David DeSanto, CEO Anacondy – Seria wywiadów

David DeSanto jest Dyrektorem Generalnym w firmie Anaconda, gdzie kieruje misją firmy, aby umożliwić społecznościom nauki o danych i sztucznej inteligencji na świecie korzystanie z innowacji open-source i bezpiecznych rozwiązań dla przedsiębiorstw. Udowodniony executive w dziedzinie produktów i technologii, David posiada ponad dwie dekady doświadczenia w dziedzinach takich jak bezpieczeństwo cybernetyczne, platformy dla deweloperów i oprogramowanie dla przedsiębiorstw.

Najbardziej niedawno, David pełnił funkcję Chief Product Officer w firmie GitLab (GTLB ), gdzie kierował globalną organizacją produktową w dostarczaniu kompleksowej, AI-natywnej platformy DevSecOps z ponad 50 milionami zarejestrowanych użytkowników na całym świecie. Podczas swoich sześciu lat w firmie, pomógł przekształcić GitLab z wysoko-rozwojowego startupu w notowany na giełdzie, przewodzący lider kategorii platformy DevOps.

Anaconda to wiodąca platforma open-source dla nauki o danych, uczenia maszynowego i sztucznej inteligencji, zbudowana wokół języka programowania Python i powszechnie używana przez indywidualnych deweloperów i duże przedsiębiorstwa. Oryginalnie uruchomiona w 2012 roku, zapewnia kompleksowe środowisko, które obejmuje narzędzia do kodowania, zarządzania pakietami za pomocą Conda oraz dostęp do tysięcy pre-zbudowanych bibliotek, takich jak NumPy, pandas i TensorFlow, umożliwiając użytkownikom efektywne rozwijanie, testowanie i wdrażanie modeli AI.

Z biegiem czasu, Anaconda ewoluowała w pełną platformę AI dla przedsiębiorstw, która pomaga organizacjom zarządzać całym cyklem życia AI – od źródła i zabezpieczania pakietów open-source do budowy, zarządzania i wdrażania aplikacji w chmurze i środowiskach lokalnych. Z dziesiątkami milionów użytkowników i przyjęciem przez dużą część firm z listy Fortune 500, stała się podstawową warstwą dla nowoczesnego rozwoju AI, podkreślając innowacje open-source, skalowalność i bezpieczne, odtwarzalne przepływy pracy.

Spędziłeś prawie sześć lat w GitLab, ponad trzy jako Chief Product Officer, pomagając skalować platformę AI-natYWną DevSecOps do dziesiątek milionów użytkowników. Jak doświadczenie to ukształtowało Twoje priorytety teraz jako CEO Anacondy, i co wydaje się fundamentalnie różne w prowadzeniu firmy w porównaniu z prowadzeniem produktu?

Mój czas w GitLab wzmocnił kilka zasad, które są teraz centralne dla mojego podejścia do Anacondy. Po pierwsze, odpowiedzialny wzrost – skalowanie zespołów, produktów i przychodów w sposób trwały. W GitLab, rosliśmy do obsługi dziesiątek milionów użytkowników, i widząc, jak GitLab Ultimate stanowi ponad połowę przychodu firmy, pokazało, jak ważne jest wykorzystywanie wartości produktu do długoterminowego wpływu biznesowego.

Po drugie, nastawienie na wyniki i efektywność ponad procesem i strukturą. Można wydać coś, co jest wystarczająco dobre i pokazuje kierunek, aby rozpocząć mechanizm informacji zwrotnej od klientów. Dostarczanie prawdziwej wartości szybko jest niezbędne, ale trzeba również być świadomym, jak się skaluje. To ściśle wiąże się z trzecim filarem: obsesją klienta i spotkaniem użytkowników tam, gdzie są. Spędziłem karierę budując narzędzia dla deweloperów i bezpieczeństwa, i jako były deweloper, wiem, jak wiele dobrego (lub złego) narzędzia może wpłynąć na produktywność i satysfakcję.

I wreszcie, przejrzystość z celem. Ta podstawowa wartość Anacondy pozwoliła wszystkim stronom uczestniczyć i współpracować w celu udoskonalenia firmy i jej ofert. Spodziewam się dalszego budowania tej wartości, aby zapewnić, że dajemy naszej społeczności to, czego potrzebują, aby odnieść sukces.

Jako CEO, jestem odpowiedzialny za cały system – strategię, kulturę, operacje i wyniki. Nadal jestem głęboko związany z produktem, ale myślę szerzej i długoterminowo. Muszę zapewnić, że firma rośnie w sposób odpowiedzialny, wspiera swoich ludzi i dostarcza wartości naszym klientom we wszystkich wymiarach biznesu. To są zasady, których będę bronił tutaj.

Co osobiście motywowało Cię do objęcia stanowiska CEO w Anacondzie, i co przekonało Cię, że to jest odpowiednia platforma do budowania następnego rozdziału przedsiębiorczego AI?

Mówię wszystkim, że były cztery powody, dla których byłam podekscytowany dołączeniem do Anacondy jako CEO. Po pierwsze, technologia. Jako deweloper, znam i używałem Anacondy przez długi czas. Wiem, jak potężna jest i może być. Platforma już umożliwia wiele, a fundament, który zbudował zespół, da nam okazję do kształtowania tego, co przyjdzie następnie w erze AI-natYWnej!

Po drugie, społeczność. Głęboko wierzę w moc społeczności open-source. Niewiele firm ma społeczność tak szeroką i zaangażowaną jak Anacondy.

Trzecia, ludzie. To rzadkość znaleźć ten poziom przywództwa w jednym miejscu. Zespół kierowniczy jest wyjątkowy, a ich pasja jest prawdziwa. Budujemy przyszłość z open-source i AI, i bycie częścią czegoś tak znaczącego i wpływowego ma nas wszystkich prawdziwie podekscytowanych.

I wreszcie, okazja. To ostatecznie zdecydowało o moim wyborze. Anaconda siedzi w centrum czynienia AI bardziej dostępnym, pomagając przedsiębiorstwom budować, zabezpieczać, wdrażać i monitorować AI w skali. Kiedy łączysz światowej klasy technologię, żywą społeczność i zespół takiego kalibru, masz rzadką okazję do kształtowania, jak AI i nauka o danych są budowane i używane. To przyciągnęło mnie.

Open-source napędza większość nowoczesnego rozwoju AI, a jednak wiele przedsiębiorstw nadal ma trudności z zaufaniem do niego w skali. Dlaczego wierzysz, że open-source pozostaje najpotężniejszym fundamentem dla AI, i gdzie myślisz, że jest najbardziej niezrozumiany?

Istnieje powszechne przekonanie, że najbardziej bezpieczny kod to kod, który jest ukryty, ponieważ tylko wybrani ludzie mogą go zobaczyć. To jak strusie chowają głowę w piasku, aby się ukryć. Oprogramowanie open-source jest przeciwieństwem tego. Open-source jest przejrzysty, zaprasza wszystkich do współpracy i daje organizacjom na całym świecie wyższy poziom oczu, aby upewnić się, że kod jest bezpieczny i działa zgodnie z oczekiwaniami.

Nie widzieliśmy technologii, która rozwinęłaby się tak szybko jak AI. Aby AI mogło kontynuować swoją akcelerację, potrzebujesz nowoczesnego kodu, który porusza się tak szybko, jak to możliwe. Open-source robi to, dlatego jest fundamentem dla nowoczesnego rozwoju AI.

W Anacondzie, opieramy się na tym. Nasze podstawowe możliwości i ekosystem Pythona są open-source, ponieważ to jest najlepszy sposób, aby zespoły mogły zacząć i innowować szybko. Na tym warstwie dodajemy możliwości przedsiębiorstw, dając organizacjom zarządzanie, bezpieczeństwo i niezawodność, której potrzebują, aby używać open-source w skali.

Stawki niepowodzeń AI w przedsiębiorstwach pozostają wysokie, szczególnie w przypadku pilotów AI generatywnych. Z Twojego punktu widzenia, jakie są podstawowe powody, dla których te inicjatywy zatrzymują się, i jak wybór infrastruktury może zdecydować o długoterminowym sukcesie?

Wiele organizacji prowadziło pilotaże. Niektóre mają solidne projekty proof-of-concept, a inne mają garść wewnętrznie zbudowanych narzędzi, które naprawdę oszczędzają czas zespołom. Ale niewiele z nich przeniosło AI do prawdziwej produkcji, która działa w całym biznesie. Jest duża różnica między “eksperymentujemy” a “to jest teraz nasz sposób pracy”. To różnica, w której większość firm utknęła – i nie jest to dlatego, że technologia nie działa.

Demo prawie zawsze wygląda dobrze, ale problem pojawia się, gdy próbujesz odtworzyć demo w skali przedsiębiorstwa. Nagle masz do czynienia z pytaniami dotyczącymi zarządzania danymi, problemami bezpieczeństwa, kwestiami niezawodności i podstawowym problemem zaufania: Czy ta aplikacja będzie działać niezawodnie i utrzyma nasze dane bezpiecznie? Te problemy nie pojawiają się w demo i stają się później myślą dla firm.

Bariera dla sukcesu AI nie leży w możliwościach, ale w dojrzałości infrastruktury i procesów. Organizacje, które wygrywają, są prowadzone przez te, które wybierają inwestowanie w nowoczesne podstawy, gdzie zaufanie i prędkość współistnieją, a wbudowane bezpieczeństwo i zarządzanie przyspieszają, zamiast utrudniać. Rozdrobnione łańcuchy narzędzi i środowisk zmuszają do wyboru między nimi, ale nowoczesna, zunifikowana infrastruktura i nowoczesne procesy AI pozwalają mieć obie. Dziś, usuwanie wąskich gardeł tworzy Twoją przewagę konkurencyjną. To nie jest tylko ambitny cel techniczny; jest to imperatyw biznesowy, aby konkurować i przetrwać na dzisiejszym rynku. Sukces będzie zwiększony przez tych, którzy inwestują w bezpieczeństwo i zarządzanie od podstaw.

Jak Twoje doświadczenie w branży bezpieczeństwa i platformach deweloperskich wpływa na strategię Anacondy wokół zarządzania zależnościami, odtwarzalnością środowiska i ryzykiem łańcucha dostaw?

Moja ścieżka do bezpieczeństwa zaczęła się w sektorze opieki zdrowotnej, gdzie widziałem, co wtedy uchodziło za “bezpieczne”. Zanurzyłem się w bezpieczeństwie i stało się moją pasją. Gdy obciążenia AI, modele, agenci i integracje stają się bardziej złożone, ryzyka bezpieczeństwa mnożą się szybciej, niż zarządzanie może dotrzymać kroku. I nawet gdy ryzyko bezpieczeństwa jest zarządzane, środowisko samo w sobie staje się przeszkodą.

Bezpieczeństwo i zgodność z AI są wyzwaniem, szczególnie uzyskanie prawdziwej widoczności ryzyka w rozwoju i produkcji. To jest tam, gdzie się koncentrujemy. Budujemy głębsze możliwości bezpieczeństwa w zarządzaniu środowiskiem, dodatkowe zarządzanie pakietami AI poza ekosystemem Pythona i pomagamy redukować ryzyko z modelem AI poprzez skanowanie ich postawy. Cel jest prosty: pomóc organizacjom poruszać się szybciej z AI, utrzymując widoczność, prywatność i odporność, której potrzebują, aby ufać AI w skali.

Jak odróżniasz produktywne eksperymentowanie od systemów AI gotowych do użycia w przedsiębiorstwie, które naprawdę dostarczają wymierne korzyści?

Ten rok może być pierwszym, kiedy ROI AI jest dobrze mierzone. Każdy w branży traktuje “wydajność” jako czas zaoszczędzony, jednak to nie jest najlepszy wskaźnik KPI. Organizacje, które poświęcają czas na tworzenie niestandardowych KPI bezpośrednio związanych z tym, co jest dla nich najważniejsze, będą miały lepsze wyniki. Może to być czas zaoszczędzony w przeglądzie kodu dla zespołu developerskiego lub jakość generowania leadów dla zespołu marketingowego. Czas sam w sobie i pomiar zużycia tokenów nie sygnalizują bezpośrednio wydajności.

Jak widzisz ewolucję środowisk Pythona, gdy organizacje przechodzą od eksperymentowania do w pełni zarządzanych, produkcyjnych systemów AI?

Python jest premierowym językiem dla AI, i choć nie spodziewam się, że to się zmieni wkrótce, języki zawsze ewoluują w popularności. Organizacje potrzebują narzędzi, które ewoluują i rodzinnie rozwiązują podstawowe problemy wydajności i skalowalności, umożliwiając agentom AI tworzenie aplikacji i usług klasy przedsiębiorstw. Spodziewam się, że organizacje zaczną inwestować w uniwersalne bloki budowlane, które przyspieszają wartość AI i przyjęcie. To najlepiej przygotuje je do nawigowania w ciągle ewoluującym leksykonie języków programowania, które napędzają warstwę infrastruktury AI.

Pracowałeś ściśle z branżami regulowanymi i przedsiębiorstwami świadomymi bezpieczeństwa w przeszłości. Co wygląda rzeczywista, przedsiębiorcza governance AI w praktyce, poza dokumentami polityki i listami kontroli?

Przedsiębiorcza AI i aplikacje AI-natYWne są czymś zupełnie innym niż tradycyjny rozwój oprogramowania. Gdy traktujesz AI jak tradycyjny rozwój, kończysz z złamanym bezpieczeństwem i governance, co zahamuje innowacje. Przedsiębiorcza AI potrzebuje AI-natYWnych najlepszych praktyk rozwoju, gdzie model AI jest głównym komponentem, który napędza wersjonowanie, a wszystko inne wokół niego jest wtórne.

Governance AI jest różnicą między skalowaniem z sukcesem a zatrzymaniem. Przedsiębiorcza governance AI to to, co się dzieje, gdy odpowiedzialne AI-natYWne zasady są tłumaczone na egzekwowalne kontrolki platformy, jasną odpowiedzialność i ciągłą śledzalność i pochodzenie wszystkich komponentów AI. To idzie poza polityki i listy kontroli, które działały w praktykach DevOps.

Z niedawnym finansowaniem i przedsiębiorczym impulsem Anacondy, jakie są Twoje najbliższe priorytety wzrostu, i gdzie inwestujesz najagresywniej w ciągu najbliższych 12 do 18 miesięcy?

Naszym celem jest to, aby Anaconda była preferowaną platformą AI-natYWną dla przedsiębiorstw do budowania, zabezpieczania i wdrażania aplikacji i usług AI-natYWnych. Nasi klienci ciągle ewoluują, aby spełnić ich potrzeby, i my ewoluujemy z nimi. To dlatego nie jesteśmy już tylko narzędziem do nauki o danych, ale kompleksową platformą dla przedsiębiorczej AI. Każda inwestycja, czy to w produkty, partnerstwa, czy przejęcia, będzie oceniana pod kątem jednego pytania: “Czy to przybliża nas do bycia platformą, której potrzebują przedsiębiorstwa, aby odnieść sukces w nowym świecie AI-natYWnym?” Jesteśmy firmą obsesjonowaną klientem i wszystko, co robimy, robimy dla naszych klientów.

Jako ktoś, kto pomógł skalować notowaną na giełdzie platformę deweloperską, jakie lekcje nauczyłeś się o budowaniu dla praktyków, jednocześnie służąc CTO, CIO i Chief AI Officerom na poziomie wykonawczym?

Sukces zawsze wraca do klienta i wspierania wyników, które próbują osiągnąć. Brzmi prosto, ale łatwo jest dla zespołów zajmować się wewnętrznymi metrykami (ile godzin poszło na projekt, czy wypuszczono zgodnie z celami), zamiast zadać ważniejsze pytanie: Czy to naprawdę sprawia, że nasi klienci są bardziej udani? Liderzy mogą powiedzieć, że potrzebny jest nowy produkt, kiedy w rzeczywistości mogłoby to być po prostu udoskonalenie tego, co już masz (np. uczynienie produktu bardziej przyjaznym dla użytkownika), a potem osiągasz wynik, którego szukasz. Jeśli klienci są szczęśliwi i udani, to my wszyscy jesteśmy szczęśliwi i udani.

Dziękuję za wspaniały wywiad, czytelnicy, którzy chcą dowiedzieć się więcej, powinni odwiedzić Anacondę.