Matt Meyers, dyrektor generalny ds. MŚP w Ameryce Północnej w Lenovo – seria wywiadów

Matt Meyers jest dyrektorem generalnym ds. MŚP w Ameryce Północnej w Lenovo, gdzie wspiera małe i średnie firmy mierzące się z wdrażaniem AI, cyberbezpieczeństwem oraz operacyjnymi wymogami nowoczesnego IT. Z Lenovo jest związany od ponad dekady, a jego doświadczenie obejmuje obsługę globalnych klientów, usługi i oprogramowanie, rozwiązania dla cyfrowego miejsca pracy oraz kierownicze stanowiska w obszarze sprzedaży. Ta droga zawodowa ukształtowała jego podejście do pomagania mniejszym organizacjom w dostępie do zaawansowanych i bezpiecznych technologii, dostosowanych do ich budżetów i niewielkich zespołów IT. W centrum jego uwagi znajdują się praktyczne rezultaty biznesowe: identyfikowanie przydatnych zastosowań AI, dobieranie urządzeń i usług do potrzeb pracowników oraz ocena wartości inwestycji w technologie przed ich rozszerzeniem.

Lenovo to globalna firma technologiczna, której portfolio obejmuje komputery osobiste, infrastrukturę, oprogramowanie, rozwiązania i usługi. Oferta dla firm obejmuje komputery PC z obsługą AI, rozwiązania dla cyfrowego miejsca pracy, zabezpieczenia ThinkShield oraz usługi subskrypcyjne TruScale. W przypadku małych i średnich firm rozwiązania te łączą urządzenia, wsparcie, zabezpieczenia i zarządzanie cyklem życia, pomagając uprościć funkcjonowanie środowiska IT. W miarę jak AI staje się częścią codziennych aplikacji i procesów biznesowych, Lenovo rozwija rozwiązania dla urządzeń, środowisk brzegowych i chmury, dając organizacjom możliwość wyboru sposobu wdrażania technologii i zarządzania nią.

Od ponad dekady pracuje Pan w Lenovo, zajmując się kolejno obsługą globalnych klientów, usługami i oprogramowaniem, rozwiązaniami dla cyfrowego miejsca pracy, kierownictwem w obszarze sprzedaży, a obecnie segmentem MŚP w Ameryce Północnej. Jak ta droga zawodowa wpłynęła na Pana sposób postrzegania wyzwań technologicznych, przed którymi stoją małe i średnie firmy, w porównaniu z dużymi przedsiębiorstwami?

W trakcie całej mojej kariery w Lenovo przekonałem się, że podstawowe wyzwania technologiczne są zaskakująco podobne niezależnie od wielkości firmy. Każda organizacja stara się zwiększyć produktywność, poprawić bezpieczeństwo, kontrolować koszty i ustalić, jak wykorzystać nowe innowacje, takie jak AI, aby zyskać przewagę konkurencyjną.

MŚP różnią się przede wszystkim dostępnymi zasobami. Duże przedsiębiorstwa często mają wyspecjalizowane zespoły zajmujące się bezpieczeństwem, infrastrukturą, zakupami, AI i transformacją cyfrową. W wielu MŚP te obowiązki mogą spoczywać na kilku osobach, a czasem nawet na jednej. Pozostawia to bardzo niewiele miejsca na złożoność i błędy.

Nauczyłem się, że MŚP nie potrzebują pomniejszonych wersji technologii dla dużych przedsiębiorstw. Potrzebują rozwiązań zaprojektowanych z myślą o realiach ich działalności. Technologia musi być bezpieczna, łatwa we wdrożeniu i zarządzaniu, a także szybko przynosić korzyści. Gdy uda nam się to zapewnić, technologia staje się czynnikiem wspierającym rozwój, a nie kolejnym obciążeniem operacyjnym pochłaniającym czas i uwagę.

Wdrażanie AI może wydawać się przytłaczające dla MŚP dysponujących niewielkim zespołem IT i ograniczonym budżetem. Co firma powinna przygotować w pierwszej kolejności — dwie lub trzy rzeczy — zanim zacznie poważnie inwestować w AI?

Największym błędem, jaki popełniają organizacje, jest rozpoczynanie od technologii zamiast od problemu biznesowego.

Pierwszym krokiem jest określenie, w których obszarach AI może przynieść wymierne korzyści. Może to oznaczać ograniczenie pracy administracyjnej, poprawę szybkości reakcji na potrzeby klientów, ułatwienie pracownikom szybszego dostępu do informacji lub usprawnienie podejmowania decyzji. Najskuteczniejsze inicjatywy związane z AI są powiązane z konkretnym celem biznesowym.

Po drugie, trzeba dobrze poznać swoje dane. Organizacje powinny jasno wiedzieć, jakie informacje posiadają, gdzie są one przechowywane, kto ma do nich dostęp oraz jakich informacji nigdy nie należy wprowadzać do publicznie dostępnych narzędzi AI. Przed rozpoczęciem nie trzeba mieć idealnie uporządkowanego systemu zarządzania danymi, ale niezbędne są solidne podstawy.

Po trzecie, przed dokonaniem inwestycji należy określić, jak będzie mierzony sukces. Jeśli celem jest zwiększenie produktywności, trzeba ustalić jej poziom wyjściowy. Jeśli celem jest obniżenie kosztów, należy poznać ich obecny poziom. Praktyczne podejście polega na rozpoczęciu od konkretnych, ograniczonych zastosowań, wykazaniu ich wartości, a następnie rozszerzaniu ich w oparciu o wyniki, a nie założenia.

Wśród klientów z sektora MŚP, z którymi Pan współpracuje, gdzie AI przynosi dziś wymierne korzyści, a które zastosowania są wciąż przeceniane w stosunku do rzeczywistych rezultatów osiąganych przez firmy?

Najbardziej bezpośrednie korzyści dotyczą codziennej produktywności.

Obserwujemy, jak organizacje wykorzystują AI do podsumowywania informacji, tworzenia i udoskonalania treści, analizowania dokumentów, wyszukiwania istotnych wniosków oraz ograniczania powtarzalnej pracy administracyjnej. Żadne z tych zadań z osobna może nie wydawać się przełomowe, ale łącznie zapewniają znaczący wzrost efektywności w całej organizacji.

Oczekiwania bywają niekiedy większe niż rzeczywiste możliwości, zwłaszcza w odniesieniu do pełnej automatyzacji. Nadal pokutuje przekonanie, że AI może całkowicie zastąpić pracowników wykonujących złożone zadania lub przejąć skomplikowane procesy biznesowe przy minimalnym nadzorze. Obecnie w większości MŚP to nie w tym obszarze osiąga się największe korzyści.

Najlepsze rezultaty przynosi wykorzystanie AI do wspierania pracowników, usprawniania przepływu pracy i przyspieszania podejmowania decyzji. Najlepiej zacząć od powtarzalnych, często wykonywanych zadań, w przypadku których można zmierzyć efekty, a wdrożenie przebiega szybko.

Wiele firm zachęca się do wymiany komputerów na modele z AI. Jakie zadania w małych i średnich firmach rzeczywiście przynoszą korzyści z lokalnego przetwarzania AI na urządzeniu, a kiedy wystarczy tradycyjny komputer w połączeniu z AI działającą w chmurze?

Nie ma jednej uniwersalnej odpowiedzi, ponieważ pracownicy nie wykonują tych samych zadań.

Komputery z AI przynoszą największe korzyści osobom, które regularnie korzystają z aplikacji wykorzystujących AI, transkrypcji i tłumaczenia w czasie rzeczywistym, zaawansowanych narzędzi do współpracy, procesów tworzenia treści lub zadań związanych z poufnymi informacjami. Lokalne przetwarzanie AI może zwiększyć szybkość reakcji, ograniczyć zależność od połączenia z siecią i umożliwić wykonywanie niektórych funkcji AI bezpośrednio na urządzeniu dzięki dedykowanym zasobom obliczeniowym. W organizacji, która chce, aby określone informacje pozostawały na urządzeniu, lokalne przetwarzanie AI może się przydać — zależnie od stosowanych zasad bezpieczeństwa i używanej aplikacji.

Jednocześnie nie każdy pracownik potrzebuje dziś komputera z AI. Osoby korzystające głównie z tradycyjnych aplikacji biurowych i sporadycznie z usług AI działających w chmurze mogą nadal cieszyć się wysoką wydajnością tradycyjnych komputerów.

Nie należy rozważać wymiany urządzeń tylko dlatego, że dostępne są komputery z AI. Chodzi o dopasowanie odpowiedniej technologii do pracownika, jego zadań i przyszłych potrzeb firmy. Najskuteczniejsze strategie technologiczne wiążą inwestycje z oczekiwanymi rezultatami, a nie z trendami.

Lenovo rozwija strategię komputerów z AI, oferując jednocześnie modele Device-as-a-Service w ramach TruScale. Jak mniejsza firma może ustalić, czy bardziej opłaca się jej kupować i samodzielnie zarządzać własnym sprzętem, czy przejść na model subskrypcyjny?

Zachęcam liderów małych i średnich firm do oceny zarówno finansowych skutków, jak i praktycznych aspektów zarządzania technologią.

Tradycyjny model własności może się sprawdzić, gdy potrzeby dotyczące urządzeń są przewidywalne, organizacja dysponuje kapitałem na inwestycję początkową i ma zasoby, by samodzielnie zarządzać wdrażaniem, wsparciem, cyklem życia urządzeń oraz planowaniem ich wymiany.

Model Device-as-a-Service może być atrakcyjny, gdy celem są przewidywalne miesięczne koszty, elastyczność i mniejsze obciążenie operacyjne. Rozwiązania takie jak Lenovo TruScale DaaS łączą urządzenia z usługami zarządzania ich cyklem życia w ramach subskrypcji, pomagając organizacjom uprościć wdrażanie, wsparcie, zarządzanie i wycofywanie urządzeń z eksploatacji.

Ostatecznie nie chodzi tylko o to, jak firma chce płacić za technologię. Ważne jest, na co jej pracownicy poświęcają czas. W wielu małych i średnich firmach prawdziwa korzyść polega na tym, że zespoły wewnętrzne mogą skupić się na strategicznych priorytetach wspierających rozwój, zamiast zarządzać cyklem życia urządzeń i bieżącą administracją.

Cyberbezpieczeństwo staje się coraz większym wyzwaniem, ponieważ pracownicy uzyskują dostęp do narzędzi generatywnej AI i mogą ujawniać poufne dane firmowe. Na jakie nowe zagrożenia bezpieczeństwa powinny zwracać szczególną uwagę małe i średnie firmy, gdy AI staje się częścią codziennych procesów pracy?

Jednym z najpilniejszych problemów jest ryzyko ujawnienia danych.

Pracownicy mogą nieumyślnie udostępnić zastrzeżone informacje, dane klientów, informacje finansowe lub własność intelektualną za pośrednictwem narzędzi AI, nie rozumiejąc w pełni, jak te informacje są przechowywane, przetwarzane lub wykorzystywane. Organizacje potrzebują jasnych zasad dotyczących zatwierdzonych narzędzi AI i postępowania z danymi.

Jednocześnie AI zwiększa zaawansowanie cyberzagrożeń. Kampanie phishingowe, próby podszywania się pod inne osoby i ataki socjotechniczne stają się bardziej przekonujące i trudniejsze do wykrycia.

Mimo tych nowych wyzwań podstawowe zasady nadal mają kluczowe znaczenie. Skuteczne zarządzanie tożsamością, uwierzytelnianie wieloskładnikowe, ochrona urządzeń końcowych, regularne instalowanie poprawek, strategie tworzenia kopii zapasowych i edukacja pracowników wciąż należą do najskuteczniejszych dostępnych zabezpieczeń. AI zmienia krajobraz zagrożeń, ale nie zmienia znaczenia rzetelnego podejścia do cyberbezpieczeństwa.

Lenovo przedstawia rozwiązania ThinkShield jako przeznaczone dla organizacji dysponujących ograniczonymi zasobami IT. Jak dużą część zadań związanych z cyberbezpieczeństwem można dziś realnie zautomatyzować lub zlecić na zewnątrz, a za które obowiązki w zakresie bezpieczeństwa mała lub średnia firma nigdy nie powinna całkowicie oddawać odpowiedzialności podmiotowi zewnętrznemu?

Znaczną część codziennych działań związanych z bezpieczeństwem można dziś zautomatyzować lub powierzyć zaufanym partnerom.

Usługi takie jak monitorowanie urządzeń końcowych, zarządzanie poprawkami, wykrywanie zagrożeń i reagowanie na incydenty są coraz częściej dostępne w formie zautomatyzowanej lub jako usługi zarządzane. Dzięki temu małe i średnie firmy mogą korzystać z rozwiązań klasy korporacyjnej bez konieczności utrzymywania równie dużych zespołów.

ThinkShield to przykład tego, jak technologia może wspierać automatyzację i pomagać organizacjom radzić sobie ze złożonymi zagadnieniami bezpieczeństwa. Odpowiedzialności nie można jednak zlecić na zewnątrz.

Każda organizacja nadal musi rozumieć, które dane są dla niej najważniejsze, określić, kto powinien mieć do nich dostęp, ustanowić zasady, zdefiniować akceptowalny poziom ryzyka i budować kulturę, w której bezpieczeństwo jest wspólną odpowiedzialnością. Technologia i dostawcy usług mogą pomagać w zarządzaniu złożonością, ale kierownictwo musi zachować odpowiedzialność za zarządzanie ryzykiem, nadzór i decyzje biznesowe.

Najskuteczniejsze strategie bezpieczeństwa opierają się na partnerstwie, a nie delegowaniu odpowiedzialności.

Zintegrowane usługi mogą odciążyć niewielkie zespoły IT, ale mogą też zwiększyć zależność od małej liczby dostawców technologii. Jak MŚP powinny równoważyć prostotę i usługi zarządzane z takimi obawami jak elastyczność, interoperacyjność i uzależnienie od dostawcy?

W przypadku większości MŚP prostota ma rzeczywistą wartość strategiczną.

Każdy kolejny dostawca, platforma i poziom zarządzania wprowadza dodatkową złożoność. Pochłania ona czas, zwiększa obciążenie operacyjne i może odciągać ograniczone zasoby od ważniejszych priorytetów.

Nie oznacza to jednak, że prostota powinna odbywać się kosztem elastyczności. Organizacje powinny szukać rozwiązań, które dobrze integrują się z ich dotychczasowym środowiskiem, obsługują otwarte ekosystemy i pozwalają im dostosowywać się do zmieniających się wymagań biznesowych.

Zawsze zachęcam liderów, by już na wczesnym etapie rozmów pytali potencjalnych partnerów technologicznych o interoperacyjność, przenośność i elastyczność. Najlepsze partnerstwa technologiczne zapewniają możliwości wyboru i ograniczają złożoność. Nie powinny utrudniać ani podrażać przyszłych zmian.

Jednym z wyzwań związanych ze sztuczną inteligencją jest określenie zwrotu z inwestycji przed zaangażowaniem znacznych zasobów. Jakimi wskaźnikami powinni kierować się liderzy MŚP, aby ocenić, czy wdrożenie sztucznej inteligencji rzeczywiście zwiększa produktywność lub obniża koszty, a nie tylko dodaje kolejną warstwę technologiczną?

Najskuteczniejsza metoda pomiaru jest zarazem najprostsza: należy powiązać wyniki z pierwotnym celem biznesowym.

Jeśli celem jest zwiększenie produktywności, mierz zaoszczędzony czas. Jeśli chodzi o poprawę obsługi klienta, mierz czas reakcji, zadowolenie klientów i odsetek spraw rozwiązanych. Jeśli celem jest obniżenie kosztów, porównaj dany proces przed wdrożeniem i po nim.

Zwróciłbym też szczególną uwagę na poziom wykorzystania rozwiązania. Może ono robić wrażenie pod względem technicznym, ale jeśli pracownicy nie korzystają z niego regularnie albo poświęcają dużo czasu na poprawianie wyników, jest to istotna informacja zwrotna na temat tworzonej wartości.

W przypadku MŚP obliczanie zwrotu z inwestycji nie musi być nadmiernie skomplikowane. Ustal punkt odniesienia, przeprowadź pilotaż o jasno określonym zakresie, zmierz kilka istotnych wskaźników i rozwijaj wdrożenie w oparciu o dowody. Jeśli nie potrafisz jasno wskazać, co się poprawiło, przed zwiększeniem inwestycji warto ponownie ocenić jej uzasadnienie biznesowe.

Patrząc w przyszłość, na najbliższe trzy do pięciu lat: jak, Twoim zdaniem, sztuczna inteligencja zmieni stos technologiczny typowej małej lub średniej firmy? Które możliwości uznawane dziś za standard w dużych przedsiębiorstwach staną się, jak przewidujesz, powszechne w znacznie mniejszych firmach?

Uważam, że sztuczna inteligencja będzie coraz częściej wbudowana w technologie, z których firmy już korzystają, zamiast funkcjonować jako odrębna kategoria narzędzi.

Inteligentne funkcje będą zintegrowane z urządzeniami, platformami do współpracy, aplikacjami biznesowymi, systemami operacyjnymi i rozwiązaniami z zakresu bezpieczeństwa. Obciążenia będą przenoszone między urządzeniami, środowiskiem brzegowym a chmurą — zależnie od wymagań dotyczących wydajności, kosztów i bezpieczeństwa.

Ma to ogromne znaczenie dla MŚP, ponieważ zaawansowane możliwości, które niegdyś wymagały znacznych budżetów i dużych zespołów IT, staną się o wiele bardziej dostępne. Zaawansowane monitorowanie bezpieczeństwa, inteligentna automatyzacja, rozbudowana analityka, proaktywne zarządzanie urządzeniami i wysoce spersonalizowane wsparcie pracowników będą w zasięgu większej liczby MŚP.

Sztuczna inteligencja pomaga przede wszystkim upowszechniać dostęp do technologii. Mała firma nie powinna potrzebować budżetu, zasobów ani liczby pracowników porównywalnych z firmą z listy Fortune 500, by skutecznie konkurować. Przewiduję, że w ciągu najbliższych kilku lat różnica między możliwościami dużych przedsiębiorstw a możliwościami MŚP będzie nadal się zmniejszać.

O przewadze nie będzie decydował sam dostęp do sztucznej inteligencji, lecz to, jak skutecznie organizacje wykorzystają ją do wspierania pracowników, obsługi klientów i osiągania celów biznesowych.

Dziękuję za świetny wywiad. Czytelnicy, którzy chcą dowiedzieć się więcej o praktycznym wdrażaniu sztucznej inteligencji oraz o bezpiecznym i łatwym w zarządzaniu IT dla małych i średnich firm, powinni odwiedzić stronę Lenovo.