Angela Q. Daniels, CTO (Amerikas) för konsult- och ingenjörstjänster på DXC Technology – Intervjuer

Angela Q. Daniels, Chief Technology Officer (Amerikas) för konsult- och ingenjörstjänster (CES) på DXC Technology (DXC ), ansvarar för teknisk strategi och transformation för företagets konsult- och ingenjörstjänster i Amerika. Hon fokuserar på att skala upp AI-förstärkt leverans genom DXC:s Xponential-ramverk, att främja innovation med DXC:s AI-lösningar och att hjälpa kunder att uppnå större affärsnytta genom moderna plattformar och personal. Tidigare ledde hon global programvaruutveckling och applikationsleveransinitiativ, vilket ledde till agil modernisering, molnbaserad ingenjörskonst och talangutveckling för att stärka DXC:s leveransexcellens och tekniska ledarskap.

DXC Technology är en global ledare inom IT-tjänster och konsultverksamhet som hjälper stora företag att köra kritiska system och verksamheter i hybrid-IT-miljöer. Företaget samarbetar med ledande teknikutvecklare för att leverera lösningar som kombinerar avancerad analys, moln, säkerhet och AI. Genom sin Enterprise Technology Stack moderniserar DXC IT-infrastrukturer, driver digital transformation och möjliggör för kunder inom olika branscher att innovera, optimera kostnader och förbättra kundupplevelser över hela världen.

Du har haft en livslång passion för programmering som började när du var åtta år gammal. Kan du berätta vad som först drog dig till programvaruutveckling och hur den tidiga nyfikenheten har format din tillvägagångssätt för att leda AI-driven innovation idag?

När jag var åtta år gammal, tog min mamma hem en Commodore-dator från en garageförsäljning. Den kom med en hög med manualer och några spel. Medan alla andra ville spela, var jag den som läste manualerna och försökte förstå hur datorn faktiskt fungerade.

Mitt första program var enkelt:

10 PRINT "Angela"

20 GOTO 10

RUN

Att se mitt namn upprepas oändligt på skärmen kändes magiskt. Det var inte bara vad datorn kunde göra, utan vad jag kunde göra med den.

Från en ung ålder, märkte min mamma min nyfikenhet och stödde den, genom att anmäla mig till sommarutvecklingsprogram på college under grundskolan och karriärutvecklingsprogram under gymnasiet. Dessa upplevelser bränslede min passion och inspirerade mig att studera matematik och datavetenskap på college.

Samma nyfikenhet har lett mig genom hela min karriär. Jag har alltid varit dragen till att utforska vad som är möjligt, att förstå hur något fungerar och sedan ta reda på hur det kan tillämpas på meningsfulla sätt. Oavsett om det gäller AI, programvaruutveckling eller någon annan teknik, har min tillvägagångssätt alltid varit rotad i utforskning som leder till påverkan. Innovation har varit en stadig tråd från det första Commodore-programmet till arbetet jag leder idag.

Som Global Software Development Offering Lead, har du spelat en nyckelroll i att skapa och distribuera DXC:s nya Xponential-ramverk. Vad inspirerade detta initiativ, och vilket problem inom företags AI-användning var du mest besluten att lösa? 

Chefer idag är under stor press för att visa verkliga produktivitetsvinster från AI, men många organisationer kämpar för att gå utöver experiment. De lanserar pilotprojekt utan att först samordna en sammanhållen strategi som kopplar AI till deras personal, processer och teknik.

Den utmaningen inspirerade skapandet av DXC Xponential. Vi ville tillhandahålla en strukturerad, upprepningsbar ritning för att orkestrera AI-användning – en som inbäddar styrning från början och levererar tidiga, mätbara vinster för att hjälpa organisationer att skala med tillförsikt.

Mina samtal med kunder och våra egna interna erfarenheter av att utveckla AI-drivna applikationer, formade dess grund. Den vanligaste frågan vi hörde var: “Vi har testat pilotprojekten, men hur går vi vidare från här?” Det blev kundens röst bakom Xponential.

Vi hörde det också från våra egna ingenjörsteam. Det finns en verklig AI-verktygsutmattning. Team är omgivna av verktyg som lovar transformation och försöker avgöra vilka som verkligen levererar värde. Xponential hjälper till att skära igenom bruset genom att fokusera på integration, orkestrering och mätbara resultat snarare än verktygsproliferation.

Min bakgrund på DXC inkluderar att ha varit en del av vårt New Orleans Customer Experience Center. Vår tillvägagångssätt för att lösa kundernas affärsutmaningar var avgörande för att forma detta tillvägagångssätt. Det centrumet fungerar enligt designprinciper. Vi tar kundutmaningar till en miljö där vi empatiserar, idéer, prototyper, testar och skalar. Vi använde samma tankesätt för att utforma Xponential, för att säkerställa att varje AI-lösning vi levererar är praktisk, människocentrerad och skalbar i den verkliga världen.

Branschdata visar att 95% av AI-pilotprojekt inte uppfyller affärsförväntningar. Från din synvinkel, vad är de vanligaste orsakerna bakom dessa misslyckanden, och hur adresserar Xponential dem direkt?

Företag investerar miljontals dollar i teknik som imponerar i demonstrationer. Men när företag går vidare till att implementera denna teknik, möts de ofta av lågkvalitativ data för att träna AI, felaktiga modeller, brist på styrning, mänskliga valideringsbottleneck och komplex systemintegration.

Problemet är inte tekniken, utan genomförandet. Utan en sammanhållen strategi som integrerar människor, processer och teknik, är det en uppförsbacke att skala och leverera mätbara resultat med AI.

DXC:s Xponential-ramverk säkerställer att alla människor, processer och teknik beaktas med fem olika pelare:

• Insikt – Styrning är grundläggande på DXC, vilket är varför varje AI-agent, automatiserat beslut och intelligenta process är utformad med inbyggd iakttagbarhet och regelefterlevnad från början.
• Aktivatorer – För att möta kunder där de är och ta bort hinder för framgång, kombinerar DXC specialbyggda innovationer med partnerslösningar för att tillhandahålla färdiga verktyg, vilket eliminerar behovet av att bygga allt från grunden.
• Automatisering – DXC:s agentic-AI-ramverk går utöver uppgiftsutförande. Det förfinar kontinuerligt arbetsflöden genom att lära av resultat och anpassa sig i realtid, vilket driver en förändring mot system som utvecklas genom erfarenhet snarare än att förlita sig på tillfälliga lösningar.
• Tillvägagångssätt – När AI utvecklas, måste organisationer stanna agila och kontinuerligt förfinansiera sina strategier — inte för att ersätta människor, utan för att ge dem makt. Genom att överföra rutinuppgifter till AI, är team fria att fokusera på högpresterande arbete, innovation, komplexa problem och leverera mätbara värden för våra kunder.
• Process – Verklig förändring börjar med säker experiment. På DXC bygger vi MVP:er för att snabbt validera idéer, bevisa påverkan och skala det som fungerar för att undvika pilotstadiet som stannar de flesta AI-initiativ.

Xponential-ritningen betonar fem pelare — Insikt, Aktivatorer, Automatisering, Tillvägagångssätt och Process. Vilken av dessa ser du som mest transformerande för företag som precis börjar sin AI-resa?

För organisationer i början av sin AI-resa, är Insikt den mest transformerande pelaren. Många företag rusar in i implementering, men framgång börjar med att förstå var AI verkligen kan skapa värde. Insikt ger ledare klarhet, inte bara om deras data, utan om deras processer, talang och beredskap för förändring. Det är grunden som informerar varje annan pelare.

Tätt följt av det är den mänskliga dimensionen, som vi ser som multiplikatorn över alla fem pelare. AI är som kraftfullast när den förbättrar mänsklig förmåga snarare än ersätter den. Den mänskliga dimensionen handlar om att omforma arbete så att människor tillbringar mer tid på kreativitet, bedömning och innovation — de saker som gör organisationer distinkt mänskliga.

Tillvägagångssätts-pelaren betonar begreppet “Mänsklig+ samarbete”. Hur ser du på balansen mellan mänsklig expertis och AI-automatisering utvecklas inom företagsmiljöer under de närmaste åren?

Att behålla människor i loopet är avgörande. Vår Mänsklig+ tillvägagångssätt använder AI för att förstärka mänsklig expertis, inte ersätta den. Våra experter förblir i kontroll, fattar strategiska beslut och säkerställer kvalitetskontroll medan AI hanterar repetitiva uppgifter och gör det tunga lyftet. Nu kan ingenjörer som tidigare tillbringade timmar på repetitiva kodningsuppgifter, tillbringa mer tid med att designa systemarkitektur och lösa komplexa affärsproblem. Att kombinera skickliga proffs med AI leder till förstärkt, mätbara resultat som minskar kostnader och förbättrar effektivitet.

En av Xponential:s löften är att flytta organisationer från småskaliga vinster till företagsomfattande AI-integration. Vilka är de största utmaningarna som företag möter när de skalar från bevis på koncept till produktion, och hur kan de övervinna dem?

Många organisationer är fast i pilotfaser med högt fragmenterade initiativ som misslyckas med att ena människor, processer och teknik. Den största hindern vi ser företag navigera när de implementerar AI, är decentraliserade, oorganiserade program som saknar en sammanhållen strategi.

Xponential lägger ut en tydlig väg för att ta företag utöver pilotfasen. Dess orkestrerade, ansvarsfulla och upprepningsbara tillvägagångssätt förvandlar AI från en teknisk experiment till en affärsimperativ. Utformad för att adressera bristen på sammanhållna strategier på marknaden, är ramverket strukturerat men byggt för flexibilitet och skalbarhet, vilket möjliggör för organisationer att börja smått, uppnå tidiga vinster och snabbt skala över hela företaget.

Xponential hjälper redan kunder att gå från pilotstadiet till skala. Dess modulära design tillåter oss att möta kunder där de är, genom att stödja legacy-uppdateringar och integrera smidigt med kundernas befintliga data-, moln- och applikationsmiljöer.

Exempelvis samarbetade vi med Singapore General Hospital för att utveckla lösningen Augmented Intelligence in Infectious Diseases, som använder AI-drivna insikter och mänsklig+AI-beslutsfattande för att vägleda antibiotikaval för nedre luftvägsinfektioner med 90% noggrannhet. Verktyget har resulterat i förbättrad patientvård samtidigt som det bekämpar antimikrobiell resistens.

DXC har redan implementerat Xponential med globala kunder som Textron och den europeiska rymdmyndigheten. Kan du dela ett specifikt exempel på hur detta ramverk levererade mätbara resultat i en av dessa distributioner? 

Xponential är ett beprövat ramverk som redan genererar resultat med våra kunder Textron och den europeiska rymdmyndigheten. Vi samarbetade med Textron för att transformera dess IT-stödmodell med hjälp av automatisering och AI. Optimeringen minskade service desk-biljetter med 20% och proaktivt löste nätverksproblem för 32 000 anställda med hjälp av AI-aktiverade chattbotar utbildade på delade kunskapsbaser, vilket frigjorde IT-personal för att fokusera på komplexa problem som kräver mänsklig expertis. Med den europeiska rymdmyndigheten, använde vi Xponential för att implementera ASK ESA, en AI-aktiverad plattform som unifierar data, accelererar forskning och förbättrar samarbete inom myndigheten. Plattformen ger inte bara säker, effektiv åtkomst till stora mängder data, utan sparar också ingenjörer 1-2 timmar per vecka.

Din ledarskapsbakgrund spänner över akademi, företagsprogramvaror och storskalig molntjänstutveckling. Hur har denna diversifierade erfarenhet påverkat din syn på vad “ansvarsfull AI” betyder i praktiken? 

Varje del av min resa har format hur jag definierar ansvarsfull AI. Från akademin, lärde jag mig vikten av rigor, ifrågasättande av antaganden, validering av resultat och förståelse av “varför” bakom varje resultat. Från företagsprogramvaror, fick jag en djup uppskattning för styrning, etik och de ringverkningar som teknik kan ha på människor, processer och branscher. Och genom storskalig applikationsutveckling, såg jag förstahands hur skala kan förstärka både påverkan och risk.

För mig betyder ansvarsfull AI inte bara efterlevnad eller bias-mitigation, utan snarare avsiktlig design. Det handlar om att bygga system som är transparenta, granskbara och anpassade till mänskliga värderingar från början. Det handlar om att säkerställa att innovation och ansvar utvecklas tillsammans.

Min roll är att säkerställa att när vi innovativa, gör vi det på ett ansvarsfullt sätt, inte för att sakta ner innovationen, utan för att vägleda den på ett sätt som vinner förtroende och levererar hållbart värde.

Styrning och iakttagbarhet är centrala för Insikt-pelaren i Xponential. Hur säkerställer du att AI förblir både transparent och regelefterlevande i tungt reglerade branscher som hälsovård och rymd? 

Xponential-ramverket säkerställer att styrning, efterlevnad och iakttagbarhet är inbäddade från dag ett, inte tillagda senare. Vi anpassar vår AI-etik till globala standarder och framväxande regulatoriska ramverk från NIST och EU:s AI-lag, vilket innebär fullständig spårbarhet, granskbarhet och efterlevnad byggs in i varje arbetsflöde.

Denna styrningsmodell ger tydlig insikt i hur AI fungerar, vem som är ansvarig och om beslut följer etiska och operativa standarder — avgörande krav för att skala AI effektivt över reglerade företag. Det är vår övertygelse att AI ska vara pålitlig, transparent och människocentrerad.

När AI fortsätter att omdefiniera programvaruutvecklingslivscykler, vilka nya färdigheter eller tankesätt tror du att programvaruteam kommer att behöva för att stanna konkurrenskraftiga under de närmaste åren? 

Den viktigaste förändringen är inte bara att lära sig nya verktyg. Det handlar om att anta ett nytt tankesätt. AI förvandlar hur vi bygger programvara, och de team som trivs kommer att vara de som behandlar AI som en samarbetspartner, inte bara en utility.

Färdigheten som betyder mest är nyfikenhet. De bästa ingenjörerna kommer inte bara att acceptera vad AI genererar. De kommer att ifrågasätta det, förfinansiera det och utforska hur det kan tillämpas på nya sätt. Nyfikenhet bränsler förmågan att lära sig kontinuerligt, experimentera ansvarsfullt och se samband som andra kanske missar.

Förutom det kommer utvecklare att utvecklas från att vara kodare till kompositörer, som orkestrerar AI-agenter, automatisering och mänsklig insikt i integrerade system. Det kräver inte bara teknisk kompetens, utan också systemtänkande och en vilja att omforma hur arbete utförs.

På DXC inbäddar vi detta tankesätt genom Xponential, vilket hjälper team att utveckla vår Mänsklig+ tillvägagångssätt. Det kombinerar teknisk mästerskap med nyfikenhet, kreativitet och etisk medvetenhet, eftersom det under de närmaste åren inte kommer att vara framgång i programvaruutveckling som kommer från att veta allt. Det kommer att komma från att stanna outtröttligt nyfiken på vad som är möjligt.

Tack för den underbara intervjun, läsare som vill lära sig mer kan besöka DXC Technology.