David DeSanto, CEO di Anaconda – Serie di Interviste

David DeSanto è il Chief Executive Officer di Anaconda, dove guida la missione dell’azienda per potenziare le comunità di data science e intelligenza artificiale di tutto il mondo attraverso l’innovazione open-source e soluzioni aziendali sicure. Un provato esecutivo di prodotti e tecnologia, David porta con sé più di due decenni di esperienza che spaziano dalla sicurezza informatica alle piattaforme per sviluppatori e software aziendali.

Recentemente, David ha ricoperto il ruolo di Chief Product Officer a GitLab (GTLB ), dove ha guidato l’organizzazione dei prodotti a livello globale nel fornire una piattaforma DevSecOps nativa AI con oltre 50 milioni di utenti registrati in tutto il mondo. Durante i suoi sei anni con l’azienda, ha aiutato a trasformare GitLab da una startup in rapida crescita in un leader di settore quotato in borsa e definito dall’industria.

Anaconda è una piattaforma open-source leader per data science, machine learning e intelligenza artificiale, costruita intorno al linguaggio di programmazione Python e ampiamente utilizzata da sviluppatori individuali e grandi aziende. Originariamente lanciata nel 2012, fornisce un ambiente completo che include strumenti per la codifica, la gestione dei pacchetti attraverso Conda e l’accesso a migliaia di librerie precompilate come NumPy, pandas e TensorFlow, consentendo agli utenti di sviluppare, testare e distribuire modelli AI in modo efficiente.

Nel tempo, Anaconda è evoluta in una piattaforma AI aziendale completa che aiuta le organizzazioni a gestire l’intero ciclo di vita dell’AI – dalla ricerca e dalla sicurezza dei pacchetti open-source alla costruzione, alla governance e alla distribuzione di applicazioni su cloud e ambienti on-premise. Con decine di milioni di utenti e un’adozione diffusa in una grande percentuale di aziende Fortune 500, è diventata un livello fondamentale per lo sviluppo moderno dell’AI, enfatizzando l’innovazione open-source, la scalabilità e flussi di lavoro sicuri e riproducibili.

Ha trascorso quasi sei anni a GitLab, più di tre come Chief Product Officer, aiutando a scalare una piattaforma DevSecOps nativa AI a decine di milioni di utenti. Come ha influenzato questa esperienza le sue priorità ora come CEO di Anaconda, e cosa sembra fondamentalmente diverso nel guidare un’azienda rispetto al guidare un prodotto?

Il mio tempo a GitLab ha rafforzato alcuni principi che ora sono centrali nel mio approccio ad Anaconda. In primo luogo, la crescita responsabile – scalare team, prodotti e entrate in modo che sia duraturo. A GitLab, abbiamo cresciuto per servire decine di milioni di utenti, e vedere GitLab Ultimate rappresentare più della metà delle entrate dell’azienda ha dimostrato quanto sia importante allineare il valore del prodotto con l’impatto aziendale a lungo termine.

In secondo luogo, una mentalità di risultati ed efficienza rispetto al processo e alla struttura. È okay pubblicare qualcosa che è sufficientemente buono e mostra la direzione per avviare il meccanismo dei feedback dei clienti. Fornire valore reale in fretta è imperativo, ma è necessario essere consapevoli di come si scala. Ciò si lega strettamente al terzo pilastro: l’ossessione per il cliente e realmente incontrare gli utenti dove si trovano. Ho trascorso la mia carriera costruendo strumenti per sviluppatori e sicurezza, e come ex sviluppatore, so quanto la buona (o cattiva) strumentazione possa impattare sulla produttività e sulla soddisfazione.

E infine, la trasparenza con uno scopo. Questo valore fondamentale di Anaconda ha permesso a tutte le parti di partecipare e collaborare per migliorare l’azienda e le sue offerte. Spero di costruire ulteriormente su questo valore per assicurarmi che stiamo dando alla nostra comunità ciò di cui ha bisogno per avere successo.

Come CEO, sono responsabile dell’intero sistema – strategia, cultura, operazioni e risultati. Sono ancora profondamente legato al prodotto, ma sto pensando in modo più ampio e a lungo termine. Devo assicurarmi che l’azienda cresca in modo responsabile, supporti le sue persone e fornisca valore ai nostri clienti in ogni dimensione dell’attività. Questi sono i principi su cui intendo continuare a costruire.

Cosa l’ha motivato personalmente ad assumere il ruolo di CEO ad Anaconda, e cosa l’ha convinto che questa fosse la piattaforma giusta per costruire il prossimo capitolo dell’AI aziendale?

Dico a tutti che ci sono stati quattro motivi per cui ero entusiasta di unirmi ad Anaconda come CEO. In primo luogo, la tecnologia. Come sviluppatore, ho familiarità con Anaconda da molto tempo e so quanto sia potente e possa esserlo. La piattaforma già consente molto, e le fondamenta che il team ha costruito ci daranno l’opportunità di plasmare cosa verrà dopo nell’era nativa AI!

In secondo luogo, la comunità. Credo profondamente nel potere della comunità open-source. Pochissime aziende hanno una comunità così ampia e coinvolta come quella di Anaconda.

In terzo luogo, le persone. È raro trovare questo livello di leadership in un unico posto. Il team esecutivo è eccezionale, e la loro passione è reale. Stiamo costruendo il futuro con open-source e AI, e far parte di qualcosa di così significativo e impattante ci rende tutti sinceramente entusiasti.

E infine, l’opportunità. Questo è ciò che alla fine ha fatto la differenza per me. Anaconda si trova al centro del rendere l’AI più accessibile, aiutando le aziende a costruire, proteggere, distribuire e monitorare l’AI su larga scala. Quando si combina tecnologia di classe mondiale, una comunità vibrante e un team come questo, si ottiene una rara possibilità di plasmare come l’AI e la data science vengono costruiti e utilizzati. È questo che mi ha attirato.

L’open-source alimenta la maggior parte dello sviluppo moderno dell’AI, eppure molte aziende ancora lottano per fidarsi di esso su larga scala. Perché crede che l’open-source rimanga la fondazione più potente per l’AI, e dove pensa che sia più frainteso?

C’è una concezione comune che il codice più sicuro sia il codice nascosto, che solo poche persone possono vedere. Questo è come un avestruzione che mette la testa nella sabbia per nascondersi. L’open-source è il contrario di questo. L’open-source è trasparente, accoglie tutti i contributi e dà alle organizzazioni in tutto il mondo un insieme più ampio di occhi per assicurarsi che il codice sia sicuro e funzioni come previsto.

Non abbiamo visto una tecnologia maturare rapidamente come l’AI. Per far continuare l’accelerazione dell’AI, è necessario avere un codice moderno che si muova il più velocemente possibile. L’open-source fa questo, ed è quindi la fondazione per lo sviluppo moderno dell’AI.

In Anaconda, ci appoggiamo a questo. Le nostre capacità core e l’ecosistema Python sono open-source perché questo è il modo migliore per far iniziare i team e innovare rapidamente. Su questo, aggiungiamo capacità aziendali, dando alle organizzazioni la governance, la sicurezza e l’affidabilità di cui hanno bisogno per utilizzare l’open-source su larga scala.

I tassi di fallimento dell’AI nelle aziende rimangono alti, specialmente con i piloti di AI generativa. Da parte sua, quali sono le ragioni principali per cui queste iniziative si bloccano, e come le scelte di infrastruttura possono fare o rompere il successo a lungo termine?

Molte organizzazioni hanno eseguito piloti. Alcune hanno solidi progetti di prova del concetto, e altre hanno una manciata di strumenti interni che realmente risparmiano tempo ai team. Ma poche hanno spostato l’AI nella produzione reale che funziona in tutta l’azienda. C’è una grande differenza tra “stiamo sperimentando” e “questo è come lavoriamo ora”. Questo gap è dove la maggior parte delle aziende è bloccata – e non perché la tecnologia non funziona.

La demo quasi sempre sembra buona, ma il problema si presenta quando si tenta di riprodurre la demo su scala aziendale. Improvvisamente, si deve affrontare questioni di governance dei dati, preoccupazioni sulla sicurezza, problemi di affidabilità e un problema di fiducia fondamentale: funzionerà questa applicazione in modo affidabile e manterrà i nostri dati sicuri? Questi problemi non si presentano nella demo e quindi diventano un afterthought per le aziende.

La barriera al successo dell’AI non è la capacità, ma la maturità dell’infrastruttura e del processo. Le organizzazioni che stanno avanzando sono guidate da quelle che scelgono di investire in fondamenta moderne dove la fiducia e la velocità coesistono e dove la sicurezza e la governance integrate accelerano piuttosto che ostacolare. Catene di strumenti e ambienti frammentati ti costringono a scegliere tra i due, ma infrastrutture e processi di AI moderni e unificati ti permettono di avere entrambi. Oggi, rimuovere gli ostacoli sta creando il tuo vantaggio competitivo. Questo non è solo un’ambizione tecnica; è un imperativo aziendale per competere e sopravvivere nel mercato di oggi. Il successo sarà aumentato da coloro che investono nella sicurezza e nella governance fin dalle fondamenta.

Ha guidato team in cybersecurity, prodotti e piattaforme per sviluppatori. Come sta portando questa mentalità di sicurezza in primo luogo nella strategia di Anaconda su gestione delle dipendenze, riproducibilità dell’ambiente e rischio della catena di approvvigionamento?

Il mio percorso nella sicurezza è iniziato nel settore sanitario, dove ho visto esattamente cosa passava per ‘sicuro’ all’epoca. Sono diventato completamente immerso nella sicurezza e questo è diventato una passione. Man mano che i carichi di lavoro dell’AI, i modelli, gli agenti e le integrazioni diventano più complessi, i rischi per la sicurezza si moltiplicano più velocemente di quanto la governance possa tenere il passo. E anche quando il rischio per la sicurezza viene gestito, l’ambiente stesso diventa un ostacolo.

La sicurezza e la conformità con l’AI sono sfide, specialmente ottenere una visibilità reale sul rischio attraverso lo sviluppo e la produzione. È qui che ci stiamo concentrando. Stiamo costruendo capacità di sicurezza più profonde nella gestione dell’ambiente, una governance aggiuntiva intorno ai pacchetti AI al di fuori dell’ecosistema Python e aiutando a ridurre il rischio con i modelli AI attraverso l’analisi della sicurezza della loro postura. L’obiettivo è semplice: aiutare le organizzazioni a muoversi più velocemente con l’AI mantenendo la visibilità, la privacy e la resilienza di cui hanno bisogno per fidarsi dell’AI su larga scala.

C’è un crescente scetticismo intorno al ROI dell’AI, insieme a un aumento dell’esperimentazione e della codifica di vibe. Come distingue tra esperimentazione produttiva e sistemi AI pronti per l’azienda che effettivamente forniscono valore misurabile?

Quest’anno potrebbe essere il primo in cui il ROI dell’AI viene misurato bene. Tutti nel settore stanno trattando “l’efficienza” come il tempo risparmiato, ma questo non è il miglior KPI di primo livello. Le organizzazioni che si prendono il tempo di creare KPI personalizzati direttamente legati a ciò che è più importante per loro avranno risultati migliori. Ciò può essere il tempo ridotto nella revisione del codice per il team di sviluppo o la qualità della generazione di lead per il team di go-to-market. Il tempo da solo e la misurazione del consumo di token non segnalano direttamente l’efficienza.

Anaconda si trova al centro dello sviluppo dell’AI basato su Python. Come vede l’evoluzione dei ruoli degli ambienti Python man mano che le organizzazioni passano da esperimenti a sistemi AI su larga scala e completamente governati?

Python è il linguaggio premier per l’AI, e non mi aspetto che questo cambi presto, ma i linguaggi sempre fluttuano in popolarità. Le organizzazioni hanno bisogno di strumenti che evolvono e affrontano naturalmente i problemi di prestazioni e scalabilità sottostanti, consentendo agli agenti AI di creare applicazioni e servizi di livello aziendale con successo. Mi aspetto che le organizzazioni inizino a investire in blocchi di costruzione universali che accelerano il valore e l’adozione dell’AI. Questo è ciò che le posizionerà meglio per navigare nel lessico in continua evoluzione dei linguaggi di codifica che alimentano lo strato di infrastruttura dell’AI.

Ha lavorato a stretto contatto con settori regolamentati e aziende consapevoli della sicurezza in passato. Cosa significa realmente la governance dell’AI a livello aziendale nella pratica, al di là dei documenti di politica e delle checklist di conformità?

L’AI aziendale e le applicazioni native AI sono qualcosa di completamente diverso rispetto allo sviluppo software tradizionale. Quando si tratta l’AI come sviluppo tradizionale, si finisce con la sicurezza e la governance rotte, il che ostacolerà l’innovazione. L’AI aziendale ha bisogno di principi di sviluppo nativi AI dove il modello AI è il componente principale che guida la versione e tutto il resto intorno ad esso è secondario.

La governance dell’AI è la differenza tra scalare con successo e bloccarsi. La governance dell’AI a livello aziendale è ciò che accade quando i principi nativi AI responsabili vengono tradotti in controlli di piattaforma applicabili, responsabilità chiara e tracciabilità e discendenza continua di tutti i componenti AI. Va oltre le politiche e le checklist che hanno funzionato nelle pratiche DevOps.

Con il recente finanziamento e la spinta aziendale di Anaconda, quali sono le sue priorità di crescita a breve termine, e dove sta investendo più aggressivamente nei prossimi 12-18 mesi?

Il nostro obiettivo è chiaro: Anaconda sarà la piattaforma di sviluppo AI nativa aziendale preferita per la costruzione, la sicurezza e la distribuzione di applicazioni e servizi nativi AI. I nostri clienti continuano a evolversi per soddisfare le loro esigenze e noi ci evolviamo con loro. Questo è il motivo per cui non siamo più solo uno strumento per la data science, ma una piattaforma completa per l’AI aziendale. Ogni investimento, sia in prodotti, partnership o acquisizioni, verrà valutato in base a una sola domanda: “Ci porta più vicini a essere la piattaforma di cui le aziende hanno bisogno per avere successo nel nuovo mondo nativo AI?” Siamo una società ossessionata dal cliente e tutto ciò che facciamo è per i nostri clienti.

Essendo qualcuno che ha aiutato a scalare una piattaforma di sviluppo quotata in borsa, quali lezioni ha imparato sulla costruzione per gli operatori mentre serve anche CTO, CIO e Chief AI Officer a livello esecutivo?

Il successo sempre torna al cliente e al supporto degli esiti che stanno cercando di raggiungere. Sembra semplice, ma è facile per i team perdersi in metriche interne (quante ore sono state dedicate a un progetto, se un lancio raggiunge obiettivi predefiniti) piuttosto che chiedersi una domanda più importante: “Ciò rende realmente i nostri clienti più felici?” I leader potrebbero dire che è necessario un prodotto completamente nuovo quando in realtà potrebbe semplicemente trattarsi di raffinare ciò che già si ha (rendendo un prodotto più user-friendly, ad esempio), e poi si ottiene l’esito desiderato. Se i clienti sono felici e di successo, allora noi siamo tutti felici e di successo.

Grazie per la grande intervista, i lettori che desiderano saperne di più possono visitare Anaconda.