Tom Butler, visepresident, Worldwide Commercial Portfolio og Product Management hos Lenovo – Intervju-serie

Dette intervjuet ble gjennomført i forbindelse med MWC 2026, der Lenovo viste frem sine nyeste fremgangsmåter innen AI-drevet kommersiell datamaskin.

Tom Butler, visepresident, Worldwide Commercial Portfolio og Product Management hos Lenovo, har mer enn to tiår med erfaring innen selskapet, og har gått gjennom flere ledelsesroller som direktør, eksekutiv direktør og nå visepresident for det globale kommersielle porteføljet. Med base i Raleigh-Durham-området, er han ansvarlig for å forme Lenovos verdensomspennende kommersielle produktstrategi, og å tilpasse hård- og programvare, samt tjenester for å møte bedriftens behov. Hans karriere reflekterer dyptgående ekspertise innen produktledelse, markedsføring og stor skala porteføljeledelse, bygget på tidligere tekniske og operative roller hos Cisco og Ericsson, der han utviklet en basis i trådløse systemer, bedriftsinfrastruktur og kundestøtte.

Lenovo er et globalt teknologiselskap som genererer titall milliarder i årlig omsetning, og som betjener kunder over mer enn 180 markeder. Selskapet tilbyr et bredt portefølje som omfatter PC-er, smarttelefoner, nettbrett, servere og bedriftsinfrastruktur, samt programvare, AI-drevne løsninger og tjenester designet for å støtte digital transformasjon. Virksomheten er organisert over nøkkelsegmenter som intelligente enheter, infrastrukturløsninger og tjenester, som gjør det mulig for selskapet å operere over både forbruker- og bedriftsøkosystemer. Lenovo stiller seg stadig mer rundt AI og integrert datamaskinopplevelse, ved å kombinere hård- og programvare med sky-basert funksjonalitet for å støtte moderne arbeidsplasser og stor skala bedriftsmiljøer.

Du har tilbragt mer enn to tiår hos Lenovo, og har gått gjennom flere roller som produktmarkedsføring, strategisk planlegging og porteføljeledelse, og er nå ansvarlig for det verdensomspennende kommersielle notebook-porteføljet. Hvordan har denne reisen påvirket din perspektiv på hva som egentlig definerer en “AI-PC” i motsetning til en tradisjonell forretnings-PC med AI-funksjoner lagt til toppen?

Jeg har tilbragt mesteparten av min karriere innen kommersielle PC-er, så jeg tenderer til å være ganske streng på definisjoner. En AI-PC er ikke en tradisjonell bærbar PC med noen få funksjoner lagt til, men et system designet fra bunnen av for å kjøre AI-arbeidsbelastninger lokalt, effektivt og sikkert.

Hva som betyr noe for meg, er hva enheten kan gjøre naturlig. Kan den kjøre meningsfulle AI-erfaringer uten å være avhengig av skyen? Kan den tilpasse seg brukeren, deres data og arbeidsflyt? Og kan den gjøre det på en måte som møter bedriftens forventninger til sikkerhet og håndtering?

Etter årevis i dette området, har jeg lært å se forbi hypen. Hvis det ikke fundamentalt endrer hvordan folk arbeider, er det ikke en AI-PC enda.

Vi ser stadig mer av denne utviklingen mot hybrid AI-arkitekturer, der enheten håndterer mer lokalt og bare går til skyen når det er nødvendig.

Som lederen som er ansvarlig for ThinkPad, ThinkBook og kommersiell programvare, hvordan gjenomtenker du den kommersielle notebook-veien for å ta hensyn til AI-arbeidsbelastninger som kjører lokalt på enheten i stedet for eksklusivt i skyen?

Som flere AI-arbeidsbelastninger kjører lokalt, må veien prioritere vedvarende på-enhet-prestasjoner, ikke bare topp-specifikasjoner. I praksis betyr det å utvide NPU-aktiverede konfigurasjoner over ThinkPad og ThinkBook, og å behandle NPU som en kjerneressurs sammen med CPU og GPU. Oppgaver som møtesammendrag, transkripsjon, intelligent søk og innholdsskapning er stadig mer optimert for lokal akselerasjon.

Dette krever også en endring i hvordan vi tenker om programvare. Bedriftskunder ønsker ikke isolerte AI-funksjoner, men integrerte erfaringer som fungerer over arbeidsflyt, enheter og miljøer.

Dette samsvarer med en bredere endring vi ser fra sky-basert til mer hybrid AI-modeller. Bedrifter begynner å tenke på en “lokalt-først, sky-når-det-er-nødvendig”-tilnærming, der PC-en eller kantenheten håndterer mer av arbeidsbelastningen, og skyen brukes mer selektivt. Det har virkelige implikasjoner ikke bare for prestasjoner, men også for kost, kontroll og hvordan IT-miljøer er designet. Derfor fokuserer vi på åpne, fleksible arkitekturer som støtter flere modeller og utviklende økosystemer, i stedet for å låse kundene inn i en enkelt tilnærming.

Bedrifter er under press for å modernisere sine enhetsflåter, men oppdateringscyklusene blir kortere. Hva er det sterkeste forretningsargumentet i dag for CIO-er å investere i AI-PC-er i stedet for å forlenge levetiden til eksisterende hårdvara?

Forretningsargumentet i dag blir mer og mer tydelig: CIO-er blir bedt om å modernisere for en verden der produktivitets- og sikkerhetsforventninger har endret seg, og eldre PC-flåter kan ikke alltid nå denne nye baseline gjennom programvareoppdateringer alene.

Prestasjoner er en del av historien, men det er ikke lenger den mest interessante delen. Hva som har endret seg, er at AI-arbeidsbelastninger nå er en del av hverdagsproduktivitet, og eldre flåter var ikke designet for det.

Den virkelige avkastningen kommer fra å muliggjøre nye måter å arbeide på, lokalt AI som holder sensitive data på enheten, bedre samarbeidsopplevelser og redusert avhengighet av konstant tilkobling. Det er også en kostnadsdimensjon som blir mer viktig. Datacenter er stadig mer reservert for inntekts-genererende arbeidsbelastninger, så hvis du kan flytte testing, inferens eller tidlige AI-oppgaver til klientenheten eller kanten, reduserer du unødvendig sky-bruk og senker den totale kostnaden.

På samme tid ønsker bedrifter å modernisere uten forstyrrelser. Å kombinere nye enheter med livssyklustjenester, faserte utrullinger og “prove-it-quick”-piloter hjelper å gjøre oppdateringscyklusene mer bevisste og praktiske enn reaktive.

AI-PC-er lover ofte forbedret produktivitet gjennom på-enhet-kopiloter og automatisering. I virkelige bedrifts-utsteder, hvor ser du faktiske, målbare gevinstene — og hvor er industrien fortsatt foran praktiske resultater?

Hvor vi ser virkelig innvirkning, er når AI er knyttet til bestemte arbeidsflyt. Møtesammendrag, transkripsjon, søk og enhetsoptimisering er allerede i gang med å levere målbare tidsgjevninger, spesielt når disse arbeidsbelastningene kan kjøres lokalt uten latency eller avhengighet av tilkobling.

Hvor industrien fortsatt er tidlig, er i bred, bedrifts-omfattende transformasjon. Det finnes ingen enkelt “killer-app” enda, og adopsjon avhenger tungt av opplæring, integrasjon og endringsledelse, ikke bare hårdvara.

Immersive formfaktorer markedsføres som den neste utviklingen av smarte enheter. Fra din synsvinkel, hva betyr “immersiv” realistisk for bedriftsbrukere over de neste tre til fem årene — og hvilke brukstilfeller er modne nok til å gå utenfor eksperiment?

For bedriftsbrukere, må “immersiv” bety praktisk. Mer brukbar skjermflate, bedre fokus og mer naturlig samarbeid, ikke noe eksperimentelt.

Vi ser dette bli virkelighet gjennom utvidbare skjermer, flermodus-design og modulære økosystemer som utvider arbeidsplassen uten å legge til kompleksitet.

Over de neste tre til fem årene, vil de mest suksessfulle brukstilfellene sammenfalle med kritiske bedriftsoppgaver: dokument-tunge oppgaver, samarbeid og mobil produktivitet. Andre teknologier, som glasøye-frie 3D, ringe og noen romlige interaksjonsmodeller, vil sannsynligvis modnes først i spesialiserte roller som designvisualisering, opplæring eller avansert samarbeid, før de blir mer allment akseptert.

Som AI-arbeidsbelastninger øker, må enhetene balansere prestasjoner, termiske, batteriliv og sikkerhet. Hva er de mest utfordrende ingeniør-valgene når det gjelder å bygge kommersielle AI-PC-er som må yte pålitelig i bedriftsmiljøer?

Det hardeste er at kundene ønsker alt på en gang: prestasjoner, batteriliv, tynn design og pålitelighet. I virkeligheten, konkurrerer disse tingene. Større batterier og sterkere kjøling legger til vekt og tykkelse, så den virkelige utfordringen er å finne riktig balanse, ikke å jage en enkelt spesifikasjon.

Sikkerhet må også bygges inn fra starten. Når AI-arbeidsbelastninger flyttes nærmere endepunktet, blir avgjørelsene om firmware-integritet, hårdvarbeskyttelse og forsyningskjedegaranti en del av prestasjonsekvasjonen. I bedriftsmiljøer, er raske men sårbare systemer ikke skalerbare.

Sikkerhet og datagovernance er fortsatt topp bekymringer for bedriftskjøpere. Hvordan endrer skiftet mot på-enhet-AI-inferens samtalen om personvern, overholdelse og risikostyring?

På-enhet-AI forbedrer samtalen om personvern, fordi mer data kan forbli lokalt på enheten. Det er en stor endring, spesielt for regulerte industrier. Det hjelper også å håndtere bekymringer om latency og kontroll, siden sensitive arbeidsbelastninger ikke alltid trenger å forlate endepunktet.

Men det fjerner ikke behovet for governance. Bedrifter må fortsatt ha klare politikker om hvordan modeller brukes, hvordan data håndteres og hvordan resultater valideres.

Derfor fokuserer vi på sikkerhet under operativsystemet, forsyningskjedegaranti og enhets-tillit. Når AI flyttes til endepunktet, er det der risiko og ansvar øker.

Mange bedrifter eksperimenterer med AI-agenter som automatiserer arbeidsflyt og beslutningsprosesser. Hvordan ser du AI-PC-er utvikle seg for å bedre støtte agent-drevne arbeidsflyt lokalt, og hva hård- eller programvare-innovasjoner vil være nødvendig for å gjøre det uhindret?

Jeg ser AI-PC-er utvikle seg fra enkle assistive funksjoner til plattformer som støtter agent-drevne arbeidsflyt. Vi flytter oss fra AI som et verktøy du interagerer med, til AI som kan handle på din vegne. Det er en meningsfull endring.

Du vil se denne utviklingen over enheter og økosystemer, ikke bare innen en enkelt PC. Den virkelige muligheten ligger i koordinasjon, der AI forstår kontekst over ditt arbeid og enheter, ikke bare isolerte oppgaver.

For å gjøre disse agent-arbeidsflytene uhindret på enheten, trenger vi fortsatt fremgang i på-enhet-akselerasjon og effisiens. Like viktig er en intelligent programvare-arkitektur som kan samhandle med modeller når økosystemet utvikles, samt bedrifts-graderte retningslinjer så agenter kan operere trygt og med tillit.

Denne utviklingen vil avhenge tungt av hybrid AI-arkitekturer, der agenter kan operere lokalt når det er nødvendig, mens de fortsatt kan utnytte sky-skala-modeller når det er passende.

Lenovo har historisk sett utmerket seg ved å forstå kundetilbakemeldinger og oversette dem til produktstrategi. Hva er de gjentakende temaene du hører fra bedriftskunder om AI-aktiverede enheter som markedet kanskje undervurderer?

Temaene vi hører fra bedriftskunder er vanligvis mer praktiske enn industrikonversasjonen.

Først, ønsker kundene klare bedrifts-brukstilfeller og konsistente avkastningsanalyser. Oppdateringscyklusene planlegges år i forveien, så uten kritiske resultater, er mange teamer fortsatt forsiktige.

Andre, selv når nye enheter utrulleres, er underutnyttelse vanlig hvis opplæring og påmelding ikke er bygget inn.

Tredje, governance og tillit er essensielle. Kjøpere ønsker lokale AI-alternativer som reduserer unødvendig data-eksponering og klar visning av hva som skjer på enheten.

Endelig, grunnleggende aspekter teller fortsatt. Batteriliv, prestasjoner, porter, pålitelighet og reparasjon. AI erstatter ikke disse forventningene, men setter en høyere standard for alle.

Om fem år, tror du at begrepet “AI-PC” fortsatt vil eksistere som en kategori, eller vil AI-kapasiteter bare bli en usynlig, innbygd lag over alle kommersielle enheter — og hva impliserer det for hvordan selskaper differensierer sin hårdvara?

Jeg tror at begrepet “AI-PC” vil forsvinne over tid. AI blir bare en del av hva en PC er.

Den virkelige differensieringen skifter til erfaring, hvordan personlig det er, hvordan det er beskyttet, hvordan det er lett å håndtere i skala og hvordan bedrifter kan utrulle det med tillit.

I denne forstand, blir AI usynlig. Kunder bryr seg om hvorvidt enheten hjelper folk å arbeide bedre, og hvorvidt de stoler på den.

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