Χόλι Γκραντ, ΣVP, Στρατηγική & Καινοτομία, DXC Technology – Σειρά Συνεντεύξεων

Χόλι Γκραντ, ΣVP, Στρατηγική & Καινοτομία στην DXC Technology (DXC ), είναι μια τεχνολογική και επιχειρησιακή εκτελεστική με βαθιά εμπειρία που εκτείνεται σε στρατηγική επιχείρησης AI, fintech, ηγεσία startup και επιχειρησιακή μεταμόρφωση. Στη DXC, βοηθά να διαμορφώσει τις πρωτοβουλίες καινοτομίας της εταιρείας, συμπεριλαμβανομένων των πρωτοβουλιών ορχήστρας AI, συμβουλευτικών υπηρεσιών και προσπαθειών επέκτασης προϊόντων που σχεδιάζονται για να βοηθήσουν τις οργανώσεις να μεταβούν από πειραματικά πιλοτικά προγράμματα σε επιχειρησιακή ανάπτυξη. Πριν από τη DXC, κατέλαβε πολλαπλά ηγετικά ρόλους στο Long-Term Stock Exchange (LTSE), όπου τελικά υπηρέτησε ως Chief Operating Officer, όπου εστίασε στην επιχειρησιακή κλιμάκωση και στρατηγική ανάπτυξη στον τομέα των fintech.

DXC Technology είναι μια παγκόσμια εταιρεία IT υπηρεσιών και συμβούλων που επικεντρώνεται στην βοήθεια των επιχειρήσεων να μοντερνοποιήσουν κρίσιμους επιχειρησιακούς συστήματα σε cloud computing, κυβερνοασφάλεια, τεχνητή νοημοσύνη, υποδομή δεδομένων και επιχειρησιακές λειτουργίες. Δημιουργημένη μέσω της συγχώνευσης της Computer Sciences Corporation και της Hewlett Packard Enterprise’s (HPE ) Enterprise Services division, η εταιρεία συνεργάζεται με οργανώσεις σε διάφορους τομείς, συμπεριλαμβανομένων των υγειονομικής περίθαλψης, τραπεζών, κατασκευών, ασφαλειών και κυβερνήσεων. Τα τελευταία χρόνια, η DXC έχει αυξήσει την εστίασή της γύρω από τη μεταμόρφωση επιχειρήσεων με φυσική τεχνητή νοημοσύνη, προσφέροντας υπηρεσίες που ενοποιούν τη γεννητική τεχνητή νοημοσύνη, την έξυπνη αυτοματοποίηση, την παρατηρησιμότητα, ψηφιακούς δίδυμους και μεγάλης κλίμακας μοντερνοποίηση IT σε σύνθετα εταιρικά περιβάλλοντα. Η εταιρεία τονίζει επίσης τα “πρώτα” επιχειρησιακά μοντέλα που σχεδιάζονται για να βοηθήσουν τις επιχειρήσεις να αναπτύσσουν τεχνητή νοημοσύνη με ασφάλεια μέσα στα υπάρχοντα συστήματα, αντί να αντικαθιστά完全 τα παλιά συστήματα.

Έχετε χτίσει μια καριέρα στο σημείο τομής της στρατηγικής, των επιχειρησιακών και της καινοτομίας – από την κλιμάκωση οργανισμών νωρίτερα στην καριέρα σας μέχρι τώρα ηγεσία Στρατηγικής & Καινοτομίας στη DXC. Πώς αυτές οι εμπειρίες διαμόρφωσαν την προσέγγισή σας για την εκκίνηση του LabX και τον σχεδιασμό ενός περιβάλλοντος επέκτασης AI που επικεντρώνεται στην πραγματική επιχειρησιακή επίδραση;

Η καριέρα μου με έχει οδηγήσει σε οικογενειακές επιχειρήσεις, startups, κεφάλαια επιχειρηματικής συμμετοχής και τώρα μια εταιρεία Fortune 500 στη μέση μιας αναστροφής. Αυτό που έχω δει σε όλα αυτά τα περιβάλλοντα είναι ότι οι ιδέες δεν προσγειώνονται μόνοι τους. Αυτές που δημιουργούν πραγματική αξία τείνουν να μοιράζονται τρία πράγματα: einen πραγματικό πελάτη που τις υποστηρίζει, τη σωστή στιγμή στην αγορά και ένα πεδίο που είναι σαφές και κατάλληλα στενό. Αν λείπει οποιοδήποτε από αυτά, ακόμη και μια εξαιρετική ιδέα σταματά.

Αυτό το μοτίβο διαμόρφωσε τον τρόπο που σκέφτηκα για το LabX. Χρειάζεστε μια θεωρία νίκης – μια πραγματική στρατηγική – αλλά χρειάζεστε επίσης τον επιχειρησιακό μυ που να την φέρει στη ζωή, και την πειθαρχία να προσαρμοστείτε καθώς μαθαίνετε και αλλάζετε οι συνθήκες. Στρατηγική χωρίς εκτέλεση είναι ένα σκάφος. Εκτέλεση χωρίς στρατηγική είναι κίνηση χωρίς πρόοδο. Το LabX είναι σχεδιασμένο να κρατά και τα δύο μαζί.

Υπό την ηγεσία του CEO μας Raul Fernandez, η DXC έχει τοποθετήσει την ικανότητα και την καινοτομία της τεχνητής νοημοσύνης στο κέντρο της στρατηγικής μας αναστροφής. Το LabX είναι το πώς μεταφράζουμε αυτή τη πεποίθηση σε προϊόντα, ικανότητες και αποτελέσματα πελατών – αρκετά γρήγορα για να μετρήσουν.

Πολυάριθμες επιχειρήσεις πειραματίζονται με την τεχνητή νοημοσύνη αλλά δυσκολεύονται να μεταβούν από πιλοτικά προγράμματα σε παραγωγή. Από ό,τι βλέπετε στη DXC, ποια είναι τα μεγαλύτερα εμπόδια που εμποδίζουν τις οργανώσεις από το να κλιμακώσουν την τεχνητή νοημοσύνη πέρα από τα πιλοτικά προγράμματα;

Δύο εμπόδια εμφανίζονται ξανά και ξανά, και κανένα από αυτά δεν έχει να κάνει πραγματικά με την τεχνολογία.

Το πρώτο είναι η διαχείριση αλλαγών. Η τεχνητή νοημοσύνη αλλάζει τον τρόπο που οι άνθρωποι εργάζονται, τι είναι υπεύθυνοι για, και πώς λαμβάνονται οι αποφάσεις. Αν δεν φέρετε μαζί σας την εργατική δύναμη, το πιο εύγευστο μοντέλο στον κόσμο θα μείνει ανενεργό. Το δεύτερο είναι ότι οι εταιρείες αρχίζουν να κλιμακώνουν την τεχνητή νοημοσύνη χωρίς να αλλάζουν το υποκείμενο επιχειρησιακό μοντέλο. Κολλάνε ευφυΐα σε ένα συγκεκριμένο σύστημα ή εφαρμογή, ώστε ένας χρήστης να μπορεί να τη χρησιμοποιήσει, αλλά η υπόλοιπη ομάδα δεν μπορεί. Η τεχνητή νοημοσύνη είναι μια οριζόντια ευφυΐα – δημιουργεί την μεγαλύτερη αξία όταν μπορεί να κινηθεί через λειτουργίες, δεδομένα και ροές εργασιών. Όταν το επιχειρησιακό μοντέλο δεν αλλάζει, αυτή η αξία παραμένει παγιδευμένη τοπικά αντί να συσσωρεύεται σε ολόκληρη την επιχείρηση.

Έτσι, το πιλοτικό πρόγραμμα λειτουργεί, όλοι γιορτάζουν, και τίποτα δεν κλιμακώνεται πραγματικά. Αυτό είναι το μοτίβο που προσπαθούμε να σπάσουμε στο LabX, σχεδιάζοντας για κλειδώματα επιχείρησης από την πρώτη μέρα.

Το LabX λειτουργεί σε一个 γρήγορο κύκλο концепτού προς MVP περίπου 90 ημερών ή λιγότερο. Ποια είναι οι αλλαγές στη στάση, τη διακυβέρνηση ή τις διαδικασίες ανάπτυξης που απαιτούνται για τις μεγάλες επιχειρήσεις να κινηθούν με αυτό το είδος ταχύτητας;

Η μεγαλύτερη αλλαγή στη στάση είναι η意願 να αποφασίσετε νωρίτερα με λιγότερη τέλεια πληροφορία – και η πειθαρχία να κόψετε αυτά που δεν λειτουργούν. Οι μεγάλες επιχειρήσεις γίνονται άνετες με μακρές κύκλους σχεδιασμού γιατί νιώθουν ασφαλείς. Δεν είναι. Σε μια αγορά που κινείται τόσο γρήγορα, ένα αργό “ναι” και ένα αργό “όχι” είναι και τα δύο ακριβά.

Μέσα στο LabX, αναθέτουμε μια μικρή τριάδα – σχεδιασμό, προϊόν και μηχανική – για να τρέξουν ένα σπρίντ ενάντια σε ένα πραγματικό πρόβλημα πελάτη. Κατασκευάζουν ένα ελάχιστο ικανό προϊόν, το δοκιμάζουν για αξία και κλίμακα, και αποφοιτούμε ιδέες που δείχνουν εμπορική υπόσχεση μέσα σε 90 ημέρες. Αυτό που κάνει αυτή τη ταχύτητα δυνατή δεν είναι η απουσία διακυβέρνησης, αλλά η παρουσία της σωστής διακυβέρνησης. Ασφάλεια, ιδιωτικότητα, συμμόρφωση και έγκριση υπεύθυνης τεχνητής νοημοσύνης είναι ενσωματωμένες στη διαδικασία από την πρώτη ημέρα, όχι κολλημένες στο τέλος. Κάθε προϊόν περνά από μια формική ανασκόπηση διακυβέρνησης πριν από την κλίμακα.

Για τις περισσότερες επιχειρήσεις, η προσέγγιση σε αυτό το είδος ρυθμού απαιτεί την προστασία ενός χώρου όπου είναι νόμιμο να κινηθείτε με αυτό τον τρόπο – χωρίς να αναγκάζετε κάθε πείραμα να περάσει από τον ίδιο κύκλο χρόνου με μια πολλαπλή ετήσια πλατφόρμα κατασκευής. Αυτό είναι το LabX για εμάς.

Η DXC περιγράφει το LabX ως einen τρόπο να επικυρώσει υψηλής πιθανότητας έννοιες τεχνητής νοημοσύνης με πελάτες πριν από την κλίμακα. Πώς αυτή η “Πελάτης Μηδέν” προσέγγιση βοηθά να διασφαλίσει ότι οι λύσεις τεχνητής νοημοσύνης είναι εδραιωμένες σε πραγματικές επιχειρησιακές ανάγκες και όχι σε θεωρητικές περιπτώσεις;

Ο Πελάτης Μηδέν είναι, ειλικρινά, το πλεονέκτημά μας. Πριν από ένα προϊόν LabX να πάει στην αγορά, πρέπει να επιβιώσει πρώτα μέσα στη DXC. Διαχειριζόμαστε 115.000 υπαλλήλους σε 70 χώρες, ρυθμιζόμενους τομείς, σύνθετους συμβάσεις πελατών, παλιά συστήματα και πραγματικές επιχειρησιακές στοιχήματα. Αυτό δεν είναι ένα σανιταρισμένο περιβάλλον demo – αυτό είναι η πραγματικότητα της επιχείρησης.

Μια παραδοσιακή startup μπορεί να κινηθεί γρήγορα, αλλά δεν μπορεί εύκολα να αναπαράγει την εμπειρία ζωής που λειτουργεί μέσα σε αυτό το είδος πολυπλοκότητας. Όταν δοκιμάζουμε ένα προϊόν σε εμάς πρώτα, βρίσκουμε τα σημεία όπου σπάει σε πραγματικά δεδομένα, πραγματικές ροές εργασιών και πραγματικές ρυθμιστικές περιορισμοί – πράγματα που θα είχαν εμφανιστεί σε ένα περιβάλλον πελάτη έξι μήνες αργότερα. Όταν φέρουμε μια προσφορά σε ένα πελάτη, δεν προτείνουμε μια θεωρία. Μπορούμε να πούμε: “Εδώ είναι τι έκανε μέσα στις δικές μας επιχειρήσεις, εδώ είναι τι άλλαξαμε, εδώ είναι τι μετρήσαμε.”

Αυτό cũng μας κρατάει ειλικρινείς. Αν ένα προϊόν δεν μπορεί να αποδείξει τον εαυτό του εσωτερικά, δεν αποφοιτά. Αυτό είναι ένα πολύ υψηλότερο εμπόδιο από το να λέτε “δούλεψε σε ένα demo”.

Τα περιβάλλοντα επιχειρήσεων είναι συχνά γεμάτα με παλιά συστήματα, κατακερματισμένα δεδομένα και ρυθμιστικές περιορισμοί. Πώς σχεδιάζετε ροές εργασιών τεχνητής νοημοσύνης που μπορούν να λειτουργήσουν αποτελεσματικά μέσα σε αυτήν την πραγματική πολυπλοκότητα;

Ξεκινάμε από την υπόθεση ότι το περιβάλλον είναι σύνθετο – αυτό είναι η βάση, όχι η εξαίρεση.

Αρχιτεκτονικά, εργαζόμαστε με μια αποσυναρμολογημένη προσέγγιση στις πλατφόρμες μας. Τα leading εργαλεία τεχνητής νοημοσύνης αλλάζουν μηνιαίως, όχι ετησίως. Αν κολλήσετε τον εαυτό σας σε ένα μοντέλο, προμηθευτή ή πλαίσιο, κάνετε ένα κακό στοίχημα. Μια αποσυναρμολογημένη αρχιτεκτονική μας επιτρέπει να ανταλλάξουμε компоненты καθώς η μετώπη κινείται, να μείνουμε ικανοί με το τι είναι πραγματικά το καλύτερο και να δοκιμάζουμε εργαλεία ενάντια σε πραγματικές προκλήσεις πελατών αντί για προώθηση προμηθευτών.

Στην πλευρά των ρυθμιστικών και δεδομένων, η συμμόρφωση σχεδιάζεται από την πρώτη ημέρα. Κάθε προϊόν περνά από μια ανασκόπηση διακυβέρνησης, και η έγκριση υπεύθυνης τεχνητής νοημοσύνης είναι μέρος της διαδικασίας, όχι μια μετάνοια. Η λειτουργία σε υψηλά ρυθμιζόμενους τομείς σε 70 χώρες μας επιβάλλει αυτή τη πειθαρχία – που αποδεικνύεται να είναι ένα χαρακτηριστικό, όχι ένα ελάττωμα, όταν φέρουμε προϊόντα σε πελάτες με τις ίδιες περιορισμοί.

Η παραδοσιακή συμβουλευτική IT βασίστηκε σε μακρές κύκλους σχεδιασμού και αυστηρές πλαισιάσεις υλοποίησης. Όσο η τεχνητή νοημοσύνη εξελίσσεται γρηγορότερα από ό,τι αυτοί οι κύκλοι μπορούν να καταπιάσουν, πώς πρέπει τα μοντέλα συμβουλευτικής να αλλάξουν;

Η ειλικρινής απάντηση είναι ότι ολόκληρο το μοντέλο πρέπει να αλλάξει, αλλά αν έπρεπε να επιλέξω το κεντρικό σημείο, είναι η αξία προώθησης. Η βιομηχανία έχει περάσει δεκαετίες πουλώντας παραδόσεις – παρουσιάσεις, χάρτες, σχέδια υλοποίησης – και πληρώνεται για προσπάθεια. Σε ένα κόσμο με φυσική τεχνητή νοημοσύνη, οι πελάτες δεν θέλουν μια παράδοση. Θέλουν ένα αποτέλεσμα. Θέλουν τη ροή εργασιών να λειτουργεί πραγματικά, το κόστος να μειώνεται πραγματικά, τα έσοδα να εμφανίζονται πραγματικά.

Μόλις δεσμευτείτε να πουλήσετε αποτελέσματα, όλα τα άλλα πρέπει να αλλάξουν για να υποστηρίξουν αυτό. Η σύνθεση της ομάδας γίνεται πιο τεχνική. Οι συμμετοχές μετακινούνται από συμβουλευτικές και εγκαταλείπουν σε κατασκευή και λειτουργία. Η τιμολόγηση μετατοπίζεται μακριά από τις ώρες. Οι άνθρωποι που κάνουν τη δουλειά πρέπει να είναι εξίσου άνετοι με την αποστολή κώδικα όσο και με τη διεξαγωγή μιας επιτροπής διεύθυνσης.

Αυτό είναι μια μεγάλη αλλαγή πολιτισμού για τη βιομηχανία μας, και όχι όλοι θα την κάνουν. Οι εταιρείες που θα το κάνουν θα φαίνονται πολύ διαφορετικές σε πέντε χρόνια από ό,τι είναι σήμερα.

Το LabX λειτουργεί επίσης ως ένα περιβάλλον πειραματισμού για υπαλλήλους και τεχνολογικούς συνεργάτες. Πόσο σημαντική είναι η εσωτερική πειραματισμός όταν προσπαθείτε να χτίσετε εταιρική ευφυΐα τεχνητής νοημοσύνης;

Είναι το ganze παιχνίδι. Δεν χτίζετε ευφυΐα τεχνητής νοημοσύνης διαβάζοντας για την τεχνητή νοημοσύνη – χτίζετε την δοκιμάζοντας πράγματα, βλέποντας τα να σπάσουν, και δοκιμάζοντας ξανά. Αυτό είναι τόσο αληθινό για einen 30χρονο επαγγελματία IT όσο και για κάποιον δύο χρόνια έξω από το σχολείο.

Πρόσφατα εκτελέσαμε μια πρόκληση τεχνητής νοημοσύνης μέσα σε ένα από τα επιχειρηματικά μας τμήματα και πήραμε πάνω από 1.300 μοναδικές ιδέες σε δύο εβδομάδες. Αυτό δεν είναι ένα στατιστικό για ένα εργαλείο – αυτό είναι ένα στατιστικό για το τι συμβαίνει όταν δίνετε στους ανθρώπους την άδεια να σκέφτονται έξω από το κουτί. Η δημιουργικότητα ήδη υπάρχει μέσα στην οργάνωση. Η δουλειά μας είναι να δημιουργήσουμε τον χώρο για να μεγαλώσει.

Το LabX τρέχει επίσης ένα πρόγραμμα περιστροφής: τεχνικοί εμπειρογνώμονες από όλη τη DXC περνούν έξι έως δώδεκα εβδομάδες ενσωματωμένοι μαζί μας, κατασκευάζοντας πραγματικά προϊόντα με τα τελευταία εργαλεία τεχνητής νοημοσύνης. Όταν επιστρέφουν στις ομάδες τους, φέρνουν ένα νέο σετ δεξιοτήτων και, πιο σημαντικά, einen διαφορετικό τρόπο σκέψης. Αρχίζουν να κάνουν διαφορετικές ερωτήσεις στους συναδέλφους τους και τους πελάτες τους. Γίνονται πρωταγωνιστές για το τι είναι δυνατό. Αυτή η συσσωρευτική επίδραση στην εργατική δύναμη αξίζει περισσότερο από οποιοδήποτε單ο προϊόν που αποστέλουμε.

Η DXC περιγράφει την προσέγγισή της ως Human+, υπογραμμίζοντας ότι η τεχνητή νοημοσύνη πρέπει να επεκτείνει τις ικανότητες των ανθρώπων αντί να τις αντικαθιστά. Σε πρακτικούς όρους, πώς αυτή η φιλοσοφία επηρεάζει τον τρόπο που οι λύσεις τεχνητής νοημοσύνης σχεδιάζονται και αναπτύσσονται μέσα στις επιχειρήσεις;

Θα είμαι ευθέος: υπάρχει μια άποψη που λαμβάνει χώρα στη βιομηχανία ότι το πιο πολύτιμο που μπορεί να κάνει η επιχειρηματική τεχνητή νοημοσύνη για μια εταιρεία είναι να μειώσει τον αριθμό των υπαλλήλων. Νομίζω ότι αυτό είναι μια αποτυχία της φαντασίας.

Η πειθαρχία του κόστους έχει σημασία, αλλά η πραγματική ευκαιρία είναι η ανάπτυξη: νέες ροές εσόδων, νέες προϊόντα, νέες υπηρεσίες που δεν ήταν δυνατές πριν. Η υψηλότερη αξία της τεχνητής νοημοσύνης είναι η ενδυνάμωση των ανθρώπων να κάνουν δουλειά που δημιουργεί νέα επιχειρηματική αξία, όχι μόνο την оптимποίηση του τι υπάρχει ήδη. Οι εταιρείες που το κάνουν σωστά θα ξεπεράσουν αυτές που αντιμετωπίζουν την τεχνητή νοημοσύνη ως μια καθαρή άσκηση κόστους.

Στην πράξη, το Human+ σημαίνει ότι σχεδιάζουμε την τεχνητή νοημοσύνη για να χειρίζεται υψηλής κλίμακας, ру틴ικές διαδικασίες, ώστε οι άνθρωποι να μπορούν να εστιάσουν σε δουλειά υψηλότερης αξίας: στρατηγική σκέψη, δημιουργική επίλυση προβλημάτων, σχέσεις πελατών και σύνθετες κρίσεις. Διατηρούμε την ανθρώπινη εμπειρογνωσία και την εποπτεία στο κέντρο κάθε ανάπτυξης, ιδιαίτερα όπου οι αποφάσεις φέρουν πραγματικές συνέπειες. Αυτός είναι ο τρόπος που χτίζουμε εμπιστοσύνη με τους πελάτες, και είναι ο τρόπος που ξεκλειδώνουμε τη διαρκή ανταγωνιστική ευκαιρία.

Όταν οι οργανώσεις προσπαθούν να ενσωματώσουν την τεχνητή νοημοσύνη σε υπάρχοντες ροές εργασιών, ποια είναι τα συνήθη λάθη που βλέπετε να κάνουν που επιβραδύνουν την υιοθέτηση ή να περιορίσουν την πραγματική επιχειρηματική αξία;

Δύο λάθη βλέπω συνεχώς. Το πρώτο είναι η έναρξη με την τεχνολογία αντί για το πρόβλημα. Κάποιος ερωτεύεται ένα μοντέλο ή μια δημοσιότητα προμηθευτή, και η πρωτοβουλία γίνεται για την ανάπτυξη αυτού του πράγματος αντί για την επίλυση κάτι που πραγματικά μετρά για την επιχείρηση. Το δεύτερο είναι η αντιμετώπιση της τεχνητής νοημοσύνης ως ενός IT προτζεκτ αντί για μια επιχειρηματική μεταμόρφωση. Αν χειρίζεστε την τεχνητή νοημοσύνη完全 στην CIO και ζητάτε την υπόλοιπη επιχείρηση να συνεχίσει να τρέχει αμετάβλητη, θα πάρετε ένα εργαλείο που κανείς δεν χρησιμοποιεί και ένα προϋπολογισμό που κανείς δεν θέλει να υπερασπιστεί το επόμενο έτος.

Το αντίδοτο και στα δύο είναι απλό να πει και δύσκολο να κάνει: αρχίστε με το επιχειρηματικό πρόβλημα, βάλτε τη σωστή διαλειτουργική ομάδα σε αυτό – άνθρωποι, διαδικασία, τεχνολογία – και χτίσετε προς τα πίσω από το αποτέλεσμα που προσπαθείτε να δημιουργήσετε. Αυτή είναι η στάση που λαμβάνουμε στο LabX, και είναι ο τρόπος που συνεργαζόμαστε με πελάτες όπως η Ferrovial, όπου βοήθησαμε στην ανάπτυξη του AI Workbench – μιας γεννητικής προσφοράς τεχνητής νοημοσύνης που συνδυάζει συμβουλευτικές, μηχανικές και ασφαλείς εταιρικές υπηρεσίες, τώρα χρησιμοποιείται από πάνω από 24.000 υπαλλήλους με πάνω από 30 πράκτορες τεχνητής νοημοσύνης που λαμβάνουν αποφάσεις σε πραγματικό χρόνο. Αυτού του είδους η κλίμακα δεν συμβαίνει αν αντιμετωπίζετε την τεχνητή νοημοσύνη ως ένα IT προτζεκτ.

Κοιτάζοντας μπροστά, πώς περιμένετε τα περιβάλλοντα επέκτασης τεχνητής νοημοσύνης όπως το LabX να διαμορφώσουν τον τρόπο που οι επιχειρήσεις αναπτύσσουν, δοκιμάζουν και αναπτύσσουν νέες τεχνολογίες τα επόμενα χρόνια;

Εδώ είναι τι νομίζω ότι θα είναι προφανές σε αναδρομή: οι νικητές σε αυτήν την εποχή δεν θα είναι οι εταιρείες με τις πιο εντυπωσιακές λύσεις. Θα είναι οι ενοποιητές – αυτοί που μπορούν να ραφούν την τεχνητή νοημοσύνη σε επιχειρησιακά μοντέλα, σε λειτουργίες και σε ροές εργασιών, ώστε η ευφυΐα να μην είναι παγιδευμένη σε ένα μόνο εργαλείο ή σε μια οθόνη χρήστη. Αυτό είναι ένα πιο δύσκολο πρόβλημα από την ανάπτυξη ενός μοντέλου. Απαιτεί βαθιά επιχειρηματική γνώση, την ικανότητα να εργαστείτε σε παλιά και σύγχρονα συστήματα, και την πειθαρχία να αλλάξετε τον τρόπο που γίνεται η δουλειά. Είναι επίσης η ευκαιρία που είμαι πιο ενθουσιασμένος.

Τα περιβάλλοντα επέκτασης όπως το LabX είναι το πώς παίρνουμε τις επαναλήψεις. Είναι όπου μαθαίνετε τι σπάει σε κλίμακα, τι μοιάζει η διακυβέρνηση στην πράξη, και τι θα υιοθετήσουν οι πελάτες. Οι εταιρείες που επενδύουν σε αυτό το είδος χώρου τώρα – εσωτερικά ή μέσω συνεργατών – θα έχουν μια πολύ διαφορετική ικανότητα καμπύλης σε τρία χρόνια από τώρα από αυτές που ακόμα αποφασίζουν αν αξίζει η προσπάθεια. Και αυτοί που χτίζουμε σε αυτόν τον χώρο θα συνεχίσουμε να βρίσκουμε νέα προβλήματα που αξίζει να λυθούν, γιατί η τεχνολογία δεν επιβραδύνεται και ούτε η ευκαιρία.

Ευχαριστώ για τη μεγάλη συνέντευξη, οι αναγνώστες που επιθυμούν να μάθουν περισσότερα πρέπει να επισκεφθούν DXC Technology.