Denise Ruffner, Vicepresidente Sviluppo Commerciale e Operazioni Commerciali a Livello Mondiale, Haiqu – Serie di Interviste

Denise Ruffner, Vicepresidente Sviluppo Commerciale e Operazioni Commerciali a Livello Mondiale presso Haiqu, è una dirigente tecnologica esperta con una vasta esperienza nella commercializzazione del calcolo quantistico e di altre tecnologie emergenti. In Haiqu, guida lo sviluppo commerciale e l’espansione globale, basandosi su precedenti ruoli di leadership, tra cui Chief Business Officer presso Atom Computing e Cambridge Quantum Computing, Vicepresidente Sviluppo Commerciale presso IonQ e CATALOG, e quasi due decenni presso IBM. Il suo lavoro ha coperto vendite aziendali, partnership strategiche, strategie go-to-market, sviluppo dell’ecosistema e il trasferimento di tecnologie complesse da ambienti di ricerca a mercati commerciali. Ha anche co-fondato DiviQ, un’organizzazione focalizzata sulla costruzione di una forza lavoro quantistica più diversificata, e consiglia aziende quantistiche e di tecnologie emergenti in fase iniziale sulla commercializzazione, partnership, raccolta fondi e acquisizione clienti.

Haiqu è un’azienda di software quantistico che sviluppa quello che definisce un Sistema Operativo Agentico per i team di R&D quantistica, combinando agenti di ricerca quantistica potenziati dall’IA con una stack software proprietaria progettata per rendere più pratico lo sviluppo e l’esecuzione di applicazioni quantistiche. La sua piattaforma comprende un livello di R&D agentico per trasformare le idee di ricerca in prototipi eseguibili, l’Haiqu SDK per il caricamento dei dati, la compressione dei circuiti, l’ottimizzazione e la mitigazione degli errori, e l’Haiqu Runtime per orchestrare i carichi di lavoro su hardware quantistico. La tecnologia è progettata per operare su più architetture di unità di elaborazione quantistica e supportare applicazioni in settori tra cui modellazione finanziaria, simulazione quantistica, dinamica dei fluidi computazionale, apprendimento automatico quantistico e ottimizzazione. Haiqu posiziona la piattaforma come un modo per i team aziendali e scientifici di andare oltre i “problemi giocattolo” sperimentali verso carichi di lavoro quantistici più grandi e commercialmente rilevanti.

Tu ti sei recentemente unita a Haiqu come Vicepresidente Sviluppo Commerciale e Operazioni Commerciali a Livello Mondiale. Cosa ti ha attratto dell’azienda e quali sono le tue priorità immediate in questo nuovo ruolo?

Conosco i fondatori di Haiqu e ho seguito l’azienda fin dai suoi primi giorni, e ciò che mi ha attratto è stato il progresso che hanno raggiunto in un periodo di tempo relativamente breve. In soli tre anni, Haiqu è passata da una startup nascente a un’azienda che dispone di un impressionante prodotto software, HaiquOS, che fornisce risultati significativi già ora, anche prima che siano disponibili computer quantistici completamente tolleranti ai guasti.

La mia priorità immediata è commercializzare HaiquOS a un pubblico globale più ampio, introducendo la piattaforma a una base di clienti più estesa.

Hai aiutato IBM Quantum, Cambridge Quantum Computing, IonQ e Atom Computing a ottenere clienti e partner strategici. Quali lezioni da queste esperienze influenzeranno più direttamente la strategia di commercializzazione di Haiqu?

Una delle lezioni più importanti che ho imparato è che la commercializzazione di successo richiede pazienza; è molto difficile introdurre un prodotto e ottenere un successo immediato. Prima che le aziende lancino i loro prodotti, è importante disporre di una pista di decollo che crei consapevolezza e credibilità sul mercato. La credibilità deriva da test beta, pubblicazioni su riviste accademiche e nei media, conversazioni con potenziali clienti, endorsement degli utenti e consigli consultivi scientifici.

Un’altra cosa che ho osservato è che molte startup cadono nella trappola di esagerare le capacità dei loro prodotti. Sostenere in modo eccessivo le capacità di un prodotto prima di poterle supportare pienamente è uno degli errori più grandi che un’azienda possa commettere, poiché rovina la credibilità.

Voglio continuare la tradizione di Haiqu di rappresentare accuratamente ciò che il prodotto può e non può fare. Haiqu è stata molto consapevole degli errori commessi da altre startup quantistiche e ha già costruito un seguito solido basato sulla credibilità scientifica e tecnica. Il mio obiettivo è rafforzare la base clienti globale di Haiqu perché ritengo che sia giunto il momento che una geografia più ampia di clienti sperimenti i vantaggi di HaiquOS.

Il Sistema Operativo Agentico di Haiqu combina intelligenza agentica, un kit di sviluppo software e uno strato di orchestrazione runtime. Come lavorano insieme questi componenti per guidare un team di ricerca da un’idea iniziale a un esperimento quantistico eseguibile?

I tre livelli corrispondono alle tre fasi in cui la R&D quantistica di solito si blocca: progettare l’applicazione giusta, eseguirla in modo efficiente e iterare sui risultati.

L’Intelligenza Agentica è il punto di ingresso di un’idea di ricerca. Un team descrive una domanda di business o una direzione di ricerca esplorativa in linguaggio naturale, e lo strato agentico, basato sulla nostra ricerca proprietaria di algoritmi, flussi di lavoro specifici per dominio e una base di conoscenza curata di teoria quantistica, struttura quell’intento, chiarisce i vincoli e mappa il caso d’uso all’approccio algoritmico corretto. Il risultato è un prototipo pronto per l’esecuzione.

L’Haiqu SDK trasforma quindi quel prototipo in un flusso di lavoro performante e pronto per l’hardware. Applica il caricamento dei dati, la compressione dei circuiti, l’ottimizzazione algoritmica, la mitigazione degli errori e una progettazione consapevole dell’hardware, così il team può estrarre valore reale da ogni operazione quantistica sull’hardware rumoroso di oggi — fino a 100 volte più operazioni utilizzabili sui dispositivi NISQ attuali.

Haiqu Runtime gestisce poi l’esecuzione: orchestra l’infrastruttura middleware e il flusso di esecuzione per far girare l’applicazione su hardware reale nel minor tempo di clock e costo per esperimento possibile. È questo che ci ha permesso di riprodurre una simulazione di dinamica quantistica che in precedenza costava circa 30.000 $ e nove ore, per circa 25 $ in circa 30 secondi.

Insieme chiudono il ciclo — intento in ingresso, esperimento eseguibile in uscita, abbastanza veloce da iterare. Il team passa da un’idea generale a un prototipo funzionante in giorni anziché mesi.

L’AI agentica viene sempre più applicata a flussi di lavoro scientifici complessi. Quali parti della ricerca quantistica possono essere delegate ad agenti intelligenti, e dove gli scienziati esperti devono rimanere fermamente al controllo?

Gli agenti sono ben adatti al lavoro che richiede competenza ma è ricorrente: strutturare una domanda di ricerca, mapparla a algoritmi candidati, generare lo scheletro di un’applicazione e gestire gli strati di ottimizzazione e orchestrazione, che includono il caricamento dei dati, la compressione dei circuiti, la mitigazione degli errori, la selezione dell’hardware e la messa a punto dell’esecuzione. Questo è proprio il lavoro che consuma il tempo di uno scienziato, sottraendolo alla scienza stessa, ed è dove il nostro livello agentico elimina il problema del “da dove comincio”.

Ciò che rimane fermamente nelle mani degli scienziati esperti è il giudizio. Definire cosa vale la pena investigare, decidere se un risultato è fisicamente significativo piuttosto che semplicemente ben formato, convalidare i risultati rispetto alla fisica nota e interpretare la loro rilevanza non sono delegabili. L’inquadramento corretto è che gli agenti comprimono il percorso verso un risultato e gli esperti dirigono l’indagine e sostengono le conclusioni. La responsabilità della scienza non si sposta.

Haiqu sostiene che le organizzazioni non debbano attendere computer quantistici completamente tolleranti ai guasti per condurre esperimenti significativi. Cosa possono realisticamente realizzare le imprese con l’hardware odierno, e dove le aspettative dovrebbero rimanere misurate?

Le imprese possono realisticamente costruire e far girare prototipi funzionanti oggi: simulazioni molecolari e di materiali, problemi di ottimizzazione, machine learning quantistico e modellazione di distribuzioni di probabilità per applicazioni come la valutazione del rischio e dei derivati. L’abbiamo dimostrato preparando concretamente simulazioni del modello di Anderson a impurità singola da zero e costruendo una pipeline che ha riprodotto firme sperimentali osservate in esperimenti di scattering di neutroni su magneti quantistici unidimensionali. Abbiamo inoltre mostrato altre applicazioni rilevanti per i settori finanziario, automobilistico ed energetico. Il valore oggi risiede nello sviluppo di competenze, flussi di lavoro e prontezza applicativa che pagheranno quando i sistemi scaleranno.

L’hardware è ancora nell’era Near-Intermediate Scale Quantum (NISQ), quindi il lavoro che può essere svolto oggi è vero R&D e prototipazione, non un vantaggio quantistico commerciale ampio. Gli utenti devono tenere presente che i risultati necessitano di validazione, non tutti i problemi beneficiano ancora del quantistico, e la posizione onesta è costruire capacità ora così che i team siano pronti quando l’hardware maturerà.

I progetti quantistici possono faticare a progredire oltre le prove di concetto. Cosa separa un esperimento con reale potenziale commerciale da una dimostrazione tecnica impressionante che è improbabile che generi valore di business?

La differenza tra reale potenziale commerciale e una dimostrazione tecnica impressionante è se il lavoro affronta in modo efficiente un problema reale che le organizzazioni desiderano risolvere. Una soluzione quantistica potrebbe produrre risultati incredibili, ma se è altamente costosa e difficile da replicare e scalare, probabilmente non genererà valore di business reale.

Molte di queste prove di concetto si arrestano dopo queste dimostrazioni tecniche costose, poiché non è efficiente per le aziende perseguire quella soluzione per i loro flussi di lavoro. È per questo che la capacità di Haiqu di ridurre i costi e i tempi necessari per eseguire esperimenti significativi è così preziosa; se le aziende possono condurre più esperimenti entro un budget dato, possono identificare più rapidamente esperimenti e progetti che potrebbero fornire valore reale.

Quando si introduce software per applicazioni quantistiche in un’azienda, chi diventa tipicamente il campione interno, e come si costruisce un caso di business quando il ritorno a lungo termine della tecnologia può ancora essere difficile da quantificare?

Quando si introduce software per applicazioni quantistiche come HaiquOS in un’azienda, il campione interno può provenire da diversi ambiti. Può essere uno scienziato o ricercatore che ottiene risultati migliori con il software, un manager che vede un’opportunità di ridurre i costi o migliorare l’efficienza, o un leader della ricerca che riconosce il valore nel migliorare le prestazioni e accelerare il lavoro del proprio team.

Il caso di business inizia davvero dimostrando valore oggi. Dobbiamo mostrare ai clienti cosa il software può fare con l’hardware quantistico attualmente disponibile, aiutandoli al contempo a capire come queste capacità cresceranno con il miglioramento dell’hardware. HaiquOS consente ai clienti di eseguire esperimenti significativi oggi e di accelerare lo sviluppo delle applicazioni invece di attendere computer quantistici completamente tolleranti ai guasti.

Da lì, il caso aziendale diventa molto più pratico: possiamo migliorare le prestazioni? Possiamo ridurre i costi? Possiamo aiutare gli sviluppatori a ottenere risultati più rapidamente? E possiamo dare al cliente la fiducia che ciò in cui sta investendo oggi continuerà a generare valore man mano che il calcolo quantistico maturerà?

Questa combinazione di valore a breve termine, una roadmap chiara e un forte supporto al cliente è ciò che rende più facile giustificare l’investimento, anche quando il ROI a lungo termine del calcolo quantistico è ancora difficile da quantificare.

Haiqu sta sviluppando una piattaforma hardware-agnostica che può funzionare su diversi sistemi quantistici. Quanto è importante questa flessibilità per i clienti enterprise e come fa l’azienda a evitare di ridurre le prestazioni per accogliere più architetture hardware?

I clienti enterprise non sono necessariamente legati a un unico tipo di hardware quantistico. La maggior parte sta sperimentando diversi sistemi per comprendere le loro prestazioni, i costi e dove ciascuna tecnologia può avere un vantaggio.

Ciò rende importante che il software sia sia hardware-agnostico sia hardware-consapevole. Hardware-agnostico significa che può funzionare su diverse modalità — superconduttiva, ioni intrappolati, atomi neutri e altre. Hardware-consapevole significa che comprende le caratteristiche del sistema specifico su cui è in esecuzione.

Il punto importante è che hardware-agnostico non significa trattare tutti i computer quantistici allo stesso modo. Ogni architettura ha caratteristiche diverse, quindi quando viene aggiunto un nuovo sistema, il software deve essere regolato e ottimizzato per quell’hardware.

L’obiettivo è dare ai clienti flessibilità nell’hardware che utilizzano senza sacrificare l’ottimizzazione specifica della piattaforma necessaria per ottenere le migliori prestazioni da ogni sistema.

Quali settori o categorie di applicazione sembrano più vicini a ottenere un valore misurabile dalla tecnologia di Haiqu, e quali traguardi tecnici o economici indicherebbero che un caso d’uso è pronto per scalare?

Stiamo osservando risultati interessanti in diverse aree di applicazione. Haiqu ha collaborato con HSBC per la modellazione e simulazione del rischio finanziario, e con Quanscient per la dinamica dei fluidi computazionale, che ha potenziali applicazioni in settori come l’aerospaziale, l’automotive e l’energia.

Ciò che questi progetti dimostrano è che possiamo eseguire problemi sempre più complessi sull’hardware quantistico attuale grazie a funzionalità come il caricamento dei dati e la compressione dei circuiti.

Non credo siamo ancora al punto in cui possiamo affermare che questi casi d’uso siano pronti per una scalabilità ampia. I traguardi chiave saranno piuttosto pratici: migliori prestazioni hardware, la capacità di eseguire problemi più grandi e complessi, risultati ripetibili e, in ultima analisi, un beneficio economico rispetto agli approcci classici.

L’hardware è ancora la limitazione principale. Il nostro ruolo è aiutare i clienti a ottenere il massimo dai sistemi attuali, continuando al contempo a spingerci verso problemi che possano fornire un valore commerciale misurabile.

Attraverso Women in Quantum e DiviQ (Diversity in Quantum), hai lavorato ampiamente su inclusione e sviluppo della forza lavoro. Man mano che il calcolo quantistico si avvicina alla commercializzazione, quali competenze saranno più urgentemente necessarie e come può l’industria creare un bacino di talenti più ampio?

Quando ho iniziato la mia carriera nel calcolo quantistico nel 2015, era un settore prevalentemente maschile. Fin dall’inizio, ho riconosciuto che introdurre più talenti diversi nell’industria rafforzerebbe la forza lavoro e migliorerebbe i risultati. Ho sempre creduto che i team diversificati prendano decisioni migliori e favoriscano maggiori successi in un’azienda.

Una parte della costruzione di un bacino di talenti più ampio consiste nel far capire che non è necessario essere un dottorato in fisica quantistica per contribuire al calcolo quantistico. Molte persone sono scoraggiate dalla complessità percepita della scienza, quando in realtà possiedono già competenze pertinenti.

L’industria ha bisogno di programmatori, ingegneri, matematici, scienziati, professionisti della comunicazione e altro ancora. I datori di lavoro dovrebbero concentrarsi sull’identificazione di competenze trasferibili e aiutare le persone ad adattare tali competenze al calcolo quantistico, piuttosto che complicare eccessivamente il settore e farlo sembrare inaccessibile.

Le persone sono spesso sorprese dalle opportunità disponibili una volta entrate nel settore, e la nostra sfida è assicurarci che sappiano che tali opportunità esistono.

Grazie per la splendida intervista. I lettori che desiderano saperne di più dovrebbero visitare Haiqu. Coloro che si identificano come LGBTQIA+, appartengono a una minoranza di genere, sono persone di colore o vivono con una disabilità fisica, mentale o psichiatrica, visibile o invisibile, possono anche approfondire la comunità e le iniziative su DiviQ.