Angela Q. Daniels, CTO (Amerika) untuk Layanan Konsultasi dan Teknik di DXC Technology – Seri Wawancara

Angela Q. Daniels, Chief Technology Officer (Amerika) untuk Layanan Konsultasi dan Teknik (CES) di DXC Technology (DXC ), mengawasi strategi teknologi dan transformasi untuk Layanan Konsultasi dan Teknik perusahaan di seluruh Amerika. Ia fokus pada penskalaan pengiriman yang ditingkatkan dengan AI melalui kerangka Xponential DXC, memajukan inovasi dengan Solusi AI DXC, dan membantu klien memahami nilai bisnis yang lebih besar melalui platform modern dan orang-orang. Sebelumnya, ia memimpin inisiatif pengembangan perangkat lunak global dan pengiriman aplikasi, memandu modernisasi yang gesit, teknik cloud-asli, dan pengembangan talenta untuk memperkuat keunggulan pengiriman dan kepemimpinan teknis DXC.

DXC Technology adalah pemimpin layanan TI dan konsultasi global yang membantu perusahaan besar menjalankan sistem dan operasi kritis di lingkungan TI hibrida. Perusahaan ini bermitra dengan penyedia teknologi terkemuka untuk menyampaikan solusi yang menggabungkan analitik lanjutan, cloud, keamanan, dan AI. Melalui Tumpukan Teknologi Perusahaan, DXC memodernisasi infrastruktur TI, mengarahkan transformasi digital, dan memungkinkan klien di seluruh industri untuk berinovasi, mengoptimalkan biaya, dan meningkatkan pengalaman pelanggan di seluruh dunia.

Anda memiliki minat seumur hidup untuk pemrograman yang dimulai pada usia delapan. Bisakah Anda membagikan apa yang pertama kali menarik Anda ke pengembangan perangkat lunak dan bagaimana rasa ingin tahu awal itu telah membentuk pendekatan Anda untuk memimpin inovasi yang didorong AI saat ini?

Ketika saya berusia delapan, ibu saya membawa pulang komputer Commodore dari sebuah penjualan garasi. Itu datang dengan tumpukan manual dan beberapa permainan. Sementara semua orang lain ingin bermain, saya adalah orang yang membaca manual, mencoba memahami bagaimana komputer itu benar-benar bekerja.

Program pertama saya sederhana;

10 PRINT "Angela"

20 GOTO 10

RUN

Melihat nama saya berulang-ulang di layar terasa ajaib. Itu tidak hanya tentang apa yang dapat dilakukan komputer, tetapi tentang apa yang dapat saya buat.

Dari usia muda, ibu saya memperhatikan rasa ingin tahu saya dan mendukungnya, mendaftarkan saya dalam program pengayaan musim panas di perguruan tinggi selama sekolah dasar dan program eksplorasi karir sepanjang sekolah menengah. Pengalaman ini lebih lanjut memicu minat saya dan akhirnya menginspirasi saya untuk mengejar matematika dan ilmu komputer di perguruan tinggi.

Rasa ingin tahu yang sama telah membimbing seluruh karir saya. Saya selalu tertarik untuk menjelajahi apa yang mungkin, untuk memahami bagaimana sesuatu bekerja, dan kemudian mencari tahu bagaimana itu dapat diterapkan dalam cara-cara yang bermakna. Apakah itu AI, pengembangan perangkat lunak, atau teknologi apa pun, pendekatan saya selalu berakar pada eksplorasi yang mengarah pada dampak. Inovasi telah menjadi benang yang stabil dari program Commodore pertama saya hingga pekerjaan yang saya pimpin hari ini.

Sebagai Pemimpin Penawaran Pengembangan Perangkat Lunak Global, Anda telah memainkan peran kunci dalam menciptakan dan menerapkan kerangka Xponential baru DXC. Apa yang menginspirasi inisiatif ini, dan apa masalah dalam adopsi AI perusahaan yang paling Anda tentukan untuk diselesaikan? 

Esekutif saat ini berada di bawah tekanan besar untuk menunjukkan peningkatan produktivitas yang nyata dari AI, namun banyak organisasi bergelut untuk melampaui eksperimen. Mereka meluncurkan pilot tanpa terlebih dahulu menyelaraskan strategi yang kohesif yang menghubungkan AI dengan orang, proses, dan teknologi mereka.

Tantangan itu menginspirasi penciptaan DXC Xponential. Kami ingin menyediakan cetak biru yang terstruktur dan dapat diulang untuk mengatur adopsi AI – satu yang membenamkan tata kelola dari awal dan menyampaikan kemenangan yang dapat diukur awal untuk membantu organisasi menskalakan dengan kepercayaan diri.

Percakapan saya dengan klien, dan pengalaman internal kami dalam mengembangkan aplikasi yang ditenagai AI, membentuk dasarnya. Pertanyaan paling umum yang kami dengar adalah: “Kami telah mencoba pilot, tetapi bagaimana kami pindah dari sini?” Itu menjadi suara pelanggan di balik Xponential.

Kami juga mendengarnya dari tim teknik kami. Ada kelelahan alat AI yang nyata. Tim dikelilingi oleh alat yang berjanji akan transformasi dan mencoba menentukan mana yang benar-benar memberikan nilai. Xponential membantu memotong kebisingan itu dengan fokus pada integrasi, orkestrasi, dan hasil yang nyata daripada proliferasi alat.

Akar saya di DXC termasuk menjadi bagian dari Pusat Pengalaman Pelanggan New Orleans kami. Pendekatan kami untuk memecahkan tantangan bisnis pelanggan kami sangat penting dalam membentuk pendekatan ini. Pusat itu beroperasi pada prinsip-prinsip pemikiran desain. Kami membawa tantangan pelanggan ke dalam lingkungan di mana kami memahami, mengideakan, membuat prototipe, menguji, dan menskalakan. Kami menggunakan pola pikir yang sama untuk merancang Xponential, memastikan setiap solusi AI yang kami sampaikan adalah praktis, berpusat pada manusia, dan dapat diskalakan di dunia nyata.

Data industri menunjukkan bahwa 95% pilot AI gagal memenuhi harapan bisnis. Dari perspektif Anda, apa alasan paling umum di balik kegagalan ini, dan bagaimana Xponential secara langsung menangani mereka?

Perusahaan menginvestasikan jutaan dolar dalam teknologi yang mengesankan dalam demo. Tetapi sekali perusahaan pindah untuk menerapkan teknologi ini, mereka sering kali dihadapkan pada data berkualitas rendah untuk melatih AI, model yang tidak akurat, kurangnya tata kelola, bottleneck validasi manusia, dan integrasi sistem yang kompleks.

Masalahnya bukanlah teknologi, melainkan eksekusi. Tanpa strategi kohesif yang mengintegrasikan orang, proses, dan teknologi, menskalakan dan menyampaikan hasil yang dapat diukur dengan AI adalah pertarungan menanjak.

Kerangka Xponential DXC memastikan bahwa semua orang, proses, dan teknologi dipertimbangkan dengan lima pilar yang berbeda:

• Wawasan – Tata kelola adalah fondasi di DXC, yang mengapa setiap agen AI, keputusan otomatis, dan proses cerdas dirancang dengan observabilitas dan kepatuhan bawaan dari awal.
• Pengakseler – Untuk memenuhi pelanggan di mana mereka berada dan menghapus hambatan keberhasilan, DXC menggabungkan inovasi yang dirancang khusus dengan solusi mitra untuk menyediakan alat siap pakai, menghilangkan kebutuhan untuk membangun semuanya dari awal.
• Otomatisasi – Kerangka AI-agensi DXC melampaui eksekusi tugas. Ini terus memperbaiki alur kerja dengan belajar dari hasil dan beradaptasi dalam waktu nyata, mengarahkan pergeseran menuju sistem yang berevolusi melalui pengalaman daripada mengandalkan perbaikan sementara.
• Pendekatan – Ketika AI berkembang, organisasi harus tetap gesit dan terus memperbarui strategi mereka — tidak untuk menggantikan orang, tetapi untuk memberdayakan mereka. Dengan membuang tugas rutin ke AI, tim bebas untuk fokus pada pekerjaan berdampak tinggi, inovasi, memecahkan masalah kompleks, dan menyampaikan nilai yang dapat diukur bagi pelanggan kami.
• Proses – Perubahan nyata dimulai dengan eksperimen yang aman. Di DXC, kami membangun MVP untuk dengan cepat memvalidasi ide, membuktikan dampak, dan menskalakan apa yang berhasil untuk menghindari tahap pilot yang menggagalkan sebagian besar inisiatif AI.

Cetakan biru Xponential menekankan lima pilar — Wawasan, Pengakseler, Otomatisasi, Pendekatan, dan Proses. Mana yang Anda lihat sebagai paling transformatif untuk perusahaan yang baru memulai perjalanan AI mereka?

Untuk organisasi yang baru memulai perjalanan AI mereka, Wawasan adalah pilar paling transformatif. Banyak perusahaan terburu-buru untuk menerapkan, tetapi kesuksesan dimulai dengan memahami di mana AI dapat benar-benar menciptakan nilai. Wawasan memberikan pemimpin kejelasan, tidak hanya tentang data mereka, tetapi tentang proses, talenta, dan kesiapan mereka untuk berubah. Ini adalah fondasi yang memandu setiap pilar lainnya.

Mengikuti itu adalah dimensi Human+, yang kami lihat sebagai pengali di seluruh lima pilar. AI paling kuat ketika itu memperkuat kemampuan manusia daripada menggantinya. Human+ adalah tentang merancang ulang pekerjaan sehingga orang menghabiskan lebih banyak waktu untuk kreativitas, penilaian, dan inovasi — hal-hal yang membuat organisasi secara khas manusia.

Pilar Pendekatan menyoroti konsep “kolaborasi Human+.” Bagaimana Anda melihat keseimbangan antara keahlian manusia dan otomatisasi AI berkembang dalam lingkungan perusahaan selama beberapa tahun ke depan?

Menjaga orang tetap dalam loop adalah penting. Pendekatan Human+ kami menggunakan AI untuk memperkuat keahlian manusia, bukan menggantinya. Ahli kami tetap mengendalikan, membuat keputusan strategis dan memastikan kontrol kualitas sementara AI menangani tugas berulang dan melakukan pekerjaan berat. Sekarang, insinyur yang sebelumnya menghabiskan berjam-jam untuk tugas pengkodean berulang dapat menghabiskan lebih banyak waktu untuk merancang arsitektur sistem dan memecahkan masalah bisnis kompleks. Menggabungkan profesional terampil dengan AI mengarah pada hasil yang diperkuat dan dapat diukur yang mengurangi biaya dan meningkatkan efisiensi.

Salah satu janji Xponential adalah untuk memindahkan organisasi dari kemenangan skala kecil ke integrasi AI seluruh perusahaan. Apa tantangan terbesar yang dihadapi perusahaan ketika menskalakan dari konsep bukti ke produksi, dan bagaimana mereka dapat mengatasi mereka?

Banyak organisasi terjebak dalam fase pilot dengan inisiatif yang sangat terfragmentasi yang gagal untuk mempersatukan orang, proses, dan teknologi. Hambatan terbesar yang kami lihat perusahaan navigasi ketika menerapkan AI adalah program yang terdesentralisasi, tidak terorganisir yang kekurangan strategi kohesif.

Xponential menguraikan jalur yang jelas untuk membawa perusahaan melampaui fase pilot. Pendekatannya yang terorkestrasi, bertanggung jawab, dan dapat diulang ini mengubah AI dari eksperimen teknologi menjadi keharusan bisnis. Dirancang untuk menangani kurangnya strategi kohesif di pasar, kerangka ini terstruktur, tetapi dibangun untuk fleksibilitas dan skalabilitas, memungkinkan organisasi untuk memulai kecil, mencapai kemenangan awal, dan dengan cepat menskalakan di seluruh perusahaan.

Xponential sudah membantu pelanggan beralih dari tahap pilot ke penskalaan. Desain modulernya memungkinkan kami untuk memenuhi pelanggan di mana mereka berada dengan mendukung upgrade warisan dan mengintegrasikan secara mulus dengan lingkungan data, cloud, dan aplikasi pelanggan yang ada.

Sebagai contoh, kami bermitra dengan Rumah Sakit Umum Singapura untuk mengembangkan solusi Kecerdasan Buatan dalam Penyakit Menular, yang menggunakan wawasan yang digerakkan AI dan pengambilan keputusan kolaboratif manusia-AI untuk memandu pilihan antibiotik untuk infeksi saluran pernapasan bawah dengan akurasi 90%. Alat ini telah menghasilkan perawatan pasien yang ditingkatkan sambil melawan resistensi antimikroba.

DXC telah menerapkan Xponential dengan klien global seperti Textron dan Badan Antariksa Eropa. Bisakah Anda membagikan contoh spesifik tentang bagaimana kerangka ini menyampaikan dampak yang dapat diukur dalam salah satu penerapan ini? 

Xponential adalah kerangka yang terbukti yang sudah menghasilkan hasil dengan pelanggan kami. Kami bermitra dengan Textron untuk mengubah model dukungan IT mereka menggunakan otomatisasi dan AI. Optimisasi ini memotong tiket meja layanan sebesar 20% dan menyelesaikan masalah jaringan secara proaktif untuk 32.000 karyawan menggunakan chatbot AI yang dilatih pada basis pengetahuan yang dibagikan, membebaskan staf IT untuk fokus pada masalah kompleks yang memerlukan keahlian manusia. Dengan Badan Antariksa Eropa, kami menggunakan Xponential untuk menerapkan ASK ESA, platform yang ditenagai AI yang mempersatukan data, mempercepat penelitian, dan meningkatkan kolaborasi di seluruh badan. Platform ini tidak hanya menyediakan akses yang aman dan efisien ke volume data besar, tetapi juga menghemat waktu insinyur 1-2 jam per minggu.

Latar belakang kepemimpinan Anda mencakup akademisi, perangkat lunak perusahaan, dan pengembangan cloud skala besar. Bagaimana pengalaman yang beragam ini telah mempengaruhi pandangan Anda tentang apa yang dimaksud dengan “AI yang bertanggung jawab” dalam prakteknya? 

Setiap bagian dari perjalanan saya telah membentuk bagaimana saya mendefinisikan AI yang bertanggung jawab. Dari akademisi, saya belajar tentang pentingnya ketat, mempertanyakan asumsi, memvalidasi hasil, dan memahami “mengapa” di balik setiap hasil. Dari perangkat lunak perusahaan, saya memperoleh penghargaan yang mendalam untuk tata kelola, etika, dan efek gelombang yang teknologi dapat miliki pada orang, proses, dan industri. Dan melalui pengembangan aplikasi skala besar, saya melihat langsung bagaimana skala dapat memperkuat dampak dan risiko.

Bagi saya, AI yang bertanggung jawab tidak hanya tentang kepatuhan atau mitigasi bias, tetapi tentang desain yang disengaja. Ini berarti membangun sistem yang transparan, dapat diaudit, dan selaras dengan nilai-nilai manusia dari awal. Ini tentang memastikan bahwa inovasi dan akuntabilitas berkembang bersama.

Peran saya adalah untuk memastikan bahwa ketika kami berinovasi, kami melakukannya dengan bertanggung jawab, tidak melambatkan inovasi, tetapi membimbingnya dengan cara yang mendapatkan kepercayaan dan menyampaikan nilai yang berkelanjutan.

Tata kelola dan observabilitas adalah sentral untuk pilar Wawasan Xponential. Bagaimana Anda memastikan AI tetap transparan dan patuh dalam industri yang sangat diatur seperti perawatan kesehatan dan kedirgantaraan? 

Kerangka Xponential memastikan bahwa tata kelola, kepatuhan, dan observabilitas ditanamkan dari hari pertama, bukan ditambahkan kemudian. Kami selarasikan etika AI kami dengan standar global dan kerangka regulasi yang muncul dari NIST dan Undang-Undang AI UE, yang berarti jejak yang lengkap, auditabilitas, dan kepatuhan dibangun ke dalam setiap alur kerja.

Model tata kelola ini menyediakan visibilitas yang jelas tentang bagaimana AI beroperasi, siapa yang bertanggung jawab, dan apakah keputusan mengikuti standar etika dan operasional — persyaratan esensial untuk menskalakan AI secara efektif di seluruh perusahaan yang diatur. Keyakinan kami adalah bahwa AI harus dipercaya, transparan, dan berpusat pada manusia.

Seiring AI terus mendefinisikan ulang siklus hidup pengembangan perangkat lunak, apa keterampilan atau pola pikir baru yang Anda percaya tim perangkat lunak akan butuhkan untuk tetap kompetitif dalam dekade mendatang? 

Perubahan paling penting bukanlah tentang mempelajari alat baru. Ini tentang mengadopsi pola pikir baru. AI mengubah cara kami membangun perangkat lunak, dan tim yang berkembang akan menjadi mereka yang memperlakukan AI sebagai kolaborator, bukan hanya utilitas.

Keterampilan yang paling penting adalah rasa ingin tahu. Insinyur terbaik tidak hanya akan menerima apa yang dihasilkan AI. Mereka akan mempertanyakannya, memperbaikinya, dan menjelajahi bagaimana itu dapat diterapkan dalam cara-cara baru. Rasa ingin tahu memicu kemampuan untuk terus belajar, bereksperimen dengan bertanggung jawab, dan melihat koneksi yang mungkin tidak terlihat oleh orang lain.

Di luar itu, pengembang akan berkembang dari menjadi pengkode menjadi komposer, mengatur agen AI, otomatisasi, dan wawasan manusia menjadi sistem terintegrasi. Ini membutuhkan tidak hanya kemampuan teknis, tetapi juga pemikiran sistem dan kemauan untuk membayangkan bagaimana pekerjaan dilakukan.

Di DXC, kami membenamkan pola pikir ini melalui Xponential, membantu tim mengembangkan pendekatan Human+ kami. Ini menggabungkan kekuatan teknis dengan rasa ingin tahu, kreativitas, dan kesadaran etis, karena dalam dekade mendatang, kesuksesan dalam pengembangan perangkat lunak tidak akan datang dari mengetahui semua hal. Ini akan datang dari tetap tidak terbatas dalam rasa ingin tahu tentang apa yang mungkin.

Terima kasih atas wawancara yang luar biasa, pembaca yang ingin mempelajari lebih lanjut harus mengunjungi DXC Technology.