Holly Grant, SVP, Strategy & Innovation, DXC Technology – Wywiad z serii

Holly Grant, SVP, Strategy & Innovation w DXC Technology, to menedżer z doświadczeniem w dziedzinie strategii i innowacji, ze szczególnym uwzględnieniem strategii sztucznej inteligencji, fintech, przywództwa startupów i transformacji operacyjnej. W DXC pomaga kształtować inicjatywy innowacyjne firmy, w tym przedsięwzięcia związane z sztuczną inteligencją, usługi doradztwa i wysiłki inkubacji produktów, mające na celu pomóc organizacjom w przejściu od pilotażowych projektów sztucznej inteligencji do wdrożenia operacyjnego. Przed dołączeniem do DXC pełniła wiele ról kierowniczych w Long-Term Stock Exchange (LTSE), gdzie ostatecznie objęła stanowisko Chief Operating Officer, gdzie skupiła się na skalowalności operacyjnej i wzroście strategicznym w sektorze fintech.

DXC Technology to globalna firma świadcząca usługi IT i konsultingowe, skupiająca się na pomocy 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 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 opartej na sztucznej inteligencji, oferując usługi, które integrują generatywną sztuczną inteligencję, inteligentną automatyzację, obserwowalność, cyfrowe bliźniaki i dużą skali modernizację IT w złożonych środowiskach korporacyjnych. Firma kładzie również nacisk na „pierwszeństwo sztucznej inteligencji” w modelach operacyjnych, które pomagają przedsiębiorstwom wdrożyć sztuczną inteligencję w sposób bezpieczny w ramach istniejącej infrastruktury, zamiast zastępować całe systemy legacy.

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

Moja kariera przeszła przez biura rodzinne, startupy, venture capital i teraz firmę z listy Fortune 500 w trakcie przebudowy. To, co zobaczyłam we wszystkich tych środowiskach, to fakt, że pomysły same w sobie nie wystarczają. Te, które naprawdę tworzą wartość, mają trzy wspólne cechy: prawdziwego klienta, który ich popiera, odpowiedni moment na rynku i zakres, który jest jasny i odpowiednio wąski. Brak któregokolwiek z tych elementów powoduje, że nawet genialny pomysł nie odnosi skutku.

Ten wzorzec ukształtował moje myślenie o LabX. Potrzebujesz teorii zwycięstwa – prawdziwej strategii – ale potrzebujesz również operacyjnych mięśni, aby ją urzeczywistnić, i dyscypliny, aby dostosować się do zmian i warunków. Strategia bez wykonania to zbiór kart. Wykonanie bez strategii to ruch bez postępu. LabX jest zaprojektowane, aby połączyć obie te rzeczy.

Pod kierownictwem naszego CEO Raula Fernandeza, DXC postawiła na pierwszym miejscu umiejętności sztucznej inteligencji i innowacji w ramach strategii przebudowy. LabX to sposób, w jaki tłumaczymy tę pewność na produkty, możliwości i wyniki dla klientów – wystarczająco szybko, aby to miało znaczenie.

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

Dwie bariery pojawiają się raz za razem, a żadna z nich nie dotyczy technologi.

Pierwszą jest zarządzanie zmianą. Sztuczna inteligencja zmienia sposób pracy ludzi, za co są oni odpowiedzialni i jak podejmowane są decyzje. Jeśli nie zaangażujesz swojej kadry, najbardziej elegancki model na świecie pozostanie niewykorzystany. Drugą jest to, że firmy zaczynają skalować sztuczną inteligencję bez zmiany podstawowego modelu operacyjnego. Przykręcają inteligencję do konkretnego systemu lub aplikacji, aby jeden użytkownik mógł z niej korzystać, ale reszta zespołu nie może. Sztuczna inteligencja to pozioma inteligencja – tworzy największą wartość, gdy może poruszać się między funkcjami, danymi i przepływami pracy. Gdy model operacyjny nie ulega zmianie, ta wartość pozostaje uwięziona lokalnie, zamiast kumulować się w całym przedsiębiorstwie.

Więc pilot działa, wszyscy świętują, a tak naprawdę nic się nie skaluje. To jest wzorzec, który próbujemy złamać w LabX, projektując rozwiązania, które od samego początku uwzględniają odblokowanie na poziomie całego przedsiębiorstwa.

LabX działa na cyklu koncepcji do MVP w ciągu około 90 dni lub krócej. Jakie zmiany w nastawieniu, zarządzaniu lub procesach rozwoju są wymagane, aby duże przedsiębiorstwa mogły poruszać się z taką szybkością?

Największa zmiana w nastawieniu polega na tym, aby być w stanie podejmować decyzje wcześniej, z mniej doskonałą informacją – oraz na dyscyplinie, aby przerwać to, co nie działa. Duże przedsiębiorstwa czują się komfortowo z długimi cyklami planistycznymi, bo wydają im się bezpieczne. Nie są. W rynku, który porusza się tak szybko, wolne „tak” i wolne „nie” są równie drogie.

Wewnątrz LabX wyznaczamy mały triad – design, produkt i inżynierię – aby prowadzić sprint przeciwko prawdziwemu problemowi klienta. Budują minimalny produkt wytwarzalny, testują go pod kątem wartości i skali, i promujemy pomysły, które pokazują komercyjną obietnicę w ciągu 90 dni. To, co umożliwia taką szybkość, nie jest brakiem zarządzania, ale obecnością odpowiedniego zarządzania. Bezpieczeństwo, prywatność, zgodność i odpowiedzialna sztuczna inteligencja są wbudowane w proces od samego początku, a nie są dołączane na końcu. Każdy produkt przechodzi formalną recenzję zarządzania, zanim zostanie skalibrowany.

Dla większości przedsiębiorstw osiągnięcie takiego rytmu wymaga ochrony przestrzeni, w której jest to uzasadnione – bez zmuszania każdego eksperymentu do przechodzenia przez ten sam czas cyklu co wieloletnia budowa platformy. To jest to, do czego służy LabX dla nas.

DXC opisuje LabX jako sposób na walidację wysoko potencjalnych koncepcji sztucznej inteligencji z klientami przed ich skalowaniem. Jak ten „Klient Zero” podejście 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 trafi na rynek, musi najpierw przetrwać wewnątrz DXC. Zarządzamy 115 000 pracownikami w 70 krajach, branżami regulowanymi, 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 funkcjonowania w takim środowisku złożoności. Kiedy testujemy produkt na sobie, znajdujemy miejsca, w których on zawodzi na prawdziwych danych, prawdziwych przepływach pracy i prawdziwych ograniczeniach regulacyjnych – rzeczach, które pojawiłyby się w środowisku klienta sześć miesięcy później. Kiedy przychodzimy do klienta z ofertą, nie promujemy teorii. Możemy powiedzieć: „Oto, co osiągnęliśmy we własnych operacjach, oto, co zmieniliśmy, oto, co zmierzyliśmy”.

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

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

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

Architektonicznie pracujemy z podejściem dekompozycyjnym do naszych platform. Najlepsze narzędzia sztucznej inteligencji zmieniają się co miesiąc, a nie co rok. Jeśli zhardcode’ujesz się do jednego modelu, dostawcy lub frameworka, stawiasz, że dzisiejszy lider nadal będzie liderem za 18 miesięcy. To złe zakład. Dekompozycyjna architektura pozwala nam wymieniać komponenty, gdy granica się przesuwa, pozostawać płynnymi z tym, co jest naprawdę najlepsze w swojej klasie, i testować narzędzia przeciwko prawdziwym wyzwaniom klientów, a nie marketingowi dostawcy.

W kwestii regulacyjnej i danych zgodność jest projektowana od samego początku. Każdy produkt przechodzi przegląd zarządzania, a odpowiedzialna sztuczna inteligencja jest częścią procesu, a nie późnym dodatkiem. Działanie w branżach wysoko regulowanych w 70 krajach wymusza na nas tę dyscyplinę – co okazuje się cechą, a nie błędem, gdy przychodzimy z produktami do klientów 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 pojawiły się.

Gdy zobowiązujesz się do sprzedaży wyników, wszystko inne musi się zmienić, aby to wspierać. Skład zespołu staje się bardziej techniczny. Zaangażowania przechodzą od „doradzaj i opuść” do „zbuduj i obsługuj”. Ceny przesuwają się od godzin. Ludzie wykonujący pracę muszą być równie komfortowi z wysyłaniem kodu, co z prowadzeniem komitetu sterującego.

To duża zmiana kulturowa dla naszej branży, i nie każdy ją osiągnie. Firmy, które takie zmiany przetrwają, będą wyglądać zupełnie inaczej za pięć lat niż dziś.

LabX służy również jako środowisko eksperymentów dla pracowników i partnerów technologicznych. Jak ważne jest wewnętrzne eksperymentowanie, gdy próbuje się budować ogólną świadomość sztucznej inteligencji w organizacji?

To jest cała gra. Nie budujesz świadomości sztucznej inteligencji, czytając o niej – budujesz ją, próbując rzeczy, obserwując, jak one zawodzą, i próbując ponownie. To jest tak samo prawdziwe dla 30-letniego profesjonalisty IT, jak i dla kogoś, kto jest dwa lata po ukończeniu studiów.

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

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

DXC przedstawia swoje podejście jako Human+, podkreślając, że sztuczna inteligencja powinna rozszerzać ludzkie możliwości, 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 dominować w branży, że najcenniejszą rzeczą, jaką sztuczna inteligencja może zrobić dla firmy, 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. Najwyższą wartością przypadku użycia sztucznej inteligencji w przedsiębiorstwie jest umożliwienie ludziom wykonywania pracy, która tworzy nową wartość biznesową, a nie tylko optymalizacji tego, co już istnieje. Firmy, które to rozwiązują, będą przewyższać te, które traktują sztuczną inteligencję jako czyste ćwiczenie kosztowe.

W praktyce Human+ oznacza, że projektujemy sztuczną inteligencję do obsługi procesów o wysokiej objętości i rutynowych, aby nasi ludzie mogli się skoncentrować na pracy o wyższej wartości: myśleniu strategicznym, rozwiązywaniu problemów, 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 powszechne błędy widzisz, które spowalniają przyjęcie lub ograniczają prawdziwą wartość biznesową?

Dwa błędy widzę ciągle. Pierwszym jest rozpoczynanie od technologii zamiast od problemu. Ktoś zakochuje się w modelu lub demo dostawcy, i inicjatywa staje się projektem wdrożenia tej rzeczy, zamiast rozwiązania 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 działała niezmiennie, otrzymasz narzędzie, które nikt nie używa, i budżet, który nikt nie chce bronić w przyszłym roku.

Przeciwdotknięciem dla obu jest proste do powiedzenia i trudne 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, jak Ferrovial, gdzie pomogliśmy wdrożyć AI Workbench – ofertę generatywnej sztucznej inteligencji łączącą konsulting, inżynierię i bezpieczne usługi przedsiębiorstwa, wykorzystywaną obecnie przez ponad 24 000 pracowników z ponad 30 agentami sztucznej inteligencji podejmującymi decyzje w czasie rzeczywistym. Taki rozmiar nie występuje, 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 windsight: zwycięzcy w tej erze nie będą firmami z najbardziej imponującymi punktowymi rozwiązaniami. Będą to integratorzy – ci, którzy potrafią zszyć sztuczną inteligencję przez modele operacyjne, przez funkcje i przez przepływy pracy, tak aby inteligencja nie była uwięziona w jednym narzędziu lub na jednym ekranie użytkownika.

To jest trudniejszy problem niż wdrożenie modelu. Wymaga głębokiego kontekstu przedsiębiorstwa, umiejętności pracy na systemach legacy i nowoczesnych, oraz dyscypliny, aby zmienić sposób, w jaki praca jest wykonywana. To także okazja, której najbardziej się cieszę.

Środowiska inkubacji, takie jak LabX, są tym, jak dostajemy wzmocnienia. To jest tam, gdzie uczymy się, co się łamie w skali, jak wygląda zarządzanie w praktyce i co klienci są skłonni zaakceptować. Przedsiębiorstwa, które zainwestują w tego typu przestrzeń teraz – wewnętrznie lub za pośrednictwem partnerów – będą miały zupełnie inną krzywą zdolności za trzy lata niż te, które wciąż zastanawiają się, czy jest to warte wysiłku. A my, którzy budujemy w tym obszarze, będziemy nadal znajdować nowe problemy wartych rozwiązania, bo technologia nie zwalnia, a okazja też nie.