David DeSanto, CEO da Anaconda – Série de Entrevistas

David DeSanto é o Diretor Executivo da Anaconda, onde lidera a missão da empresa de empoderar as comunidades de ciência de dados e inteligência artificial do mundo por meio da inovação de código aberto e soluções de empresa seguras. Um executivo de produtos e tecnologia comprovado, David traz mais de duas décadas de experiência abrangendo segurança cibernética, plataformas de desenvolvedor e software de empresa.

Recentemente, David atuou como Diretor de Produto da GitLab (GTLB ), onde liderou a organização global de produtos na entrega de uma plataforma de DevSecOps nativa em AI com mais de 50 milhões de usuários registrados em todo o mundo. Durante seus seis anos na empresa, ele ajudou a transformar a GitLab de uma startup de alto crescimento em uma líder de mercado de capital aberto e definidora da categoria de plataforma de DevOps.

Anaconda é uma plataforma de código aberto líder para ciência de dados, aprendizado de máquina e inteligência artificial, construída em torno da linguagem de programação Python e amplamente utilizada por desenvolvedores individuais e grandes empresas. Originalmente lançada em 2012, ela fornece um ambiente abrangente que inclui ferramentas para codificação, gerenciamento de pacotes por meio do Conda e acesso a milhares de bibliotecas pré-construídas, como NumPy, pandas e TensorFlow, permitindo que os usuários desenvolvam, testem e implantem modelos de AI de forma eficiente.

Ao longo do tempo, a Anaconda evoluiu para uma plataforma de AI de empresa completa que ajuda as organizações a gerenciar todo o ciclo de vida de AI – desde a fonte e segurança de pacotes de código aberto até a construção, governança e implantação de aplicações em ambientes em nuvem e no local. Com dezenas de milhões de usuários e adoção em uma grande porcentagem de empresas da Fortune 500, ela se tornou uma camada fundamental para o desenvolvimento de AI moderno, enfatizando inovação de código aberto, escalabilidade e fluxos de trabalho seguros e reprodutíveis.

Você passou quase seis anos na GitLab, mais de três como Diretor de Produto, ajudando a escalar uma plataforma de DevSecOps nativa em AI para dezenas de milhões de usuários. Como essa experiência moldou suas prioridades agora como CEO da Anaconda, e o que sente que é fundamentalmente diferente em liderar uma empresa versus liderar produtos?

Meu tempo na GitLab realmente reforçou alguns princípios que agora são centrais para como estou abordando a Anaconda. Primeiro é o crescimento responsável – escalando equipes, produtos e receita de uma maneira que seja durável. Na GitLab, crescemos para atender a dezenas de milhões de usuários, e ver a GitLab Ultimate representar mais da metade da receita da empresa demonstrou o quão importante é alinhar o valor do produto com o impacto comercial de longo prazo.

Em segundo lugar, é uma mentalidade de resultados e eficiência sobre processo e estrutura. É okay entregar algo que é bom o suficiente e mostra direção para iniciar o flywheel de feedback dos clientes. Entregar valor real rapidamente é imperativo, mas você ainda precisa ser pensado sobre como escalar. Isso está intimamente ligado ao terceiro pilar: obsessão pelo cliente e realmente atender aos usuários onde eles estão. Passei minha carreira construindo ferramentas de desenvolvedor e segurança, e como um ex-desenvolvedor, sei o quão bom (ou ruim) o tooling pode impactar a produtividade e satisfação.

E, por fim, transparência com propósito. Esse valor fundamental da Anaconda permitiu que todas as partes participassem e colaborassem para melhorar a empresa e suas ofertas. Estou ansioso para continuar construindo sobre esse valor para garantir que estamos dando à nossa comunidade o que ela precisa para ser bem-sucedida.

Como CEO, você é responsável por todo o sistema – estratégia, cultura, operações e resultados. Estou ainda profundamente conectado ao produto, mas estou pensando de forma mais ampla e de longo prazo. Tenho que garantir que a empresa está crescendo de forma responsável, apoiando seu povo e entregando valor aos nossos clientes em todas as dimensões do negócio. Esses são os princípios que pretendo continuar construindo aqui.

O que o motivou pessoalmente a assumir o papel de CEO da Anaconda, e o que o convenceu de que essa era a plataforma certa para construir o próximo capítulo de AI de empresa?

Eu digo a todos que havia quatro razões pelas quais eu estava animado para se juntar à Anaconda como CEO. Primeiro, a tecnologia. Como desenvolvedor, eu estava familiarizado com e usei a Anaconda por muito tempo. Sei o quão poderosa ela é e pode ser. A plataforma já habilita tanto, e a fundação que a equipe construiu nos dará a oportunidade de moldar o que vem a seguir na era nativa em AI!

Em segundo lugar, a comunidade. Acredito profundamente no poder da comunidade de código aberto. Muito poucas empresas têm uma comunidade tão ampla e engajada quanto a da Anaconda.

Terceiro, as pessoas. É raro encontrar esse nível de liderança em um só lugar. A equipe executiva é excepcional, e sua paixão é real. Estamos construindo o futuro com código aberto e AI, e fazer parte de algo tão significativo e impactante nos deixa todos genuinamente animados.

E, por fim, a oportunidade. Essa é a que realmente fez a decisão para mim. A Anaconda está no centro de tornar a AI mais acessível, ajudando as empresas a construir, segurar, implantar e monitorar a AI em escala. Quando você combina tecnologia de classe mundial, uma comunidade vibrante e uma equipe como essa, você obtém uma chance rara de moldar como a AI e a ciência de dados são construídas e usadas. Foi isso que me atraiu.

O código aberto impulsiona a maioria do desenvolvimento de AI moderno, no entanto, muitas empresas ainda lutam para confiar nele em escala. Por que você acredita que o código aberto permanece a base mais poderosa para a AI, e onde acha que ele é mais mal interpretado?

Há uma concepção errônea comum de que o código mais seguro é o código oculto, que apenas algumas pessoas podem ver. Isso é como um avestruz que enfia a cabeça na areia para se esconder. O código aberto é o oposto disso. O código aberto é transparente, convida todos a contribuir e dá às organizações em todo o mundo um conjunto mais amplo de olhos para garantir que o código seja seguro e funcione como esperado.

Nós não vimos uma tecnologia amadurecer tão rapidamente quanto a AI tem amadurecido. Para a AI continuar sua aceleração, você precisa de código moderno que se mova o mais rápido possível. O código aberto faz isso, e é por isso que é a base para o desenvolvimento de AI moderno.

Na Anaconda, nos inclinamos para isso. Nossas capacidades principais e o ecossistema Python são de código aberto porque essa é a melhor maneira para as equipes começarem e inovarem rapidamente. Em cima disso, adicionamos capacidades de empresa de classe, dando às organizações a governança, segurança e confiabilidade de que elas precisam para usar o código aberto em escala.

As taxas de falha da AI nas empresas permanecem altas, especialmente com pilotos de AI gerativa. Do seu ponto de vista, quais são as razões principais pelas quais essas iniciativas estagnam, e como as escolhas de infraestrutura podem fazer ou quebrar o sucesso de longo prazo?

Muitas organizações executaram pilotos. Algumas têm projetos de prova de conceito sólidos, e outras têm uma handful de ferramentas internas que genuinamente economizam tempo para as equipes. Mas muito poucas moveram a AI para a produção real que executa em toda a empresa. Há uma grande diferença entre “estamos experimentando” e “é assim que trabalhamos agora”. Essa lacuna é onde a maioria das empresas está presa – e não é porque a tecnologia não funciona.

A demonstração quase sempre parece boa, mas o problema aparece quando você tenta reproduzir a demonstração em escala de empresa. De repente, você está lidando com questões de governança de dados, preocupações de segurança, problemas de confiabilidade e um problema fundamental de confiança: Essa aplicação funcionará de forma confiável e manterá nossos dados seguros? Esses problemas não aparecem na demonstração e, portanto, se tornam um afterthought para as empresas.

A barreira para o sucesso da AI não é a capacidade, mas a maturidade da infraestrutura e do processo. As organizações que estão à frente são lideradas por aquelas que escolhem investir em fundações modernas onde confiança e velocidade coexistem e onde segurança e governança incorporadas aceleram, em vez de obstruir. Cadeias de ferramentas fragmentadas e ambientes forçam você a escolher entre os dois, mas infraestruturas unificadas modernas e processos de AI modernos permitem que você tenha ambos. Hoje, remover gargalos é criar sua vantagem competitiva. Isso não é apenas uma ambição técnica; é um imperativo de negócios para competir e sobreviver no mercado de hoje. O sucesso será aumentado por aqueles que investem em segurança e governança desde a fundação.

Você liderou equipes em segurança cibernética, produtos e plataformas de desenvolvedor. Como você está trazendo essa mentalidade de segurança para a estratégia da Anaconda em torno de gerenciamento de dependências, reprodução de ambiente e risco de cadeia de suprimentos?

Minha jornada na segurança começou na saúde, onde vi exatamente o que passava por “seguro” na época. Me imergi completamente na segurança e ela se tornou uma paixão. À medida que as cargas de trabalho de AI, modelos, agentes e integrações se tornam mais complexas, os riscos de segurança são multiplicados mais rapidamente do que a governança pode acompanhar. E, mesmo quando o risco de segurança é gerenciado, o ambiente em si se torna um obstáculo.

A segurança e a conformidade com a AI são desafiadoras, especialmente ao obter visibilidade real sobre o risco em desenvolvimento e produção. É onde estamos nos concentrando. Estamos construindo capacidades de segurança mais profundas dentro do gerenciamento de ambiente, governança adicional em torno de pacotes de AI fora do ecossistema Python e ajudando a reduzir o risco com modelos de AI por meio da varredura de segurança de sua postura. O objetivo é simples: ajudar as organizações a se moverem mais rapidamente com a AI enquanto mantêm a visibilidade, privacidade e resiliência de que precisam para confiar na escala.

Há um ceticismo crescente em torno do ROI da AI, ao lado de um surto de experimentação e codificação de vibração. Como você distingue entre experimentação produtiva e sistemas de AI prontos para a empresa que realmente entregam valor mensurável?

Esse ano pode ser realmente o primeiro em que o ROI da AI é medido bem. Todos na indústria estão tratando “eficiência” como tempo economizado, no entanto, isso não é o melhor KPI de linha de comando. As organizações que levam o tempo para criar KPIs personalizados diretamente ligados ao que é mais importante para elas terão melhores resultados. Isso pode ser tempo reduzido na revisão de código para a equipe de desenvolvimento ou a qualidade da geração de leads para a equipe de marketing. O tempo por si só e a medição do consumo de tokens não sinalizam eficiência diretamente.

A Anaconda está no centro do desenvolvimento de AI baseado em Python. Como você vê o papel dos ambientes Python evoluindo à medida que as organizações mudam de experimentação para sistemas de AI em escala de produção totalmente governados?

O Python é a linguagem principal para a AI, e, embora eu não espere que isso mude em breve, as linguagens sempre fluem e refluem em popularidade. As organizações precisam de ferramentas que evoluam e abordem naturalmente os problemas subjacentes de desempenho e escalabilidade, permitindo que os agentes de AI criem aplicações e serviços de classe empresarial com sucesso. Eu espero que as organizações comecem a investir em blocos de construção universais que acelerem o valor e a adoção da AI. É isso que as posicionará melhor para navegar no léxico em constante evolução de linguagens de codificação que alimentam a camada de infraestrutura da AI.

Você trabalhou em estreita colaboração com indústrias regulamentadas e empresas conscientes de segurança no passado. O que a governança de AI de empresa realmente parece na prática, além de documentos de política e listas de verificação de conformidade?

A AI de empresa e as aplicações nativas em AI são algo completamente diferente do desenvolvimento de software tradicional. Quando você trata a AI como desenvolvimento tradicional, você acaba com segurança e governança quebradas, o que estagnarão a inovação. A AI de empresa precisa de práticas de desenvolvimento nativas em AI, onde o modelo de AI é o componente principal que impulsiona a versão e tudo o mais ao seu redor é secundário.

A governança da AI é a diferença entre escalar com sucesso e estagnar. A governança de AI de empresa é o que acontece quando os princípios nativos em AI responsáveis são traduzidos em controles de plataforma executáveis, responsabilidade clara e rastreabilidade e linhagem contínua de todos os componentes de AI. Isso vai além de políticas e listas de verificação que funcionaram nas práticas de DevOps.

Com o recente financiamento e impulso de empresa da Anaconda, quais são suas prioridades de crescimento de curto prazo, e onde você está investindo mais agressivamente nos próximos 12 a 18 meses?

Nosso objetivo é claro: a Anaconda será a plataforma de desenvolvimento de AI nativa de empresa preferida para construir, segurar, implantar e monitorar aplicações e serviços nativos em AI. Nossos clientes continuam a se transformar para atender às suas necessidades e nos transformamos com eles. É por isso que não somos mais apenas uma ferramenta de ciência de dados, mas uma plataforma abrangente para a AI de empresa. Todo investimento, seja em produtos, parcerias ou aquisições, será avaliado contra uma única pergunta: “Isso nos aproxima de ser a plataforma que as empresas precisam para ter sucesso no novo mundo nativo em AI?” Somos uma empresa obcecada pelo cliente e tudo o que fazemos é para nossos clientes.

Como alguém que ajudou a escalar uma plataforma de desenvolvedor de capital aberto, quais lições você aprendeu sobre a construção para práticos, enquanto também serve a CTOs, CIOs e Diretores de AI no nível executivo?

O sucesso sempre volta ao cliente e ao apoio aos resultados que eles estão tentando alcançar. Isso soa simples, mas é fácil para as equipes se perderem em métricas internas (quantas horas foram gastas em um projeto, se um lançamento atinge metas pré-definidas) em vez de fazer uma pergunta mais importante: “Isso realmente torna nossos clientes mais bem-sucedidos?” Os líderes podem dizer que um produto novo é necessário quando, na realidade, pode ser apenas refinar o que você já tem (tornando um produto mais amigável, por exemplo), e então você obtém o resultado que estava procurando. Se os clientes estão felizes e bem-sucedidos, então todos estamos felizes e bem-sucedidos.

Obrigado pela grande entrevista, leitores que desejam aprender mais devem visitar Anaconda.