Matt Meyers, chef för Lenovos verksamhet för små och medelstora företag i Nordamerika – intervjuserie

Matt Meyers är chef för Lenovos verksamhet för små och medelstora företag i Nordamerika. Där arbetar han med små och medelstora företag som hanterar införandet av AI, cybersäkerhet och de operativa krav som dagens IT ställer. Han har arbetat på Lenovo i mer än ett decennium och har erfarenhet av allt från globala kundrelationer, tjänster och programvara till digitala arbetsplatslösningar och kommersiellt ledarskap. Den utvecklingen har format hans fokus på att hjälpa mindre organisationer att få tillgång till kraftfull och säker teknik som passar deras budgetar och små IT-team. Hans perspektiv kretsar kring praktiska affärsresultat: att hitta användbara AI-tillämpningar, anpassa enheter och tjänster efter medarbetarnas behov och mäta värdet av teknikinvesteringar innan de utökas.

Lenovo är ett globalt teknikföretag med ett utbud som omfattar persondatorer, infrastruktur, programvara, lösningar och tjänster. Företagets erbjudanden omfattar AI-aktiverade datorer, digitala arbetsplatslösningar, säkerhetslösningen ThinkShield och prenumerationsbaserade tjänster genom TruScale. För små och medelstora företag samlar dessa möjligheter enheter, support, säkerhet och livscykelhantering för att förenkla den tekniska verksamheten. I takt med att AI blir en del av vardagliga företagsapplikationer och arbetsflöden utvecklar Lenovo lösningar för enheter, edge och molnmiljöer, vilket ger organisationer olika alternativ för hur de driftsätter och hanterar sin teknik.

Du har arbetat på Lenovo i mer än ett decennium och haft roller inom globala kundrelationer, tjänster och programvara, digitala arbetsplatslösningar och kommersiellt ledarskap, och nu ansvarar du för små och medelstora företag i Nordamerika. Hur har den utvecklingen förändrat ditt sätt att se på de tekniska utmaningar som små och medelstora företag möter jämfört med stora koncerner?

Under hela min karriär på Lenovo har jag märkt att de grundläggande tekniska utmaningarna är anmärkningsvärt lika oavsett företagets storlek. Alla organisationer försöker öka produktiviteten, stärka säkerheten, kontrollera kostnaderna och ta reda på hur de kan använda nya innovationer, som AI, för att skapa konkurrensfördelar.

Det som skiljer små och medelstora företag åt är resurserna. Stora koncerner har ofta särskilda team med fokus på säkerhet, infrastruktur, upphandling, AI och digital omställning. I många små och medelstora företag kan de ansvarsområdena ligga på några få personer, eller till och med en enda person. Det lämnar mycket litet utrymme för komplexitet eller misstag.

Det jag har lärt mig är att små och medelstora företag inte behöver nedskalade versioner av teknik för stora koncerner. De behöver lösningar som är utformade utifrån hur verksamheten faktiskt fungerar. Tekniken måste vara säker, enkel att driftsätta och hantera samt kunna skapa värde snabbt. När vi lyckas med det blir tekniken en möjliggörare för tillväxt i stället för ytterligare en operativ börda som konkurrerar om tid och uppmärksamhet.

Att införa AI kan kännas överväldigande för ett litet eller medelstort företag med ett litet IT-team och begränsad budget. Vilka två eller tre saker bör ett företag ha på plats innan det börjar investera på allvar i AI?

Det största misstaget jag ser organisationer göra är att börja med tekniken i stället för med affärsproblemet.

Det första steget är att identifiera var AI kan ge mätbara resultat. Det kan handla om att minska det administrativa arbetet, förbättra kundbemötandet, hjälpa medarbetare att snabbare hitta information eller effektivisera beslutsfattandet. De mest framgångsrika AI-satsningarna är kopplade till ett tydligt affärsmål.

För det andra behöver ni förstå era data. Organisationer måste ha klart för sig vilken information de har, var den finns, vem som har tillgång till den och vilken information som aldrig bör matas in i offentliga AI-miljöer. Ni behöver inte ha perfekt styrning på plats innan ni sätter igång, men ni behöver en grund att stå på.

För det tredje bör ni definiera hur framgång ska mätas innan ni investerar. Om målet är ökad produktivitet ska ni fastställa ett utgångsläge. Om målet är att minska kostnaderna ska ni förstå vilka kostnader ni har i dag. Ett praktiskt tillvägagångssätt är att börja med avgränsade användningsområden, påvisa värdet och sedan skala upp utifrån resultaten i stället för antaganden.

Var ser du att AI skapar konkret värde i dag hos de små och medelstora företag du arbetar med, och vilka användningsområden har fortfarande fått för höga förväntningar i förhållande till de resultat företagen faktiskt uppnår?

Det tydligaste värdet just nu ligger i den dagliga produktiviteten.

Vi ser organisationer använda AI för att sammanfatta information, skapa och bearbeta innehåll, analysera dokument, ta fram insikter och minska återkommande administrativt arbete. Ingen av uppgifterna kanske verkar omvälvande i sig, men tillsammans ger de betydande effektivitetsvinster i hela organisationen.

På vissa områden ligger förväntningarna ibland före verkligheten, särskilt när det gäller fullständig automatisering. Det finns fortfarande en föreställning om att AI helt kan ersätta komplexa yrkesroller eller affärsprocesser med minimal tillsyn. För de flesta små och medelstora företag är det i dag inte där det största värdet skapas.

De bästa resultaten uppnås när AI används för att stärka medarbetarnas förmåga, undanröja hinder i arbetsflöden och påskynda beslutsfattandet. Den bästa utgångspunkten är fortfarande återkommande uppgifter som utförs ofta, där effekten går att mäta och användningen snabbt kan komma i gång.

Många företag uppmuntras att uppgradera till AI-datorer. Vilka arbetsuppgifter har faktiskt nytta av att AI körs lokalt på enheten, och när räcker det fortfarande med en traditionell dator i kombination med molnbaserad AI?

Det finns inget svar som passar alla, eftersom medarbetare inte arbetar på samma sätt.

AI-datorer ger störst värde för användare som regelbundet förlitar sig på AI-baserade program, transkribering och översättning i realtid, avancerade samarbetsverktyg, arbetsflöden för innehållsskapande eller uppgifter som omfattar känslig information. Lokal AI kan ge snabbare respons, minska beroendet av nätverksanslutning och göra det möjligt att köra vissa AI-funktioner direkt på enheten med hjälp av särskilda beräkningsresurser. För en organisation som vill att viss information ska stanna på enheten kan lokal AI vara användbar, beroende på organisationens säkerhetspolicyer och vilket program som används.

Samtidigt behöver inte alla medarbetare en AI-dator i dag. Medarbetare som främst använder traditionella produktivitetsprogram och ibland molnbaserade AI-tjänster kan även fortsättningsvis få god prestanda från traditionella datorer.

Samtalet bör inte handla om att byta ut datorer bara för att AI-datorer finns tillgängliga. Det bör handla om att matcha rätt teknik med medarbetaren, arbetsuppgifterna och företagets framtida behov. De mest effektiva teknikstrategierna kopplar investeringar till resultat snarare än trender.

Lenovo har breddat sin AI-datorstrategi och erbjuder samtidigt tjänstemodeller för enheter genom TruScale. Hur kan ett mindre företag avgöra om det är mer ekonomiskt och operativt fördelaktigt att köpa och hantera sin egen maskinvara eller gå över till en prenumerationsbaserad modell?

Jag uppmuntrar ledare i små och medelstora företag att utvärdera både den ekonomiska påverkan och de praktiska förutsättningarna för att hantera teknik.

Traditionellt ägande kan vara lämpligt när behoven av enheter är förutsägbara, organisationen har tillgängligt kapital för en initial investering och den har resurser att själv hantera driftsättning, support, livscykelhantering och planering av utbyten.

En modell där enheter tillhandahålls som tjänst kan vara attraktiv när målet är förutsägbara månadskostnader, flexibilitet och minskad operativ belastning. Lösningar som Lenovo TruScale DaaS samlar enheter och livscykeltjänster i en prenumerationsmodell, vilket hjälper organisationer att förenkla driftsättning, support, hantering och avveckling av enheter.

I slutändan handlar frågan inte bara om hur ett företag vill betala för teknik. Frågan är vad företaget vill att medarbetarna ska lägga sin tid på. För många små och medelstora företag ligger det verkliga värdet i att låta de interna teamen fokusera på strategiska prioriteringar som driver tillväxt, i stället för att hantera enheternas livscykler och den dagliga administrationen.

Cybersäkerheten blir allt mer utmanande när medarbetare får tillgång till generativa AI-verktyg och potentiellt kan exponera känsliga företagsuppgifter. Vilka nya säkerhetsrisker bör små och medelstora företag särskilt uppmärksamma när AI blir en del av de dagliga arbetsflödena?

En av de mest omedelbara farhågorna gäller dataexponering.

Medarbetare kan oavsiktligt dela företagshemligheter, kunduppgifter, finansiell information eller immateriella rättigheter via AI-verktyg utan att fullt ut förstå hur informationen lagras, behandlas eller används. Organisationer behöver tydliga policyer för godkända AI-verktyg och hantering av data.

Samtidigt blir cyberhoten mer sofistikerade med hjälp av AI. Nätfiskekampanjer, försök till identitetsförfalskning och social manipulation blir allt mer övertygande och svårare att upptäcka.

Trots dessa nya utmaningar är grundläggande åtgärder fortfarande oerhört viktiga. En robust identitetshantering, multifaktorautentisering, skydd av slutpunkter, regelbunden installation av säkerhetsuppdateringar, säkerhetskopieringsstrategier och utbildning av medarbetare är fortsatt några av de mest effektiva skydd som finns. AI förändrar hotbilden, men inte betydelsen av ett gediget cybersäkerhetsarbete.

Lenovo har utformat ThinkShield-lösningar för organisationer med begränsade interna IT-resurser. Hur stor del av cybersäkerhetsarbetet kan realistiskt sett automatiseras eller läggas ut på externa leverantörer i dag, och vilket säkerhetsansvar bör ett litet eller medelstort företag aldrig helt överlåta till en tredje part?

En betydande del av det dagliga säkerhetsarbetet kan i dag automatiseras eller få stöd av betrodda partner.

Funktioner som övervakning av slutpunkter, hantering av säkerhetsuppdateringar, hotdetektering och incidenthantering kan i allt högre grad tillhandahållas genom automatisering och hanterade tjänster. För små och medelstora företag kan det ge tillgång till funktioner på företagsnivå utan att de behöver team av samma storlek som stora företag.

ThinkShield är ett exempel på hur teknik kan stödja automatisering och hjälpa organisationer att hantera säkerhetskomplexitet. Ansvaret kan dock inte läggas ut på någon annan.

Varje organisation behöver fortfarande förstå vilka data som är mest kritiska, avgöra vem som bör ha tillgång till dem, fastställa policyer, definiera vilken risknivå som är acceptabel och skapa en kultur där säkerhet är allas ansvar. Teknik- och tjänsteleverantörer kan hjälpa till att hantera komplexiteten, men ledningen måste behålla ansvaret för riskhantering, styrning och affärsbeslut.

De starkaste säkerhetsstrategierna bygger på partnerskap, inte på att lämna över ansvaret.

Integrerade tjänster kan minska arbetsbördan för små IT-team, men de kan också öka beroendet av ett fåtal teknikleverantörer. Hur bör små och medelstora företag väga enkelhet och hanterade tjänster mot frågor som flexibilitet, interoperabilitet och leverantörsinlåsning?

För de flesta små och medelstora företag har enkelhet ett verkligt strategiskt värde.

Varje ytterligare leverantör, plattform och hanteringslager ökar komplexiteten. Den tar tid, ökar de löpande kostnaderna för verksamheten och kan avleda begränsade resurser från viktigare prioriteringar.

Med det sagt får enkelhet aldrig ske på bekostnad av flexibilitet. Organisationer bör leta efter lösningar som fungerar väl med deras befintliga miljöer, stöder öppna ekosystem och gör det möjligt för dem att utvecklas när verksamhetens behov förändras.

Jag uppmuntrar alltid ledare att tidigt i processen fråga potentiella teknikpartner om interoperabilitet, portabilitet och flexibilitet. De bästa teknikpartnerskapen skapar valmöjligheter och minskar komplexiteten. De bör inte göra framtida förändringar svårare eller dyrare.

En utmaning med AI är att avgöra avkastningen på investeringen innan man satsar betydande resurser. Vilka mätvärden bör ledare för små och medelstora företag använda för att avgöra om en AI-implementering faktiskt ökar produktiviteten eller minskar kostnaderna, i stället för att bara lägga till ytterligare ett tekniklager?

Den mest effektiva mätmetoden är också den enklaste: koppla resultaten till det ursprungliga verksamhetsmålet.

Om målet är att öka produktiviteten mäter man hur mycket tid som sparas. Om målet är att förbättra kundupplevelsen mäter man svarstider, kundnöjdhet och andelen ärenden som löses. Om målet är att sänka kostnaderna jämför man processen före och efter implementeringen.

Jag skulle också hålla noga koll på hur lösningen används. Den kan vara tekniskt imponerande, men om medarbetarna inte använder den regelbundet eller lägger mycket tid på att korrigera resultaten säger det något viktigt om vilket värde den faktiskt skapar.

För små och medelstora företag behöver beräkningen av avkastningen på investeringen inte vara särskilt komplicerad. Fastställ ett utgångsläge, genomför ett avgränsat pilotprojekt, mät ett fåtal relevanta nyckeltal och skala upp utifrån vad resultaten visar. Om du inte tydligt kan beskriva vad som har förbättrats är det värt att ompröva användningsområdet innan investeringen utökas.

Om vi blickar framåt tre till fem år, hur tror du att AI kommer att förändra teknikstacken hos ett typiskt litet eller medelstort företag, och vilka funktioner som i dag betraktas som företagslösningar tror du kommer att bli vanliga även hos betydligt mindre företag?

Jag tror att AI i allt högre grad kommer att byggas in i den teknik som företag redan använder, i stället för att finnas som en separat kategori verktyg.

Vi kommer att se intelligens integreras i enheter, samarbetsplattformar, affärsapplikationer, operativsystem och säkerhetslösningar, medan arbetsbelastningar flyttas mellan enheter, edge-miljöer och molnmiljöer utifrån krav på prestanda, kostnad och säkerhet.

Det är oerhört betydelsefullt för små och medelstora företag, eftersom funktioner som tidigare krävde omfattande budgetar och stora IT-team blir betydligt mer tillgängliga. Avancerad säkerhetsövervakning, intelligent automatisering, avancerad analys, proaktiv enhetshantering och individanpassat stöd till medarbetare kommer att bli inom räckhåll för fler små och medelstora företag.

I grunden bidrar AI till att demokratisera tillgången till teknik. Ett litet företag ska inte behöva ha samma budget, resurser eller bemanning som ett Fortune 500-företag för att kunna konkurrera effektivt. Under de kommande åren tror jag att skillnaden mellan vad stora företag kan åstadkomma och vad små och medelstora företag kan åstadkomma kommer att fortsätta minska.

Det som verkligen kommer att skilja organisationer åt är inte tillgången till AI, utan hur effektivt de använder tekniken för att stärka medarbetarna, hjälpa kunderna och nå verksamhetsmål.

Tack för en givande intervju. Läsare som vill utforska praktisk användning av AI och säker, lätthanterlig IT för små och medelstora företag kan besöka Lenovo.