Holly Grant, Wiceprezes, Strategia i Innowacje, DXC Technology – Seria wywiadów

Holly Grant, Wiceprezes, Strategia i Innowacje w DXC Technology (DXC ), jest ekspertem w dziedzinie technologii i operacji z głębokim doświadczeniem w zakresie strategii sztucznej inteligencji, fintech, przywództwa startupów i transformacji operacyjnej. W DXC pomaga kształtować inicjatywy innowacyjne firmy, w tym opracowanie sztucznej inteligencji na dużą skalę, usługi doradcze i wysiłki inkubacji produktów, które mają na celu pomóc organizacjom w przejściu od eksperymentalnych pilotów sztucznej inteligencji do wdrożenia operacyjnego. Przed dołączeniem do DXC pełniła wiele ról kierowniczych w Long-Term Stock Exchange (LTSE), gdzie ostatecznie została Dyrektorem Operacyjnym, gdzie koncentrowała się na skalowalności operacyjnej i wzroście strategicznym w sektorze fintech.

DXC Technology to globalna firma świadcząca usługi IT i konsultingowe, której celem jest pomoc przedsiębiorstwom w modernizacji systemów krytycznych dla misji w chmurze obliczeniowej, cyberbezpieczeństwie, sztucznej inteligencji, infrastrukturze danych i operacjach przedsiębiorstwa. Utworzona w wyniku połączenia Computer Sciences Corporation i Hewlett Packard Enterprise’s (HPE ) Enterprise Services division, firma współpracuje z organizacjami z różnych branż, w tym opieki zdrowotnej, bankowości, produkcji, ubezpieczeń i rządu. W ostatnich latach DXC coraz bardziej koncentruje się na transformacji przedsiębiorstw przy użyciu sztucznej inteligencji, oferując usługi, które integrują generatywną sztuczną inteligencję, inteligentną automatyzację, obserwowalność, cyfrowe bliźniaki i dużą skale modernizacji IT w złożone środowiska korporacyjne. Firma kładzie również nacisk na „pierwszeństwo sztucznej inteligencji” w modelach operacyjnych, które mają na celu pomóc przedsiębiorstwom wdrożyć sztuczną inteligencję w sposób bezpieczny w ramach istniejącej infrastruktury, a nie zastępować systemy legacy w całości.

Zbudowałaś karierę na przecięciu strategii, operacji i innowacji – od skalowania organizacji na początku swojej kariery po obecne stanowisko Lidera Strategii i Innowacji w DXC. Jak te doświadczenia ukształtowały Twoje podejście do uruchomienia LabX i zaprojektowania środowiska inkubacji sztucznej inteligencji skupionego na realnym wpływie biznesowym?

Moja kariera objęła rodziny biur, startupy, venture capital i teraz firmę Fortune 500 w trakcie odwrócenia trendu. To, co zobaczyłam we wszystkich tych środowiskach, to fakt, że pomysły nie lądują same. Te, które naprawdę tworzą wartość, mają trzy rzeczy: prawdziwego klienta, który ich wspiera, odpowiedni moment na rynku i zakres, który jest jasny i odpowiednio wąski. Brak któregokolwiek z tych elementów powoduje, że nawet genialny pomysł zatrzymuje się.

Ten wzorzec ukształtował, jak myślałam o LabX. Potrzebujesz teorii zwycięstwa – prawdziwej strategii – ale potrzebujesz również mięśni operacyjnych, aby ją urzeczywistnić, i dyscypliny, aby dostosować się, gdy się uczysz i warunki się zmieniają. Strategia bez wykonania to zbiór kart. Wykonanie bez strategii to ruch bez postępu. LabX jest zaprojektowane, aby połączyć obie te rzeczy.

Pod przywództwem naszego CEO Raula Fernandeza DXC postawiło na umiejętności sztucznej inteligencji i innowacje w centrum swojej strategii odwrócenia trendu. LabX to sposób, w jaki tłumaczymy tę przekonanie w produkty, możliwości i wyniki dla klientów – wystarczająco szybko, aby to miało znaczenie.

Wiele przedsiębiorstw eksperymentuje ze sztuczną inteligencją, ale ma trudności z przejściem od pilotów do produkcji. Z tego, co widzisz w DXC, jakie są największe bariery, które uniemożliwiają organizacjom skalowanie sztucznej inteligencji poza projekty pilotażowe?

Dwa bariery pojawiają się ponownie i ponownie, i żadna z nich nie dotyczy tak naprawdę technologii.

Pierwszym z nich jest zarządzanie zmianą. Sztuczna inteligencja zmienia sposób, w jaki ludzie pracują, za co są odpowiedzialni i jak podejmowane są decyzje. Jeśli nie zaangażujesz swojej siły roboczej, najbardziej elegancki model na świecie pozostanie niewykorzystany. Drugim jest to, że firmy zaczynają skalować sztuczną inteligencję bez zmiany podstawowego modelu operacyjnego. Boltują inteligencję na konkretny system lub aplikację, aby jeden użytkownik mógł ją używać, ale reszta zespołu nie może. Sztuczna inteligencja to inteligencja pozioma – tworzy największą wartość, gdy może poruszać się przez funkcje, dane i przepływy pracy. Gdy model operacyjny nie ulega zmianie, wartość pozostaje uwięziona lokalnie, zamiast kumulować się w całym przedsiębiorstwie.

Wynikiem jest to, że pilot działa, wszyscy się cieszą, a nic tak naprawdę nie skaluje. To jest wzorzec, który próbujemy złamać w LabX, projektując od początku rozwiązania na poziomie przedsiębiorstwa.

LabX działa na szybkim cyklu koncepcji do MVP, który trwa około 90 dni lub mniej. Jakie zmiany w nastawieniu, zarządzaniu lub procesach rozwojowych są wymagane dla dużych przedsiębiorstw, aby poruszać się z taką prędkością?

Największa zmiana w nastawieniu polega na tym, że trzeba być gotowym do podejmowania decyzji wcześniej, z mniej doskonałą informacją – oraz na dyscyplinę, aby odciąć to, co nie działa. Duże przedsiębiorstwa czują się komfortowo z długimi cyklami planistycznymi, bo wydają się im bezpieczne. Nie są. Na rynku, który porusza się tak szybko, wolne „tak” i wolne „nie” są oba drogie.

Wewnątrz LabX przydzielamy małą triadę – projekt, produkt i inżynierię – do wykonania sprintu przeciwko prawdziwemu problemowi klienta. Budują minimalny produkt, testują go pod kątem wartości i skali, i promujemy pomysły, które pokazują komercyjną obietnicę w ciągu 90 dni. To, co umożliwia tę prędkość, nie jest brakiem zarządzania, ale obecnością odpowiedniego zarządzania. Bezpieczeństwo, prywatność, zgodność i odpowiedzialna zgoda na sztuczną inteligencję są wbudowane w proces od samego początku, a nie dodawane na końcu. Każdy produkt przechodzi formalną recenzję zarządzania przed skalowaniem.

Dla większości przedsiębiorstw osiągnięcie tego rodzaju kadencji wymaga ochrony przestrzeni, w której jest to uzasadnione, aby poruszać się w ten sposób – bez zmuszania każdego eksperymentu do tego samego cyklu czasowego, co budowa platformy wieloletniej. To jest to, do czego służy LabX.

DXC opisuje LabX jako sposób na walidację wysoko potencjalnych pojęć sztucznej inteligencji z klientami przed ich skalowaniem. Jak ten „Klient Zero” pomaga zapewnić, że rozwiązania sztucznej inteligencji są uzasadnione w realnych potrzebach operacyjnych, a nie teoretycznych przypadkach użycia?

Klient Zero to, szczerze mówiąc, nasza przewaga. Zanim jakiś produkt LabX kiedykolwiek trafi na rynek, musi najpierw przetrwać wewnątrz DXC. Zarządzamy 115 000 pracownikami w 70 krajach, regulowanymi branżami, złożonymi umowami z klientami, systemami legacy i realnymi stawkami operacyjnymi. To nie jest sterylne środowisko demo – to rzeczywistość przedsiębiorstwa.

Tradycyjny startup może poruszać się szybko, ale nie może łatwo odtworzyć doświadczenia życiowego w takim rodzaju złożoności. Gdy testujemy produkt na sobie, znajdujemy miejsca, w których się łamie na prawdziwych danych, prawdziwych przepływach pracy i prawdziwych ograniczeniach regulacyjnych – rzeczach, które pojawiłyby się w środowisku klienta sześć miesięcy później. Gdy przedstawiamy ofertę klientowi, nie przedstawiamy teorii. Możemy powiedzieć: „Oto, co zrobiło w naszych własnych operacjach, oto, co zmieniliśmy, oto, co zmierzyliśmy”.

To również utrzymuje nas w prawdzie. Jeśli produkt nie może udowodnić się wewnętrznie, nie awansuje. To znacznie wyższa poprzeczka niż mówienie, że „działało w demo”.

Środowiska przedsiębiorstw są często wypełnione systemami legacy, fragmentowanymi danymi i ograniczeniami regulacyjnymi. Jak projektujesz przepływy pracy sztucznej inteligencji, które mogą działać skutecznie w takiej rzeczywistej złożoności?

Zaczynamy od założenia, że środowisko jest złożone – to jest nasza baza, a nie wyjątek.

Architektonicznie pracujemy z rozkładalnym podejściem do naszych platform. Najlepsze narzędzia sztucznej inteligencji zmieniają się co miesiąc, a nie co roku. Jeśli związujesz się z jednym modelem, dostawcą lub frameworkiem, stawiasz, że dzisiejszy lider będzie nadal liderem za 18 miesięcy. To złe zakład. Rozkładalna architektura pozwala nam zamieniać komponenty, gdy granica się przesuwa, pozostawać płynnymi z tym, co jest naprawdę najlepsze, i testować narzędzia przeciwko prawdziwym wyzwaniom klientów, a nie marketingowi dostawcy.

W kwestiach regulacyjnych i danych zgodność jest projektowana od samego początku. Każdy produkt przechodzi recenzję zarządzania, a odpowiedzialna zgoda na sztuczną inteligencję jest częścią procesu, a nie późniejszym dodatkiem. Działanie w wysoko regulowanych branżach w 70 krajach nakłada na nas tę dyscyplinę – co okazuje się cechą, a nie błędem, gdy przedstawiamy produkty klientom z takimi samymi ograniczeniami.

Tradycyjne doradztwo IT opierało się na długich cyklach planistycznych i sztywnych ramach wdrożeniowych. Jak modele doradztwa muszą się zmienić, gdy sztuczna inteligencja ewoluuje szybciej, niż te cykle mogą za nią nadążyć?

Szczera odpowiedź brzmi: cały model musi się zmienić, ale gdybym musiał wybrać klucz, to jest to wartość. Branża spędziła dziesięciolecia na sprzedaży deliverable – prezentacji, map drogowych, planów wdrożeniowych – i płaciła za wysiłek. W świecie rodzimym dla sztucznej inteligencji klienci nie chcą deliverable. Chcą wynik. Chcą, aby przepływ pracy naprawdę działał, aby koszty naprawdę spadły, aby przychody naprawdę się pojawiły.

Gdy zobowiązujesz się do sprzedaży wyników, wszystko inne musi się zmienić, aby to wesprzeć. Skład zespołu staje się bardziej techniczny. Zaangażowania przechodzą od „doradzaj i opuść” do „zbuduj i obsłuż”. Ceny przesuwają się od godzin. Ludzie wykonujący pracę muszą być tak samo komfortowo z kodowaniem, jak z prowadzeniem komitetu kierującego.

To jest duża zmiana kulturowa dla naszej branży, i nie każdy ją osiągnie. Firmy, które to zrobią, będą wyglądać zupełnie inaczej za pięć lat niż teraz.

LabX pełni również funkcję środowiska eksperymentalnego dla pracowników i partnerów technologicznych. Jak ważne jest wewnętrzne eksperymentowanie, gdy próbuje się budować ogólną umiejętność sztucznej inteligencji w organizacji?

To jest cała gra. Nie budujesz umiejętności sztucznej inteligencji, czytając o niej – budujesz ją, próbując rzeczy, obserwując, jak się łamią, i próbując ponownie. To jest tak samo prawdziwe dla 30-letniego specjalisty IT, jak i dla kogoś, kto ma dwa lata doświadczenia.

Niedawno przeprowadziliśmy wyzwanie sztucznej inteligencji w jednej z naszych jednostek biznesowych i otrzymaliśmy ponad 1300 unikalnych pomysłów w ciągu dwóch tygodni. To nie jest statystyka o narzędziu – to statystyka o tym, co się dzieje, gdy dajesz ludziom pozwolenie na myślenie poza schematami. Kreatywność już istnieje w organizacji. Naszym zadaniem jest stworzenie przestrzeni, aby mogła się rozwinąć.

LabX prowadzi również program rotacyjny: eksperci techniczni z całego DXC spędzają sześć do dwunastu tygodni wdrożonych z nami, budując prawdziwe produkty z najnowszymi narzędziami sztucznej inteligencji. Gdy wracają do swoich zespołów, przywożą nowy zestaw umiejętności i, co ważniejsze, inny sposób myślenia. Zaczynają zadawać innego rodzaju pytania swoim kolegom i klientom. Stają się mistrzami tego, co jest możliwe. Ten efekt kumulacji w całej siły roboczej jest wart więcej niż jakikolwiek pojedynczy produkt, który wysyłamy.

DXC opisuje swoje podejście jako Human+, podkreślając, że sztuczna inteligencja powinna rozszerzać możliwości ludzkie, a nie je zastępować. W praktyce, jak ta filozofia wpływa na projektowanie i wdrażanie rozwiązań sztucznej inteligencji w przedsiębiorstwach?

Będę bezpośrednia: istnieje pogląd, który zaczyna się utrwalać w branży, że najcenniejszą rzeczą, jaką sztuczna inteligencja może zrobić dla przedsiębiorstwa, jest redukcja zatrudnienia. Uważam, że to jest niepowodzenie wyobraźni.

Dyscyplina kosztowa ma znaczenie, ale prawdziwa okazja to wzrost: nowe strumienie przychodu, nowe produkty, nowe oferty usług, które po prostu nie były możliwe wcześniej. Najcenniejsze zastosowanie sztucznej inteligencji polega na umożliwieniu ludziom wykonywania pracy, która tworzy nową wartość biznesową, a nie tylko optymalizacji tego, co już istnieje. Przedsiębiorstwa, które to rozumią, będą przewyższać te, które traktują sztuczną inteligencję jako czyste ćwiczenie kosztowe.

W praktyce Human+ oznacza, że projektujemy sztuczną inteligencję do obsługi procesów o dużej objętości i rutynowych, aby nasi ludzie mogli się skoncentrować na pracy o wyższej wartości: myśleniu strategicznym, rozwiązywaniu problemów kreatywnie, relacjach z klientami i skomplikowanych decyzjach. Zachowujemy ludzką ekspertyzę i nadzór w centrum każdego wdrożenia, szczególnie tam, gdzie decyzje mają prawdziwe konsekwencje. To jest sposób, w jaki budujesz zaufanie z klientami, i to jest sposób, w jaki odblokowujesz trwałą przewagę konkurencyjną.

Gdy organizacje próbują zintegrować sztuczną inteligencję z istniejącymi przepływami pracy, jakie błędy popełniają, które spowalniają przyjęcie lub ograniczają prawdziwą wartość biznesową?

Dwa błędy widzę ciągle. Pierwszym jest rozpoczęcie od technologii zamiast od problemu. Ktoś zakochuje się w modelu lub demo dostawcy, i inicjatywa staje się wdrożeniem tej rzeczy, a nie rozwiązaniem czegoś, co naprawdę ma znaczenie dla biznesu. Drugim jest traktowanie sztucznej inteligencji jako projektu IT zamiast transformacji biznesowej. Jeśli powierzysz sztuczną inteligencję wyłącznie CIO i poprosisz resztę biznesu, aby kontynuowała bez zmian, otrzymasz narzędzie, które nikt nie używa, i budżet, który nikt nie chce bronić w przyszłym roku.

Odtrutką na oba te błędy jest prosta do powiedzenia, ale trudna do zrobienia: zacznij od problemu biznesowego, umieść odpowiedni zespół wielofunkcyjny na to – ludzie, proces, technologia – i zbuduj wstecz od wyniku, jaki chcesz osiągnąć. To jest postawa, którą przyjmujemy w LabX, i to jest sposób, w jaki pracujemy z klientami, takimi jak Ferrovial, gdzie pomogliśmy wdrożyć AI Workbench – ofertę generatywnej sztucznej inteligencji łączącą konsulting, inżynierię i bezpieczne usługi przedsiębiorstwa, wykorzystywaną przez ponad 24 000 pracowników z ponad 30 agentami sztucznej inteligencji podejmującymi decyzje w czasie rzeczywistym. Tego rodzaju skala nie następuje, jeśli traktujesz to jako projekt IT.

Spójrzając w przyszłość, jak oczekujesz, że środowiska inkubacji sztucznej inteligencji, takie jak LabX, ukształtują sposób, w jaki przedsiębiorstwa rozwijają, testują i wdrażają nowe technologie w ciągu najbliższych kilku lat?

To, co uważam, że będzie oczywiste wstecz: zwycięzcy w tej erze nie będą firmami z najbardziej efektownymi rozwiązaniami punktowymi. Będą to integratorzy – ci, którzy mogą sztuczną inteligencję przeszczepić przez modele operacyjne, przez funkcje i przez przepływy pracy, tak aby inteligencja nie była uwięziona w jednym narzędziu lub na ekranie jednego użytkownika. To jest trudniejszy problem niż wdrożenie modelu. Wymaga głębokiej wiedzy o przedsiębiorstwie, umiejętności pracy na systemach legacy i nowoczesnych, oraz dyscypliny, aby zmienić, jak naprawdę wykonywana jest praca. To jest również okazja, której najbardziej się cieszę.

Środowiska inkubacji, takie jak LabX, są miejscem, w którym zdobywamy doświadczenie. To miejsce, w którym uczymy się, co się łamie na skalę, jak wygląda rzeczywiste zarządzanie i co klienci są skłonni adoptować. Przedsiębiorstwa, które zainwestują w taką przestrzeń teraz – wewnętrznie lub za pośrednictwem partnerów – będą miały zupełnie inną krzywą zdolności za trzy lata niż te, które nadal wahają się, czy jest to warte wysiłku. A my, którzy budujemy w tym obszarze, będziemy nadal znajdować nowe problemy wartych rozwiązania, ponieważ technologia nie zwalnia, a okazja również nie.

Dziękuję za wspaniały wywiad. Czytelnicy, którzy chcą dowiedzieć się więcej, powinni odwiedzić DXC Technology.