Holly Grant, SVP, Strategia & Innovazione, DXC Technology – Serie di Interviste

Holly Grant, SVP, Strategia & Innovazione di DXC Technology (DXC ), è un’esponente di tecnologia e operazioni con una profonda esperienza che abbraccia la strategia di intelligenza artificiale aziendale, la finanza tecnologica, la leadership di startup e la trasformazione operativa. In DXC, aiuta a plasmare le iniziative di innovazione “prima dell’intelligenza artificiale” dell’azienda, comprese l’orchestrazione dell’intelligenza artificiale su larga scala, i servizi di consulenza e gli sforzi di incubazione dei prodotti progettati per aiutare le organizzazioni a passare da progetti pilota sperimentali all’implementazione 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 all’interno del settore finanziario tecnologico.

DXC Technology è una società globale di servizi IT e consulenza che si concentra sull’aiutare le imprese a modernizzare i sistemi critici per la missione attraverso il cloud computing, la sicurezza informatica, l’intelligenza artificiale, l’infrastruttura dei dati e le operazioni aziendali. Formata attraverso la fusione di Computer Sciences Corporation e della divisione Enterprise Services di Hewlett Packard Enterprise (HPE ), l’azienda lavora con organizzazioni in vari settori, tra cui sanità, banche, produzione, assicurazioni e governo. Negli ultimi anni, DXC si è sempre più posizionata intorno alla trasformazione aziendale nativa dell’intelligenza artificiale, offrendo servizi che integrano l’intelligenza artificiale generativa, l’automazione intelligente, l’osservabilità, i gemelli digitali e la modernizzazione IT su larga scala in ambienti aziendali complessi. L’azienda enfatizza anche modelli operativi “prima dell’intelligenza artificiale” progettati per aiutare le imprese a distribuire l’intelligenza artificiale in modo sicuro all’interno delle infrastrutture esistenti, anziché sostituire completamente i sistemi legacy.

Ha costruito una carriera all’intersezione di strategia, operazioni e innovazione – dalla scalabilità delle organizzazioni all’inizio della sua carriera al ruolo attuale di leader della Strategia & Innovazione in DXC. Come hanno plasmato quelle esperienze il suo approccio al lancio di LabX e alla progettazione di un ambiente di incubazione dell’intelligenza artificiale focalizzato sull’impatto aziendale reale?

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

Quel modello ha plasmato il mio pensiero su LabX. È necessario avere una teoria della vittoria – una vera strategia – ma è anche necessario avere la forza operativa per portarla a vita e la disciplina per adattarsi man mano che 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 messo la competenza 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 rapidamente da essere rilevanti.

Molte imprese sperimentano con l’intelligenza artificiale ma lottano per passare dalle fasi di prova 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?

Due ostacoli si ripresentano costantemente, e nessuno dei due è realmente legato alla tecnologia.

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. Appongono l’intelligenza a un sistema o 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 accumularsi 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 a livello aziendale fin dal primo giorno.

LabX opera su un ciclo di concetto a MVP rapido di circa 90 giorni o meno. Quali cambiamenti nella mentalità, nella governance o nei processi di sviluppo sono necessari per le grandi imprese per 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 imprese 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 vero problema del cliente. Costruiscono un prodotto minimo viable, lo testano per valore e scala, e noi facciamo graduare le idee che mostrano promesse commerciali entro 90 giorni. Ciò che rende possibile quella 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 apposte alla fine. Ogni prodotto passa attraverso una revisione formale di governance prima di scalare.

Per la maggior parte delle imprese, raggiungere questo tipo di cadenza richiede proteggere 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 e non 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 clienti complessi, sistemi legacy e reali poste in gioco operative. Quello non è un ambiente di demo sterilizzato – è la realtà aziendale.

Una startup tradizionale può muoversi rapidamente, ma non può facilmente replicare l’esperienza vissuta di operare 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”.

Ciò ci mantiene anche onesti. Se un prodotto non può dimostrarsi internamente, non si laurea. Quella 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 progettate 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 stanno cambiando mensilmente, non annualmente. Se si cabla rigidamente a un modello, fornitore o framework specifico, si scommette che il leader di oggi sarà ancora il leader tra 18 mesi. Quella è una scommessa sbagliata. Un’architettura decomponibile ci consente di sostituire componenti man mano che la frontiera si muove, rimanere fluente con ciò che è effettivamente il migliore della classe e sottoporre a test gli strumenti contro sfide del cliente reali piuttosto che contro il marketing del fornitore.

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 è un ripensamento. Operare in settori altamente regolamentati in 70 paesi ci impone quella disciplina – che si rivela essere una caratteristica, non un difetto, quando portiamo prodotti a clienti con le stesse limitazioni.

La consulenza IT tradizionale si basava 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 viene pagata per lo sforzo. In un mondo nativo dell’intelligenza artificiale, 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 “consiglia e lascia” a “costruisci e gestisci”. La tariffazione si allontana dalle ore. Le persone che svolgono il lavoro devono essere altrettanto a loro agio nel rilasciare codice quanto nel gestire un comitato direttivo.

È un grande cambiamento culturale per il nostro settore, e non tutti riusciranno a farlo. Le società che ci riusciranno saranno 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 la competenza aziendale nell’intelligenza artificiale?

È il gioco completo. Non si costruisce la competenza nell’intelligenza artificiale leggendo sull’intelligenza artificiale – si costruisce provando cose, guardando come si rompono e provando di nuovo. 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. Quella 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 già esiste all’interno dell’organizzazione. Il nostro lavoro è creare lo spazio per farla crescere.

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. Quell’effetto di moltiplicazione in tutta la forza lavoro vale più di qualsiasi singolo prodotto che spediamo.

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

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. Credo che sia un fallimento dell’immaginazione.

La disciplina dei costi è importante, ma la vera opportunità è la crescita: nuovi flussi di ricavi, nuovi prodotti, nuove offerte di servizi che semplicemente non erano fattibili prima. Il caso d’uso di maggior valore dell’intelligenza artificiale è consentire alle persone di svolgere lavori che creano nuovo valore aziendale, non solo ottimizzare ciò che già esiste. Le aziende che ci riescono saranno quelle che supereranno quelle che trattano l’intelligenza artificiale come un esercizio di costo puro.

Nella pratica, Human+ significa progettare l’intelligenza artificiale per gestire processi di routine ad alto volume in modo che le nostre persone possano concentrarsi su lavori ad alto valore: pensiero strategico, risoluzione di problemi creativi, relazioni con i clienti e giudizi complessi. Manteniamo l’esperienza e la supervisione umana al centro di ogni distribuzione, in particolare laddove le decisioni hanno 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 si verificano che rallentano l’adozione o limitano il reale valore aziendale?

Due errori che 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 piuttosto che risolvere qualcosa che importa realmente all’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 la giusta squadra cross-funzionale su di esso – persone, processo, tecnologia – e costruire all’indietro a partire dal risultato che si desidera creare. È l’approccio che adottiamo in LabX, ed è il modo in cui 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. Quel tipo di scala non si verifica se la si tratta come un progetto IT.

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

Ecco cosa credo sarà ovvio a posteriori: i vincitori in questa era non saranno le aziende con le soluzioni di intelligenza artificiale 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 di un singolo utente.

È un problema più difficile che distribuire 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 a cui sono più interessato.

Ambienti di incubazione come LabX sono il modo in cui otteniamo le ripetizioni. Sono dove si impara cosa si rompe su larga scala, cosa significhi effettivamente la governance e cosa i clienti adotteranno o meno. Le imprese che investono in quel 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 quelli di noi che costruiscono in questo spazio continueranno 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.