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

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

Inkubations-miljøer som LabX er, hvordan vi får øvelserne. De er, hvor du lærer, hvad der bryder på skala, hvad governance faktisk ligner i praksis, og hvad kunder vil og ikke vil antage. De virksomheder, der investerer i den slags rum nu – internt eller gennem partnere – vil have en meget forskellig kapacitets-kurve om tre år end dem, der stadig beslutter, om det er værd at bemøde. Og os, der bygger i dette rum, vil fortsætte med at finde nye problemer værd at løse, fordi teknologien ikke langsomer, og muligheden heller ikke.