Holly Grant, SVP, Strategy & Innovation, DXC Technology – Intervista in serie

Holly Grant, SVP, Strategy & Innovation di DXC Technology, è un dirigente tecnologico e operativo con una profonda esperienza che spazia dalla strategia di intelligenza artificiale aziendale, fintech, leadership di startup e trasformazione operativa. In DXC, aiuta a plasmare le iniziative di innovazione “AI-first” dell’azienda, tra cui l’orchestrazione di intelligenza artificiale su larga scala, servizi di consulenza e sforzi di incubazione di prodotti progettati per aiutare le organizzazioni a passare da progetti sperimentali di intelligenza artificiale a una distribuzione operativa. Prima di unirsi a DXC, ha ricoperto diversi ruoli di leadership presso la Long-Term Stock Exchange (LTSE), ricoprendo infine il ruolo di Chief Operating Officer, dove si è concentrata sulla scalabilità operativa e sulla crescita strategica nel settore fintech.

DXC Technology è una società globale di servizi e consulenza IT che si concentra sull’aiutare le aziende a modernizzare i sistemi mission-critical in vari settori, tra cui cloud computing, sicurezza informatica, intelligenza artificiale, infrastrutture di dati e operazioni aziendali. Formata attraverso la fusione di Computer Sciences Corporation e la divisione Enterprise Services di Hewlett Packard Enterprise, l’azienda lavora con organizzazioni di vari settori, tra cui sanità, banca, produzione, assicurazioni e governo. Negli ultimi anni, DXC ha sempre più posizionato se stessa intorno alla trasformazione aziendale “AI-native”, offrendo servizi che integrano intelligenza artificiale generativa, automazione intelligente, osservabilità, gemelli digitali e modernizzazione IT su larga scala in ambienti aziendali complessi. L’azienda enfatizza anche modelli operativi “AI-first” progettati per aiutare le aziende a distribuire l’intelligenza artificiale in modo sicuro all’interno delle infrastrutture esistenti, anziché sostituire completamente i sistemi legacy.

Ha costruito una carriera all’incrocio tra strategia, operazioni e innovazione – dalle scalate di organizzazioni all’inizio della carriera al ruolo attuale di leader di Strategy & Innovation in DXC. Come hanno plasmato quelle esperienze il suo approccio al lancio di LabX e alla progettazione di un ambiente di incubazione di intelligenza artificiale focalizzato sull’impatto aziendale nel mondo reale?

La mia carriera mi ha portato attraverso uffici familiari, startup, venture capital e ora una società Fortune 500 in piena trasformazione. Ciò che ho visto in tutti questi ambienti è che le idee non atterrano da sole. Quelle che creano effettivamente valore tendono a condividere tre cose: un cliente reale che le sostiene, il momento giusto sul mercato e un ambito chiaro e sufficientemente ristretto. Se manca anche solo uno di questi, anche un’idea geniale si blocca.

Questo modello ha plasmato il mio modo di pensare a LabX. È necessaria una teoria della vittoria – una strategia reale – ma è anche necessario il muscolo operativo per portarla alla vita e la disciplina per adattarsi mentre si impara e le condizioni cambiano. La strategia senza esecuzione è un mazzo di carte. L’esecuzione senza strategia è movimento senza progresso. LabX è progettato per tenere entrambi contemporaneamente.

Sotto la leadership del nostro CEO Raul Fernandez, DXC ha posto la fluency e l’innovazione dell’intelligenza artificiale al centro della nostra strategia di trasformazione. LabX è il modo in cui traduciamo quella convinzione in prodotti, capacità e risultati per i clienti – abbastanza rapidi da avere un impatto.

Molte aziende stanno sperimentando con l’intelligenza artificiale, ma faticano a passare dai progetti pilota alla produzione. Da ciò che si vede in DXC, quali sono i più grandi ostacoli che impediscono alle organizzazioni di scalare l’intelligenza artificiale oltre i progetti di prova del concetto?

Due ostacoli si ripresentano costantemente, e nessuno dei due è realmente tecnologico.

Il primo è la gestione del cambiamento. L’intelligenza artificiale cambia il modo in cui le persone lavorano, ciò per cui sono responsabili e come vengono prese le decisioni. Se non si porta il personale a bordo, anche il modello più elegante del mondo rimarrà inutilizzato. Il secondo è che le aziende iniziano a scalare l’intelligenza artificiale senza cambiare il modello operativo sottostante. Innestano l’intelligenza su un sistema o un’applicazione specifica in modo che un utente possa utilizzarla, ma il resto del team non può. L’intelligenza artificiale è un’intelligenza orizzontale – crea il maggior valore quando può muoversi attraverso funzioni, dati e flussi di lavoro. Quando il modello operativo non cambia, quel valore rimane intrappolato localmente invece di aumentare in tutta l’azienda.

Quindi il progetto pilota funziona, tutti celebrano e nulla si scala effettivamente. È il modello che stiamo cercando di rompere in LabX progettando per sbloccare l’intera azienda fin dal primo giorno.

LabX opera su un ciclo di concetto a MVP di circa 90 giorni o meno. Quali cambiamenti di mentalità, governance o processi di sviluppo sono necessari perché le grandi aziende possano muoversi a quel tipo di velocità?

Il più grande cambiamento di mentalità è essere disposti a decidere prima con informazioni meno perfette – e la disciplina di tagliare ciò che non funziona. Le grandi aziende si sentono a proprio agio con lunghi cicli di pianificazione perché si sentono al sicuro. Non lo sono. In un mercato che si muove così rapidamente, un “sì” lento e un “no” lento sono entrambi costosi.

All’interno di LabX assegniamo una piccola triade – design, prodotto e ingegneria – per eseguire uno sprint contro un reale problema del cliente. Costruiscono un prodotto minimamente vitale, lo testano per valore e scala, e noi facciamo graduare le idee che mostrano una promessa commerciale entro 90 giorni. Ciò che rende possibile questa velocità non è l’assenza di governance, ma la presenza della governance giusta. La sicurezza, la privacy, la conformità e l’approvazione dell’intelligenza artificiale responsabile sono integrate nel processo fin dal primo giorno, non aggiunte alla fine. Ogni prodotto passa attraverso una revisione formale di governance prima di scalare.

Per la maggior parte delle aziende, raggiungere questo tipo di cadenza richiede la protezione di uno spazio in cui è legittimo muoversi in questo modo – senza costringere ogni esperimento attraverso lo stesso ciclo di tempo di una piattaforma di costruzione pluriennale. È questo lo scopo di LabX per noi.

DXC descrive LabX come un modo per convalidare concetti di intelligenza artificiale ad alto potenziale con i clienti prima di scalarli. Come aiuta questo approccio “Customer Zero” a garantire che le soluzioni di intelligenza artificiale siano radicate in reali esigenze operative anziché in casi d’uso teorici?

Customer Zero è, onestamente, il nostro vantaggio. Prima che un prodotto LabX vada sul mercato, deve sopravvivere all’interno di DXC per primo. Gestiamo 115.000 dipendenti in 70 paesi, industrie regolamentate, contratti di cliente complessi, sistemi legacy e reali poste in gioco operative. Non è un ambiente demo santificato – è la realtà aziendale.

Un tradizionale startup può muoversi rapidamente, ma non può facilmente replicare l’esperienza vissuta all’interno di quel tipo di complessità. Quando testiamo un prodotto su noi stessi per primi, troviamo i punti in cui si rompe sui dati reali, sui flussi di lavoro reali e sui vincoli regolamentari reali – cose che sarebbero emerse in un ambiente del cliente sei mesi dopo. Quando portiamo un’offerta a un cliente, non stiamo proponendo una teoria. Possiamo dire: “Ecco cosa ha fatto all’interno delle nostre stesse operazioni, ecco cosa abbiamo cambiato, ecco cosa abbiamo misurato”.

Mantiene anche onesti. Se un prodotto non può dimostrarsi internamente, non si laurea. È una barra molto più alta che dire “ha funzionato in una demo”.

Ambienti aziendali sono spesso pieni di sistemi legacy, dati frammentati e vincoli regolamentari. Come si progettano flussi di lavoro di intelligenza artificiale che possano operare efficacemente all’interno di quella complessità del mondo reale?

Partiamo dall’assunzione che l’ambiente sia complesso – è la base, non l’eccezione.

Architettonicamente, lavoriamo con un approccio decomponibile alle nostre piattaforme. Gli strumenti di intelligenza artificiale leader cambiano mensilmente, non annualmente. Se ti collega a un modello, fornitore o framework specifico, stai scommettendo che il leader di oggi sarà ancora il leader tra 18 mesi. È una scommessa sbagliata. Un’architettura decomponibile ci consente di sostituire componenti mentre la frontiera si muove, rimanere fluente con ciò che è effettivamente il migliore in classe e sottoporre a test gli strumenti contro sfide del cliente reali piuttosto che marketing dei fornitori.

Sul lato regolamentare e dei dati, la conformità è progettata fin dal primo giorno. Ogni prodotto passa attraverso una revisione di governance, e l’approvazione dell’intelligenza artificiale responsabile fa parte del processo, non un ripensamento. Operare in settori altamente regolamentati in 70 paesi ci impone quella disciplina – che si rivela essere una caratteristica, non un bug, quando portiamo prodotti a clienti con le stesse limitazioni.

Modelli di consulenza tradizionali si basavano su lunghi cicli di pianificazione e rigidi framework di implementazione. Mentre l’intelligenza artificiale evolve più rapidamente di quanto quei cicli possano gestire, come devono cambiare i modelli di consulenza?

La risposta onesta è che l’intero modello deve cambiare, ma se dovessi scegliere il perno, è la proposta di valore. L’industria ha trascorso decenni a vendere deliverable – deck, roadmap, piani di implementazione – e a essere pagata per lo sforzo. In un mondo “AI-native”, i clienti non vogliono un deliverable. Vogliono un risultato. Vogliono che il flusso di lavoro funzioni effettivamente, che il costo scenda effettivamente, che il ricavo si presenti effettivamente.

Una volta che ci si impegna a vendere risultati, tutto il resto deve cambiare per supportarlo. La composizione del team diventa più tecnica. Gli impegni si spostano da “consigliare e lasciare” a “costruire e operare”. La tariffazione si sposta lontano dalle ore. Le persone che svolgono il lavoro devono essere altrettanto a loro agio nello spedire codice quanto nel gestire un comitato di direzione.

È un grande cambiamento culturale per il nostro settore, e non tutti riusciranno a farlo. Le società che ci riusciranno sembreranno molto diverse tra cinque anni da come appaiono oggi.

LabX funziona anche come ambiente di sperimentazione per dipendenti e partner tecnologici. Quanto è importante l’esperimento interno quando si tenta di costruire una fluency aziendale dell’intelligenza artificiale?

È l’intero gioco. Non si costruisce la fluency dell’intelligenza artificiale leggendo sull’intelligenza artificiale – la si costruisce provando cose, guardandole rompersi e riprovando. È vero per un professionista IT di 30 anni quanto per qualcuno che ha due anni di esperienza.

Abbiamo recentemente eseguito una sfida di intelligenza artificiale all’interno di una delle nostre unità di business e abbiamo ottenuto oltre 1.300 idee uniche in due settimane. Non è una statistica su uno strumento – è una statistica su ciò che accade quando si dà alle persone il permesso di pensare fuori dagli schemi. La creatività esiste già all’interno dell’organizzazione. Il nostro lavoro è creare lo spazio perché cresca.

LabX gestisce anche un programma di rotazione: gli esperti tecnici di tutta DXC trascorrono sei o dodici settimane integrati con noi, costruendo prodotti reali con gli strumenti di intelligenza artificiale più recenti. Quando tornano ai loro team di casa, portano con sé un nuovo set di competenze e, più importante, un modo diverso di pensare. Iniziano a porre domande diverse ai loro colleghi e ai loro clienti. Diventano campioni di ciò che è possibile. L’effetto moltiplicatore nella forza lavoro vale più di qualsiasi prodotto che spediamo.

DXC inquadra il proprio approccio come Human+, sottolineando che l’intelligenza artificiale dovrebbe ampliare le capacità umane anziché sostituirle. In termini pratici, come influenza questa filosofia la progettazione e la distribuzione di soluzioni di intelligenza artificiale all’interno delle aziende?

Sarò diretto: c’è una visione che si sta affermando nel settore secondo cui la cosa più preziosa che l’intelligenza artificiale aziendale possa fare per un’azienda è ridurre il numero di dipendenti. Penso che sia un fallimento dell’immaginazione.

La disciplina dei costi è importante, ma l’opportunità reale è la crescita: nuove fonti di ricavo, nuovi prodotti, nuove offerte di servizi che semplicemente non erano fattibili prima. L’uso più prezioso dell’intelligenza artificiale è abilitare le persone a fare lavori che creano nuovo valore aziendale, non solo ottimizzare ciò che esiste già. Le aziende che questo capiscono bene supereranno quelle che trattano l’intelligenza artificiale come un esercizio di costo puro.

In pratica, Human+ significa progettare l’intelligenza artificiale per gestire processi routinari ad alto volume in modo che le persone possano concentrarsi su lavori ad alto valore: pensiero strategico, risoluzione di problemi creativi, relazioni con i clienti e decisioni complesse. Manteniamo l’esperienza e la supervisione umana al centro di ogni distribuzione, in particolare laddove le decisioni portano conseguenze reali. È così che si costruisce la fiducia con i clienti, ed è così che si sblocca un vantaggio competitivo duraturo.

Quando le organizzazioni tentano di integrare l’intelligenza artificiale nei flussi di lavoro esistenti, quali errori comuni vedete che fanno per rallentare l’adozione o limitare il reale valore aziendale?

Due errori li vedo costantemente. Il primo è iniziare con la tecnologia invece del problema. Qualcuno si innamora di un modello o di una demo del fornitore, e l’iniziativa diventa quella di distribuire quella cosa anziché risolvere qualcosa che effettivamente conta per l’azienda. Il secondo è trattare l’intelligenza artificiale come un progetto IT invece di una trasformazione aziendale. Se si affida l’intelligenza artificiale interamente al CIO e si chiede al resto dell’azienda di continuare a funzionare invariato, si otterrà uno strumento che nessuno usa e un budget che nessuno vuole difendere l’anno prossimo.

L’antidoto a entrambi è semplice da dire e difficile da fare: iniziare con il problema aziendale, mettere il team giusto – persone, processo, tecnologia – e costruire all’indietro a partire dal risultato che si desidera creare. È l’atteggiamento che assumiamo in LabX, ed è come lavoriamo con clienti come Ferrovial, dove abbiamo aiutato a distribuire AI Workbench – un’offerta di intelligenza artificiale generativa che combina consulenza, ingegneria e servizi aziendali sicuri, ora utilizzata da oltre 24.000 dipendenti con oltre 30 agenti di intelligenza artificiale che prendono decisioni in tempo reale. Questo tipo di scala non si verifica se si tratta l’intelligenza artificiale come un progetto IT.

Guardando avanti, come si aspetta che ambienti di incubazione di intelligenza artificiale come LabX plasmeranno il modo in cui le aziende sviluppano, testano e distribuiscono nuove tecnologie nei prossimi anni?

Ecco cosa penso sarà ovvio a posteriori: i vincitori in questa era non saranno le aziende con le soluzioni punto più appariscenti. Saranno gli integratori – quelli che possono cucire l’intelligenza artificiale attraverso modelli operativi, funzioni e flussi di lavoro in modo che l’intelligenza non sia intrappolata in uno strumento o uno schermo utente singolo.

È un problema più difficile della distribuzione di un modello. Richiede un profondo contesto aziendale, la capacità di lavorare attraverso sistemi legacy e moderni e la disciplina di cambiare il modo in cui il lavoro viene effettivamente svolto. È anche l’opportunità che sono più entusiasta.

Gli ambienti di incubazione come LabX sono dove otteniamo le ripetizioni. Sono dove impariamo cosa si rompe su larga scala, cosa sembra la governance nella pratica e cosa i clienti adotteranno e non adotteranno. Le aziende che investiranno in questo tipo di spazio ora – internamente o attraverso partner – avranno una curva di capacità molto diversa tra tre anni da quelle che stanno ancora decidendo se ne vale la pena. E noi che costruiamo in questo spazio continueremo a trovare nuovi problemi degni di essere risolti, perché la tecnologia non sta rallentando e neanche l’opportunità.

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