Frank Bignone, Senior Vice President og leder for Corporate Strategy & Growth i FPT Software – Intervju-serie

Frank Bignone, Senior Vice President og leder for Corporate Strategy & Growth i FPT Software, har mer enn to tiår med internasjonale ledelseserfaringer fra digital transformasjon, kunstig intelligens, romteknologi, geospatial teknologi og bedriftsvekst. Han har hatt ledende roller i Asia, Midtøsten og Europa, inkludert som Chief Digital Transformation Officer for FPT Softwares operasjoner i Japan og Midtøsten, og tidligere ledet digital transformasjon-initiativer i Asia-Stillehavet og Kina for Airbus. Hans bakgrunn kombinerer dypt ekspertise i AI-drevet forretnings-transformasjon, strategiske partnerskap, markedsutvidelse og stor-skala teknologi-tilpasning. Han har bygget økosystemer over luftfart, programvare og bedriftsteknologi-sektorene, og har konsistently fokusert på å hjelpe organisasjoner å utnytte fremvoksende teknologier for å drive operasjonell effektivitet, innovasjon og bærekraftig vekst. I dag leder han FPT Softwares korporative strategi og vekst-initiativer, og guider selskapets globale utvidelse og neste-generasjons tjeneste-utvikling.

FPT Software er en global teknologi- og IT-tjenesteleverandør med hovedkontor i Vietnam, og har over 33 000 ansatte som opererer i over 30 land. Selskapet spesialiserer seg på digital transformasjon, AI, skytjenester, data-analyse, programvare-utvikling, smarte fabrikker, cybersikkerhet og bransjespesifikke løsninger for sektorer som finansielle tjenester, produksjon, bilindustri, helsevesen, luftfart og telekommunikasjon. I de senere årene har FPT Software akselerert sin AI-først-strategi, og investert tungt i AI-drevne plattformer, bedrifts-moderniserings-tjenester og globale partnerskap, samtidig som de utvider sin tilstedeværelse i Europa, Nord-Amerika, Midtøsten og Asia-Stillehavet. Gjennom en kombinasjon av stor-skala teknologi-kapasiteter, konsulent-ekspertise og AI-drevet innovasjon, hjelper selskapet bedrifter med å modernisere legacy-systemer, optimere operasjoner og akselerere digital transformasjons-initiativer verden over.

Du har ledet digital transformasjons-initiativer over luftfart, luftfart, bedrifts-programvare og nå AI-først-leveringsplattformer hos FPT Software. Ser du tilbake på ditt arbeid med Airbus Skywise og stor-skala bedrifts-moderniserings-programmer, hva lærte du som direkte formede din visjon for Agentic Engineering og Flezi Foundry?

Ser vi tilbake på Airbus Skywise og stor-skala bedrifts-moderniserings-programmer, så står en viktig lærepenhet frem: transformasjon er sjelden begrenset av teknologi. Ofte er det begrenset av hvordan organisasjoner opererer.

Med Skywise så vi kraften i å kombinere data, plattformer og økosystem-samarbeid. Men selv med avansert teknologi på plass, ble verdi-oppbygging ofte flatt når operasjonsmodellene forble menneske-sentriske, sekvensielle og silo-baserte.

Den erfaringen formede direkte vår visjon for Agentic Engineering. Vi tror at den neste utviklingen ikke bare er bedre digitale plattformer, men intelligente, agent-drevne leveringssystemer hvor AI aktivt deltager i gjennomføringen, i stedet for bare å fungere som et analytisk verktøy.

Flezi Foundry ble bygget på den prinsippet, og hjelper organisasjoner med å gå fra beslutnings-takning til AI-forsterket leveringsmodeller som kontinuerlig gjennomfører, lærer og forbedrer.

Mye av AI-diskusjonen har sentrert seg rundt kode-kopiloter og utvikler-produktivitet. Hvorfor tror du at den viktigste skiftet er å gå fra AI-drevne verktøy til AI-drevne driftsmodeller?

Kode-kopiloter er viktige, men de løser bare en liten del av verdi-kjeden. De fleste samtaler i dag fokuserer på å forbedre utvikler-produktiviteten, mens den større utfordringen organisasjonene står overfor er fragmenterte, langsomme og tilpasnings-udyktige leveringssystemer.

Den virkelige muligheten ligger i å tenke om hvordan arbeid er strukturert. AI-drevne driftsmodeller tillater at arbeid dekomponeres i oppgaver som utføres samarbeidende av mennesker og intelligente agenter. Agenter kan delta i planlegging, gjennomføring, validering og optimalisering, mens tilbakemeldings-løkker blir kontinuerlige og stadig mer automatiserte.

Da blir AI ikke bare et annet produktivitets-verktøy, men en system-nivå-egenskap. Det er der organisasjonene begynner å realisere meningsfullt bedrifts-verdi.

FPT lanserte nylig Flezi Foundry for å fremme hva du beskriver som AI-forsterket levering for bedrifter. Hva var gapet i markedet du prøvde å løse, og hvordan skiller plata seg fra de voksende antallet AI-utviklings-verktøy som allerede er tilgjengelige?

Vi så et tydelig gap i markedet. Bedrifter har tilgang til en økende mengde AI-verktøy, men mange mangler en samlet og styrt leveringsplattform som bringer disse evnene sammen.

De fleste AI-løsninger fokuserer på isolerte aktiviteter som kode-assistanse eller test-automatisering. De løser ikke end-to-end-leverings-koordinering, bedrifts-styring eller livssyklus-integrasjon. Som følge kan organisasjonene ofte struggle med å skalerer AI-tilpasning utover enkelt-brukstilfeller.

Flezi Foundry ble designet for å løse den utfordringen. Den fungerer som en samlet menneske-agent-samarbeidsplattform som integrerer AI over hele programvare- og IT-livssyklusen, samtidig som den opprettholder styring, sporing og tilpasning til forretnings-resultater. I den forstand er det ikke bare et annet AI-verktøy, men en drifts-lag for AI-forsterket levering.

FPT beskriver Flezi Foundry som en styrt menneske-agent-samarbeidsplattform. Hva betyr styring i praksis når AI-agenter deltager i planlegging, kode, testing, sikkerhets-gjennomgang og IT-drift?

Styring betyr at hver AI-handling er synlig, kontrollert og auditerbar.

I praksis opererer AI-agenter innenfor definerte politikker som omfatter sikkerhets-krav, samvær-krav og kode-standards. Deres handlinger er logget, sporbare og tilregnelige, mens menneskelig tilsyn er innbygget i kritiske beslutningspunkter. Data-tilgang er styrt gjennom etablerte identitets- og tillatelses-kontroller for å sikre at agenter bare interagerer med autorisert informasjon.

Det viktigste er at styring er bygget direkte inn i gjennomføringen, i stedet for å bli lagt til etterpå. Dette tillater organisasjonene å skalerer AI-tilpasning samtidig som de opprettholder tillit, transparens og operasjonell kontroll.

En av de største bekymringene bedrifter har er ansvar. Hvis en AI-agent introduserer en sikkerhets-sårbarhet, en deploy-utfordring eller en operasjonell feil, hvordan bør ansvar tildeles mellom AI-systemet, menneskelige tilsyn og tjeneste-leverandører?

AI fjerner ikke ansvar; det omfordeler det innenfor et kontrollert rammeverk.

AI-agenter utfører oppgaver innenfor definerte parametre, men ansvarlig forblir hos menneskene og organisasjonene som designer, overvåker og styrer disse systemene. Menneskelige tilsyn gir overvåking og validering, mens tjeneste-leverandører er ansvarlige for arkitekturen, kontrollene og styrings-mekanismene som guider agent-atferd.

Nøkkelen er å opprettholde fullstendig sporing. Hver handling bør være tilregnelig og auditerbar, så organisasjonene kan opprettholde tillit, kontroll og tydelig forstå hvordan beslutninger ble tatt.

Flezi Foundry introduserer begrepet Agentic Development Lifecycle (ADLC). Hvorfor skiller denne seg fra tradisjonell Agile, DevOps eller plattform-utviklings-tilnærminger som bedrifter allerede bruker i dag?

Agile og DevOps ble designet for å optimere menneskelig samarbeid og automatisere leverings-pipelines. Agentic Development Lifecycle, eller ADLC, introduserer et fundamentalt annet element: AI-agenter som aktive deltakere gjennom hele livssyklusen.

I stedet for bare å støtte utviklere, samarbeider agenter med mennesker for å utføre oppgaver, granske problemer og bidra til beslutnings-takning. Kontinuerlig granskning erstatter statiske arbeidsflyter, mens intelligente tilbakemeldings-løkker driver kontinuerlig optimalisering.

En enkel måte å tenke om det på er at Agile fokuserer på iterativ levering, DevOps fokuserer på automatiserte pipelines, og ADLC fokuserer på adaptive menneske-agent-leveringssystemer.

Mange organisasjoner eksperimenterer med AI-agenter, men få har etablert rammer for å måle deres ytelse. Hva målinger tror du bedrifter bør bruke for å evaluere AI-agenter som en del av deres programvare-leverings-arbeidsstyrke?

Organisasjoner bør stadig se på AI-agenter som en del av arbeidsstyrken og måle dem deretter.

Tradisjonelle produktivitets-målinger forblir viktige, inkludert leverings-hastighet (oppgave-gjennomføringshastighet) og reduksjoner i manuell innsats. Organisasjoner bør også evaluere kvalitets-indikatorer som feil-rater, om-gjennomføring, nøyaktighet, pålitelighet og overholdelse av krav.

Ultimat er målet ikke bare høyere produktivitet. Den virkelige målingen for suksess er om AI-agenter forbedrer forutsigbarheten, kvaliteten og skalerbarheten av resultater.

Flezi Foundry introduserer resultats-baserte priser modeller knyttet til leverings-hastighet og tjeneste-nivå-mål. Ser du på dette som begynnelsen på en større skift away fra tradisjonelle FTE-baserte outsourcing og ansatt-augmenterings-modeller?

Ja, vi tror en betydelig skift allerede er i gang.

Tradisjonelle FTE-baserte modeller ble bygget rundt antagelsen at innsats er den primære driveren av verdi. I AI-forsterket leverings-miljøer blir denne antagelsen stadig mer foreldet, fordi intelligente agenter kan signifikant endre hvordan arbeid utføres.

Som følge representerer resultats-baserte modeller knyttet til leverings-hastighet, tjeneste-nivå-mål og målbare forretnings-påvirkning en mer naturlig tilpasning. Flezi Foundry støtter denne utviklingen ved å gjøre leverings-ytelse mer transparent, målbar og forutsigbar.

Som bedrifter stadig mer deployer AI-agenter over programvare-utvikling og IT-drift, hvordan ser du på rollen til programvare-utviklere utvikle seg over de neste fem årene?

Programvare-utviklere vil utvikle seg, ikke forsvinne.

Som AI tar en større andel av implementerings-aktiviteter, vil utviklere stadig fokusere på høyere-verdi-ansvar som system-design, arkitektur, agent-koordinering, styring, kvalitets-sikring og forretnings-problem-ramming.

Fremtiden for rollen til utvikleren vil være mindre om å skrive hver eneste kode-linje og mer om å designe systemer, guide intelligente agenter og sikre at teknologi-resultater tilpasser forretnings-mål.

Ser vi fremover, hva ser en moden menneske-agent-bedriftsteknologi-organisasjon ut som? Hvis vi gjenopptar denne samtalen i 2030, hva aspekter av programvare-levering og IT-drift tror du vil være fundamentalt forskjellig fra i dag?

I 2030 tror jeg at ledende organisasjoner vil operere som sanne menneske-agent-økosystemer.

AI-agenter vil være innbygget gjennom leverings- og drifts-prosesser, og muliggjøre kontinuerlig gjennomføring, sanntids-optimalisering og raskere tilpasning til endrede forretnings-behov. Sterke styrings-rammer vil sikre tillit, ansvar og overholdelse, mens resultats-baserte ytelses-modeller blir standard-måten organisasjoner måler verdi.

Programvare-levering og IT-drift vil være betydelig raskere, mer tilpasnings-egnet og mer forutsigbar enn i dag. Samtalen vil ikke lenger handle om hvorvidt organisasjoner bør adoptere AI-agenter. I stedet vil differentiatoren være hvordan de effektivt orkestrerer mennesker og agenter sammen i skala.

Takk for det flotte intervjuet, lesere som ønsker å lære mer bør besøke FPT Software.