Denise Ruffner, VP for forretningsutvikling og kommersielle operasjoner globalt, Haiqu – Intervjuserie

Denise Ruffner, VP for forretningsutvikling og kommersielle operasjoner globalt i Haiqu, er en erfaren teknologiekspert med omfattende erfaring i kommersialisering av kvanteberegning og andre fremvoksende teknologier. I Haiqu leder hun forretningsutvikling og global ekspansjon, basert på tidligere lederroller som Chief Business Officer i Atom Computing og Cambridge Quantum Computing, Vice President of Business Development i IonQ og CATALOG, samt nesten to tiår i IBM. Arbeidet hennes har omfattet bedriftsalg, strategiske partnerskap, go-to-market‑strategi, økosystemutvikling og å bringe komplekse teknologier fra forskningsmiljøer inn i kommersielle markeder. Hun har også medstiftet DiviQ, en organisasjon som fokuserer på å bygge en mer mangfoldig kvantearbeidsstyrke, og gir råd til tidligfase kvante‑ og fremvoksende teknologiselskaper om kommersialisering, partnerskap, kapitalinnhenting og kundeverving.

Haiqu er et kvanteprogramvareselskap som utvikler det de beskriver som et Agentic Operating System for kvante R&D‑team, og kombinerer AI‑drevne kvanteforskningsagenter med en proprietær programvarestabel designet for å gjøre utvikling og kjøring av kvanteapplikasjoner mer praktisk. Plattformen inkluderer et agentisk R&D‑lag for å omforme forskningsideer til kjørbare prototyper, Haiqu SDK for datalasting, kretskomprimering, optimalisering og feilreduksjon, samt Haiqu Runtime for å orkestrere arbeidsbelastninger på tvers av kvante‑hardware. Teknologien er laget for å fungere på flere arkitekturer for kvanteprosesseringsenheter og støtte applikasjoner innen områder som finansiell modellering, kvantesimulering, beregningsfluiddynamikk, kvante‑maskinlæring og optimalisering. Haiqu posisjonerer plattformen som et verktøy for bedrifts‑ og vitenskapelige team til å gå forbi eksperimentelle «lekesaker» og bevege seg mot større, mer kommersielt relevante kvantearbeidsbelastninger.

Du nylig begynte i Haiqu som Vice President for forretningsutvikling og kommersielle operasjoner globalt. Hva tiltrakk deg ved selskapet, og hva er dine umiddelbare prioriteringer i denne nye rollen?

Jeg har kjent Haiqu’s grunnleggere og fulgt selskapet siden de tidlige dagene, og det som tiltrakk meg var fremdriften de har oppnådd på relativt kort tid. På tre korte år har Haiqu gått fra en nyetablert oppstart til et selskap med et imponerende programvareprodukt, HaiquOS, som leverer meningsfulle resultater allerede nå, selv før fullt feil‑tolerante kvantedatamaskiner er tilgjengelige.

Min umiddelbare prioritet er å kommersialisere HaiquOS til et bredere globalt publikum, og introdusere plattformen for en større kundebase.

Du har hjulpet IBM Quantum, Cambridge Quantum Computing, IonQ og Atom Computing med å sikre kunder og strategiske partnere. Hvilke lærdommer fra disse erfaringene vil mest direkte forme Haiqu’s kommersialiseringsstrategi?

En av de største lærdommene jeg har lært er at vellykket kommersialisering krever tålmodighet; det er svært vanskelig å introdusere et produkt og oppnå umiddelbar suksess. Før selskaper lanserer sine produkter, er det viktig å ha en runway som skaper bevissthet og troverdighet i markedet. Troverdighet kommer fra betatesting, publikasjoner i akademiske tidsskrifter og i media, samtaler med potensielle kunder, brukeranbefalinger og vitenskapelige rådgivningsutvalg.

En annen observasjon jeg har gjort er at mange oppstartsbedrifter faller i fellen med å overdrive hva produktene deres kan gjøre. Å overdrive et produkts kapasiteter før de fullt ut kan støtte påstandene, er en av de største feilene et selskap kan begå, da det ødelegger troverdigheten.

Jeg ønsker å fortsette Haiqu’s tradisjon med å nøyaktig representere hva produktet kan og ikke kan gjøre. Haiqu har vært svært bevisst på feilene andre kvante‑oppstartsbedrifter har gjort, og har allerede bygget en sterk tilhengerskare ved hjelp av vitenskapelig og teknisk troverdighet. Målet mitt er å styrke Haiqu’s globale kundebase fordi jeg føler at det nå er på tide at en bredere geografisk gruppe kunder får oppleve fordelene med HaiquOS.

Haiqu’s Agentic Operating System kombinerer agentisk intelligens, et programvareutviklingssett og et runtime‑orkestreringslag. Hvordan samarbeider disse komponentene for å flytte et forskningsteam fra en første idé til et kjørbart kvanteeksperiment?

De tre lagene tilsvarer de tre fasene hvor kvante R&D vanligvis stopper opp: å designe den rette applikasjonen, kjøre den effektivt, og iterere på resultatene.

Agentisk intelligens er der en forskningsidé kommer inn. Et team beskriver et forretningsspørsmål eller en utforskende forskningsretning på naturlig språk, og det agentiske laget, bygget på vår proprietære algoritmeforskning, domenespesifikke arbeidsflyter og en kuratert kunnskapsbase for kvanteteori, strukturerer intensjonen, klargjør begrensninger og kartlegger bruksområdet til den rette algoritmiske tilnærmingen. Resultatet er en prototype klar for kjøring.

Haiqu SDK gjør deretter den prototypen om til en ytelsesdyktig, hardware‑klar arbeidsflyt. Den utfører datalasting, kretskomprimering, algoritmisk optimalisering, feilreduksjon og hardware‑bevisst design slik at teamet kan hente virkelig verdi fra hver kvanteoperasjon på dagens støyende hardware – opptil 100 × flere brukbare operasjoner på nåværende NISQ‑enheter.

Haiqu Runtime håndterer så utførelsen: den orkestrerer mellomvareinfrastrukturen og utførelsesflyten for å kjøre applikasjonen på ekte maskinvare med lavest mulig klokketid og kostnad per eksperiment. Det er det som gjorde at vi kunne gjenskape en kvantedynamikksimulering som tidligere kostet omtrent $30 000 og ni timer, for rundt $25 på omtrent 30 sekunder.

Sammen lukker de sløyfen – intensjon inn, kjørbart eksperiment ut, raskt nok til å iterere. Teamet går fra en generell idé til en fungerende prototype på dager i stedet for måneder.

Agentisk AI blir i økende grad brukt i komplekse vitenskapelige arbeidsflyter. Hvilke deler av kvanteforskning kan delegeres til intelligente agenter, og hvor må erfarne forskere forbli fast i kontroll?

Agenter er godt egnet til arbeid som er kunnskapsintensivt men mønsterbasert: å strukturere et forskningsspørsmål, kartlegge det til kandidat‑algoritmer, generere rammen for en applikasjon, og håndtere optimaliserings‑ og orkestreringslagene, som inkluderer datalasting, kretskomprimering, feilmitigering, maskinvarevalg og finjustering av kjøring. Dette er nettopp arbeidet som spiser opp forskerens tid, og tar bort fra selve vitenskapen, og det er her vårt agentlag fjerner problemet med «hvor skal jeg begynne?».

Det som forblir fast hos erfarne forskere er dømmekraft. Å definere hva som er verdt å undersøke, avgjøre om et resultat er fysisk meningsfullt snarere enn bare velformet, validere utdata mot kjent fysikk, og tolke betydning er ikke delegérbart. Den riktige innrammingen er at agenter komprimerer veien til et resultat, mens eksperter styrer undersøkelsen og står bak konklusjonene. Ansvar for vitenskapen flytter seg ikke.

Haiqu argumenterer for at organisasjoner ikke skal måtte vente på fullt feil‑tolerante kvantedatamaskiner for å gjennomføre meningsfulle eksperimenter. Hva kan bedrifter realistisk oppnå med dagens maskinvare, og hvor bør forventningene holdes målrettet?

Bedrifter kan realistisk bygge og kjøre fungerende prototyper i dag: molekyl‑ og materialsimulering, optimaliseringsproblemer, kvante‑maskinlæring og sannsynlighetsfordelingsmodellering for applikasjoner som risiko‑ og derivatprising. Vi har vist dette ved konkret å forberede simuleringer av single‑impurity Anderson‑modellen fra bunnen av, og bygge en pipeline som gjenskapt eksperimentelt observerte signaturer i nøytron‑spredningseksperimenter på én‑dimensjonale kvante‑magneter. Vi har også demonstrert andre anvendelser som er relevante for finans‑, bil‑ og energibransjen. Verdien i dag ligger i å utvikle ekspertise, arbeidsflyter og applikasjonsberedskap som lønner seg når systemene skalerer.

Maskinvaren er fortsatt i Near‑Intermediate Scale Quantum (NISQ)‑æraen, så arbeidet som kan gjøres i dag er ekte FoU og prototyping, ikke bred kommersiell kvantefordel. Brukere bør huske at resultater trenger validering, at ikke alle problemer drar nytte av kvante ennå, og at den ærlige posisjonen er å bygge kapasitet nå slik at team er klare når maskinvaren modnes.

Kvanteprosjekter kan slite med å komme videre enn bevis på konsept. Hva skiller et eksperiment med reell kommersiell potensial fra en imponerende teknisk demonstrasjon som sannsynligvis ikke vil levere forretningsverdi?

Forskjellen mellom reell kommersiell potensial og en imponerende teknisk demonstrasjon er om arbeidet effektivt adresserer et virkelighetsnært problem som organisasjoner ønsker å løse. En kvanteløsning kan gi utrolig resultater, men hvis den er svært kostbar og vanskelig å replikere og skalere, vil den sannsynligvis ikke levere reell forretningsverdi.

Mange slike bevis på konsept stopper etter disse kostbare tekniske demonstrasjonene, fordi det ikke er effektivt for bedrifter å forfølge den løsningen i sine arbeidsflyter. Dette er grunnen til at Haiqus evne til å redusere kostnad og tid for å kjøre meningsfulle eksperimenter er så verdifull; hvis virksomheten kan gjennomføre flere eksperimenter innenfor et gitt budsjett, kan de raskere identifisere eksperimenter og prosjekter som kan gi reell verdi.

Når kvanteapplikasjonsprogramvare introduseres i en bedrift, hvem blir vanligvis den interne forkjemperen, og hvordan bygger man en forretningscase når teknologiens langsiktige avkastning fortsatt kan være vanskelig å kvantifisere?

Når kvanteapplikasjonsprogramvare som HaiquOS introduseres i en bedrift, kan den interne forkjemperen komme fra flere steder. Det kan være en forsker eller vitenskapsmann som får bedre resultater med programvaren, en leder som ser en mulighet til å redusere kostnader eller forbedre effektiviteten, eller en forskningsleder som ser verdien i å forbedre ytelse og akselerere arbeidet teamet gjør.

Forretningscasen starter egentlig med å demonstrere verdi i dag. Vi må vise kundene hva programvaren kan gjøre med den kvante‑maskinvaren som finnes nå, samtidig som vi hjelper dem å forstå hvordan disse evnene vil vokse etter hvert som maskinvaren forbedres. HaiquOS gjør det mulig for kunder å kjøre meningsfulle eksperimenter i dag og akselerere applikasjonsutviklingen i stedet for å vente på fullt feil‑tolerante kvantedatamaskiner.

Derfra blir forretningscaset mye mer praktisk: Kan vi forbedre ytelsen? Kan vi redusere kostnadene? Kan vi hjelpe utviklere med å oppnå resultater raskere? Og kan vi gi kunden tillit til at det de investerer i i dag vil fortsette å levere verdi etter hvert som kvantedatabehandling modnes?

Den kombinasjonen av kortsiktig verdi, en klar veikart og sterk kundestøtte er det som gjør investeringen lettere å rettferdiggjøre, selv når den langsiktige avkastningen på kvantedatabehandling fortsatt er vanskelig å kvantifisere.

Haiqu utvikler en maskinvare-agnostisk plattform som kan fungere på tvers av ulike kvantesystemer. Hvor viktig er den fleksibiliteten for bedriftskunder, og hvordan unngår selskapet at ytelsen reduseres for å tilpasse seg flere maskinvarearkitekturer?

Bedriftskunder er ikke nødvendigvis bundet til én type kvante‑maskinvare. De fleste eksperimenterer med ulike systemer for å forstå deres ytelse, kostnad og hvor hver teknologi kan ha en fordel.

Det gjør det viktig at programvaren både er maskinvare‑agnostisk og maskinvare‑bevisst. Maskinvare‑agnostisk betyr at den kan fungere på tvers av ulike modaliteter – superledende, fanget ion, nøytrale atomer og andre. Maskinvare‑bevisst betyr at den forstår egenskapene til det spesifikke systemet den kjører på.

Det viktige poenget er at maskinvare‑agnostisk ikke betyr å behandle hver kvantedatamaskin likt. Hver arkitektur har ulike egenskaper, så når et nytt system legges til, må programvaren justeres og optimaliseres for den maskinvaren.

Målet er å gi kundene fleksibilitet i hvilken maskinvare de bruker uten å gå på bekostning av plattformspesifikk optimalisering som trengs for å oppnå best mulig ytelse fra hvert system.

Hvilke bransjer eller applikasjonskategorier er nærmest å oppnå målbar verdi fra Haiqus teknologi, og hvilke tekniske eller økonomiske milepæler vil indikere at en brukstilfelle er klar for skalering?

Vi ser interessante resultater innen flere anvendelsesområder. Haiqu har samarbeidet med HSBC om finansiell risikomodellering og simulering, og med Quanscient om beregningsfluiddynamikk, som har potensielle anvendelser på tvers av bransjer som luftfart, bilindustri og energi.

Det disse prosjektene viser, er at vi kan kjøre stadig mer komplekse problemer på dagens kvante‑maskinvare gjennom funksjoner som datalasting og kretskomprimering.

Jeg tror ikke vi ennå er på punktet der vi kan si at disse brukstilfellene er klare for bred skalering. De viktigste milepælene vil være ganske praktiske: bedre maskinvareytelse, evnen til å kjøre større og mer komplekse problemer, reproduserbare resultater, og til slutt en økonomisk fordel sammenlignet med klassiske tilnærminger.

Maskinvare er fortsatt den primære begrensningen. Vår rolle er å hjelpe kundene med å få mest mulig ut av dagens systemer samtidig som vi fortsetter å presse mot problemer som kan levere målbar forretningsverdi.

Gjennom Women in Quantum og DiviQ (Diversity in Quantum) har du arbeidet omfattende med inkludering og kompetanseutvikling. Når kvantedatabehandling beveger seg mot kommersialisering, hvilke ferdigheter vil være mest etterspurt, og hvordan kan bransjen bygge en bredere talentpipeline?

Da jeg startet min karriere innen kvantedatabehandling i 2015, var det en overveiende mannsdominert bransje. Tidlig innså jeg at å bringe mer mangfoldig talent inn i bransjen ville styrke arbeidsstyrken og forbedre resultatene. Jeg har alltid trodd at mangfoldige team tar bedre beslutninger og fremmer større suksess i en virksomhet.

En del av å bygge en bredere talentpipeline er å formidle at du ikke trenger å være en kvante‑PhD for å bidra til kvantedatabehandling. Mange blir skremt av den opplevde kompleksiteten i vitenskapen, mens de i realiteten allerede besitter relevante ferdigheter.

Bransjen trenger programmerere, ingeniører, matematikere, forskere, kommunikasjonsprofesjonelle og mer. Arbeidsgivere bør fokusere på å identifisere overførbare ferdigheter og hjelpe folk med å tilpasse disse ferdighetene til kvantedatabehandling, i stedet for å overkomplisere feltet og få det til å virke utilgjengelig.

Folk blir ofte overrasket over mulighetene som finnes når de først kommer inn i bransjen, og vår utfordring er å sørge for at de vet at disse mulighetene eksisterer.

Takk for det flotte intervjuet. Lesere som ønsker å lære mer bør besøke Haiqu. De som identifiserer seg som LGBTQIA+, tilhører en kjønnsminoritet, er fargepersoner, eller lever med en synlig eller usynlig fysisk, mental eller psykiatrisk funksjonsnedsettelse, kan også lære mer om fellesskapet og initiativene på DiviQ.