Holly Grant, SVP, Strategi & Inovasi, DXC Technology – Seri Wawancara

Holly Grant, SVP, Strategi & Inovasi di DXC Technology (DXC ), adalah eksekutif teknologi dan operasional dengan pengalaman mendalam yang meliputi strategi AI perusahaan, fintech, kepemimpinan startup, dan transformasi operasional. Di DXC, dia membantu membentuk inisiatif inovasi AI-perusahaan, termasuk orkestrasi AI skala perusahaan, layanan konsultasi, dan upaya inkubasi produk yang dirancang untuk membantu organisasi berpindah dari proyek pilot AI eksperimental ke penyebaran operasional. Sebelum bergabung dengan DXC, dia memegang beberapa peran kepemimpinan di Bursa Saham Jangka Panjang (LTSE), akhirnya menjabat sebagai Chief Operating Officer, di mana dia fokus pada penskalaan operasional dan pertumbuhan strategis di sektor fintech.

DXC Technology adalah perusahaan jasa IT dan konsultasi global yang fokus membantu perusahaan modernisasi sistem kritis misi di seluruh komputasi awan, keamanan siber, kecerdasan buatan, infrastruktur data, dan operasi perusahaan. Dibentuk melalui merger antara Computer Sciences Corporation dan divisi Layanan Perusahaan Hewlett Packard Enterprise (HPE ), perusahaan ini bekerja dengan organisasi di seluruh industri, termasuk perawatan kesehatan, perbankan, manufaktur, asuransi, dan pemerintah. Dalam beberapa tahun terakhir, DXC semakin memosisikan diri di sekitar transformasi perusahaan asli AI, menawarkan layanan yang mengintegrasikan AI generatif, otomatisasi cerdas, observabilitas, digital twins, dan modernisasi IT skala besar ke dalam lingkungan perusahaan yang kompleks. Perusahaan ini juga menekankan model operasional “AI-pertama” yang dirancang untuk membantu perusahaan menyebarkan AI secara aman dalam infrastruktur yang ada, bukan menggantikan sistem warisan sepenuhnya.

Anda telah membangun karir di persimpangan strategi, operasi, dan inovasi – dari menskala organisasi sebelumnya dalam karir Anda hingga sekarang memimpin Strategi & Inovasi di DXC. Bagaimana pengalaman tersebut membentuk pendekatan Anda untuk meluncurkan LabX dan merancang lingkungan inkubasi AI yang fokus pada dampak bisnis dunia nyata?

Karir saya telah membawa saya melintasi kantor keluarga, startup, modal ventura, dan sekarang perusahaan Fortune 500 di tengah-tengah perubahan. Apa yang saya lihat di seluruh lingkungan tersebut adalah bahwa ide tidak mendarat dengan sendirinya. Mereka yang benar-benar menciptakan nilai cenderung memiliki tiga hal: pelanggan nyata yang menarik mereka, momen yang tepat di pasar, dan cakupan yang jelas dan sempit. Jika Anda melewatkan salah satu dari itu, bahkan ide yang brilian akan macet.

Polanya itu membentuk bagaimana saya memikirkan LabX. Anda perlu memiliki teori kemenangan – strategi nyata – tetapi Anda juga perlu otot operasional untuk menghidupkannya, dan disiplin untuk beradaptasi saat Anda belajar dan kondisi berubah. Strategi tanpa eksekusi adalah dek. Eksekusi tanpa strategi adalah gerakan tanpa kemajuan. LabX dirancang untuk memegang keduanya sekaligus.

Di bawah kepemimpinan CEO kami Raul Fernandez, DXC telah meletakkan kefasihan AI dan inovasi di pusat strategi perubahan kami. LabX adalah bagaimana kami menerjemahkan keyakinan itu menjadi produk, kemampuan, dan hasil pelanggan – cukup cepat untuk mempengaruhi.

Banyak perusahaan bereksperimen dengan AI tetapi mengalami kesulitan untuk berpindah dari proyek pilot ke produksi. Dari apa yang Anda lihat di DXC, apa yang menjadi hambatan terbesar yang mencegah organisasi menskala AI di luar proyek konsep bukti?

Dua hambatan yang sering muncul, dan tidak satu pun dari mereka benar-benar tentang teknologi.

Pertama adalah manajemen perubahan. AI mengubah cara orang bekerja, apa yang mereka pertanggungjawabkan, dan bagaimana keputusan dibuat. Jika Anda tidak membawa tenaga kerja Anda bersama, model paling elegan di dunia akan tetap tidak digunakan. Kedua, perusahaan mulai menskala AI tanpa mengubah model operasional yang mendasarinya. Mereka memasang kecerdasan pada sistem atau aplikasi tertentu sehingga satu pengguna dapat menggunakannya, tetapi tim lainnya tidak bisa. AI adalah kecerdasan horizontal – menciptakan nilai tertinggi ketika dapat bergerak melintasi fungsi, data, dan alur kerja. Ketika model operasional tidak berubah, nilai itu tetap terjebak secara lokal daripada berkompromi di seluruh perusahaan.

Jadi, proyek pilot berhasil, semua orang merayakannya, dan tidak ada yang benar-benar berkembang. Itulah pola yang kami coba pecahkan di LabX dengan merancang untuk membuka kunci perusahaan sejak hari pertama.

LabX beroperasi pada siklus konsep-ke-MVP yang cepat sekitar 90 hari atau kurang. Apa perubahan dalam mindset, tata kelola, atau proses pengembangan yang diperlukan agar perusahaan besar dapat bergerak dengan kecepatan seperti itu?

Perubahan mindset terbesar adalah kesediaan untuk memutuskan lebih awal dengan informasi yang kurang sempurna – dan disiplin untuk memotong apa yang tidak berfungsi. Perusahaan besar merasa nyaman dengan siklus perencanaan yang lama karena mereka merasa aman. Mereka tidak. Di pasar yang bergerak secepat ini, “ya” yang lambat dan “tidak” yang lambat sama-sama mahal.

Di dalam LabX, kami menugaskan tim kecil – desain, produk, dan teknik – untuk menjalankan sprint melawan masalah pelanggan yang nyata. Mereka membangun produk minimum yang layak, mengujinya untuk nilai dan skala, dan kami lulus ide yang menunjukkan janji komersial dalam 90 hari. Apa yang membuat kecepatan ini memungkinkan bukanlah ketiadaan tata kelola, melainkan kehadiran tata kelola yang tepat. Keamanan, privasi, kepatuhan, dan persetujuan AI yang bertanggung jawab dibangun ke dalam proses sejak hari pertama, bukan dipasang di akhir. Setiap produk melalui tinjauan tata kelola formal sebelum berkembang.

Bagi sebagian besar perusahaan, mencapai irama seperti ini memerlukan perlindungan ruang di mana sah untuk bergerak dengan cara ini – tanpa memaksa setiap eksperimen melalui siklus waktu yang sama dengan pembangunan platform multi-tahun. Itulah yang LabX lakukan untuk kami.

DXC menjelaskan LabX sebagai cara untuk memvalidasi konsep AI berpotensi tinggi dengan pelanggan sebelum menskalakannya. Bagaimana pendekatan “Pelanggan Nol” ini membantu memastikan solusi AI didasarkan pada kebutuhan operasional nyata daripada kasus penggunaan teoretis?

Pelanggan Nol, jujur, adalah keunggulan kami. Sebelum produk LabX pernah masuk ke pasar, itu harus bertahan di dalam DXC terlebih dahulu. Kami mengelola 115.000 karyawan di 70 negara, industri yang diatur, kontrak pelanggan yang kompleks, sistem warisan, dan taruhan operasional yang nyata. Itu bukan lingkungan demo yang steril – itu kenyataan perusahaan.

Startup tradisional dapat bergerak cepat, tetapi mereka tidak dapat dengan mudah mereplikasi pengalaman hidup yang beroperasi di dalam kompleksitas seperti itu. Ketika kami menguji produk pada diri kami sendiri terlebih dahulu, kami menemukan tempat-tempat di mana itu rusak pada data nyata, alur kerja nyata, dan kendala regulasi nyata – hal-hal yang akan muncul di lingkungan pelanggan enam bulan kemudian. Dengan cara itu, ketika kami membawa penawaran ke pelanggan, kami tidak mempromosikan teori. Kami dapat mengatakan: ‘Ini adalah apa yang dilakukan di dalam operasi kami, ini adalah apa yang kami ubah, ini adalah apa yang kami ukur.’

Ini juga menjaga kami untuk tetap jujur. Jika produk tidak dapat membuktikan diri secara internal, itu tidak lulus. Itu adalah batangan yang lebih tinggi daripada mengatakan ‘itu berhasil dalam demo’.

Lingkungan perusahaan sering dipenuhi dengan sistem warisan, data yang terfragmentasi, dan kendala regulasi. Bagaimana Anda merancang alur kerja AI yang dapat beroperasi secara efektif dalam kompleksitas dunia nyata seperti itu?

Kami memulai dari asumsi bahwa lingkungan itu kompleks – itu dasar, bukan pengecualian.

Secara arsitektural, kami bekerja dengan pendekatan yang dapat diuraikan ke platform kami. Alat AI terkemuka berubah setiap bulan, bukan setiap tahun. Jika Anda menghubungkan diri dengan model, vendor, atau kerangka kerja tunggal, Anda bertaruh bahwa pemimpin hari ini masih akan menjadi pemimpin dalam 18 bulan. Itu adalah taruhan yang buruk. Arsitektur yang dapat diuraikan memungkinkan kami untuk mengganti komponen saat frontier bergerak, tetap fasih dengan apa yang sebenarnya terbaik, dan menguji alat melawan tantangan pelanggan yang nyata daripada pemasaran vendor.

Di sisi regulasi dan data, kepatuhan dirancang sejak hari pertama. Setiap produk melalui tinjauan tata kelola, dan persetujuan AI yang bertanggung jawab adalah bagian dari proses, bukan sesuatu yang ditambahkan kemudian. Beroperasi di industri yang sangat diatur di 70 negara memaksa disiplin itu pada kami – yang ternyata merupakan fitur, bukan bug, ketika kami membawa produk ke klien dengan kendala yang sama.

Model konsultasi IT tradisional bergantung pada siklus perencanaan yang lama dan kerangka implementasi yang kaku. Ketika AI berkembang lebih cepat daripada siklus itu dapat akomodasi, bagaimana model konsultasi perlu berubah?

Jawaban yang jujur adalah bahwa seluruh model harus bergeser, tetapi jika saya harus memilih kunci, itu adalah proposisi nilai. Industri ini telah menghabiskan dekade menjual deliverables – dek, peta jalan, rencana implementasi – dan dibayar untuk upaya. Di dunia AI-asli, klien tidak ingin deliverable. Mereka ingin hasil. Mereka ingin alur kerja yang sebenarnya berjalan, biaya yang sebenarnya turun, pendapatan yang sebenarnya muncul.

Ketika Anda berkomitmen untuk menjual hasil, semua yang lain harus berubah untuk mendukungnya. Komposisi tim menjadi lebih teknis. Keterlibatan berubah dari saran-dan-tinggalkan menjadi bangun-dan-operasikan. Harga bergeser dari jam. Orang yang melakukan pekerjaan harus sama nyamannya mengirimkan kode seperti menjalankan komite pengarah.

Itu adalah perubahan budaya besar bagi industri kami, dan tidak semua orang akan berhasil. Firma yang melakukannya akan terlihat sangat berbeda dalam lima tahun dari sekarang.

LabX juga berfungsi sebagai lingkungan eksperimen untuk karyawan dan mitra teknologi. Seberapa pentingkah eksperimen internal ketika mencoba membangun kefasihan AI seluruh organisasi?

Itu adalah permainan utama. Anda tidak membangun kefasihan AI dengan membaca tentang AI – Anda membangunnya dengan mencoba hal-hal, melihatnya rusak, dan mencoba lagi. Itu benar untuk profesional IT 30 tahun maupun seseorang yang dua tahun lulus sekolah.

Kami baru-baru ini menjalankan tantangan AI di dalam satu unit bisnis kami dan mendapatkan lebih dari 1.300 ide unik dalam dua minggu. Itu bukan statistik tentang alat – itu statistik tentang apa yang terjadi ketika Anda memberi orang izin untuk berpikir di luar kotak. Kreativitas sudah ada di dalam organisasi. Tugas kami adalah menciptakan ruang untuk itu tumbuh.

LabX juga menjalankan program rotasi: ahli teknis dari seluruh DXC menghabiskan enam hingga dua belas minggu yang tersemat dengan kami, membangun produk nyata dengan alat AI terbaru. Ketika mereka kembali ke tim mereka, mereka membawa keterampilan baru dan, lebih penting, cara berpikir yang berbeda. Mereka mulai mengajukan pertanyaan yang berbeda kepada rekan mereka dan pelanggan mereka. Mereka menjadi juara untuk apa yang mungkin. Efek berganda di seluruh tenaga kerja jauh lebih berharga daripada produk tunggal yang kami kirim.

DXC membingkai pendekatannya sebagai Human+, menekankan bahwa AI harus memperluas kemampuan manusia daripada menggantikannya. Dalam istilah praktis, bagaimana filosofi ini mempengaruhi bagaimana solusi AI dirancang dan diterapkan dalam perusahaan?

Saya akan langsung: ada pandangan yang mulai terbentuk di industri bahwa hal paling berharga yang AI perusahaan dapat lakukan untuk perusahaan adalah mengurangi jumlah karyawan. Saya pikir itu adalah kegagalan imajinasi.

Disiplin biaya penting, tetapi kesempatan nyata adalah pertumbuhan: aliran pendapatan baru, produk baru, penawaran layanan baru yang tidak mungkin sebelumnya. Kasus penggunaan AI yang paling berharga adalah memungkinkan orang untuk melakukan pekerjaan yang menciptakan nilai bisnis baru, bukan hanya mengoptimalkan apa yang sudah ada. Perusahaan yang berhasil melakukan ini akan mengungguli mereka yang mengobati AI sebagai latihan biaya murni.

Dalam praktiknya, Human+ berarti kami merancang AI untuk menangani proses rutin skala besar sehingga orang-orang kami dapat fokus pada pekerjaan yang lebih berharga: pemikiran strategis, pemecahan masalah kreatif, hubungan klien, dan keputusan penghakiman yang kompleks. Kami menjaga keahlian dan pengawasan manusia di pusat setiap penerapan, terutama di mana keputusan membawa konsekuensi nyata. Itulah cara Anda membangun kepercayaan dengan klien, dan itulah cara Anda mengunci keunggulan kompetitif yang tahan lama.

Ketika organisasi mencoba mengintegrasikan AI ke dalam alur kerja yang ada, kesalahan umum apa yang Anda lihat mereka lakukan yang memperlambat adopsi atau membatasi nilai bisnis nyata?

Dua kesalahan yang saya lihat terus-menerus. Pertama, memulai dengan teknologi bukan masalah. Seseorang jatuh cinta dengan model atau demo vendor, dan inisiatif menjadi tentang menerapkan hal itu daripada menyelesaikan sesuatu yang benar-benar penting bagi bisnis. Kedua, mengobati AI sebagai proyek IT bukan transformasi bisnis. Jika Anda menyerahkan AI sepenuhnya kepada CIO dan meminta sisa bisnis untuk terus berjalan tanpa perubahan, Anda akan mendapatkan alat yang tidak digunakan dan anggaran yang tidak ingin dibela tahun depan.

Antidot untuk keduanya sederhana untuk dikatakan dan sulit untuk dilakukan: mulai dengan masalah bisnis, letakkan tim fungsional yang tepat di atasnya – orang, proses, teknologi – dan bangun mundur dari hasil yang Anda coba capai. Itulah sikap yang kami ambil di LabX, dan itulah cara kami bekerja dengan klien seperti Ferrovial, di mana kami telah membantu menerapkan AI Workbench – penawaran AI generatif yang menggabungkan konsultasi, teknik, dan layanan perusahaan yang aman, sekarang digunakan oleh lebih dari 24.000 karyawan dengan lebih dari 30 agen AI yang membuat keputusan waktu nyata. Skala seperti itu tidak terjadi jika Anda mengobati itu sebagai proyek IT.

Menghadap ke depan, bagaimana Anda mengharapkan lingkungan inkubasi AI seperti LabX untuk membentuk cara perusahaan mengembangkan, menguji, dan menerapkan teknologi baru dalam beberapa tahun mendatang?

Ini adalah apa yang saya pikir akan jelas dalam retrospeksi: pemenang di era ini tidak akan menjadi perusahaan dengan solusi titik paling mencolok. Mereka akan menjadi integrator – mereka yang dapat menjahit AI di seluruh model operasional, di seluruh fungsi, dan di seluruh alur kerja sehingga kecerdasan tidak terjebak dalam satu alat atau layar pengguna tunggal.

Itu adalah masalah yang lebih sulit daripada menerapkan model. Memerlukan konteks perusahaan yang dalam, kemampuan untuk bekerja di seluruh sistem warisan dan modern, dan disiplin untuk mengubah cara kerja yang sebenarnya dilakukan. Itu juga kesempatan yang paling saya nikmati.

LabX adalah tempat kami mendapatkan pengalaman. Itu adalah tempat Anda belajar apa yang rusak pada skala, apa yang sebenarnya terlihat seperti tata kelola dalam prakteknya, dan apa yang pelanggan akan dan tidak akan adopsi. Perusahaan yang berinvestasi pada ruang seperti itu sekarang – secara internal atau melalui mitra – akan memiliki kurva kemampuan yang sangat berbeda tiga tahun dari sekarang daripada mereka yang masih memutuskan apakah itu layak untuk usaha. Dan mereka yang membangun di ruang ini akan terus menemukan masalah baru yang layak dipecahkan, karena teknologi tidak melambat dan tidak juga kesempatan.

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