Angela Q. Daniels, CTO (Americas) for Consulting and Engineering Services at DXC Technology – Intervju-serie

Angela Q. Daniels, Chief Technology Officer (Americas) for Consulting and Engineering Services (CES) at DXC Technology, overvåker teknologistrategi og transformasjon for selskapets Consulting & Engineering Services over hele Amerika. Hun fokuserer på å skalerer AI-forsterket leveranse gjennom DXC’s Xponential-rammeverk, fremme innovasjon med DXC’s AI-løsninger og hjelpe kunder å realisere større forretningsverdi gjennom moderne plattformer og mennesker. Tidligere ledet hun globale programvareutviklings- og leveranseinitiativer, veiledet agil modernisering, cloud-nativt ingeniørarbeid og talentutvikling for å styrke DXC’s leveranseekspertise og teknologiske lederskap.

DXC Technology er en global IT-tjeneste- og konsulentleder som hjelper store bedrifter å kjøre kritiske systemer og operasjoner over hybrid IT-miljøer. Selskapet samarbeider med ledende teknologileverandører for å levere løsninger som kombinerer avansert analyse, sky, sikkerhet og AI. Gjennom sin Enterprise Technology Stack moderniserer DXC IT-infrastrukturer, driver digital transformasjon og muliggjør at kunder over hele verden kan innovere, optimere kostnader og forbedre kundeopplevelser.

Du har hatt en livslang lidenskap for programmering som startet da du var åtte år gammel. Kan du dele hva som først trakk deg til programvareutvikling og hvordan denne tidlige nysgjerrigheten har formet din tilnærming til å lede AI-drevet innovasjon i dag?

Da jeg var åtte, kom moren min hjem med en Commodore-datamaskin fra en garasjesalg. Den kom med en stabel med manualer og noen spill. Mens alle andre ville spille, var jeg den som leste manualene, prøvde å forstå hvordan datamaskinen faktisk fungerte.

Mitt første program var enkelt:

10 PRINT "Angela"

20 GOTO 10

RUN

Å se mitt navn gjentas uendelig over skjermen føltes magisk. Det var ikke bare hva datamaskinen kunne gjøre, det var hva jeg kunne få den til å gjøre.

Fra en ung alder merket moren min min nysgjerrighet og støttet den, anmeldte meg til college-sommerberikingsprogrammer under grunnskolen og karriere-utforskerprogrammer gjennom videregående skole. Disse erfaringene føyet ytterligere til min lidenskap og inspirerte meg til å følge matematikk og datavitenskap på college.

Den samme nysgjerrigheten har guidet hele min karriere. Jeg har alltid vært trukket til å utforske hva som er mulig, å forstå hvordan noe fungerer og deretter finne ut hvordan det kan brukes på meningfulle måter. Uansett om det er AI, programvareutvikling eller noe annen teknologi, har min tilnærming alltid vært rotet i utforskning som leder til innvirkning. Innovasjon har vært en jevn tråd fra det første Commodore-programmet til arbeidet jeg leder i dag.

Som Global Software Development Offering Lead, har du spilt en nøkkelrolle i å lage og distribuere DXC’s nye Xponential-rammeverk. Hva inspirerte denne initiativet, og hvilket problem i bedrifts AI-adoptsjon var du mest bestemt på å løse? 

Ledere i dag er under enormt press for å vise reelle produktivitetsgevinster fra AI, men mange organisasjoner sliter med å gå utover eksperimentering. De lanserer pilotprosjekter uten først å avtale en samordnet strategi som kobler AI til deres mennesker, prosesser og teknologi.

Denne utfordringen inspirerte til å lage DXC Xponential. Vi ønsket å tilby et strukturert, gjentakbart mønster for å samordne AI-adoptsjon – ett som innbygger styre fra starten og leverer tidlige, målbare seirer for å hjelpe organisasjoner å skalerer med tillit.

Mine samtaler med kunder, og våre egne interne erfaringer med å utvikle AI-drevne applikasjoner, formet grunnlaget for det. Det vanligste spørsmålet vi hørte, var: “Vi har prøvd pilotprosjektene, men hvordan går vi videre fra her?” Det ble kundens stemme bak Xponential.

Vi hørte det også fra våre egne ingeniørteam. Det er ekte AI-verktøy-utmattelse. Teamene er omgitt av verktøy som lover transformasjon og prøver å avgjøre hvilke som faktisk leverer verdi. Xponential hjelper til å kutte gjennom støyen ved å fokusere på integrasjon, samordning og tangibile resultater fremfor verktøy-forvaltning.

Mine røtter i DXC inkluderer å være en del av vårt New Orleans Customer Experience Center. Vår tilnærming til å løse kundens forretningsutfordringer var instrumental i å forme denne tilnærmingen. Senteret opererer på design-tenkning-prinsipper. Vi bringer kundens utfordringer inn i en miljø hvor vi empatiserer, ideer, prototyper, tester og skalerer. Vi brukte samme mindset til å designe Xponential, sikrer at hver AI-løsning vi leverer er praktisk, menneskesentrert og skalerbar i den virkelige verden.

Bransje-data viser at 95% av AI-piloter mislykkes i å møte forretningsforventninger. Fra din perspektiv, hva er de vanligste årsakene bak disse feilene, og hvordan adresserer Xponential dem direkte?

Selskaper investerer millioner av dollar i teknologi som imponerer i demoer. Men en gang selskaper går over til å implementere denne teknologien, møter de ofte lavkvalitetsdata for å trene AI, uriktige modeller, mangel på styre, menneskelig valideringsbottlenecks og komplekse system-integrasjoner.

Problemet er ikke teknologien, det er utførelsen. Uten en samordnet strategi som integrerer mennesker, prosesser og teknologi, er skalering og levering av målbare resultater med AI en oppoverbakke.

DXC’s Xponential-rammeverk sikrer at alle mennesker, prosesser og teknologi tas i betraktning med fem forskjellige søyler:

• Insight – Styre er grunnleggende i DXC, som er hvorfor hver AI-agent, automatisert beslutning og intelligent prosess er designet med innebygd observasjon og overholdelse fra starten.
• Accelerators – For å møte kunder der de er og fjerne barrierer for suksess, kombinerer DXC formål-bygde innovasjoner med partnerløsninger for å tilby ferdig-bruk-verktøy, eliminere behovet for å bygge alt fra bunnen av.
• Automation – DXC’s agentic-AI-rammeverk går utover oppgave-utførelse. Det refinerer kontinuerlig arbeidsflyter ved å lære fra resultater og tilpasse i sanntid, driver en skifte mot systemer som utvikler seg gjennom erfaring fremfor å stole på midlertidige løsninger.
• Approach – Ettersom AI utvikler seg, må organisasjoner forbli agile og kontinuerlig finjustere sine strategier — ikke for å erstatte mennesker, men for å muliggjøre dem. Ved å laste over rutineoppgaver til AI, er teamene fri til å fokusere på høy-impakt-arbeid, innovasjon, løse komplekse problemer og levere målbare verdi for våre kunder.
• Process – Reell endring starter med trygg eksperimentering. Hos DXC bygger vi MVP-er for å raskt validere ideer, bevise innvirkning og skalerer hva som fungerer for å unngå pilot-stadiet som stanser de fleste AI-initiativene.

Xponential-blåkopien betoner fem søyler — Insight, Accelerators, Automation, Approach og Process. Hvilken av disse ser du på som mest transformative for bedrifter som bare begynner sin AI-reise?

For organisasjoner i begynnelsen av sin AI-reise, er Insight den mest transformative søylen. Mange selskaper skynder seg inn i implementering, men suksess begynner med å forstå hvor AI kan skape verdi. Insight gir ledere klarhet, ikke bare om deres data, men om deres prosesser, talent og beredskap til å endre. Det er grunnlaget som informerer hver enkelt søyle.

Nært følger det er Human+-dimensjonen, som vi ser på som multiplikator over alle fem søyler. AI er mest kraftfull når det forbedrer menneskelig evne fremfor å erstatte det. Human+ handler om å redesigne arbeid så mennesker tilbringer mer tid på kreativitet, dømmekraft og innovasjon — tingene som gjør organisasjoner distinkt menneskelige.

Approach-søylen fremhever konseptet “Human+ samarbeid”. Hvordan ser du på balansen mellom menneskelig ekspertise og AI-automatisering utvikle seg innen bedriftsmiljøer over de neste årene?

Å holde mennesker i løkken er avgjørende. Vår Human+-tilnærming bruker AI til å forsterke menneskelig ekspertise, ikke erstatte den. Våre eksperter forblir i kontroll, tar strategiske beslutninger og sikrer kvalitetskontroll mens AI håndterer repetitive oppgaver og gjør tungt løft. Nå kan ingeniører som tidligere tilbrakte timer på repetitive kodeoppgaver, tilbringe mer tid på å designe system-arkitektur og løse komplekse forretningsproblemer. Kombinasjonen av dyktige profesjonelle med AI fører til forsterket, målbare resultater som reduserer kostnader og forbedrer effektivitet.

En av Xponential’s løfter er å flytte organisasjoner fra små-skala seirer til bedrifts-omfattende AI-integrasjon. Hva er de største utfordringene selskaper møter når de skalerer fra bevis på konsept til produksjon, og hvordan kan de overvinne dem?

Mange organisasjoner er fastlåst i pilot-faser med høyt fragmenterte initiativer som ikke klarer å samordne mennesker, prosesser og teknologi. Den største hindringen vi ser selskaper navigere når de implementerer AI, er desentraliserte, uorganiserte programmer som mangler en samordnet strategi.

Xponential legger ut en klar vei for å ta selskaper utover pilot-fasen. Dets orkestrerte, ansvarlige og gjentakbare tilnærming transformerer AI fra en teknologi-eksperiment til en forretnings-imperativ. Designet for å adresse mangelen på samordnede strategier på markedet, er rammeverket strukturert, men bygget for fleksibilitet og skalerbarhet, muliggjør organisasjoner å starte små, oppnå tidlige seirer og raskt skalerer over hele bedriften.

Xponential hjelper allerede kunder å gå over fra pilot-stadier til skaleringsstadiet. Dets modulære design lar oss møte kunder der de er, ved å støtte legacy-opgraderinger og integrere sammen med kundens eksisterende data, sky og applikasjonsmiljøer.

For eksempel samarbeidet vi med Singapore General Hospital for å utvikle Augmented Intelligence in Infectious Diseases-løsningen, som bruker AI-drevne innlysninger og samarbeidende menneske-AI-beslutning til å guide antibiotikavalg for lavere respiratoriske infeksjoner med 90% nøyaktighet. Verktøyet har ført til forbedret pasient-omsorg samtidig som det bekjemper antimikrobiell resistens.

DXC har allerede implementert Xponential med globale kunder som Textron og Den europeiske romfartsorganisasjonen. Kan du dele et spesifikt eksempel på hvordan dette rammeverket leverte målbare innvirkning i en av disse distribusjonene? 

Xponential er et bevist rammeverk som allerede genererer resultater med våre kunder Textron og Den europeiske romfartsorganisasjonen. Vi samarbeidet med Textron for å transformere dets IT-støtte-modell ved hjelp av automatisering og AI. Optimaliseringen kutte servicetikketer med 20% og proaktivt løste nettverksproblemer for 32 000 ansatte ved hjelp av AI-drevne chatboter trenet på felles kunnskapsbasert, frigjorde IT-personale til å fokusere på komplekse problemer som krever menneskelig ekspertise. Med Den europeiske romfartsorganisasjonen brukte vi Xponential til å implementere ASK ESA, en AI-drevet plattform som unifiserer data, akselerer forskning og forbedrer samarbeid over hele organisasjonen. Plattformen gir ikke bare sikker, effektiv tilgang til store volumer med data, men sparer også ingeniører 1-2 timer per uke.

Din ledelsesbakgrunn spenner over akademiske, bedriftsprogramvare og stor-skala sky-utvikling. Hvordan har denne mangfoldige erfaringen påvirket din syn på hva “ansvarlig AI” betyr i praksis? 

Hver del av min reise har formet hvordan jeg definerer ansvarlig AI. Fra akademiet lærte jeg viktigheten av strenghet, å spørre om antakelser, validere resultater og forstå “hvorfor” bak hver enkelt resultat. Fra bedriftsprogramvare fikk jeg en dyp forståelse for styre, etikk og den bølgen teknologi kan ha på mennesker, prosesser og industrier. Og gjennom stor-skala applikasjonsutvikling så jeg førstehånd hvordan skala kan forsterke både innvirkning og risiko.

For meg betyr ansvarlig AI ikke bare overholdelse eller bias-mildring, det handler om bevisst design. Det betyr å bygge systemer som er gjennomsiktige, auditable og samordnet med menneskelige verdier fra starten. Det handler om å sikre at innovasjon og ansvar utvikler seg sammen.

Min rolle er å sikre at mens vi innoverer, gjør vi det ansvarlig, ikke bremser innovasjonen, men guider den på en måte som tjener tillit og leverer bærekraftig verdi.

Styre og observasjon er sentrale i Insight-søylen i Xponential. Hvordan sikrer du at AI forblir både gjennomsiktig og overholdt i tungt regulerte industrier som helse og romfart? 

Xponential-rammeverket sikrer at styre, overholdelse og observasjon er innbygget fra dag én, ikke lagt til senere. Vi samordner våre AI-etiske retningslinjer med globale standarder og fremvoksende reguleringer fra NIST og EU AI Act, noe som betyr full sporing, audit og overholdelse er bygget inn i hver arbeidsflyt.

Dette styre-modellen gir klar visibilitet i hvordan AI opererer, hvem som er ansvarlig og om beslutninger følger etiske og operative standarder — essensielle krav for å skalerer AI effektivt over regulerte bedrifter. Det er vår overbevisning at AI skal være troverdig, gjennomsiktig og menneskesentrert.

Ettersom AI fortsetter å omdefinere programvare-utviklingslivssyklus, hva nye ferdigheter eller tanker må programvareteam ha for å forbli konkurransedyktige i de neste ti årene? 

Den viktigste endringen er ikke bare å lære nye verktøy. Det handler om å adoptere en ny tanker. AI transformerer hvordan vi bygger programvare, og teamene som trives, vil være de som behandler AI som en samarbeidspartner, ikke bare en nytte.

Ferdigheten som teller mest, er nysgjerrighet. De beste ingeniører vil ikke bare akseptere hva AI genererer. De vil spørre om det, finjustere det og utforske hvordan det kan brukes på nye måter. Nysgjerrighet driver evnen til å lære kontinuerlig, eksperimentere ansvarlig og se sammenhenger som andre måtte overse.

Utenfor det vil utviklere utvikle seg fra å være kodere til å komponere, orkestrere AI-agenter, automatisering og menneskelig innsikt i integrerte systemer. Det krever ikke bare teknisk flytighet, men også system-tenkning og en villighet til å gjenoppfinne hvordan arbeid blir gjort.

Hos DXC innbygger vi denne tanken gjennom Xponential, hjelper team å utvikle vår Human+-tilnærming. Det kombinerer teknisk mestring med nysgjerrighet, kreativitet og etisk bevissthet, fordi i de neste ti årene, suksess i programvare-utvikling ikke kommer fra å vite alt. Det kommer fra å forbli uendelig nysgjerrig på hva som er mulig.

Takk for det flotte intervjuet, lesere som ønsker å lære mer, bør besøke DXC Technology.