Tom Butler, VP, Portofolio dan Manajemen Produk Komersial di Lenovo – Seri Wawancara

Wawancara ini dilakukan dalam rangka MWC 2026, di mana Lenovo memamerkan kemajuan terbaru dalam komputasi komersial yang ditenagai AI.

Tom Butler, Wakil Presiden, Portofolio dan Manajemen Produk Komersial di Lenovo, membawa lebih dari dua dekade pengalaman dalam perusahaan, setelah memulai karir sebagai direktur, direktur eksekutif, dan sekarang wakil presiden portofolio komersial global. Berbasis di Raleigh-Durham, ia bertanggung jawab untuk membentuk strategi produk komersial Lenovo di seluruh dunia, menyelaraskan perangkat keras, perangkat lunak, dan layanan untuk memenuhi kebutuhan perusahaan. Karirnya mencerminkan keahlian yang mendalam dalam manajemen produk, eksekusi go-to-market, dan kepemimpinan portofolio skala besar, yang dibangun dari peran teknis dan operasional sebelumnya di Cisco dan Ericsson, di mana ia mengembangkan fondasi dalam sistem nirkabel, infrastruktur perusahaan, dan dukungan pelanggan.

Lenovo adalah perusahaan teknologi global yang menghasilkan pendapatan tahunan tens of billions dan melayani pelanggan di lebih dari 180 pasar. Perusahaan ini menawarkan portofolio yang luas yang mencakup PC, smartphone, tablet, server, dan infrastruktur perusahaan, serta perangkat lunak, solusi yang didorong AI, dan layanan yang dirancang untuk mendukung transformasi digital. Bisnisnya terstruktur di seluruh segmen kunci termasuk perangkat pintar, solusi infrastruktur, dan layanan, yang memungkinkan perusahaan untuk beroperasi di kedua ekosistem konsumen dan perusahaan. Semakin banyak, Lenovo memposisikan dirinya di sekitar AI dan pengalaman komputasi terintegrasi, menggabungkan perangkat keras dengan perangkat lunak pintar dan kemampuan berbasis cloud untuk mendukung tempat kerja modern dan lingkungan perusahaan skala besar.

Anda telah menghabiskan lebih dari dua dekade di Lenovo, naik melalui peran pemasaran produk, perencanaan strategis, dan kepemimpinan portofolio untuk sekarang mengawasi portofolio notebook komersial di seluruh dunia. Bagaimana perjalanan itu membentuk perspektif Anda tentang apa yang benar-benar mendefinisikan “PC AI” versus laptop bisnis tradisional dengan fitur AI yang ditambahkan di atas?

Saya telah menghabiskan sebagian besar karir saya di dalam PC komersial, jadi saya cenderung sangat ketat pada definisi. PC AI bukanlah laptop tradisional dengan beberapa fitur yang ditambahkan, tetapi sistem yang dirancang dari awal untuk menjalankan beban kerja AI secara lokal, efisien, dan aman.

Apa yang penting bagi saya adalah apa yang dapat dilakukan perangkat secara asli. Dapatkah itu menjalankan pengalaman AI yang berarti tanpa bergantung pada cloud? Dapatkah itu beradaptasi dengan pengguna, data mereka, alur kerja mereka? Dan dapatkah itu dilakukan dengan cara yang memenuhi harapan perusahaan untuk keamanan dan kinerja?

Setelah bertahun-tahun di ruang ini, saya telah belajar untuk melihat melampaui hype. Jika itu tidak secara fundamental mengubah cara orang bekerja, itu belum benar-benar PC AI.

Semakin banyak, kita melihat ini sebagai bagian dari pergeseran yang lebih luas menuju arsitektur AI hibrida, di mana perangkat menangani lebih banyak secara lokal dan hanya pergi ke cloud ketika diperlukan.

Sebagai pemimpin yang bertanggung jawab untuk ThinkPad, ThinkBook, dan perangkat lunak komersial, bagaimana Anda merancang kembali roadmap notebook komersial untuk mempertimbangkan beban kerja AI yang semakin banyak berjalan secara lokal di perangkat daripada secara eksklusif di cloud?

Seiring beban kerja AI semakin banyak berjalan secara lokal, roadmap perlu memprioritaskan kinerja yang berkelanjutan di perangkat, bukan hanya spesifikasi puncak. Dalam prakteknya, itu berarti memperluas konfigurasi yang diaktifkan NPU di seluruh ThinkPad dan ThinkBook dan memperlakukan NPU sebagai sumber daya inti bersama dengan CPU dan GPU. Tugas seperti ringkasan pertemuan, transkripsi, pencarian cerdas, dan pembuatan konten semakin dioptimalkan untuk percepatan lokal.

Ini juga memerlukan pergeseran dalam cara kita berpikir tentang perangkat lunak. Pelanggan perusahaan tidak ingin fitur AI yang terisolasi, mereka ingin pengalaman yang terintegrasi yang bekerja di seluruh alur kerja, perangkat, dan lingkungan.

Ini juga sejalan dengan pergeseran yang lebih luas yang kita lihat dari cloud-first ke model AI hibrida yang lebih banyak. Perusahaan mulai memikirkan tentang pendekatan “lokal-terlebih-dahulu, cloud-ketika-diperlukan”, di mana PC atau perangkat edge menangani lebih banyak beban kerja, dan cloud digunakan lebih selektif. Itu memiliki implikasi nyata tidak hanya untuk kinerja, tetapi juga untuk biaya, kontrol, dan bagaimana lingkungan IT dirancang. Itulah mengapa kita fokus pada arsitektur yang terbuka dan fleksibel yang mendukung beberapa model dan ekosistem yang berkembang, bukan mengunci pelanggan ke dalam satu pendekatan.

Perusahaan berada di bawah tekanan untuk memodernisasi armada perangkat mereka, tetapi siklus penyegaran semakin ketat. Apa kasus bisnis terkuat saat ini untuk CIO untuk berinvestasi di PC AI daripada memperpanjang umur perangkat yang ada?

Kasus bisnis saat ini menjadi semakin jelas: CIO diminta untuk memodernisasi untuk dunia di mana harapan produktivitas dan keamanan telah bergeser, dan armada PC yang lebih tua tidak dapat selalu mencapai baseline baru tersebut melalui pembaruan perangkat lunak saja.

Kinerja adalah bagian dari cerita, tetapi itu tidak lagi bagian yang paling menarik. Apa yang telah berubah adalah bahwa beban kerja AI sekarang menjadi bagian dari produktivitas sehari-hari, dan armada yang lebih tua tidak dirancang untuk itu.

ROI yang sebenarnya datang dari memungkinkan cara kerja baru, AI lokal yang menjaga data sensitif di perangkat, pengalaman kolaborasi yang lebih baik, dan ketergantungan yang berkurang pada koneksi yang konstan. Ada juga dimensi biaya yang menjadi lebih penting. Pusat data semakin banyak dipesan untuk beban kerja yang menghasilkan pendapatan, sehingga jika Anda dapat memindahkan pengujian, inferensi, atau tugas AI awal ke perangkat klien atau edge, Anda mengurangi penggunaan cloud yang tidak perlu dan menurunkan biaya secara keseluruhan.

Pada saat yang sama, perusahaan ingin memodernisasi tanpa gangguan. Menggabungkan perangkat baru dengan layanan siklus hidup, penerapan yang difasilitasi, dan “pilot-prove-it-fast” membantu membuat siklus penyegaran terasa sengaja dan praktis daripada reaktif.

PC AI sering menjanjikan produktivitas yang ditingkatkan melalui copilot di perangkat dan otomatisasi. Di penempatan perusahaan nyata, di mana Anda benar-benar melihat keuntungan yang dapat diukur — dan di mana industri masih berada di depan hasil praktis?

Di mana kita melihat dampak nyata adalah ketika AI dikaitkan dengan alur kerja tertentu. Pencatatan pertemuan, ringkasan, pencarian, dan optimasi perangkat sudah memberikan penghematan waktu yang dapat diukur, terutama ketika beban kerja tersebut dapat berjalan secara lokal tanpa keterlambatan atau ketergantungan pada koneksi.

Di mana industri masih berada di awal adalah dalam transformasi perusahaan yang luas. Tidak ada “killer app” tunggal, dan adopsi sangat bergantung pada pelatihan, integrasi, dan manajemen perubahan, bukan hanya perangkat keras.

Bentuk imersif sedang diposisikan sebagai evolusi berikutnya dari perangkat pintar. Dari sudut pandang Anda, apa yang secara realistis dimaksud dengan “imersif” untuk pengguna bisnis selama tiga hingga lima tahun ke depan — dan kasus penggunaan mana yang sudah matang untuk melampaui eksperimen?

Bagi pengguna bisnis, “imersif” harus berarti praktis. Lebih banyak ruang layar yang dapat digunakan, fokus yang lebih baik, dan kolaborasi yang lebih alami, bukan sesuatu yang eksperimental.

Kita melihat itu menjadi kenyataan melalui layar yang dapat diperluas, desain multi-mode, dan ekosistem modular yang memperluas ruang kerja tanpa menambah kompleksitas.

Di tiga hingga lima tahun ke depan, kasus penggunaan yang paling sukses akan sejalan dengan pekerjaan kritis perusahaan: tugas yang berat pada dokumen, kolaborasi, dan produktivitas mobile. Teknologi lain, seperti 3D tanpa kacamata, cincin, dan beberapa model interaksi spasial, kemungkinan akan matang terlebih dahulu dalam peran khusus seperti visualisasi desain, pelatihan, atau kolaborasi lanjutan sebelum menjadi lebih luas diterima.

Seiring beban kerja AI meningkat, perangkat harus menyeimbangkan kinerja, termal, umur baterai, dan keamanan. Apa pertukaran rekayasa yang paling menantang saat membangun PC AI komersial yang perlu berkinerja dengan andal di lingkungan perusahaan?

Bagian yang paling sulit adalah bahwa pelanggan ingin semuanya sekaligus: kinerja, umur baterai, desain yang tipis, dan keandalan. Dalam kenyataan, hal-hal tersebut bersaing. Baterai yang lebih besar dan pendingin yang lebih kuat menambah berat dan ketebalan, sehingga tantangan nyata adalah menemukan keseimbangan yang tepat, bukan mengejar satu spesifikasi.

Keamanan juga harus dibangun dari awal. Ketika beban kerja AI bergerak lebih dekat ke endpoint, keputusan tentang integritas firmware, perlindungan perangkat keras, dan jaminan rantai pasokan menjadi bagian dari persamaan kinerja. Di lingkungan perusahaan, sistem yang cepat tetapi rentan tidak dapat diskalakan.

Keamanan dan tata kelola data tetap menjadi kekhawatiran utama bagi pembeli perusahaan. Bagaimana pergeseran menuju inferensi AI di perangkat mengubah percakapan sekitar privasi, kepatuhan, dan manajemen risiko?

Inferensi AI di perangkat memperbaiki percakapan sekitar privasi, karena lebih banyak data dapat tetap lokal di perangkat. Itu adalah pergeseran besar, terutama untuk industri yang diatur. Ini juga membantu mengatasi kekhawatiran sekitar keterlambatan dan kontrol, karena beban kerja sensitif tidak selalu perlu meninggalkan endpoint.

Namun, itu tidak menghilangkan kebutuhan akan tata kelola. Perusahaan masih memerlukan kebijakan yang jelas tentang bagaimana model digunakan, bagaimana data ditangani, dan bagaimana hasilnya divalidasi.

Itulah mengapa kita fokus pada keamanan di bawah OS, integritas rantai pasokan, dan kepercayaan perangkat. Ketika AI bergerak ke endpoint, itulah tempat risiko dan tanggung jawab semakin banyak berada.

Banyak bisnis bereksperimen dengan agen AI yang mengotomatisasi alur kerja dan pengambilan keputusan. Bagaimana Anda melihat PC AI berkembang untuk lebih mendukung alur kerja yang didorong agen secara lokal, dan apa inovasi perangkat keras atau perangkat lunak yang akan diperlukan untuk membuat itu lancar?

Saya melihat PC AI berkembang dari fitur bantuan sederhana menjadi platform yang mendukung alur kerja yang didorong agen. Kita bergerak dari AI sebagai alat yang Anda interaksikan, ke AI yang dapat bertindak atas nama Anda. Itu adalah pergeseran yang signifikan.

Anda akan melihat ini berkembang di seluruh perangkat dan ekosistem, bukan hanya dalam satu PC. Kesempatan nyata adalah koordinasi, di mana AI memahami konteks di seluruh pekerjaan dan perangkat Anda, bukan hanya tugas yang terisolasi.

Untuk membuat alur kerja agen tersebut lancar di perangkat, kita akan memerlukan kemajuan terus-menerus dalam percepatan dan efisiensi di perangkat. Yang sama pentingnya adalah arsitektur perangkat lunak cerdas yang dapat berinteraksi dengan model saat ekosistem berkembang, bersama dengan guardrails perusahaan yang memungkinkan agen untuk beroperasi dengan aman dan dapat dipercaya.

Itu akan bergantung secara luas pada arsitektur AI hibrida, di mana agen dapat beroperasi secara lokal ketika diperlukan, sambil masih memanfaatkan model skala cloud ketika sesuai.

Lenovo secara historis unggul dalam memahami umpan balik pelanggan dan menerjemahkannya ke dalam strategi produk. Apa tema yang berulang yang Anda dengar dari pelanggan perusahaan tentang perangkat yang diaktifkan AI yang mungkin dilewatkan oleh pasar yang lebih luas?

Tema yang kita dengar dari pelanggan perusahaan biasanya lebih praktis daripada percakapan industri.

Pertama, pelanggan ingin kasus penggunaan perusahaan yang jelas dan ROI yang konsisten. Siklus penyegaran direncanakan tahun-tahun sebelumnya, sehingga tanpa hasil yang kritis, banyak tim tetap berhati-hati.

Kedua, bahkan ketika perangkat baru diterapkan, underutilization adalah umum jika pelatihan dan onboarding tidak dibangun.

Ketiga, tata kelola dan kepercayaan sangat penting. Pembeli ingin opsi AI lokal yang mengurangi paparan data yang tidak perlu dan visibilitas yang jelas tentang apa yang terjadi di perangkat.

Terakhir, dasar-dasar masih penting. Umur baterai, kinerja, port, keandalan, dan perbaikan. AI tidak menggantikan harapan tersebut, itu meningkatkan batasan untuk semuanya.

Menghadap ke depan lima tahun, apakah Anda percaya bahwa istilah “PC AI” masih akan ada sebagai kategori, atau apakah kemampuan AI hanya akan menjadi lapisan yang terintegrasi dan tidak terlihat di seluruh perangkat komersial — dan apa yang ini implikasikan untuk bagaimana perusahaan membedakan perangkat keras mereka?

Saya pikir istilah “PC AI” akan memudar seiring waktu. AI hanya menjadi bagian dari apa yang sebuah PC.

Pembeda yang sebenarnya bergeser ke pengalaman, seberapa pribadi itu, seberapa baik itu dilindungi, seberapa mudah itu dikelola dalam skala besar, dan seberapa percaya diri perusahaan dapat menerapkannya.

Dalam arti itu, AI menjadi tidak terlihat. Apa yang peduli pelanggan adalah apakah perangkat membantu orang bekerja lebih baik, dan apakah mereka mempercayainya.

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