Holly Grant, SVP, Estrategia e Innovación, DXC Technology – Serie de Entrevistas

Holly Grant, SVP, Estrategia e Innovación en DXC Technology, es una ejecutiva de tecnología y operaciones con una experiencia profunda que abarca la estrategia de inteligencia artificial empresarial, fintech, liderazgo de startups y transformación operativa. En DXC, ayuda a dar forma a las iniciativas de innovación con inteligencia artificial de la empresa, incluida la orquestación de inteligencia artificial a escala empresarial, servicios de asesoramiento y esfuerzos de incubación de productos diseñados para ayudar a las organizaciones a pasar de pilotos experimentales de inteligencia artificial a despliegues operativos. Antes de unirse a DXC, ocupó varios puestos de liderazgo en la Bolsa de Valores a Largo Plazo (LTSE), y finalmente se desempeñó como Directora de Operaciones, donde se centró en el crecimiento y la escalabilidad operativa en el sector fintech.

DXC Technology es una empresa global de servicios y consultoría de TI que se centra en ayudar a las empresas a modernizar sistemas críticos de la misión a través de la computación en la nube, la ciberseguridad, la inteligencia artificial, la infraestructura de datos y las operaciones empresariales. Formada a través de la fusión de Computer Sciences Corporation y la división de Servicios Empresariales de Hewlett Packard Enterprise, la empresa trabaja con organizaciones de diversas industrias, incluidas la atención médica, los servicios bancarios, la fabricación, los seguros y el gobierno. En los últimos años, DXC se ha posicionado cada vez más en torno a la transformación empresarial nativa de inteligencia artificial, ofreciendo servicios que integran la inteligencia artificial generativa, la automatización inteligente, la observabilidad, los gemelos digitales y la modernización de TI a gran escala en entornos corporativos complejos. La empresa también enfatiza los modelos operativos “primero la inteligencia artificial” diseñados para ayudar a las empresas a desplegar la inteligencia artificial de manera segura dentro de la infraestructura existente en lugar de reemplazar los sistemas heredados por completo.

Has construido una carrera en la intersección de la estrategia, las operaciones y la innovación, desde la escalabilidad de organizaciones al principio de tu carrera hasta ahora liderar Estrategia e Innovación en DXC. ¿Cómo te han moldeado esas experiencias para lanzar LabX y diseñar un entorno de incubación de inteligencia artificial centrado en el impacto empresarial real?

Mi carrera me ha llevado a través de oficinas familiares, startups, capital de riesgo y ahora una empresa Fortune 500 en medio de un cambio. Lo que he visto en todos esos entornos es que las ideas no funcionan por sí solas. Las que realmente crean valor tienden a compartir tres cosas: un cliente real que las apoya, el momento adecuado en el mercado y un alcance que es claro y estrecho. Si te pierdes en cualquiera de ellos, incluso una idea brillante se estanca.

Ese patrón ha dado forma a cómo pensé sobre LabX. Necesitas una teoría de victoria, una estrategia real, pero también necesitas el músculo operativo para hacerla realidad, y la disciplina para adaptarte a medida que aprendes y cambian las condiciones. La estrategia sin ejecución es un barco sin rumbo. La ejecución sin estrategia es movimiento sin progreso. LabX está diseñado para mantener ambas cosas al mismo tiempo.

Bajo el liderazgo de nuestro CEO Raul Fernandez, DXC ha puesto la fluidez y la innovación en inteligencia artificial en el centro de nuestra estrategia de cambio. LabX es cómo traducimos esa convicción en productos, capacidades y resultados para los clientes, lo suficientemente rápido como para importar.

Muchas empresas están experimentando con la inteligencia artificial pero luchan por moverse de los pilotos a la producción. Desde lo que estás viendo en DXC, ¿cuáles son las barreras más grandes que impiden que las organizaciones escalen la inteligencia artificial más allá de los proyectos de prueba de concepto?

Dos barreras surgen una y otra vez, y ninguna de ellas se trata realmente de la tecnología.

La primera es la gestión del cambio. La inteligencia artificial cambia la forma en que la gente trabaja, de qué son responsables y cómo se toman las decisiones. Si no llevas a tu fuerza laboral contigo, el modelo más elegante del mundo permanecerá inutilizado. La segunda es que las empresas comienzan a escalar la inteligencia artificial sin cambiar el modelo operativo subyacente. Enganchan la inteligencia a un sistema o aplicación específica para que un usuario pueda usarla, pero el resto del equipo no puede. La inteligencia artificial es una inteligencia horizontal, crea el mayor valor cuando puede moverse a través de funciones, datos y flujos de trabajo. Cuando el modelo operativo no cambia, ese valor permanece atrapado localmente en lugar de acumularse en toda la empresa.

Así que el piloto funciona, todos celebran y nada se escala en realidad. Ese es el patrón que estamos tratando de romper en LabX diseñando para desbloqueos a nivel empresarial desde el primer día.

LabX opera en un ciclo de concepto a MVP de aproximadamente 90 días o menos. ¿Qué cambios en la mentalidad, la gobernanza o los procesos de desarrollo son necesarios para que las grandes empresas se muevan a ese ritmo?

El mayor cambio de mentalidad es estar dispuesto a decidir antes con menos información perfecta, y la disciplina para cortar lo que no funciona. Las grandes empresas se sienten cómodas con ciclos de planificación largos porque se sienten seguras. No lo son. En un mercado que se mueve tan rápido, un “sí” lento y un “no” lento son ambos costosos.

Dentro de LabX, asignamos un triad pequeño, diseño, producto e ingeniería, para ejecutar un sprint contra un problema real del cliente. Construyen un producto mínimo viable, lo prueban para valor y escala, y graduamos ideas que muestran promesa comercial dentro de 90 días. Lo que hace posible esa velocidad no es la ausencia de gobernanza, es la presencia de la gobernanza correcta. La seguridad, la privacidad, el cumplimiento y la aprobación de inteligencia artificial responsable están integrados en el proceso desde el primer día, no agregados al final. Cada producto pasa por una revisión formal de gobernanza antes de escalar.

Para la mayoría de las empresas, llegar a este tipo de cadencia requiere proteger un espacio donde sea legítimo moverse de esta manera, sin forzar cada experimento a través del mismo tiempo de ciclo que una plataforma de varios años. Eso es para lo que LabX existe para nosotros.

DXC describe LabX como una forma de validar conceptos de inteligencia artificial de alto potencial con clientes antes de escalarlos. ¿Cómo ayuda este enfoque de “Cliente Cero” a garantizar que las soluciones de inteligencia artificial estén arraigadas en necesidades operativas reales en lugar de casos de uso teóricos?

Cliente Cero es, honestamente, nuestra ventaja. Antes de que un producto de LabX llegue al mercado, tiene que sobrevivir dentro de DXC primero. Administramos 115,000 empleados en 70 países, industrias reguladas, contratos de clientes complejos, sistemas heredados y apuestas operativas reales. Eso no es un entorno de demostración sanitizado, eso es la realidad empresarial.

Una startup tradicional puede moverse rápido, pero no puede replicar fácilmente la experiencia vivida de operar dentro de ese tipo de complejidad. Cuando probamos un producto en nosotros mismos primero, encontramos los lugares donde se rompe con datos reales, flujos de trabajo reales y restricciones regulatorias reales, cosas que habrían surgido en un entorno de cliente seis meses después. Cuando llevamos una oferta a un cliente, no estamos vendiendo una teoría. Podemos decir: “Aquí está lo que hizo dentro de nuestras propias operaciones, aquí está lo que cambiamos, aquí está lo que medimos”.

También nos mantiene honestos. Si un producto no puede demostrarse internamente, no se gradúa. Esa es una barra mucho más alta que decir “funcionó en una demostración”.

Los entornos empresariales a menudo están llenos de sistemas heredados, datos fragmentados y restricciones regulatorias. ¿Cómo diseñan flujos de trabajo de inteligencia artificial que puedan operar de manera efectiva dentro de esa complejidad del mundo real?

Partimos de la suposición de que el entorno es complejo, esa es la base, no la excepción.

Arquitectónicamente, trabajamos con un enfoque descomponible para nuestras plataformas. Las herramientas de inteligencia artificial líderes están cambiando mensualmente, no anualmente. Si te conectas a un solo modelo, proveedor o marco, estás apostando a que el líder de hoy seguirá siendo el líder en 18 meses. Esa es una mala apuesta. Una arquitectura descomponible nos permite cambiar componentes a medida que avanza la frontera, mantenernos fluidos con lo que realmente es de clase mundial y probar herramientas contra desafíos reales de los clientes en lugar de marketing de los proveedores.

En el lado regulatorio y de datos, el cumplimiento se diseña desde el primer día. Cada producto pasa por una revisión de gobernanza y la aprobación de inteligencia artificial responsable es parte del proceso, no un después. Operar en industrias altamente reguladas en 70 países nos fuerza a esa disciplina, lo que resulta ser una característica, no un error, cuando llevamos productos a clientes con las mismas restricciones.

La consultoría tradicional de TI se basaba en ciclos de planificación largos y marcos de implementación rígidos. A medida que la inteligencia artificial evoluciona más rápido de lo que esos ciclos pueden acomodar, ¿cómo necesitan cambiar los modelos de consultoría?

La respuesta honesta es que todo el modelo tiene que cambiar, pero si tuviera que elegir el pasador, es la propuesta de valor. La industria ha pasado décadas vendiendo entregables, diapositivas, mapas de carreteras, planes de implementación, y cobrando por esfuerzo. En un mundo nativo de inteligencia artificial, los clientes no quieren un entregable. Quieren un resultado. Quieren que el flujo de trabajo realmente funcione, que el costo realmente disminuya, que los ingresos realmente aparezcan.

Una vez que te comprometes a vender resultados, todo lo demás tiene que cambiar para apoyarlo. La composición del equipo se vuelve más técnica. Los compromisos pasan de asesorar y dejar a construir y operar. El precio se aleja de las horas. Las personas que hacen el trabajo necesitan estar tan cómodas enviando código como dirigiendo un comité de dirección.

Ese es un gran cambio cultural para nuestra industria, y no todos lo lograrán. Las firmas que lo hagan parecerán muy diferentes dentro de cinco años de lo que son hoy.

LabX también funciona como un entorno de experimentación para empleados y socios tecnológicos. ¿Qué tan importante es la experimentación interna cuando se trata de construir la fluidez en inteligencia artificial en toda la organización?

Es el juego completo. No construyes la fluidez en inteligencia artificial leyendo sobre inteligencia artificial, la construyes intentando cosas, viendo cómo se rompen y volviendo a intentar. Eso es tan cierto para un profesional de TI de 30 años como para alguien con dos años de experiencia.

Recientemente ejecutamos un desafío de inteligencia artificial dentro de una de nuestras unidades de negocio y obtuvimos más de 1,300 ideas únicas en dos semanas. Eso no es una estadística sobre una herramienta, eso es una estadística sobre lo que sucede cuando das a la gente permiso para pensar fuera de la caja. La creatividad ya existe dentro de la organización. Nuestro trabajo es crear el espacio para que crezca.

LabX también ejecuta un programa de rotación: expertos técnicos de todo DXC pasan seis a doce semanas incrustados con nosotros, construyendo productos reales con las últimas herramientas de inteligencia artificial. Cuando regresan a sus equipos, traen un conjunto de habilidades nuevo y, más importante, una forma diferente de pensar. Comienzan a hacer preguntas diferentes a sus colegas y a sus clientes. Se convierten en campeones de lo que es posible. Ese efecto compuesto en la fuerza laboral vale más que cualquier producto que enviamos.

DXC enmarca su enfoque como Human+, enfatizando que la inteligencia artificial debe expandir las capacidades humanas en lugar de reemplazarlas. En términos prácticos, ¿cómo influye esa filosofía en la forma en que se diseñan y despliegan las soluciones de inteligencia artificial dentro de las empresas?

Soy directo: hay una visión que se está afianzando en la industria de que la cosa más valiosa que la inteligencia artificial empresarial puede hacer por una empresa es reducir la cantidad de empleados. Creo que eso es un fracaso de la imaginación.

La disciplina de costos es importante, pero la verdadera oportunidad es el crecimiento: nuevas corrientes de ingresos, nuevos productos, nuevas ofertas de servicios que simplemente no eran factibles antes. El caso de uso de mayor valor de la inteligencia artificial es habilitar a las personas para hacer trabajo que cree valor comercial nuevo, no solo optimizar lo que ya existe. Las empresas que lo hacen bien superarán a aquellas que tratan la inteligencia artificial como un ejercicio de costo puro.

En la práctica, Human+ significa que diseñamos la inteligencia artificial para manejar procesos de alto volumen y rutina para que nuestra gente se pueda centrar en trabajo de mayor valor: pensamiento estratégico, resolución de problemas creativos, relaciones con los clientes y decisiones de juicio complejas. Mantenemos la experiencia y la supervisión humanas en el centro de cada despliegue, particularmente donde las decisiones llevan consecuencias reales. Esa es la forma en que se construye la confianza con los clientes, y es la forma en que se desbloquea la ventaja competitiva duradera.

Cuando las organizaciones intentan integrar la inteligencia artificial en flujos de trabajo existentes, ¿qué errores comunes cometes que ralentizan la adopción o limitan el valor comercial real?

Dos errores veo constantemente. El primero es comenzar con la tecnología en lugar del problema. Alguien se enamora de un modelo o una demostración de un proveedor, y la iniciativa se convierte en desplegar esa cosa en lugar de resolver algo que realmente importa a los negocios. El segundo es tratar la inteligencia artificial como un proyecto de TI en lugar de una transformación empresarial. Si le entregas la inteligencia artificial entirely al CIO y le pides al resto de la empresa que siga funcionando sin cambios, obtendrás una herramienta que nadie usa y un presupuesto que nadie quiere defender el próximo año.

El antídoto para ambos es simple de decir y difícil de hacer: comenzar con el problema empresarial, poner el equipo cruzado funcional correcto en él, personas, proceso, tecnología, y construir hacia atrás desde el resultado que estás tratando de crear. Esa es la postura que adoptamos en LabX, y es cómo trabajamos con clientes como Ferrovial, donde hemos ayudado a desplegar AI Workbench, una oferta de inteligencia artificial generativa que combina consultoría, ingeniería y servicios empresariales seguros, ahora utilizada por más de 24,000 empleados con más de 30 agentes de inteligencia artificial tomando decisiones en tiempo real. Ese tipo de escala no sucede si tratas esto como un proyecto de TI.

Mirando hacia adelante, ¿cómo esperas que los entornos de incubación de inteligencia artificial como LabX den forma a la manera en que las empresas desarrollan, prueban y despliegan nuevas tecnologías en los próximos años?

Aquí está lo que creo que será obvio en retrospectiva: los ganadores en esta era no serán las empresas con las soluciones de punto más llamativas. Serán los integradores, aquellos que puedan coser la inteligencia artificial a través de modelos operativos, a través de funciones y a través de flujos de trabajo para que la inteligencia no quede atrapada en una sola herramienta o en la pantalla de un solo usuario.

Ese es un problema más difícil que desplegar un modelo. Requiere un contexto empresarial profundo, la capacidad de trabajar a través de sistemas heredados y modernos, y la disciplina para cambiar cómo se hace realmente el trabajo. También es la oportunidad de la que estoy más emocionado.

Los entornos de incubación como LabX son cómo obtenemos las repeticiones. Son donde aprendes qué se rompe a escala, qué aspecto tiene la gobernanza en la práctica y qué adoptarán los clientes. Las empresas que invierten en este tipo de espacio ahora, internamente o a través de socios, tendrán una curva de capacidad muy diferente dentro de tres años que aquellas que aún están decidiendo si vale la pena el esfuerzo. Y aquellos de nosotros que construimos en este espacio seguiremos encontrando nuevos problemas que valen la pena resolver, porque la tecnología no se está desacelerando y tampoco lo está la oportunidad.

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