David DeSanto, CEO van Anaconda – Interviewreeks

David DeSanto is Chief Executive Officer bij Anaconda, waar hij de missie van het bedrijf leidt om de wereldwijde data science- en AI-gemeenschappen te empoweren door open-source innovatie en beveiligde ondernemingsoplossingen. Een ervaren product- en technologie-executive, David heeft meer dan twee decennia ervaring in cybersecurity, developer-platforms en ondernemingssoftware.

Onlangs was David Chief Product Officer bij GitLab (GTLB ), waar hij de wereldwijde productorganisatie leidde bij het leveren van een uitgebreid, AI-natief DevSecOps-platform met meer dan 50 miljoen geregistreerde gebruikers wereldwijd. Tijdens zijn zes jaar bij het bedrijf hielp hij GitLab transformeren van een hooggroeiend startup naar een beursgenoteerd, industrie-definierend leider in de DevOps Platform-categorie.

Anaconda is een toonaangevend open-source platform voor data science, machine learning en artificial intelligence, gebouwd rond de Python-programmeertaal en breed gebruikt door zowel individuele ontwikkelaars als grote ondernemingen. Oorspronkelijk gelanceerd in 2012, biedt het een uitgebreide omgeving die tools omvat voor codering, pakketbeheer via Conda en toegang tot duizenden vooraf gebouwde bibliotheken zoals NumPy, pandas en TensorFlow, waardoor gebruikers AI-modellen efficiënt kunnen ontwikkelen, testen en implementeren.

In de loop van de tijd is Anaconda geëvolueerd naar een volledig ondernemings-AI-platform dat organisaties helpt bij het beheren van de hele AI-levenscyclus – van het zoeken en beveiligen van open-source pakketten tot het bouwen, beheren en implementeren van toepassingen in cloud- en on-premise omgevingen. Met tientallen miljoenen gebruikers en adoptie in een groot percentage van Fortune 500-bedrijven, is het een fundamentale laag voor moderne AI-ontwikkeling geworden, met de nadruk op open-source innovatie, schaalbaarheid en beveiligde, reproduceerbare workflows.

U hebt bijna zes jaar bij GitLab gewerkt, waarvan meer dan drie jaar als Chief Product Officer, en hebt geholpen bij het schalen van een AI-natief DevSecOps-platform naar tientallen miljoenen gebruikers. Hoe heeft die ervaring uw prioriteiten gevormd als CEO van Anaconda, en wat voelt fundamenteel anders aan het leiden van een bedrijf versus het leiden van een product?

Mijn tijd bij GitLab heeft een aantal principes versterkt die nu centraal staan bij hoe ik Anaconda benader. Ten eerste is dat verantwoorde groei – het schalen van teams, producten en omzet op een manier die duurzaam is. Bij GitLab zijn we gegroeid tot het bedienen van tientallen miljoenen gebruikers, en het zien dat GitLab Ultimate meer dan de helft van de omzet van het bedrijf uitmaakt, heeft aangetoond hoe belangrijk het is om productwaarde te koppelen aan langetermijnbedrijfsimpact.

Ten tweede is het een mentaliteit van resultaten en efficiëntie boven proces en structuur. Het is oké om iets te leveren dat goed genoeg is en richting geeft om de flywheel van klantfeedback te laten draaien. Het leveren van echte waarde snel is essentieel, maar je moet ook zorgvuldig zijn over hoe je schaalt. Dat hangt nauw samen met het derde principe: klantobsessie en echt ontmoeten van gebruikers waar ze zijn. Ik heb mijn carrière doorgebracht met het bouwen van developer- en beveiligingstools, en als voormalig ontwikkelaar weet ik hoeveel goed (of slecht) tooling de productiviteit en tevredenheid kan beïnvloeden.

En ten slotte, transparantie met doel. Deze kernwaarde van Anaconda heeft het mogelijk gemaakt voor alle partijen om deel te nemen en samen te werken aan het verbeteren van het bedrijf en zijn aanbod. Ik kijk ernaar uit om deze waarde verder te ontwikkelen om ervoor te zorgen dat we onze community geven wat ze nodig hebben om succesvol te zijn.

Als CEO bent u verantwoordelijk voor het hele systeem – strategie, cultuur, operaties en resultaten. Ik ben nog steeds diep verbonden met het product, maar ik denk breder en langetermijngericht. Ik moet ervoor zorgen dat het bedrijf verantwoord groeit, zijn mensen ondersteunt en waarde levert aan onze klanten in elke dimensie van het bedrijf. Dit zijn de principes die ik hier verder wil ontwikkelen.

Wat motiveerde u persoonlijk om de CEO-rol bij Anaconda te accepteren, en wat overtuigde u ervan dat dit het juiste platform was om het volgende hoofdstuk van ondernemings-AI te bouwen?

Ik zeg tegen iedereen dat er vier redenen waren waarom ik enthousiast was om Anaconda als CEO te joinen. Ten eerste, de technologie. Als ontwikkelaar ben ik al lang bekend met en gebruik ik Anaconda. Ik weet hoe krachtig het is en kan zijn. Het platform maakt al zoveel mogelijk en de basis die het team heeft gebouwd zal ons de kans geven om te vormen wat er in de toekomst in de AI-natieve era komt!

Ten tweede, de community. Ik geloof diep in de kracht van de open-source community. Weinig bedrijven hebben een community die zo breed en betrokken is als die van Anaconda.

Ten derde, de mensen. Het is zeldzaam om dit niveau van leiderschap op één plek te vinden. Het uitvoerend team is exceptioneel en hun passie is echt. We bouwen de toekomst met open source en AI, en onderdeel zijn van iets dat zo betekenisvol en impactvol is, heeft ons allemaal echt enthousiast gemaakt.

En ten slotte, de kans. Dit is wat uiteindelijk de beslissing voor mij was. Anaconda zit centraal in het maken van AI toegankelijker, en helpt ondernemingen bij het bouwen, beveiligen, implementeren en monitoren van AI op grote schaal. Wanneer u wereldklasse technologie, een levendige community en een team zoals dit combineert, krijgt u een zeldzame kans om te vormen hoe AI en data science worden gebouwd en gebruikt. Dat is wat me aangetrokken heeft.

Open source drijft de meeste moderne AI-ontwikkeling aan, maar veel ondernemingen hebben nog steeds moeite om het op grote schaal te vertrouwen. Waarom denkt u dat open source nog steeds de meest krachtige basis voor AI is, en waar denkt u dat het meest wordt gemist?

Er is een veelvoorkomende misvatting dat de meest beveiligde code code is die verborgen is, zodat alleen een selecte groep mensen het kan zien. Dit is als een struisvogel die zijn hoofd in het zand steekt om zich te verstoppen. Open-source software is het tegenovergestelde daarvan. Open source is transparant, nodigt iedereen uit om bij te dragen en geeft organisaties over de hele wereld een hoger niveau van ogen om ervoor te zorgen dat de code beveiligd is en zoals verwacht werkt.

We hebben nog nooit een technologie zo snel zien volwassen worden als AI. Voor AI om zijn versnelling voort te zetten, hebt u moderne code nodig die zo snel mogelijk beweegt. Open source doet dit, en dat is waarom het de basis is voor moderne AI-ontwikkeling.

Bij Anaconda gaan we hierin mee. Onze kernmogelijkheden en Python-ecosysteem zijn open source, omdat dat de beste manier is voor teams om te beginnen en snel te innoveren. Bovenop dat leggen we ondernemingsklasse-mogelijkheden, waardoor organisaties de governance, beveiliging en betrouwbaarheid krijgen die ze nodig hebben om open source op grote schaal te gebruiken.

AI-falen tarieven in ondernemingen blijven hoog, vooral bij generatieve AI-pilots. Vanuit uw perspectief, wat zijn de kernredenen waarom deze initiatieven stilvallen, en hoe kunnen infrastructuurkeuzes de langtermijnsucces maken of breken?

Veel organisaties hebben pilots uitgevoerd. Sommigen hebben solide proof-of-concept projecten, en anderen hebben een handvol intern gebouwde tools die teams echt tijd besparen. Maar weinigen hebben AI in echte productie gebracht die over het hele bedrijf loopt. Er is een groot verschil tussen “we experimenteren” en “dit is hoe we nu werken”. Die kloof is waar de meeste bedrijven vastzitten – en het is niet omdat de technologie niet werkt.

De demo ziet er meestal goed uit, maar het probleem doet zich voor wanneer u probeert de demo op ondernemingsniveau te reproduceren. Plotseling hebt u te maken met vragen over gegevensbeheer, beveiligingszorgen, betrouwbaarheidsproblemen en een fundamenteel vertrouwensprobleem: Zal deze toepassing betrouwbaar werken en onze gegevens beveiligen? Deze problemen doen zich niet voor in de demo en worden dus een nasleep voor bedrijven.

De barrière voor AI-succes is niet de mogelijkheid, maar de infrastructuur- en procesvolwassenheid. De organisaties die voorop lopen, zijn diegenen die kiezen voor moderne fundamenten waar vertrouwen en snelheid samen bestaan en waar ingebouwde beveiliging en governance versnellen in plaats van obstakels. Gefragmenteerde toolketens en omgevingen dwingen u om te kiezen tussen de twee, maar moderne, geïntegreerde infrastructuur en moderne AI-processen laten u beide hebben. Vandaag creëert het verwijderen van bottlenecks uw concurrentievoordeel. Dit is niet alleen een technische ambitie; het is een bedrijfsimperatief om te concurreren en te overleven in de huidige markt. Succes zal toenemen voor degenen die investeren in beveiliging en governance vanaf de basis.

U hebt teams geleid in cybersecurity, product en developer-platforms. Hoe brengt u die beveiligingsgerichte mentaliteit naar Anaconda’s strategie rond afhankelijkheidsbeheer, omgevingsreproduceerbaarheid en supply chain-risico?

Mijn pad naar beveiliging begon in de gezondheidszorg, waar ik precies zag wat er voor “beveiligd” doorging op dat moment. Ik raakte volledig ondergedompeld in beveiliging en het werd een passie. Naarmate AI-werklasten, -modellen, -agenten en -integraties complexer worden, worden beveiligingsrisico’s sneller vermenigvuldigd dan governance kan bijhouden. En zelfs wanneer beveiligingsrisico’s worden beheerd, wordt de omgeving zelf een obstakel.

Beveiliging en compliance met AI zijn uitdagend, vooral om echte zichtbaarheid te krijgen in risico’s over ontwikkeling en productie. Daar focussen we op. We bouwen diepere beveiligingsmogelijkheden in omgevingsbeheer, extra governance rond AI-pakketten buiten het Python-ecosysteem en helpen risico’s te verminderen met AI-modellen door beveiligingsscans van hun houding. Het doel is eenvoudig: organisaties helpen sneller te gaan met AI terwijl ze de zichtbaarheid, privacy en veerkracht behouden die ze nodig hebben om het op grote schaal te vertrouwen.

Er is een groeiende scepsis over AI-ROI, naast een golf van experimenten en vibe-coding. Hoe onderscheidt u productieve experimenten van ondernemingsklare AI-systemen die daadwerkelijk meetbare waarde leveren?

Dit jaar kan mogelijk voor het eerst zijn dat de ROI van AI goed wordt gemeten. Iedereen in de industrie behandelt “efficiëntie” als tijd die wordt bespaard, maar dat is niet de beste KPI. Organisaties die de tijd nemen om maatwerk-KPI’s te maken die direct zijn gekoppeld aan wat voor hen het belangrijkst is, zullen betere resultaten behalen. Dit kan de tijd in codebeoordeling voor uw ontwikkelteam zijn of de kwaliteit van leadgeneratie voor uw go-to-market team. Tijd op zich en het meten van tokenconsumptie geven geen direct signaal van efficiëntie.

Anaconda zit centraal in de Python-gebaseerde AI-ontwikkeling. Hoe ziet u de rol van Python-omgevingen evolueren terwijl organisaties overstappen van experimenten naar volledig beheerde, productieschaal-AI-systemen?

Python is de premier-taal voor AI, en hoewel ik niet verwacht dat dit binnenkort zal veranderen, komen en gaan talen altijd in populariteit. Organisaties hebben tools nodig die evolueren en native onderliggende prestatie- en schaalbaarheidsproblemen aanpakken, waardoor AI-agenten succesvol ondernemingsklasse-toepassingen en -diensten kunnen maken. Ik verwacht dat organisaties zullen beginnen met investeren in universele bouwblokken die AI-waarde en -adoptie versnellen. Dat is wat hen het beste zal positioneren om de steeds evoluerende lexicon van programmeertalen te navigeren die de infrastructuurlaag van AI aandrijven.

U hebt nauw samengewerkt met gereguleerde industrieën en beveiligingsbewuste ondernemingen in het verleden. Wat ziet ondernemingsklasse-AI-governance er in de praktijk uit, los van beleidsdocumenten en compliance-controlelijsten?

Ondernemings-AI en AI-natieve toepassingen zijn iets heel anders dan traditionele softwareontwikkeling. Wanneer u AI als traditionele ontwikkeling behandelt, eindigt u met gebroken beveiliging en governance, wat innovatie zal stoppen. Ondernemings-AI heeft AI-natieve ontwikkelingsprincipes nodig waarbij het AI-model het primaire component is dat versiebeheer aandrijft en alles eromheen secundair is.

AI-governance is het verschil tussen succesvol schalen en stilvallen. Ondernemingsklasse-AI-governance is wat gebeurt wanneer verantwoorde AI-natieve principes worden vertaald in afdwingbare platformcontroles, duidelijke verantwoordelijkheid en continue traceerbaarheid en afstamming van alle AI-componenten. Het gaat verder dan beleidsdocumenten en controlelijsten die in DevOps-praktijken werkten.

Met de recente financiering en ondernemingspush van Anaconda, wat zijn uw korte-termijngroei-prioriteiten, en waar investeert u het meest agressief in de komende 12 tot 18 maanden?

Ons doel is duidelijk: Anaconda zal het bevorste ondernemings-AI-natieve ontwikkelingsplatform zijn voor het bouwen, beveiligen en implementeren van AI-natieve toepassingen en -diensten. Onze klanten blijven evolueren om aan hun behoeften te voldoen en wij evolueren met hen. Dit is waarom we niet langer alleen een data science-toolkit zijn, maar een uitgebreid platform voor ondernemings-AI. Elke investering, of het nu in product, partnerschappen of overnames is, zal worden beoordeeld op één vraag: “Brengt dit ons dichter bij het platform dat ondernemingen nodig hebben om succesvol te zijn in de nieuwe AI-natieve wereld?” Wij zijn een klant-geobsedeerd bedrijf en alles wat we doen is voor onze klanten.

Als iemand die heeft geholpen bij het schalen van een beursgenoteerd developer-platform, wat zijn de lessen die u heeft geleerd over het bouwen voor beoefenaars en het tegelijkertijd bedienen van CTO’s, CIO’s en Chief AI Officers op het uitvoerende niveau?

Succes komt altijd terug bij de klant en het ondersteunen van de resultaten die ze proberen te bereiken. Het klinkt eenvoudig, maar het is gemakkelijk voor teams om opgesloten te raken in interne metrics (hoeveel uur zijn besteed aan een project, of een lancering past in vooraf gedefinieerde doelen) in plaats van een belangrijkere vraag te stellen: Maakt dit onze klanten echt succesvoller? Leiders kunnen zeggen dat een net-nieuw product nodig is wanneer in werkelijkheid het kan zijn dat het alleen maar het verfijnen is van wat u al heeft (het maken van een product gebruikersvriendelijker, bijvoorbeeld), en dan krijgt u het resultaat dat u zoekt. Als de klanten tevreden en succesvol zijn, zijn wij allemaal tevreden en succesvol.

Bedankt voor het geweldige interview, lezers die meer willen leren, moeten Anaconda bezoeken.