David DeSanto, CEO de Anaconda – Serie de entrevistas

David DeSanto es el Director Ejecutivo de Anaconda, donde lidera la misión de la empresa para empoderar a las comunidades de ciencia de datos y AI del mundo a través de la innovación de código abierto y soluciones empresariales seguras. Un ejecutivo de productos y tecnología con experiencia probada, David aporta más de dos décadas de experiencia en ciberseguridad, plataformas de desarrolladores y software empresarial.

Más recientemente, David se desempeñó como Director de Producto en GitLab (GTLB ), donde lideró la organización de productos global para entregar una plataforma de DevSecOps nativa de AI con más de 50 millones de usuarios registrados en todo el mundo. Durante sus seis años con la empresa, ayudó a transformar a GitLab de una startup de alto crecimiento en un líder de la categoría de plataforma de DevOps que cotiza en bolsa.

Anaconda es una plataforma de código abierto líder para ciencia de datos, aprendizaje automático y inteligencia artificial, construida alrededor del lenguaje de programación Python y ampliamente utilizada por desarrolladores individuales y grandes empresas. Lanzada originalmente en 2012, proporciona un entorno integral que incluye herramientas para codificar, administrar paquetes a través de Conda y acceder a miles de bibliotecas preconstruidas como NumPy, pandas y TensorFlow, lo que permite a los usuarios desarrollar, probar y implementar modelos de AI de manera eficiente.

Con el tiempo, Anaconda ha evolucionado hasta convertirse en una plataforma de AI empresarial completa que ayuda a las organizaciones a administrar todo el ciclo de vida de AI, desde la búsqueda y la seguridad de paquetes de código abierto hasta la creación, la gobernanza y la implementación de aplicaciones en entornos en la nube y locales. Con decenas de millones de usuarios y una adopción en un gran porcentaje de empresas del Fortune 500, se ha convertido en una capa fundamental para el desarrollo de AI moderno, enfatizando la innovación de código abierto, la escalabilidad y los flujos de trabajo seguros y reproducibles.

Pasaste casi seis años en GitLab, más de tres como su Director de Producto, ayudando a escalar una plataforma de DevSecOps nativa de AI a decenas de millones de usuarios. ¿Cómo ha moldeado esa experiencia tus prioridades ahora como CEO de Anaconda, y qué sientes que es fundamentalmente diferente sobre liderar una empresa en comparación con liderar un producto?

Mi tiempo en GitLab realmente reforzó algunos principios que ahora son centrales en cómo me acerco a Anaconda. Primero es el crecimiento responsable: escalar equipos, productos y ingresos de una manera que sea duradera. En GitLab, crecimos para servir a decenas de millones de usuarios, y ver que GitLab Ultimate representaba más de la mitad de los ingresos de la empresa demostró lo importante que es alinear el valor del producto con el impacto comercial a largo plazo.

Segundo es una mentalidad de resultados y eficiencia sobre proceso y estructura. Está bien enviar algo que es lo suficientemente bueno y muestra dirección para poner en marcha la rueda de retroalimentación del cliente. Entregar valor real rápidamente es imperativo, pero todavía necesitas ser pensativo sobre cómo escalas. Eso se relaciona estrechamente con el tercer pilar: la obsesión por el cliente y realmente reunirse con los usuarios donde están. He pasado mi carrera construyendo herramientas para desarrolladores y seguridad, y como desarrollador anterior, sé cuánto puede impactar la productividad y la satisfacción una buena (o mala) herramienta.

Y finalmente, la transparencia con propósito. Este valor fundamental de Anaconda ha permitido que todas las partes participen y colaboren para hacer que la empresa y sus ofertas sean mejores. Estoy emocionado de seguir construyendo sobre este valor para asegurarme de que estamos dando a nuestra comunidad lo que necesita para tener éxito.

Como CEO, eres responsable de todo el sistema: estrategia, cultura, operaciones y resultados. Todavía estoy profundamente conectado al producto, pero estoy pensando de manera más amplia y a largo plazo. Tengo que asegurarme de que la empresa esté creciendo de manera responsable, apoyando a su gente y entregando valor a nuestros clientes en cada dimensión del negocio. Estos son los principios que pretendo seguir construyendo aquí.

¿Qué te motivó personalmente a asumir el papel de CEO en Anaconda, y qué te convenció de que esta era la plataforma adecuada para construir el próximo capítulo de la AI empresarial?

Les digo a todos que hubo cuatro razones por las que me emocioné de unirme a Anaconda como CEO. Primero, la tecnología. Como desarrollador, he estado familiarizado con Anaconda durante mucho tiempo y sé lo poderosa que es y puede ser. La plataforma ya permite mucho, y la base que ha construido el equipo nos dará la oportunidad de dar forma a lo que viene a continuación en la era nativa de AI.

Segundo, la comunidad. Creo profundamente en el poder de la comunidad de código abierto. Pocas empresas tienen una comunidad tan amplia y comprometida como la de Anaconda.

Tercero, la gente. Es raro encontrar este nivel de liderazgo en un solo lugar. El equipo ejecutivo es excepcional, y su pasión es real. Estamos construyendo el futuro con código abierto y AI, y ser parte de algo tan significativo e impactante nos tiene a todos genuinamente emocionados.

Y finalmente, la oportunidad. Esto es lo que finalmente tomó la decisión para mí. Anaconda se encuentra en el centro de hacer que la AI sea más accesible, ayudando a las empresas a construir, asegurar, implementar y monitorear la AI a escala. Cuando combinamos tecnología de clase mundial, una comunidad vibrante y un equipo como este, obtenemos una oportunidad única de dar forma a cómo se construye y utiliza la AI y la ciencia de datos. Eso es lo que me atrajo.

La fuente de código abierto impulsa la mayoría del desarrollo de AI moderno, sin embargo, muchas empresas todavía luchan por confiar en ella a escala. ¿Por qué crees que la fuente de código abierto sigue siendo la base más poderosa para la AI, y dónde crees que es más malentendida?

Hay una concepción errónea común de que el código más seguro es el código que está oculto, ya que solo selectas personas pueden verlo. Esto es como un avestruz que mete la cabeza en la arena para esconderse. El software de código abierto es lo opuesto a eso. El código abierto es transparente, da la bienvenida a todos a contribuir y da a las organizaciones de todo el mundo un conjunto más alto de ojos que aseguran que el código es seguro y funciona como se espera.

No hemos visto una tecnología que madure tan rápidamente como la AI. Para que la AI siga acelerando, necesitas código moderno que se mueva lo más rápido posible. El código abierto hace esto, por lo que es la base para el desarrollo de AI moderno.

En Anaconda, nos inclinamos hacia eso. Nuestras capacidades básicas y el ecosistema de Python son de código abierto porque esa es la mejor manera para que los equipos comiencen e innoven rápidamente. Sobre eso, capas de capacidades empresariales, dando a las organizaciones la gobernanza, la seguridad y la confiabilidad que necesitan para utilizar el código abierto a escala.

Las tasas de fracaso de la AI en la empresa siguen siendo altas, especialmente con los pilotos de AI generativa. Desde tu perspectiva, ¿cuáles son las razones fundamentales por las que estas iniciativas se estancan, y cómo pueden las decisiones de infraestructura hacer o deshacer el éxito a largo plazo?

Muchas organizaciones han ejecutado pilotos. Algunas tienen proyectos de prueba de concepto sólidos, y otras tienen una handful de herramientas internas que genuinamente ahorran tiempo a los equipos. Pero muy pocas han movido la AI a una producción real que se ejecuta en toda la empresa. Hay una gran diferencia entre “estamos experimentando” y “esta es cómo trabajamos ahora”. Esa brecha es donde la mayoría de las empresas están atascadas – y no es porque la tecnología no funcione.

La demostración casi siempre se ve bien, pero el problema aparece cuando intentas reproducir la demostración a escala empresarial. De repente, estás lidiando con preguntas de gobernanza de datos, preocupaciones de seguridad, problemas de confiabilidad y un problema fundamental de confianza: ¿Esta aplicación funcionará de manera confiable y mantendrá nuestros datos seguros? Esos problemas no aparecen en la demostración y así se convierten en un pensamiento de última hora para las empresas.

La barrera para el éxito de la AI no es la capacidad, sino la madurez de la infraestructura y el proceso. Las organizaciones que se están adelantando son aquellas que eligen invertir en fundamentos modernos donde la confianza y la velocidad coexisten y donde la seguridad y la gobernanza integradas aceleran en lugar de obstruir. Las cadenas de herramientas fragmentadas y los entornos te obligan a elegir entre los dos, pero la infraestructura unificada moderna y los procesos de AI modernos te permiten tener ambos. Hoy en día, eliminar cuellos de botella es crear tu ventaja competitiva. Esto no es solo una ambición técnica; es un imperativo empresarial para competir y sobrevivir en el mercado actual. El éxito aumentará para aquellos que inviertan en seguridad y gobernanza desde la base.

Has liderado equipos en ciberseguridad, productos y plataformas de desarrolladores. ¿Cómo estás incorporando esa mentalidad de seguridad primero en la estrategia de Anaconda alrededor de la administración de dependencias, la reproducibilidad del entorno y el riesgo de la cadena de suministro?

Mi camino hacia la seguridad comenzó en la atención médica, donde vi exactamente lo que pasaba por “seguro” en ese momento. Me sumergí completamente en la seguridad y se convirtió en una pasión. A medida que las cargas de trabajo de AI, los modelos, los agentes y las integraciones se vuelven más complejos, los riesgos de seguridad se multiplican más rápido de lo que la gobernanza puede mantener. Y incluso cuando se gestiona el riesgo de seguridad, el entorno en sí se convierte en un obstáculo.

La seguridad y el cumplimiento con la AI son desafiantes, especialmente al obtener visibilidad real en el riesgo a través del desarrollo y la producción. Es allí donde nos enfocamos. Estamos construyendo capacidades de seguridad más profundas dentro de la administración del entorno, una gobernanza adicional alrededor de los paquetes de AI fuera del ecosistema de Python y ayudando a reducir el riesgo con los modelos de AI a través de la exploración de seguridad de su postura. El objetivo es simple: ayudar a las organizaciones a moverse más rápido con la AI mientras mantienen la visibilidad, la privacidad y la resiliencia que necesitan para confiar en ella a escala.

Hay un escepticismo creciente alrededor del ROI de la AI, junto con un aumento en la experimentación y la codificación de vibra. ¿Cómo distingues entre la experimentación productiva y los sistemas de AI listos para la empresa que realmente entregan valor medible?

Este año puede ser realmente el primer año en que el ROI de la AI se mide bien. Todos en la industria tratan la “eficiencia” como el tiempo ahorrado, sin embargo, eso no es el mejor KPI de línea superior. Las organizaciones que se toman el tiempo para crear KPI personalizados directamente vinculados a lo que es más importante para ellos tendrán mejores resultados. Esto puede ser el tiempo reducido en la revisión de código para su equipo de desarrollo o la calidad de la generación de leads para su equipo de marketing. El tiempo por sí solo y la medición del consumo de tokens no señalan directamente la eficiencia.

Anaconda se encuentra en el centro del desarrollo de AI basado en Python. ¿Cómo ves evolucionar el papel de los entornos de Python a medida que las organizaciones se mueven de la experimentación a sistemas de AI a escala de producción completamente gobernados?

Python es el lenguaje premier para la AI, y aunque no espero que esto cambie pronto, los lenguajes siempre suben y bajan en popularidad. Las organizaciones necesitan herramientas que evolucionen y aborden de manera nativa los problemas subyacentes de rendimiento y escalabilidad, permitiendo que los agentes de AI creen aplicaciones y servicios de clase empresarial con éxito. Espero que las organizaciones comiencen a invertir en bloques de construcción universales que aceleren el valor y la adopción de la AI. Eso es lo que mejor les permitirá navegar el léxico en constante evolución de lenguajes de codificación que impulsan la capa de infraestructura de la AI.

Has trabajado estrechamente con industrias reguladas y empresas conscientes de la seguridad en el pasado. ¿Cómo se ve realmente la gobernanza de la AI a escala empresarial en la práctica, más allá de los documentos de políticas y las listas de verificación de cumplimiento?

La AI empresarial y las aplicaciones nativas de AI son algo completamente diferentes al desarrollo de software tradicional. Cuando tratas la AI como desarrollo tradicional, terminas con una seguridad y gobernanza rotas que estancarán la innovación. La AI empresarial necesita prácticas de desarrollo nativas de AI donde el modelo de AI es el componente principal que impulsa la versión y todo lo demás alrededor es secundario.

La gobernanza de la AI es la diferencia entre escalar con éxito y estancarse. La gobernanza de la AI empresarial es lo que sucede cuando los principios nativos de AI responsables se traducen en controles de plataforma ejecutables, responsabilidad clara y trazabilidad y linaje continuos de todos los componentes de la AI. Va más allá de las políticas y las listas de verificación que funcionaron en las prácticas de DevOps.

Con la financiación reciente de Anaconda y el impulso empresarial, ¿cuáles son tus prioridades de crecimiento a corto plazo, y dónde estás invirtiendo más agresivamente durante los próximos 12 a 18 meses?

Nuestro objetivo es claro: Anaconda será la plataforma de desarrollo de AI nativa empresarial preferida para construir, asegurar y implementar aplicaciones y servicios nativos de AI. Nuestros clientes siguen evolucionando para satisfacer sus necesidades y nosotros evolucionamos con ellos. Esto es por qué no somos solo una herramienta de ciencia de datos, sino una plataforma integral para la AI empresarial. Cada inversión, ya sea en producto, asociaciones o adquisiciones, se evaluará contra una sola pregunta: “¿Esto nos acerca más a ser la plataforma que las empresas necesitan para tener éxito en el nuevo mundo nativo de AI?” Somos una empresa obsesionada con el cliente y todo lo que hacemos es para nuestros clientes.

Como alguien que ha ayudado a escalar una plataforma de desarrolladores que cotiza en bolsa, ¿qué lecciones has aprendido sobre la construcción para practicantes mientras también sirves a CTO, CIO y Directores de AI a nivel ejecutivo?

El éxito siempre se remonta al cliente y apoyar los resultados que están tratando de lograr. Suena simple, pero es fácil para los equipos perderse en métricas internas (cuántas horas se invirtieron en un proyecto, si un lanzamiento alcanza metas predefinidas) en lugar de hacer una pregunta más importante: ¿Esto realmente hace que nuestros clientes sean más exitosos? Los líderes pueden decir que se necesita un producto completamente nuevo cuando en realidad podría ser solo perfeccionar lo que ya tienes (hacer que un producto sea más fácil de usar, por ejemplo), y entonces obtienes el resultado que has estado buscando. Si los clientes están felices y exitosos, entonces todos estamos felices y exitosos.

Gracias por la gran entrevista, los lectores que deseen aprender más pueden visitar Anaconda.