Holly Grant, SVP, Strategi & Innovation, DXC Technology – Intervju-serie

Holly Grant, SVP, Strategi & Innovation på DXC Technology, är en teknisk och operativ chef med djup erfarenhet som omfattar företags AI-strategi, fintech, startup-ledning och operativ transformation. På DXC hjälper hon till att forma företagets AI-första innovationsinitiativ, inklusive företagsomfattande AI-orchestrering, rådgivningstjänster och produktinkubationsinsatser som är utformade för att hjälpa organisationer att gå från experimentella AI-piloter till operativ distribution. Innan DXC hade hon flera ledande roller på Long-Term Stock Exchange (LTSE), där hon slutligen tjänstgjorde som Chief Operating Officer, där hon fokuserade på operativ skalning och strategisk tillväxt inom fintech-sektorn.

DXC Technology är ett globalt IT-tjänst- och konsultföretag som fokuserar på att hjälpa företag modernisera kritiska system över molntjänster, cybersäkerhet, artificiell intelligens, datainfrastruktur och företagsoperationer. Företaget bildades genom en sammanslagning av Computer Sciences Corporation och Hewlett Packard Enterprises Enterprise Services-avdelning och arbetar med organisationer över olika branscher, inklusive hälsovård, bank, tillverkning, försäkring och regering. På senare tid har DXC alltmer fokuserat på AI-nativ företagstransformation och erbjuder tjänster som integrerar generativ AI, intelligent automatisering, observerbarhet, digitala tvillingar och storskalig IT-modernisering i komplexa företagsmiljöer. Företaget betonar också “AI-första” operativa modeller som är utformade för att hjälpa företag att distribuera AI på ett säkert sätt inom befintliga strukturer snarare än att ersätta äldre system helt och hållet.

Du har byggt en karriär vid skärningspunkten mellan strategi, operationer och innovation – från att skala organisationer tidigare i din karriär till att nu leda Strategi & Innovation på DXC. Hur har dessa erfarenheter format din tillvägagångssätt för att lansera LabX och designa en AI-inkubationsmiljö som fokuserar på verklig affekt?

Min karriär har tagit mig över familjekontor, startups, riskkapital och nu ett Fortune 500-företag mitt i en omvandling. Vad jag har sett över alla dessa miljöer är att idéer inte landar på egen hand. De som faktiskt skapar värde tenderar att dela tre saker: en riktig kund som drar åt samma håll, rätt ögonblick på marknaden och en omfattning som är tydlig och lämpligt smal. Missa någon av dessa och även en briljant idé stannar av.

Den mönstret har format hur jag tänkte om LabX. Du behöver en teori om vinst – en riktig strategi – men du behöver också den operativa muskeln för att förverkliga den, och disciplinen att anpassa dig när du lär dig och förhållandena förändras. Strategi utan genomförande är en presentation. Genomförande utan strategi är rörelse utan framsteg. LabX är utformat för att hålla båda samtidigt.

Under vår VD Raul Fernandez ledning har DXC lagt AI-kompetens och innovation i centrum för vår omvandlingsstrategi. LabX är hur vi översätter den övertygelsen till produkter, kapaciteter och kundresultat – tillräckligt snabbt för att ha betydelse.

Många företag experimenterar med AI men har svårt att gå från piloter till produktion. Utifrån vad du ser på DXC, vad är de största hindren som förhindrar organisationer från att skala AI bortom bevis-på-koncept-projekt?

Två hinder dyker upp igen och igen, och ingen av dem handlar om tekniken.

Det första är förändringshantering. AI förändrar hur människor arbetar, vad de är ansvariga för och hur beslut fattas. Om du inte tar med dig din arbetsstyrka, kommer den mest eleganta modellen i världen att stå outnyttjad. Det andra är att företag börjar skala AI utan att förändra den underliggande operativa modellen. De fäster intelligens på ett specifikt system eller program så att en användare kan använda det, men resten av teamet kan inte. AI är en horisontell intelligens – den skapar mest värde när den kan flytta över funktioner, data och arbetsflöden. När den operativa modellen inte förändras, blir värdet instängt lokalt istället för att föröka sig över hela företaget.

Så piloten fungerar, alla firar, och ingenting skalar egentligen. Det är mönstret vi försöker bryta på LabX genom att designa för företagsomfattande låsningar från dag ett.

LabX fungerar på en snabb koncept-till-MVP-cykel på cirka 90 dagar eller mindre. Vilka förändringar i sinnesstämning, styrning eller utvecklingsprocesser krävs för stora företag för att flytta i den här takten?

Den största förändringen i sinnesstämning är att vara villig att fatta beslut tidigare med mindre perfekt information – och disciplinen att skära bort vad som inte fungerar. Stora företag blir bekväma med långa planeringscykler eftersom de känns säkra. De är inte. I en marknad som rör sig så snabbt är ett långsamt “ja” och ett långsamt “nej” båda dyra.

Inom LabX tilldelar vi en liten triad – design, produkt och teknik – för att köra en sprint mot ett riktigt kundproblem. De bygger en minimum viable produkt, testar den för värde och skala, och vi examinerar idéer som visar kommersiellt löfte inom 90 dagar. Vad som gör den här takten möjlig är inte avsaknaden av styrning, utan närvaron av rätt styrning. Säkerhet, sekretess, regelefterlevnad och ansvarsfull AI-godkännande är inbyggt i processen från dag ett, inte fäst på slutet. Varje produkt går genom en formell styrningsgranskning innan den skalar.

För de flesta företag kräver det här takten ett skyddat utrymme där det är legitimt att flytta på det här sättet – utan att tvinga varje experiment genom samma cykel tid som ett flerårigt plattformsbygge. Det är vad LabX är för oss.

DXC beskriver LabX som ett sätt att validera högpotentiella AI-koncept med kunder innan de skalar dem. Hur hjälper det här “Kund Noll”-tillvägagångssättet till att säkerställa att AI-lösningarna är grundade i verkliga operativa behov snarare än teoretiska användningsfall?

Kund Noll är, ärligt talat, vår fördel. Innan en LabX-produkt någonsin går till marknaden, måste den överleva inom DXC först. Vi hanterar 115 000 anställda över 70 länder, reglerade branscher, komplexa kundkontrakt, äldre system och verkliga operativa insatser. Det är inte en sanerad demo-miljö – det är företagsverklighet.

Ett traditionellt startup kan flytta snabbt, men de kan inte enkelt replikera den upplevda erfarenheten av att operera inom den här komplexiteten. När vi testar en produkt på oss själva först, hittar vi de platser där den bryter på riktiga data, riktiga arbetsflöden och riktiga regulatoriska begränsningar – saker som skulle ha dykt upp i en kundmiljö sex månader senare. När vi tar en erbjudande till en kund, pitchar vi inte en teori. Vi kan säga: “Här är vad den gjorde i våra egna operationer, här är vad vi ändrade, här är vad vi mätte.”

Det håller oss också ärliga. Om en produkt inte kan bevisa sig internt, examinerar den inte. Det är en högre tröskel än att säga “det fungerade i en demo”.

Företagsmiljöer är ofta fyllda med äldre system, fragmenterad data och regulatoriska begränsningar. Hur designar du AI-arbetsflöden som kan fungera effektivt inom den här verkliga komplexiteten?

Vi börjar med antagandet att miljön är komplex – det är baslinjen, inte undantaget.

Arkitektoniskt arbetar vi med en dekomponerbar approach till våra plattformar. De ledande AI-verktygen förändras månadsvis, inte årsvis. Om du hårdkodar dig till en enskild modell, leverantör eller ramverk, satsar du på att dagens ledare fortfarande kommer att vara ledare om 18 månader. Det är en dålig satsning. En dekomponerbar arkitektur låter oss byta komponenter när fronten flyttar, stanna flytande med vad som faktiskt är bäst-i-klassen och stress-testa verktyg mot riktiga kundutmaningar snarare än leverantörsreklam.

På den regulatoriska och datarelaterade sidan är regelefterlevnad utformad från dag ett. Varje produkt går genom en styrningsgranskning, och ansvarsfull AI-godkännande är en del av processen, inte en eftertanke. Att operera i högt reglerade branscher över 70 länder tvingar den disciplinen på oss – vilket visar sig vara en funktion, inte en bugg, när vi tar produkter till kunder med samma begränsningar.

Traditionell IT-konsultverksamhet byggde på långa planeringscykler och rigida implementeringsramverk. När AI utvecklas snabbare än vad dessa cyklar kan hantera, hur måste konsultmodellerna förändras?

Det ärliga svaret är att hela modellen måste skifta, men om jag måste välja navet, är det värdepropositionen. Branschen har tillbringat decennier med att sälja leveranser – presentationer, vägkartor, implementeringsplaner – och fått betalt för ansträngning. I en AI-nativ värld vill kunderna inte en leverans. De vill ha ett resultat. De vill att arbetsflödet ska faktiskt fungera, att kostnaden ska faktiskt minska, att intäkterna ska faktiskt dyka upp.

När du åtar dig att sälja resultat, måste allt annat förändras för att stödja det. Teamets sammansättning blir mer teknisk. Engagemang flyttar från råd och lämna till bygga och driva. Prissättning skiftar bort från timmar. De som utför arbetet måste vara lika bekväma med att skicka kod som att köra en styrelse.

Det är en stor kulturell förändring för vår bransch, och inte alla kommer att klara det. De företag som gör det kommer att se mycket annorlunda ut om fem år än de gör idag.

LabX fungerar också som en experimentmiljö för anställda och tekniska partners. Hur viktigt är interna experiment när man försöker bygga företagsomfattande AI-kompetens?

Det är hela spelet. Du bygger inte AI-kompetens genom att läsa om AI – du bygger det genom att prova saker, se dem bryta och prova igen. Det är lika sant för en 30-årig IT-proffs som för någon som är två år ut från skolan.

Vi körde nyligen en AI-utmaning inom en av våra affärsenheter och fick över 1 300 unika idéer på två veckor. Det är inte en statistik om ett verktyg – det är en statistik om vad som händer när du ger människor tillåtelse att tänka utanför boxen. Kreativiteten finns redan inom organisationen. Vårt jobb är att skapa utrymmet för den att växa.

LabX kör också ett rotationsprogram: tekniska experter från hela DXC tillbringar sex till tolv veckor inbäddade med oss, byggande riktiga produkter med de senaste AI-verktygen. När de återvänder till sina hemmateam, tar de med sig en ny kompetens och, viktigare, ett annat sätt att tänka. De börjar ställa olika frågor till sina kollegor och kunder. De blir championer för vad som är möjligt. Den ackumulerande effekten över arbetsstyrkan är värd mer än någon enskild produkt vi skickar.

DXC ramverkar sitt tillvägagångssätt som Human+, med betoning på att AI bör expandera mänskliga förmågor snarare än ersätta dem. I praktiska termer, hur påverkar den här filosofin hur AI-lösningar designas och distribueras inom företag?

Jag ska vara direkt: det finns en uppfattning som tar form i branschen att den mest värdefulla sak som företags AI kan göra för ett företag är att minska personalstyrkan. Jag tycker att det är en misslyckad fantasi.

Kostnadskontroll är viktigt, men den riktiga möjligheten är tillväxt: nya intäktsströmmar, nya produkter, nya tjänsteerbjudanden som inte var möjliga tidigare. AI:s högvärdesanvändning är att möjliggöra för människor att göra arbete som skapar nytt affärs-värde, inte bara optimera vad som redan finns. Företagen som får det här rätt kommer att prestera bättre än de som behandlar AI som en ren kostnadsövning.

I praktiken betyder Human+ att vi designar AI för att hantera högvolym, rutinmässiga processer så att våra människor kan fokusera på högvärdesarbete: strategiskt tänkande, kreativt problemlösande, kundrelationer och komplexa bedömningar. Vi håller mänsklig expertis och tillsyn i centrum för varje distribution, särskilt där beslut har verkliga konsekvenser. Det är hur du bygger förtroende med kunder, och det är hur du låser upp varaktig konkurrensfördel.

När organisationer försöker integrera AI i befintliga arbetsflöden, vilka vanliga misstag ser du att de gör som bromsar upp antagande eller begränsar riktigt affärs-värde?

Två misstag ser jag konstant. Det första är att börja med tekniken istället för problemet. Någon blir kär i en modell eller en leverantörsdemo, och initiativet blir att distribuera den saken snarare än att lösa något som faktiskt har betydelse för affären. Det andra är att behandla AI som ett IT-projekt snarare än en affärsomvandling. Om du lämnar AI helt till CIO och ber resten av affären att fortsätta oförändrat, kommer du att få ett verktyg som ingen använder och en budget som ingen vill försvara nästa år.

Motgiftet mot båda är enkelt att säga och svårt att göra: börja med affärsproblemet, sätt rätt tvärfunktionellt team på det – människor, process, teknik – och bygg bakåt från resultatet du försöker skapa. Det är den attityd vi tar på LabX, och det är hur vi arbetar med kunder som Ferrovial, där vi har hjälpt till att distribuera AI Workbench – en generativ AI-erbjudande som kombinerar konsulttjänster, ingenjörskap och säkra företagstjänster, nu utnyttjad av mer än 24 000 anställda med över 30 AI-agenter som fattar verkliga beslut. Den här skalan händer inte om du behandlar det som ett IT-projekt.

Om du ser framåt, hur förväntar du dig att AI-inkubationsmiljöer som LabX kommer att forma hur företag utvecklar, testar och distribuerar nya teknologier under de kommande åren?

Här är vad jag tror kommer att vara uppenbart i efterhand: vinnarna i den här eran kommer inte att vara företagen med de mest imponerande punktlösningarna. De kommer att vara integratörerna – de som kan sy AI över operativa modeller, över funktioner och över arbetsflöden så att intelligensen inte är instängd i ett verktyg eller en användares skärm.

Det är ett svårare problem än att distribuera en modell. Det kräver djup företagskontext, förmåga att arbeta över äldre och moderna system, och disciplin att förändra hur arbetet faktiskt utförs. Det är också möjligheten jag är mest entusiastisk över.

Inkubationsmiljöer som LabX är hur vi får repetitionerna. De är där du lär dig vad som bryter i skala, vad styrning faktiskt ser ut som i praktiken och vad kunder kommer och inte kommer att anta. Företagen som investerar i den här typen av utrymme nu – internt eller genom partners – kommer att ha en annorlunda kapacitetskurva om tre år än de som fortfarande bestämmer sig för om det är värt ansträngningen. Och de av oss som bygger i det här utrymmet kommer att fortsätta hitta nya problem som är värda att lösa, eftersom tekniken inte bromsar och inte heller möjligheten.

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