Holly Grant, SVP, Strategy & Innovation, DXC Technology – Interview Series

Holly Grant, SVP, Strategy & Innovation bei DXC Technology, ist eine Technologie- und Betriebsführungskraft mit umfassender Erfahrung in den Bereichen Unternehmens-AI-Strategie, Fintech, Startup-Führung und betrieblicher Transformation. Bei DXC hilft sie dabei, die AI-ersten Innovationsinitiativen des Unternehmens zu gestalten, einschließlich unternehmensweiter AI-Orchestrierung, Beratungsdienstleistungen und Produktinkubationsbemühungen, die darauf abzielen, Organisationen dabei zu helfen, von experimentellen AI-Piloten zu betrieblicher Bereitstellung überzugehen. Vor ihrer Zeit bei DXC hatte sie mehrere Führungspositionen an der Long-Term Stock Exchange (LTSE) inne, wo sie letztendlich als Chief Operating Officer tätig war und sich auf betriebliches Wachstum und strategisches Wachstum im Fintech-Sektor konzentrierte.

DXC Technology ist ein globales IT-Dienstleistungs- und Beratungsunternehmen, das sich auf die Modernisierung von mission-kritischen Systemen in den Bereichen Cloud-Computing, Cybersicherheit, künstliche Intelligenz, Dateninfrastruktur und Unternehmensbetrieb konzentriert. Durch die Fusion von Computer Sciences Corporation und Hewlett Packard Enterprises Unternehmensdienstleistungsabteilung arbeitet das Unternehmen mit Organisationen aus verschiedenen Branchen wie Gesundheitswesen, Bankwesen, Fertigung, Versicherungen und Regierung zusammen. In den letzten Jahren hat DXC sich zunehmend auf die AI-nativen UnternehmensTransformation ausgerichtet und bietet Dienstleistungen an, die generative AI, intelligente Automatisierung, Beobachtbarkeit, digitale Zwillinge und groß angelegte IT-Modernisierung in komplexe Unternehmensumgebungen integrieren. Das Unternehmen betont auch “AI-erste” Betriebsmodelle, die Unternehmen dabei helfen sollen, AI sicher innerhalb bestehender Infrastrukturen bereitzustellen, anstatt Legacy-Systeme vollständig zu ersetzen.

Sie haben Ihre Karriere an der Schnittstelle von Strategie, Betrieb und Innovation aufgebaut – von der Skalierung von Organisationen zu Beginn Ihrer Karriere bis hin zur Leitung von Strategie und Innovation bei DXC. Wie haben diese Erfahrungen Ihre Herangehensweise an die Einführung von LabX und die Gestaltung einer AI-Inkubationsumgebung beeinflusst, die sich auf realen Geschäftsnutzen konzentriert?

Meine Karriere hat mich durch Familienunternehmen, Startups, Venture-Capital und jetzt ein Fortune-500-Unternehmen inmitten einer Umstrukturierung geführt. Was ich in all diesen Umgebungen gesehen habe, ist, dass Ideen nicht von selbst Fuß fassen. Diejenigen, die tatsächlich Wert schaffen, teilen drei Dinge: einen echten Kunden, der sie unterstützt, den richtigen Moment auf dem Markt und einen Umfang, der klar und angemessen eng ist. Wenn man eines dieser Dinge verpasst, bleibt sogar eine brillante Idee stecken.

Dieses Muster hat meine Überlegungen zu LabX geprägt. Man benötigt eine Theorie des Gewinns – eine echte Strategie -, aber man benötigt auch die betriebliche Muskelkraft, um sie zum Leben zu erwecken, und die Disziplin, sich anzupassen, wenn man lernt und sich die Bedingungen ändern. Strategie ohne Ausführung ist ein Deck. Ausführung ohne Strategie ist Bewegung ohne Fortschritt. LabX ist so konzipiert, dass es beides gleichzeitig hält.

Unter der Führung unseres CEO Raul Fernandez hat DXC AI-Fluency und Innovation in den Mittelpunkt unserer Umstrukturierungsstrategie gestellt. LabX ist die Art und Weise, wie wir diese Überzeugung in Produkte, Fähigkeiten und Kundenresultate übersetzen – schnell genug, um zu zählen.

Viele Unternehmen experimentieren mit AI, aber sie haben Schwierigkeiten, von Pilotprojekten zu Produktionsumgebungen überzugehen. Was sind aus Ihrer Sicht bei DXC die größten Hindernisse, die Organisationen daran hindern, AI über Proof-of-Concept-Projekte hinaus zu skalieren?

Zwei Hindernisse kommen immer wieder vor, und keines von ihnen hat wirklich etwas mit der Technologie zu tun.

Das erste ist das Change-Management. AI ändert, wie Menschen arbeiten, wofür sie verantwortlich sind und wie Entscheidungen getroffen werden. Wenn man die Belegschaft nicht mitnimmt, bleibt das eleganteste Modell der Welt ungenutzt. Das zweite ist, dass Unternehmen AI skalieren, ohne das zugrunde liegende Betriebsmodell zu ändern. Sie setzen Intelligenz auf ein bestimmtes System oder eine bestimmte Anwendung, damit ein Benutzer es nutzen kann, aber der Rest des Teams kann es nicht. AI ist eine horizontale Intelligenz – sie schafft den meisten Wert, wenn sie über Funktionen, Daten und Workflows hinweg bewegt werden kann. Wenn das Betriebsmodell nicht geändert wird, bleibt der Wert lokal anstelle von unternehmensweit gefangen.

Also funktioniert das Pilotprojekt, jeder feiert, und nichts wird tatsächlich skaliert. Das ist das Muster, das wir bei LabX durchbrechen möchten, indem wir von Anfang an für unternehmensweite Freigaben entwerfen.

LabX arbeitet mit einem schnellen Konzept-zu-MVP-Zyklus von etwa 90 Tagen oder weniger. Welche Änderungen in der Denkweise, der Governance oder den Entwicklungsprozessen sind erforderlich, damit große Unternehmen mit dieser Geschwindigkeit arbeiten können?

Die größte Denkweise-Änderung ist die Bereitschaft, früher mit weniger perfekter Information zu entscheiden – und die Disziplin, zu beenden, was nicht funktioniert. Große Unternehmen gewöhnen sich an lange Planungszyklen, weil sie sich sicher fühlen. Sie sind es nicht. In einem Markt, der so schnell bewegt, sind ein langsames “Ja” und ein langsames “Nein” beide teuer.

Innerhalb von LabX ordnen wir ein kleines Triumvirat – Design, Produkt und Ingenieurwesen – zu, um gegen ein reales Kundenproblem zu sprinten. Sie bauen ein minimales Produkt, testen es auf Wert und Skalierbarkeit und wir fördern Ideen, die kommerzielles Potenzial innerhalb von 90 Tagen zeigen. Was diese Geschwindigkeit ermöglicht, ist nicht die Abwesenheit von Governance, sondern die Anwesenheit der richtigen Governance. Sicherheit, Datenschutz, Compliance und verantwortungsvolle AI-Freigabe sind von Anfang an in den Prozess integriert, nicht am Ende angehängt. Jedes Produkt durchläuft eine formale Governance-Überprüfung, bevor es skaliert.

Für die meisten Unternehmen erfordert es, zu diesem Tempo zu gelangen, den Schutz eines Raums, in dem es legitim ist, auf diese Weise zu arbeiten – ohne jedes Experiment durch denselben Zykluszeit wie ein mehrjähriger Plattformaufbau zu zwingen. Das ist, wofür LabX für uns da ist.

DXC beschreibt LabX als eine Möglichkeit, hochpotenzielle AI-Konzepte mit Kunden zu validieren, bevor sie skaliert werden. Wie hilft dieser “Kunde Null”-Ansatz dabei, sicherzustellen, dass AI-Lösungen auf realen betrieblichen Bedürfnissen und nicht auf theoretischen Anwendungsfällen basieren?

Kunde Null ist ehrlich gesagt unser Vorteil. Bevor ein LabX-Produkt jemals auf den Markt kommt, muss es innerhalb von DXC überleben. Wir verwalten 115.000 Mitarbeiter in 70 Ländern, regulierte Branchen, komplexe Kundenverträge, Legacy-Systeme und reale betriebliche Einsätze. Das ist keine sterilisierte Demo-Umgebung – das ist Unternehmensrealität.

Ein traditionelles Startup kann schnell agieren, aber es kann nicht leicht die gelebte Erfahrung innerhalb einer solchen Komplexität replizieren. Wenn wir ein Produkt zuerst auf uns selbst testen, finden wir die Stellen, an denen es auf reale Daten, reale Workflows und reale regulatorische Einschränkungen stößt – Dinge, die in einer Kundenumgebung sechs Monate später aufgetaucht wären. Wenn wir ein Angebot an einen Kunden bringen, präsentieren wir keine Theorie. Wir können sagen: “Hier ist, was es in unseren eigenen Betrieben geleistet hat, hier ist, was wir geändert haben, hier ist, was wir gemessen haben.”

Es hält uns auch ehrlich. Wenn ein Produkt sich intern nicht beweisen kann, wird es nicht gefördert. Das ist eine höhere Hürde als zu sagen: “Es hat in einer Demo funktioniert.”

Unternehmensumgebungen sind oft mit Legacy-Systemen, fragmentierten Daten und regulatorischen Einschränkungen gefüllt. Wie entwerfen Sie AI-Workflows, die in dieser realen Komplexität effektiv arbeiten können?

Wir gehen davon aus, dass die Umgebung komplex ist – das ist die Grundlage, nicht die Ausnahme.

Architektonisch arbeiten wir mit einem dekomponierbaren Ansatz für unsere Plattformen. Die führenden AI-Tools ändern sich monatlich, nicht jährlich. Wenn man sich an ein bestimmtes Modell, einen bestimmten Anbieter oder ein bestimmtes Framework bindet, setzt man darauf, dass der heutige Marktführer in 18 Monaten immer noch der Marktführer sein wird. Das ist eine schlechte Wette. Eine dekomponierbare Architektur ermöglicht es uns, Komponenten auszutauschen, während die Grenze sich bewegt, und uns mit dem zu befassen, was tatsächlich beste Klasse ist, und Tools gegen reale Kundenherausforderungen zu testen, anstatt gegen Anbieter-Marketing.

Auf der regulatorischen und Daten-Seite ist Compliance von Anfang an enthalten. Jedes Produkt durchläuft eine Governance-Überprüfung, und verantwortungsvolle AI-Freigabe ist Teil des Prozesses, nicht ein Nachgedanke. Das Arbeiten in hoch regulierten Branchen in 70 Ländern zwingt uns zu dieser Disziplin – was sich als Feature und nicht als Bug herausstellt, wenn wir Produkte an Kunden mit denselben Einschränkungen anbieten.

Traditionelle IT-Beratung verließ sich auf lange Planungszyklen und starre Implementierungsrahmen. Da AI sich schneller entwickelt als diese Zyklen verkraften können, wie müssen Beratungsmodelle sich ändern?

Die ehrliche Antwort ist, dass das gesamte Modell sich ändern muss, aber wenn ich den Drehpunkt wählen müsste, ist es der Wertbeitrag. Die Branche hat Jahrzehnte damit verbracht, Lieferungen zu verkaufen – Präsentationen, Roadmaps, Implementierungspläne – und für den Aufwand bezahlt zu werden. In einer AI-nativen Welt wollen Kunden keine Lieferung. Sie wollen ein Ergebnis. Sie wollen, dass der Workflow tatsächlich läuft, die Kosten tatsächlich sinken, der Umsatz tatsächlich auftaucht.

Sobald man sich dazu verpflichtet, Ergebnisse zu verkaufen, muss sich alles andere ändern, um es zu unterstützen. Teamzusammensetzung wird technischer. Engagements wechseln von “beraten und verlassen” zu “bauen und betreiben”. Preise verschieben sich weg von Stunden. Die Menschen, die die Arbeit leisten, müssen genauso komfortabel mit dem Versand von Code sein wie mit dem Führen eines Lenkungsausschusses.

Das ist eine große kulturelle Veränderung für unsere Branche, und nicht jeder wird es schaffen. Die Unternehmen, die es tun, werden in fünf Jahren sehr anders aussehen als heute.

LabX dient auch als Experimentierumgebung für Mitarbeiter und Technologiepartner. Wie wichtig ist interne Experimentierung, wenn man unternehmensweite AI-Fluency aufbauen möchte?

Es ist das ganze Spiel. Man baut AI-Fluency nicht auf, indem man über AI liest – man baut sie auf, indem man Dinge ausprobiert, sie brechen sieht und noch einmal ausprobiert. Das gilt genauso für einen 30-jährigen IT-Professionals wie für jemanden, der zwei Jahre nach dem Studium ist.

Wir haben kürzlich eine AI-Herausforderung innerhalb einer unserer Geschäftseinheiten durchgeführt und innerhalb von zwei Wochen über 1.300 einzigartige Ideen erhalten. Das ist keine Statistik über ein Tool – das ist eine Statistik darüber, was passiert, wenn man den Menschen erlaubt, außerhalb der Box zu denken. Die Kreativität existiert bereits innerhalb des Unternehmens. Unsere Aufgabe ist es, den Raum zu schaffen, in dem sie wachsen kann.

LabX führt auch ein Rotationssprogramm durch: technische Experten aus dem gesamten DXC verbringen sechs bis zwölf Wochen bei uns und bauen echte Produkte mit den neuesten AI-Tools. Wenn sie zu ihren Heimteams zurückkehren, bringen sie ein neues Kompetenzniveau und, wichtiger noch, eine andere Denkweise mit. Sie beginnen, ihre Kollegen und Kunden anders zu befragen. Sie werden zu Champions für das, was möglich ist. Diese kumulative Wirkung auf die Belegschaft ist wertvoller als jedes einzelne Produkt, das wir ausliefern.

DXC beschreibt seinen Ansatz als Human+, betonend, dass AI menschliche Fähigkeiten erweitern und nicht ersetzen sollte. In praktischen Begriffen, wie beeinflusst diese Philosophie die Gestaltung und Bereitstellung von AI-Lösungen innerhalb von Unternehmen?

Ich werde direkt sein: Es gibt eine Ansicht, die in der Branche Fuß fasst, dass die wertvollste Sache, die Unternehmens-AI für ein Unternehmen tun kann, die Reduzierung der Mitarbeiterzahl ist. Ich denke, das ist ein Versagen der Vorstellungskraft.

Kostendisziplin ist wichtig, aber die echte Chance ist Wachstum: neue Umsatzströme, neue Produkte, neue Dienstleistungen, die einfach nicht vorher möglich waren. Die höchstwertige Anwendung von AI ist es, Menschen zu ermöglichen, Arbeit zu leisten, die neuen Geschäftswert schafft, und nicht nur das zu optimieren, was bereits existiert. Die Unternehmen, die das richtig machen, werden diejenigen ausperformen, die AI als reine Kostenausübung behandeln.

In der Praxis bedeutet Human+, dass wir AI so entwerfen, dass sie hochvolumige, routinemäßige Prozesse übernimmt, damit unsere Menschen sich auf höherwertige Arbeit konzentrieren können: strategisches Denken, kreatives Problemlösen, Kundenbeziehungen und komplexe Urteilsfälle. Wir halten menschliche Expertise und Aufsicht bei jeder Bereitstellung im Mittelpunkt, insbesondere wenn Entscheidungen reale Konsequenzen nach sich ziehen. So baut man Vertrauen mit Kunden auf, und so schafft man eine dauerhafte Wettbewerbsvorteile.

Wenn Organisationen versuchen, AI in bestehende Workflows zu integrieren, welche häufigen Fehler sehen Sie, die die Adoption verlangsamen oder den realen Geschäftswert begrenzen?

Zwei Fehler sehe ich ständig. Der erste ist, mit der Technologie zu beginnen, anstatt mit dem Problem. Jemand verliebt sich in ein Modell oder eine Anbieter-Demo, und die Initiative wird zu einer Bereitstellung dieser Sache, anstatt ein Problem zu lösen, das tatsächlich wichtig für das Geschäft ist. Der zweite ist, AI als IT-Projekt zu behandeln, anstatt als Geschäftstransformation. Wenn man AI vollständig dem CIO übergibt und den Rest des Geschäfts auffordert, unverändert weiterzumachen, erhält man ein Tool, das niemand verwendet, und ein Budget, das niemand next Jahr verteidigen will.

Die Antidote für beides ist einfach zu sagen und schwer zu tun: Beginnen Sie mit dem Geschäftsproblem, stellen Sie das richtige cross-funktionale Team zusammen – Menschen, Prozesse, Technologie – und bauen Sie rückwärts vom Ergebnis, das Sie schaffen möchten. Das ist die Haltung, die wir bei LabX einnehmen, und so arbeiten wir mit Kunden wie Ferrovial, bei denen wir geholfen haben, AI Workbench bereitzustellen – ein generatives AI-Angebot, das Beratung, Ingenieurwesen und sichere Unternehmensdienstleistungen kombiniert, das jetzt von über 24.000 Mitarbeitern mit über 30 AI-Agents genutzt wird, die in Echtzeit Entscheidungen treffen. Eine solche Skalierbarkeit ist nicht möglich, wenn man es als IT-Projekt behandelt.

Ausblickend, wie erwarten Sie, dass AI-Inkubationsumgebungen wie LabX die Art und Weise beeinflussen, wie Unternehmen neue Technologien entwickeln, testen und bereitstellen, in den nächsten Jahren?

Hier ist, was ich denke, dass offensichtlich sein wird, im Nachhinein betrachtet: Die Gewinner in dieser Ära werden nicht die Unternehmen mit den auffälligsten Punktlösungen sein. Sie werden die Integratoren sein – diejenigen, die AI über Betriebsmodelle, Funktionen und Workflows hinweg nähen können, sodass Intelligenz nicht in einem einzigen Tool oder einem einzigen Benutzerbildschirm gefangen bleibt.

Das ist ein schwierigeres Problem als die Bereitstellung eines Modells. Es erfordert tiefes Unternehmensverständnis, die Fähigkeit, über Legacy- und moderne Systeme hinweg zu arbeiten, und die Disziplin, die Art und Weise zu ändern, wie Arbeit tatsächlich geleistet wird. Es ist auch die Chance, auf die ich am meisten aufgeregt bin.

Inkubationsumgebungen wie LabX sind, wie wir die Wiederholungen bekommen. Sie sind, wo man lernt, was bei der Skalierung bricht, was Governance in der Praxis wirklich aussieht und was Kunden annehmen oder ablehnen werden. Die Unternehmen, die in solche Räume investieren – intern oder über Partner – werden in drei Jahren eine sehr unterschiedliche Fähigkeitskurve haben als diejenigen, die noch entscheiden, ob es sich lohnt. Und wir, die in diesem Bereich aufbauen, werden weiterhin neue Probleme finden, die es zu lösen gilt, denn die Technologie verlangsamt sich nicht, und die Chance tut es auch nicht.

Vielen Dank für das großartige Interview. Leser, die mehr erfahren möchten, sollten DXC Technology besuchen.