Holly Grant, SVP, Strategie & Innovatie, DXC Technology – Interviewreeks

Holly Grant, SVP, Strategie & Innovatie bij DXC Technology (DXC ), is een technologie- en operatiele leider met diepgaande ervaring op het gebied van ondernemingsbrede AI-strategie, fintech, leiderschap van start-ups en operationele transformatie. Bij DXC helpt ze bij het vormgeven van het bedrijfsbrede AI-geïnspireerde innovatiebeleid, waaronder ondernemingsbrede AI-orchestratie, adviesdiensten en productincubatie-inspanningen die zijn ontworpen om organisaties te helpen bij het overgang van experimentele AI-pilots naar operationele inzet. Voordat ze bij DXC kwam, had ze meerdere leiderschapsrollen bij de Long-Term Stock Exchange (LTSE), waar ze uiteindelijk als Chief Operating Officer diende, waar ze zich richtte op operationele schaalvergroting en strategische groei binnen de fintechsector.

DXC Technology is een wereldwijd IT-dienstverlenings- en adviesbedrijf dat zich richt op het helpen van ondernemingen bij het moderniseren van kritieke systemen op het gebied van cloud computing, cybersecurity, kunstmatige intelligentie, data-infrastructuur en ondernemingsoperaties. Het bedrijf is gevormd door de fusie van Computer Sciences Corporation en Hewlett Packard Enterprise’s (HPE ) Enterprise Services-divisie en werkt met organisaties uit verschillende branches, waaronder de gezondheidszorg, bankwezen, fabricage, verzekeringen en overheid. In de afgelopen jaren heeft DXC zich steeds meer gepositioneerd rondom AI-natieve ondernemings transformatie, waarbij diensten worden aangeboden die generatieve AI, intelligente automatisering, observatie, digitale tweelingen en grootschalige IT-modernisering integreren in complexe bedrijfsomgevingen. Het bedrijf benadrukt ook “AI-geleide” operationele modellen die ondernemingen helpen bij het inzetten van AI op een veilige manier binnen bestaande infrastructuur, in plaats van legacy-systemen volledig te vervangen.

U hebt een carrière opgebouwd op het snijvlak van strategie, operaties en innovatie – van het schalen van organisaties eerder in uw carrière tot nu het leiden van Strategie & Innovatie bij DXC. Hoe hebben die ervaringen uw aanpak beïnvloed bij het lanceren van LabX en het ontwerpen van een AI-incubatieomgeving gericht op reële bedrijfsimpact?

Mijn carrière heeft me door verschillende familiebedrijven, start-ups, venture capital en nu een Fortune 500-bedrijf in een turnaround-fase geleid. Wat ik in al die omgevingen heb gezien, is dat ideeën niet vanzelf landen. Degenen die daadwerkelijk waarde creëren, delen drie dingen: een echte klant die ernaar verlangt, het juiste moment in de markt en een reikwijdte die duidelijk en passend smal is. Als je één van die dingen mist, zelfs een briljant idee, komt het stil te staan.

Die patronen hebben beïnvloed hoe ik over LabX dacht. Je hebt een theorie van winnen nodig – een echte strategie – maar je hebt ook de operationele spiermassa nodig om het tot leven te brengen, en de discipline om aan te passen terwijl je leert en de omstandigheden veranderen. Strategie zonder uitvoering is een dek. Uitvoering zonder strategie is beweging zonder vooruitgang. LabX is ontworpen om beide tegelijk te doen.

Onder het leiderschap van onze CEO Raul Fernandez heeft DXC AI-beheersing en innovatie centraal gesteld in onze turnaroundstrategie. LabX is hoe we die overtuiging vertalen in producten, capaciteiten en klantresultaten – snel genoeg om ertoe te doen.

Veel ondernemingen experimenteren met AI, maar hebben moeite om over te gaan van pilots naar productie. Wat zijn, vanuit uw perspectief bij DXC, de grootste barrières die organisaties weerhouden van het schalen van AI buiten proof-of-conceptprojecten?

Twee barrières komen telkens weer terug, en geen van beiden heeft echt met de technologie te maken.

De eerste is change management. AI verandert de manier waarop mensen werken, waarvoor ze verantwoordelijk zijn en hoe beslissingen worden genomen. Als je je werknemers niet meeneemt, zal het meest elegante model ter wereld ongebruikt blijven. De tweede is dat bedrijven AI schalen zonder de onderliggende operationele modellen te veranderen. Ze bevestigen intelligentie aan een specifiek systeem of toepassing, zodat één gebruiker het kan gebruiken, maar de rest van het team niet. AI is een horizontale intelligentie – het creëert de meeste waarde wanneer het kan bewegen over functies, gegevens en workflows. Wanneer het operationele model niet verandert, blijft die waarde lokaal gevangen in plaats van te accumuleren over de onderneming.

Dus werkt de pilot, vieren allemaal feest en niets schaalt echt. Dat is het patroon dat we bij LabX proberen te doorbreken door vanaf dag één te ontwerpen voor ondernemingsbrede ontgrendelingen.

LabX werkt op een snelle concept-naar-MVP-cyclus van ongeveer 90 dagen of minder. Wat zijn de veranderingen in mindset, governance of ontwikkelingsprocessen die nodig zijn voor grote ondernemingen om op dat soort snelheid te bewegen?

De grootste verandering in mindset is het bereid zijn om eerder te beslissen met minder perfecte informatie – en de discipline om te stoppen met wat niet werkt. Grote ondernemingen wennen aan lange planningscycli omdat ze zich veilig voelen. Ze zijn het niet. In een markt die zo snel beweegt, is een langzaam “ja” en een langzaam “nee” beiden duur.

Binnen LabX wijzen we een kleine triade toe – ontwerp, product en engineering – om een sprint te lopen tegen een echt klantprobleem. Ze bouwen een minimale levensvatbare product, testen het op waarde en schaal, en we laten ideeën graduate die commerciële beloften laten zien binnen 90 dagen. Wat die snelheid mogelijk maakt, is niet het ontbreken van governance, maar de aanwezigheid van de juiste governance. Beveiliging, privacy, naleving en verantwoordelijke AI-goedkeuring zijn vanaf dag één in het proces opgenomen, niet aan het einde bevestigd. Elk product gaat door een formele governancebeoordeling voordat het schaalt.

Voor de meeste ondernemingen vereist het bereiken van dit soort cadans het beschermen van een ruimte waarin het legitiem is om op deze manier te bewegen – zonder elk experiment door dezelfde cyclustijd te dwingen als een meerdere jaren durende platformbuild. Dat is waar LabX voor ons is.

DXC beschrijft LabX als een manier om high-potential AI-concepten met klanten te valideren voordat ze worden geschaald. Hoe helpt deze “Klant Nul”-aanpak ervoor zorgen dat AI-oplossingen zijn geworteld in reële operationele behoeften in plaats van theoretische use cases?

Klant Nul is, eerlijk gezegd, onze rand. Voordat een LabX-product ooit op de markt komt, moet het eerst binnen DXC overleven. We beheren 115.000 medewerkers in 70 landen, gereguleerde industrieën, complexe klantcontracten, legacy-systemen en echte operationele inzet. Dat is geen gesaniteerde demo-omgeving – dat is ondernemingsrealiteit.

Een traditionele start-up kan snel bewegen, maar kan niet gemakkelijk repliceren wat het is om te opereren binnen zo’n complexiteit. Wanneer we een product eerst op onszelf testen, vinden we de plekken waar het breekt op echte gegevens, echte workflows en echte regelgevingsbeperkingen – dingen die zes maanden later in een klantomgeving zouden zijn opgedoken. Door de tijd dat we een aanbod aan een klant brengen, zijn we niet een theorie aan het pitchen. We kunnen zeggen: ‘Dit is wat het deed in onze eigen operaties, dit is wat we veranderden, dit is wat we maten.’

Het houdt ons ook eerlijk. Als een product zich intern niet kan bewijzen, komt het niet tot wasdom. Dat is een veel hogere lat dan zeggen ‘het werkte in een demo’.

Ondernemingsomgevingen zijn vaak gevuld met legacy-systemen, gefragmenteerde gegevens en regelgevingsbeperkingen. Hoe ontwerpt u AI-workflows die effectief kunnen opereren binnen die reële complexiteit?

We gaan ervan uit dat de omgeving complex is – dat is de basis, niet de uitzondering.

Architectonisch werken we met een deelbare aanpak van onze platforms. De toonaangevende AI-hulpmiddelen veranderen maandelijks, niet jaarlijks. Als u zichzelf hardwired aan een enkel model, leverancier of kader bevestigt, wedt u dat de leider van vandaag nog steeds de leider zal zijn over 18 maanden. Dat is een slechte weddenschap. Een deelbare architectuur laat ons onderdelen verwisselen terwijl de frontier verandert, blijft vloeiend met wat daadwerkelijk het beste is in de klasse en stresstests hulpmiddelen tegen echte klantuitdagingen in plaats van leveranciersmarketing.

Op het gebied van regelgeving en gegevens is naleving vanaf dag één ontworpen. Elk product gaat door een governancebeoordeling, en verantwoordelijke AI-goedkeuring is onderdeel van het proces, niet een nasleep. Opereren in hoog gereguleerde industrieën over 70 landen dwingt die discipline op ons – wat blijkt een functie te zijn, niet een bug, wanneer we producten aan klanten met dezelfde beperkingen aanbieden.

Traditionele IT-consulting vertrouwde op lange planningscycli en rigide implementatiekaders. Aangezien AI sneller evolueert dan die cycli kunnen bijhouden, hoe moeten consultingmodellen veranderen?

Het eerlijke antwoord is dat het hele model moet verschuiven, maar als ik de spil moest kiezen, is het de waardepropositie. De industrie heeft decennia lang besteed aan het verkopen van leverbaarheid – decks, roadmaps, implementatieplannen – en betaald voor inspanning. In een AI-natieve wereld willen klanten geen leverbaarheid. Ze willen een resultaat. Ze willen dat de workflow daadwerkelijk draait, de kosten daadwerkelijk dalen, de omzet daadwerkelijk verschijnt.

Zodra u zich verplicht om resultaten te verkopen, moet alles anders worden om het te ondersteunen. Teamcomposities worden technischer. Engagements verplaatsen van adviseer-en-vertrek naar bouw-en-beheer. Prijzen verschuiven van uren. De mensen die het werk doen, moeten net zo comfortabel zijn met het verzenden van code als met het runnen van een bestuurscomité.

Dat is een grote culturele verandering voor onze industrie, en niet iedereen zal het maken. De bedrijven die het wel doen, zullen over vijf jaar heel anders zijn dan ze nu zijn.

LabX fungeert ook als een experimentele omgeving voor medewerkers en technologiepartners. Hoe belangrijk is interne experimentatie bij het opbouwen van ondernemingsbrede AI-beheersing?

Het is het hele spel. U bouwt AI-beheersing niet door over AI te lezen – u bouwt het door dingen te proberen, te zien hoe ze breken en opnieuw te proberen. Dat is net zo waar voor een 30-jarige IT-professional als voor iemand die twee jaar uit school is.

We hebben onlangs een AI-uitdaging gelopen binnen een van onze businessunits en kregen meer dan 1.300 unieke ideeën in twee weken. Dat is geen statistiek over een tool – dat is een statistiek over wat er gebeurt wanneer u mensen toestemming geeft om buiten de box te denken. De creativiteit bestaat al binnen de organisatie. Onze taak is om de ruimte te creëren voor groei.

LabX draait ook een rotatieprogramma: technische experts van over de hele DXC brengen zes tot twaalf weken door bij ons, waar ze echte producten bouwen met de nieuwste AI-hulpmiddelen. Wanneer ze terugkeren naar hun thuisteams, brengen ze een nieuwe vaardigheid en, belangrijker nog, een andere manier van denken mee. Ze beginnen andere vragen te stellen aan hun collega’s en klanten. Ze worden kampioenen voor wat mogelijk is. Dat accumulerende effect over de workforce is meer waard dan enig product dat we verzenden.

DXC kaderen hun aanpak als Human+, waarbij wordt benadrukt dat AI menselijke capaciteiten moet uitbreiden in plaats van vervangen. In praktische zin, hoe beïnvloedt die filosofie de manier waarop AI-oplossingen worden ontworpen en ingezet binnen ondernemingen?

Ik zal direct zijn: er is een visie die in de industrie postvat, dat de meest waardevolle zaak die ondernemingsbrede AI voor een bedrijf kan doen, is het verlagen van de personeelsbezetting. Ik denk dat dat een falen van verbeelding is.

Kostenbeheersing is belangrijk, maar de echte kans ligt in groei: nieuwe inkomensstromen, nieuwe producten, nieuwe dienstenaanbiedingen die eenvoudigweg niet haalbaar waren voordat AI opkwam. De hoogste waarde van AI is het in staat stellen van mensen om werk te doen dat nieuwe bedrijfswaarde creëert, niet alleen het optimaliseren van wat al bestaat. De bedrijven die dit goed doen, zullen die overtreffen die AI behandelen als een zuivere kostenexercitie.

In de praktijk betekent Human+ dat we AI ontwerpen om high-volume, routineprocessen af te handelen, zodat onze mensen zich kunnen concentreren op hogere-waarde werk: strategisch denken, creatief probleemoplossen, klantrelaties en complexe oordeelsvellingen. We houden menselijke expertise en toezicht centraal in elke inzet, vooral waar beslissingen echte consequenties met zich meebrengen. Dat is hoe u vertrouwen opbouwt met klanten, en dat is hoe u een duurzaam concurrentievoordeel ontgrendelt.

Wanneer ondernemingen proberen AI te integreren in bestaande workflows, welke veelvoorkomende fouten ziet u die de adoptie vertragen of de reële bedrijfswaarde beperken?

Twee fouten zie ik constant. De eerste is beginnen met de technologie in plaats van het probleem. Iemand wordt verliefd op een model of een vendor-demo, en het initiatief wordt een kwestie van het inzetten van die technologie in plaats van het oplossen van iets dat echt voor de onderneming telt. De tweede is het behandelen van AI als een IT-project in plaats van een bedrijfstransformatie. Als u AI volledig aan de CIO overlaat en de rest van de onderneming vraagt om onveranderd door te gaan, krijgt u een tool die niemand gebruikt en een budget dat niemand volgend jaar wil verdedigen.

Het antidotum voor beide is eenvoudig te zeggen en moeilijk te doen: begin met het bedrijfsprobleem, zet het juiste cross-functionele team erop – mensen, proces, technologie – en bouw achteruit vanuit het resultaat dat u probeert te creëren. Dat is de houding die we bij LabX aannemen, en dat is hoe we met klanten zoals Ferrovial werken, waar we hebben geholpen bij het inzetten van AI Workbench – een generatieve AI-aanbieding die consulting, engineering en beveiligde ondernemingsdiensten combineert, nu gebruikt door meer dan 24.000 medewerkers met meer dan 30 AI-agents die in real-time beslissingen nemen. Die soort schaal gebeurt niet als u het behandelt als een IT-project.

Kijkend naar de toekomst, hoe verwacht u dat AI-incubatieomgevingen zoals LabX de manier waarop ondernemingen nieuwe technologieën ontwikkelen, testen en inzetten in de komende jaren zullen beïnvloeden?

Dit is wat ik denk dat achteraf duidelijk zal zijn: de winnaars in deze tijdperk zullen niet de bedrijven zijn met de meest opvallende puntoplossingen. Ze zullen de integrators zijn – degenen die AI kunnen weven over operationele modellen, over functies en over workflows heen, zodat intelligentie niet wordt gevangen in een enkel hulpmiddel of op één gebruikersscherm. Dat is een moeilijker probleem dan het inzetten van een model. Het vereist diepe ondernemingscontext, de mogelijkheid om te werken over legacy- en moderne systemen heen, en de discipline om te veranderen hoe werk daadwerkelijk wordt gedaan. Het is ook de kans waar ik het meest enthousiast over ben.

Incubatieomgevingen zoals LabX zijn hoe we de reps krijgen. Ze zijn waar u leert wat breekt op schaal, wat governance in de praktijk werkelijk betekent en wat klanten wel en niet zullen aannemen. De ondernemingen die nu in zo’n ruimte investeren – intern of via partners – zullen over drie jaar een heel andere capaciteitscurve hebben dan degenen die nog steeds beslissen of het de moeite waard is. En wij die in deze ruimte bouwen, zullen blijven nieuwe problemen vinden die het oplossen waard zijn, omdat de technologie niet vertraagt en evenmin de kans.

Bedankt voor het geweldige interview, lezers die meer willen leren, kunnen DXC Technology bezoeken.