Frank Bignone, SVP och chef för Corporate Strategy & Growth på FPT Software – Intervjuserie

Frank Bignone, Senior Vice President och chef för Corporate Strategy & Growth på FPT Software, har mer än två decenniers internationell ledarerfarenhet inom digital transformation, artificiell intelligens, flygteknik, geospatial teknik och företagsväxt. Under sin karriär har han haft ledande roller i Asien, Mellanöstern och Europa, inklusive att ha varit Chief Digital Transformation Officer för FPT Softwares verksamhet i Japan och Mellanöstern, och tidigare lett digitala transformationsinitiativ i Asien och Kina för Airbus. Hans bakgrund kombinerar djup expertis inom AI-driven affärsomvandling, strategiska partnerskap, marknadsexpansion och stor skala teknikanvändning. Efter att ha byggt ekosystem inom flyg, programvara och företagsteknik har Bignone konsekvent fokuserat på att hjälpa organisationer att utnyttja ny teknik för att driva operativ effektivitet, innovation och hållbar tillväxt. Idag leder han FPT Softwares corporate strategy och tillväxtinitiativ, och guidar företagets globala expansion och nästa generations tjänsteutveckling.

FPT Software är en global teknologi- och IT-tjänsteleverantör med huvudkontor i Vietnam, med mer än 33 000 anställda som verkar i över 30 länder. Företaget specialiserar sig på digital transformation, AI, molntjänster, dataanalys, programvaruteknik, smarta fabriker, cybersäkerhet och branschspecifika lösningar för sektorer som finansiella tjänster, tillverkning, bilar, hälsovård, flyg och telekommunikation. Under de senaste åren har FPT Software accelererat sin AI-första strategi, investerat kraftigt i AI-drivna plattformar, företagsmoderniserings tjänster och globala partnerskap medan de expanderar sin närvaro i Europa, Nordamerika, Mellanöstern och Asien-Stilla havet. Genom en kombination av storskalig ingenjörskapacitet, konsultexpertis och AI-driven innovation hjälper företaget företag att modernisera äldre system, optimera verksamheten och accelerera digitala transformationsinitiativ över hela världen.

Du har lett digitala transformationsinitiativ inom flygteknik, flyg, företagsprogramvara och nu AI-första leveransplattformar på FPT Software. När du ser tillbaka på ditt arbete med Airbus Skywise och storskaliga företagsmoderniseringsprogram, vilka lärdomar formade direkt din vision för Agentic Engineering och Flezi Foundry?

När jag ser tillbaka på Airbus Skywise och storskaliga företagsmoderniseringsprogram, så står en viktig lärdom ut: transformation är sällan begränsad av teknik. Mer ofta är det begränsat av hur organisationer fungerar.

Med Skywise såg vi kraften i att kombinera data, plattformar och ekosystemsamverkan. Men även med avancerad teknik på plats, skapades ofta värde när operativa modeller förblev människocentrerade, sekventiella och siloade.

Den erfarenheten formade direkt vår vision för Agentic Engineering. Vi tror att nästa utveckling inte bara handlar om bättre digitala plattformar, utan om intelligenta, agentdrivna leveranssystem där AI aktivt deltar i genomförandet snarare än att bara fungera som ett analysverktyg.

Flezi Foundry byggdes på den principen, och hjälper organisationer att gå från beslutsfattande till AI-förstärkta leveransmodeller som kontinuerligt genomför, lär och förbättrar.

Mycket av AI-samtalet har handlat om kodningscopiloter och utvecklarproduktivitet. Varför tror du att den viktigaste skiftet är att gå från AI-drivna verktyg till AI-drivna operativa modeller?

Kodningscopiloter är viktiga, men de adresserar bara en liten del av värdekedjan. Det mesta av samtalet idag fokuserar på att förbättra utvecklarproduktivitet, medan den större utmaningen organisationer står inför är fragmenterade, långsamma och anpassningsbara leveranssystem.

Den riktiga möjligheten ligger i att omdefiniera hur arbetet är strukturerat. AI-drivna operativa modeller tillåter att arbetet bryts ned i uppgifter som utförs samarbetande av människor och intelligenta agenter. Agenter kan delta i planering, genomförande, validering och optimering, medan feedback-loopar blir kontinuerliga och alltmer automatiserade.

Då slutar AI att vara bara ett produktivitetsverktyg och blir en systemnivåförmåga. Där börjar organisationer att förverkliga meningsfullt företagsvärde.

FPT lanserade nyligen Flezi Foundry för att främja det du beskriver som AI-förstärkt leverans för företag. Vilken lucka på marknaden försökte du lösa, och hur skiljer sig plattformen från de växande antalet AI-utvecklingsverktyg som redan finns tillgängliga?

Vi såg en tydlig lucka på marknaden. Företag har tillgång till ett ökande antal AI-verktyg, men många saknar en sammanhållen och styrd leveransplattform som bringar dessa förmågor samman.

De flesta AI-lösningar fokuserar på isolerade aktiviteter som kodningshjälp eller testautomatisering. De adresserar inte leveransorchestrering, företagsstyrning eller livscykelintegration. Som ett resultat kämpar organisationer ofta för att skala AI-användning bortom enskilda användningsfall.

Flezi Foundry utvecklades för att lösa den utmaningen. Den fungerar som en enhetlig människa-agent-samarbetsplattform som integrerar AI över hela programvaru- och IT-livscykeln samtidigt som den upprätthåller styrning, spårbarhet och anpassning till affärsresultat. I den meningen är det inte bara ett till AI-verktyg, utan en operativ nivå för AI-förstärkt leverans.

FPT beskriver Flezi Foundry som en styrd människa-agent-samarbetsplattform. Vad innebär styrning i praktiken när AI-agenter deltar i planering, kodning, testning, säkerhetsgranskning och IT-drift?

Styrning innebär att varje AI-åtgärd är synlig, kontrollerad och granskbar.

I praktiken fungerar AI-agenter inom definierade policys som omfattar säkerhetskrav, regelefterlevnad och kodningsstandarder. Deras åtgärder loggas, är spårbara och kan hänföras, medan mänsklig tillsyn förblir inbäddad vid kritiska beslutspunkter. Dataåtkomst hanteras genom etablerade identitets- och behörighetskontroller för att säkerställa att agenter bara interagerar med auktoriserad information.

Det viktigaste är att styrning byggs direkt in i genomförandet snarare än att läggas till efteråt. Detta tillåter organisationer att skala AI-användning samtidigt som de upprätthåller förtroende, transparens och operativ kontroll.

En av de största bekymren företag har är ansvar. Om en AI-agent introducerar en säkerhetsrisk, distributionsproblem eller operativt fel, hur bör ansvar tilldelas mellan AI-systemet, mänskliga handledare och tjänsteleverantörer?

AI tar inte bort ansvar; det omfördelar det inom ett kontrollerat ramverk.

AI-agenter utför uppgifter inom definierade parametrar, men ansvar kvarstår hos de människor och organisationer som utformar, övervakar och styr dessa system. Mänskliga handledare tillhandahåller tillsyn och validering, medan tjänsteleverantörer är ansvariga för arkitektur, kontroller och styrningsmekanismer som vägleder agentbeteende.

Den viktigaste faktorn är att upprätthålla fullständig spårbarhet. Varje åtgärd bör vara tilldelbar och granskbar så att organisationer kan bevara förtroende, upprätthålla kontroll och tydligt förstå hur beslut fattades.

Flezi Foundry introducerar begreppet Agentic Development Lifecycle (ADLC). Hur skiljer sig detta från traditionell Agile, DevOps eller plattformsutveckling som företag redan använder idag?

Agile och DevOps utvecklades för att optimera mänskligt samarbete och automatisera leveranspipeliner. Agentic Development Lifecycle, eller ADLC, introducerar en grundläggande annan komponent: AI-agenter som aktiva deltagare i hela livscykeln.

I stället för att bara stödja utvecklare, samarbetar agenter med människor för att utföra uppgifter, resonera genom problem och bidra till beslutsfattande. Kontinuerlig resonemang ersätter statiska arbetsflöden, medan intelligenta feedback-loopar driver pågående optimering.

En enkel väg att tänka på det är att Agile fokuserar på iterativ leverans, DevOps fokuserar på automatiserade pipeliner och ADLC fokuserar på adaptiva människa-agent-leveranssystem.

Många organisationer experimenterar med AI-agenter, men få har etablerat ramverk för att mäta deras prestation. Vilka mått tror du att företag bör använda för att utvärdera AI-agenter som en del av sin programvaruleveransarbetsstyrka?

Organisationer bör alltmer betrakta AI-agenter som en del av arbetsstyrkan och mäta dem därefter.

Traditionella produktivitetsmått förblir viktiga, inklusive leveranshastighet (uppgiftsfyllnadsfart) och minskning av manuellt arbete. Organisationer bör dock också utvärdera kvalitetsindikatorer som defektrater, omgöringsnivåer, noggrannhet, tillförlitlighet och regelefterlevnad.

Till slut är målet inte bara högre produktivitet. Den riktiga måttstocken för framgång är om AI-agenter förbättrar förutsägbarheten, kvaliteten och skalbarheten hos resultaten.

Flezi Foundry introducerar resultatbaserade prismodeller kopplade till leveranshastighet och service-nivåmål. Ser du detta som början på en bredare skiftning bort från traditionella FTE-baserade outsourcing- och personalutökningmodeller?

Ja, vi tror att en betydande skiftning redan är på gång.

Traditionella FTE-baserade modeller byggdes kring antagandet att ansträngning är den primära drivkraften för värde. I AI-förstärkta leveransmiljöer blir det antagandet alltmer föråldrat eftersom intelligenta agenter kan förändra hur arbetet utförs.

Som ett resultat representerar resultatbaserade modeller kopplade till leveranshastighet, service-nivåmål och mätbara affärsresultat en mer naturlig passform. Flezi Foundry stöder denna utveckling genom att göra leveransprestanda mer transparent, mätbar och förutsägbar.

När företag alltmer distribuerar AI-agenter över programvaruutveckling och IT-drift, hur ser du att rollen för programvaruutvecklare utvecklas under de närmaste fem åren?

Programvaruutvecklare kommer att utvecklas snarare än försvinna.

När AI tar på sig en större andel av implementeringsaktiviteterna kommer utvecklare att fokusera alltmer på högvärdiga ansvar som systemdesign, arkitektur, agentorkestrering, styrning, kvalitetssäkring och affärsproblemlösning.

Den framtida rollen för utvecklaren kommer att vara mindre om att skriva varje rad kod och mer om att utforma system, guida intelligenta agenter och säkerställa att tekniska resultat motsvarar affärsmål.

När vi ser framåt, vad ser en mogen människa-agent-företagsteknologiorganisation ut som? Om vi återbesöker detta samtal 2030, vilka aspekter av programvaruleverans och IT-drift tror du kommer att vara fundamentalt annorlunda jämfört med idag?

2030 tror jag att ledande organisationer kommer att fungera som sanna människa-agent-ekosystem.

AI-agenter kommer att vara inbäddade i leverans- och driftsprocesser, möjliggörande kontinuerlig genomförande, realtidsoptimering och snabbare anpassning till förändrade affärsbehov. Starka styrningsramverk kommer att säkerställa förtroende, ansvar och regelefterlevnad, medan resultatbaserade prestandamodeller blir den standardiserade metoden för organisationer att mäta värde.

Programvaruleverans och IT-drift kommer att vara betydligt snabbare, mer anpassningsbara och mer förutsägbara än de är idag. Samtalet kommer inte längre att handla om huruvida organisationer bör anta AI-agenter. I stället kommer differentieringen att vara hur effektivt de orkestrerar människor och agenter tillsammans i stor skala.

Tack för den underbara intervjun, läsare som vill lära sig mer kan besöka FPT Software.