Холли Грант, СVP, Стратегия & Инновации, DXC Technology – Интервью

Холли Грант, СVP, Стратегия & Инновации в DXC Technology, является технологическим и операционным руководителем с глубоким опытом, охватывающим стратегию искусственного интеллекта для предприятий, финтех, руководство стартапами и операционную трансформацию. В DXC она помогает формировать инициативы компании в области инноваций, основанных на искусственном интеллекте, включая оркестровку искусственного интеллекта в масштабе предприятия, консультационные услуги и усилия по инкубации продуктов, предназначенные для того, чтобы помочь организациям перейти от экспериментальных пилотных проектов к операционной эксплуатации. До DXC она занимала несколько руководящих должностей в Long-Term Stock Exchange (LTSE), в конечном итоге став операционным директором, где она сосредоточилась на операционном масштабировании и стратегическом росте в финтех-секторе.

DXC Technology является глобальной компанией, предоставляющей услуги в области информационных технологий и консалтинга, ориентированной на помощь предприятиям в модернизации критически важных систем в области облачных вычислений, кибербезопасности, искусственного интеллекта, инфраструктуры данных и операций предприятия. Созданная в результате слияния Computer Sciences Corporation и подразделения Enterprise Services компании Hewlett Packard Enterprise, компания работает с организациями из различных отраслей, включая здравоохранение, банковское дело, производство, страхование и государственный сектор. В последние годы DXC все больше позиционирует себя вокруг трансформации предприятий на основе искусственного интеллекта, предлагая услуги, которые интегрируют генеративный искусственный интеллект, интеллектуальную автоматизацию, наблюдаемость, цифровые двойники и крупномасштабную модернизацию информационных технологий в сложные корпоративные среды. Компания также подчеркивает “искусственный интеллект-сначала” операционные модели, предназначенные для того, чтобы помочь предприятиям развертывать искусственный интеллект безопасно внутри существующей инфраструктуры, а не заменять системы наследия полностью.

Вы построили карьеру на пересечении стратегии, операций и инноваций – от масштабирования организаций в начале своей карьеры до руководства стратегией и инновациями в DXC. Как эти опыт повлияли на ваш подход к запуску LabX и проектированию среды инкубации искусственного интеллекта, ориентированной на реальное бизнес-воздействие?

Моя карьера прошла через семейные офисы, стартапы, венчурный капитал и теперь компанию Fortune 500 в середине реструктуризации. То, что я увидела во всех этих средах, заключается в том, что идеи сами по себе не реализуются. Те, которые действительно создают ценность, обычно имеют три вещи: реального клиента, поддерживающего их, правильный момент на рынке и объем, который ясен и достаточно узок. Если вы упустите одну из этих вещей, даже блестящая идея застревает.

Эта закономерность повлияла на то, как я подумала о LabX. Вам нужна теория победы – реальная стратегия – но вам также нужны операционные мышцы, чтобы оживить ее, и дисциплина, чтобы адаптироваться, пока вы учитесь и меняются условия. Стратегия без выполнения – это колода. Выполнение без стратегии – это движение без прогресса. LabX предназначен для того, чтобы удерживать оба аспекта одновременно.

Под руководством нашего генерального директора Рауля Фернандеса DXC поставила искусственный интеллект и инновации в центр нашей стратегии реструктуризации. LabX – это то, как мы переводим эту убежденность в продукты, возможности и результаты для клиентов – достаточно быстро, чтобы иметь значение.

Многие предприятия экспериментируют с искусственным интеллектом, но испытывают трудности при переходе от пилотных проектов к производству. Из того, что вы видите в DXC, какие являются самыми большими барьерами, препятствующими организациям в масштабировании искусственного интеллекта за пределы проектов-прототипов?

Два барьера возникают снова и снова, и ни один из них не связан с технологией.

Первый – это управление изменениями. Искусственный интеллект меняет то, как люди работают, за что они отвечают и как принимаются решения. Если вы не приведете свою рабочую силу, наиболее элегантная модель в мире будет оставаться бездейственной. Второй барьер заключается в том, что компании начинают масштабировать искусственный интеллект без изменения основной операционной модели. Они прикрепляют интеллект к конкретной системе или приложению, так что один пользователь может его использовать, но остальная часть команды не может. Искусственный интеллект – это горизонтальный интеллект – он создает наибольшую ценность, когда может перемещаться через функции, данные и рабочие процессы. Когда операционная модель не меняется, эта ценность остается в ловушке на местном уровне, а не накапливается во всем предприятии.

Итак, пилотный проект работает, все празднуют, и ничего не масштабируется. Это закономерность, которую мы пытаемся разрушить в LabX, проектируя для разблокировки во всем предприятии с первого дня.

LabX работает на цикле концепции до MVP примерно за 90 дней или меньше. Какие изменения в мышлении, управлении или процессах разработки требуются для крупных предприятий, чтобы двигаться с такой скоростью?

Самый большой сдвиг в мышлении – это готовность принимать решения раньше с менее совершенной информацией – и дисциплина, чтобы отказаться от того, что не работает. Крупные предприятия привыкают к длинным циклам планирования, потому что они чувствуют себя в безопасности. Они не являются таковыми. На рынке, который движется так быстро, медленный “да” и медленный “нет” оба являются дорогими.

Внутри LabX мы назначаем небольшой триад – дизайн, продукт и инженерия – для запуска спринта против реальной проблемы клиента. Они строят минимально жизнеспособный продукт, тестируют его на ценность и масштаб, и мы выпускаем идеи, которые показывают коммерческий потенциал в течение 90 дней. То, что делает эту скорость возможной, не является отсутствием управления, а присутствием правильного управления. Безопасность, конфиденциальность, соответствие требованиям и ответственный искусственный интеллект подписаны в процессе с первого дня, а не прикреплены в конце. Каждый продукт проходит формальный обзор управления перед масштабированием.

Для большинства предприятий переход к такому темпу требует защиты пространства, где можно двигаться таким образом – без принуждения каждого эксперимента через один и тот же цикл времени, как и многолетний платформенный проект. Это то, для чего LabX существует для нас.

DXC описывает LabX как способ проверить перспективные концепции искусственного интеллекта с клиентами до их масштабирования. Как этот подход “Клиент Ноль” помогает обеспечить, чтобы решения искусственного интеллекта были основаны на реальных операционных потребностях, а не на теоретических случаях использования?

Клиент Ноль – это, честно говоря, наш край. До того, как продукт LabX выйдет на рынок, он должен выжить внутри DXC сначала. Мы управляем 115 000 сотрудников по 70 странам, регулируемыми отраслями, сложными контрактами с клиентами, устаревшими системами и реальными операционными ставками. Это не санитарная демонстрационная среда – это реальность предприятия.

Традиционный стартап может двигаться быстро, но он не может легко воспроизвести опыт работы внутри такого рода сложности. Когда мы тестируем продукт на себе сначала, мы находим места, где он ломается на реальных данных, реальных рабочих процессах и реальных нормативных ограничениях – вещи, которые бы возникли в среде клиента шесть месяцев позже. К тому времени, когда мы привносим предложение к клиенту, мы не предлагаем теорию. Мы можем сказать: “Вот что он сделал в наших собственных операциях, вот что мы изменили, вот что мы измерили”.

Это также держит нас честными. Если продукт не может доказать себя внутренне, он не выпускается. Это гораздо более высокая планка, чем сказать “он работал в демонстрации”.

Среды предприятий часто заполнены устаревшими системами, фрагментированными данными и нормативными ограничениями. Как вы проектируете рабочие процессы искусственного интеллекта, которые могут работать эффективно внутри такой реальной сложности?

Мы начинаем с предположения, что среда сложна – это базовый уровень, а не исключение.

Архитектурно мы работаем с декомпозиционной подходом к нашим платформам. Ведущие инструменты искусственного интеллекта меняются ежемесячно, а не ежегодно. Если вы жестко подключаетесь к единственной модели, поставщику или фреймворку, вы делаете ставку на то, что сегодняшний лидер все еще будет лидером через 18 месяцев. Это плохая ставка. Декомпозиционная архитектура позволяет нам заменять компоненты, пока граница движется, оставаться настроенными на то, что действительно является лучшим в классе, и тестировать инструменты против реальных проблем клиентов, а не маркетинговых заявлений поставщиков.

На стороне регулирования и данных соответствие требованиям проектируется с первого дня. Каждый продукт проходит обзор управления, и ответственный искусственный интеллект подписан в процессе, а не является после мысли. Работа в высокорегулируемых отраслях по 70 странам заставляет нас соблюдать эту дисциплину – что оказывается функцией, а не ошибкой, когда мы привносим продукты к клиентам с одинаковыми ограничениями.

Традиционное консультирование в области информационных технологий полагалось на длинные циклы планирования и жесткие рамки реализации. Когда искусственный интеллект развивается быстрее, чем эти циклы могут вместить, как должны измениться модели консультирования?

Честный ответ заключается в том, что вся модель должна сдвинуться, но если бы мне пришлось выбрать ключевой момент, то это ценностное предложение. Индустрия провела десятилетия, продавая поставки – колоды, дорожные карты, планы реализации – и получала оплату за усилия. В мире, родном для искусственного интеллекта, клиенты не хотят поставки. Они хотят результат. Они хотят, чтобы рабочий процесс действительно работал, чтобы стоимость действительно уменьшалась, чтобы доход действительно появлялся.

Как только вы обязуетесь продавать результаты, все остальное должно измениться, чтобы поддержать это. Состав команды становится более техническим. Вовлеченности переходят от “советовать и уйти” к “построить и эксплуатировать”. Ценообразование смещается от часов. Люди, которые выполняют работу, должны быть так же комфортны с отправкой кода, как и с управлением комитетом по управлению.

Это большой культурный сдвиг для нашей индустрии, и не все смогут сделать это. Фирмы, которые смогут, будут выглядеть очень по-другому через пять лет, чем они выглядят сегодня.

LabX также функционирует как среда экспериментирования для сотрудников и технологических партнеров. Насколько важно внутреннее экспериментирование, когда вы пытаетесь построить организационную грамотность искусственного интеллекта?

Это вся игра. Вы не строите грамотность искусственного интеллекта, читая о искусственном интеллекте – вы строите ее, пробуя вещи, наблюдая, как они ломаются, и пробуя снова. Это так же верно для 30-летнего специалиста по информационным технологиям, как и для человека, который два года вышел из школы.

Мы недавно провели вызов искусственного интеллекта внутри одного из наших бизнес-подразделений и получили более 1300 уникальных идей за две недели. Это не статистика о инструменте – это статистика о том, что происходит, когда вы даете людям разрешение думать вне коробки. Креативность уже существует внутри организации. Наша задача – создать пространство для ее роста.

LabX также запускает программу ротации: технические эксперты из DXC проводят шесть до двенадцати недель, встроенные с нами, строя реальные продукты с последними инструментами искусственного интеллекта. Когда они возвращаются в свои домашние команды, они приносят новый набор навыков и, что более важно, другой способ мышления. Они начинают задавать разные вопросы своим коллегам и клиентам. Они становятся чемпионами того, что возможно. Этот компаундовый эффект по всей рабочей силе стоит больше, чем любой отдельный продукт, который мы отправляем.

DXC формулирует свой подход как Human+, подчеркивая, что искусственный интеллект должен расширять возможности человека, а не заменять их. В практическом смысле, как эта философия влияет на то, как решения искусственного интеллекта проектируются и развертываются внутри предприятий?

Я буду прямым: есть точка зрения, которая берет верх в индустрии, что наиболее ценная вещь, которую искусственный интеллект предприятия может сделать для компании, – это сократить численность сотрудников. Я думаю, что это провал воображения.

Дисциплина стоимости имеет значение, но реальная возможность – это рост: новые потоки доходов, новые продукты, новые предложения услуг, которые просто не были возможны раньше. Наивысшее использование искусственного интеллекта – это обеспечение того, чтобы люди могли выполнять работу, создающую новую бизнес-ценность, а не просто оптимизировать то, что уже существует. Компании, которые это сделают правильно, превзойдут те, которые рассматривают искусственный интеллект как чистую стоимость упражнения.

На практике Human+ означает, что мы проектируем искусственный интеллект для обработки высокообъемных, рутинных процессов, чтобы наши люди могли сосредоточиться на более ценной работе: стратегическом мышлении, творческом решении проблем, отношениях с клиентами и сложных суждениях. Мы сохраняем человеческую экспертизу и надзор в центре каждого развертывания, особенно когда решения несут реальные последствия. Это то, как вы строите доверие с клиентами, и это то, как вы открываете прочное конкурентное преимущество.

Когда организации пытаются интегрировать искусственный интеллект в существующие рабочие процессы, какие общие ошибки вы видите, что они совершают, что замедляет принятие или ограничивает реальную бизнес-ценность?

Две ошибки, которые я вижу постоянно. Первая – это начало с технологии, а не с проблемы. Кто-то влюбляется в модель или демонстрацию поставщика, и инициатива становится развертыванием этой вещи, а не решением того, что действительно важно для бизнеса. Вторая ошибка – это traitement искусственного интеллекта как проекта информационных технологий, а не бизнес-трансформации. Если вы передадите искусственный интеллект полностью kepada CIO и попросите остальную часть бизнеса продолжать работать без изменений, вы получите инструмент, который никто не использует, и бюджет, который никто не хочет защищать в следующем году.

Противоядием от обоих является простое, чтобы сказать, и трудное, чтобы сделать: начать с бизнес-проблемы, поставить правильную межфункциональную команду на это – люди, процесс, технология – и построить назад от результата, который вы пытаетесь создать. Это постура, которую мы принимаем в LabX, и это то, как мы работаем с клиентами, такими как Ferrovial, где мы помогли развернуть AI Workbench – предложение генеративного искусственного интеллекта, сочетающее консультирование, инжиниринг и безопасные услуги предприятия, теперь используемые более чем 24 000 сотрудниками с более чем 30 агентами искусственного интеллекта, принимающими решения в реальном времени. Такой масштаб не происходит, если вы рассматриваете это как проект информационных технологий.

Взглянув вперед, как вы ожидаете, что среды инкубации искусственного интеллекта, такие как LabX, сформируют способ, которым предприятия разрабатывают, тестируют и развертывают новые технологии в течение следующих нескольких лет?

Вот что, я думаю, будет очевидно в ретроспективе: победители в этой эпохе не будут компаниями с наиболее впечатляющими точечными решениями. Они будут интеграторами – теми, кто может шить искусственный интеллект через операционные модели, через функции и через рабочие процессы, так что интеллект не заперт в единственном инструменте или на экране единственного пользователя.

Это более сложная проблема, чем развертывание модели. Это требует глубокого понимания предприятия, способности работать как с устаревшими, так и с современными системами, и дисциплины, чтобы изменить то, как работа действительно выполняется. Это также возможность, которую я наиболее взволнован.

Среды инкубации, такие как LabX, – это то, как мы получаем повторы. Они – это то место, где вы учитесь, что ломается в масштабе, что управление действительно выглядит на практике, и что клиенты будут и не будут принимать. Предприятия, которые инвестируют в такое пространство сейчас – внутренне или через партнеров – будут иметь очень разную кривую возможностей через три года, чем те, которые все еще решают, стоит ли это усилий. И те из нас, кто строит в этом пространстве, будет продолжать находить новые проблемы, достойные решения, потому что технология не замедляется, и ни одна возможность.