Holly Grant, SVP, Strateji & İnovasyon, DXC Technology – Röportaj Serisi

Holly Grant, DXC Technology’de Strateji ve İnovasyon Başkan Yardımcısı, derin experiencia sahip bir teknoloji ve operasyon yöneticisidir ve enterprise AI stratejisi, fintech, startup liderliği ve operasyonel dönüşüm konularında uzmanlaşmıştır. DXC’de, şirketin AI-öncelikli inovasyon girişimlerini şekillendirmeye yardımcı oluyor, bunlar arasında kurumsal ölçekli AI orkestrasyonu, danışmanlık hizmetleri ve ürün kuluçka çabaları yer alıyor ve bunlar, organizasyonların deneysel AI pilotlarından operasyonel dağıtıma geçmelerine yardımcı olmak üzere tasarlanmıştır. DXC’den önce, Long-Term Stock Exchange (LTSE)’de multiple liderlik rolleri üstlendi ve sonunda İşletme Başkanı olarak görev yaptı, burada fintech sektöründe operasyonel ölçeklendirme ve stratejik büyüme üzerinde odaklandı.

DXC Technology bir global IT hizmetleri ve danışmanlık şirketidir ve企业lerin bulut bilişim, siber güvenlik, yapay zeka, veri altyapısı ve kurumsal operasyonlar gibi alanlardaki kritik sistemlerini modernleştirmelerine yardımcı olmak üzerine odaklanmıştır. Computer Sciences Corporation ve Hewlett Packard Enterprise’ın Enterprise Services bölümünün birleşmesi sonucu kurulan şirket, sağlık, bankacılık, imalat, sigorta ve hükümet gibi çeşitli endüstrilerdeki organizasyonlarla çalışmaktadır. Son yıllarda DXC, AI-yerli kurumsal dönüşüm etrafında kendisini konumlandırmıştır ve generative AI, akıllı otomasyon, gözlemlenebilirlik, dijital ikizler ve büyük ölçekli IT modernizasyonu gibi hizmetleri komplex kurumsal ortamlara entegre etmektedir. Şirket ayrıca, AI-öncelikli operasyonel modelleri vurgulamaktadır ve bunlar, işletmelerin mevcut altyapı içinde AI’yi güvenle dağıtmalarına yardımcı olmak üzere tasarlanmıştır.

Kariyeriniz strateji, operasyon ve inovasyonun kesişme noktasında şekillendi – önce organizasyonları ölçeklendirme ve şimdi DXC’de Strateji ve İnovasyon’u liderlik etme. Bu deneyimler, LabX’i başlatma yaklaşımınızı ve gerçek dünya iş etkisine odaklanan bir AI kuluçka ortamı tasarlama şeklinizi nasıl etkiledi?

Kariyerim, aile ofisleri, startups, risk sermayesi ve şimdi bir Fortune 500 şirketinde dönüşümün ortasında geçmişime götürdü. Tüm bu ortamlarda gördüğüm şey, fikirlerin kendi başlarına gerçekleşmediğidir. Değer yaratanlar genellikle üç şeyi paylaşırlar: bir müşteri onları destekler, pazarın doğru anı ve net ve uygun dar bir kapsam. Bunlardan herhangi birini kaçırırsanız, даже mükemmel bir fikir de durur.

Bu model, LabX hakkında nasıl düşündüğümü şekillendirdi. Bir kazanma teorisi – gerçek bir strateji – neededir, ancak onu hayata geçirmek için operasyonel kas da gerekir ve koşullar değişirken adapte olma disiplini gerekir. Strateji olmadan yürütme bir sunumdur. Yürütme olmadan strateji, ilerleme olmadan harekettir. LabX, her ikisini aynı anda tutmak üzere tasarlanmıştır.

CEO’muz Raul Fernandez’in liderliğinde, DXC, AI yetkinliği ve inovasyonu dönüşüm stratejimizin merkezine koymuştur. LabX, bu iknağın ürünler, yetenekler ve müşteri sonuçlarına nasıl tercüme edildiğinin bir yoludur – önemli olmak için yeterince hızlı.

Çok sayıda işletme AI ile deneysel çalışmalar yapıyor, ancak pilotlardan üretime geçişte zorluk yaşıyor. DXC’den gördüğünüz şey, organizasyonların AI’yi proof-of-concept projelerinden öteye ölçeklendirme engelleyen en büyük engeller nelerdir?

İki engel sürekli olarak ortaya çıkıyor ve ikisi de aslında teknoloji ile ilgili değil.

İlki, değişim yönetimi. AI, insanların nasıl çalıştığını, neye hesap vereceklerini ve kararların nasıl alındığını değiştirir. İş gücünüzü beraberinde getirmezseniz, dünyanın en elegant modeli kullanılmaz durumda kalır. İkincisi, şirketler AI’yi ölçeklendirirken altta yatan işletme modelini değiştirmiyorlar. Bir kullanıcı için bir sistemi veya uygulamaya zeka ekliyorlar, ancak geri kalan takım bunu kullanamıyor. AI, yatay bir zekadır – değer yaratmak için fonksiyonlar, veriler ve iş akışları boyunca hareket edebilmesi gerekir. İşletme modeli değişmezse, bu değer yerel olarak hapsolur ve kurumsal düzeyde birikemez.

Bu nedenle, LabX’de, günden itibaren kurumsal çapta kilitleme için tasarlıyoruz.

LabX, yaklaşık 90 günden az bir sürede kavramdan minimum viable ürüne (MVP) bir döngüye sahiptir. Büyük işletmelerin bu hızda hareket etmesi için gereken zihniyet, yönetim veya geliştirme süreçlerindeki değişiklikler nelerdir?

En büyük zihniyet değişikliği, daha az mükemmel bilgi ile daha erken karar vermeye istekli olmak ve çalışmayan şeyi kesme disiplinidir. Büyük işletmeler, uzun planlama döngüleri ile rahatlarlar, çünkü güvende hissederler. Ancak bu, hızlı bir “evet” ve yavaş bir “hayır”ın her ikisinin de pahalı olduğu bir pazarda değildir.

LabX içinde, bir müşteri problemine karşı koşan bir sprint için küçük bir triad – tasarım, ürün ve mühendislik – atıyoruz. Minimum viable ürün oluşturuyorlar, değer ve ölçek için test ediyorlar ve ticari vaat gösteren fikirleri 90 günde mezun ediyoruz. Bu hızı mümkün kılan, gözetimin yokluğu değil, doğru gözetimin varlığıdır. Güvenlik, gizlilik, uyumluluk ve sorumlu AI onayları, günün birinde süreçlere dahil ediliyor, sonuna değil. Her ürün, ölçeklenmeden önce resmi bir yönetim gözden geçirmesinden geçer.

Çoğu işletme için, bu tür bir kadansa ulaşmak, her deneyimi aynı döngü süresinden geçen bir multi-yıllık platform yapımından geçirmeye zorlamak yerine, böyle hareket etmenin meşru olduğu bir alanı korumayı gerektirir. İşte LabX’in bizim için anlamı budur.

DXC, LabX’i müşterilerle birlikte yüksek potansiyelli AI kavramlarını doğrulamak için bir yol olarak tanımlar. Bu “Müşteri Sıfır” yaklaşımı, AI çözümlerinin gerçek operasyonel ihtiyaçlar tarafından mı, yoksa teorik kullanım örnekleri tarafından mı yönlendirildiğini garantileyebilir?

Müşteri Sıfır, gerçekten bizim avantajımız. Bir LabX ürünü, piyasaya çıkmeden önce DXC içinde hayatta kalmak zorundadır. 115.000 çalışanı, 70 ülkeyi, düzenlenmiş endüstrileri, karmaşık müşteri sözleşmelerini, miras sistemlerini ve gerçek operasyonel riskleri yönetiyoruz. Bu, bir demo ortamı değil, kurumsal gerçekliktir.

Bir geleneksel startup hızlı hareket edebilir, ancak bu tür bir kompleksite içinde çalışmayı kolayca taklit edemez. Bir ürünü önce kendi içimizde test ettiğimizde, gerçek verilerde, gerçek iş akışlarında ve gerçek düzenleyici kısıtlamalarla nerede kırıldığını buluruz – bunlar, müşteri ortamında altı ay sonra ortaya çıkardı. Bir teklifi müşteriye getirdiğimizde, bir teori sunmuyoruz: “İç operasyonlarımızda neler yaptığını, neler değiştirdiğimizi, neler ölçtüğümüzü” diyebiliriz.

Ayrıca bizi dürüst tutar. Bir ürün içimizde kendini kanıtlamazsa, mezun olmaz. Bu, “demo’da çalıştı” demekten çok daha yüksek bir standarttır.

İşletme ortamları genellikle miras sistemlerle, parçalanmış verilerle ve düzenleyici kısıtlamalarla doludur. AI iş akışlarını, bu gerçek dünya karmaşıklığı içinde etkili bir şekilde çalışacak şekilde nasıl tasarlıyorsunuz?

Temel olarak, ortamın karmaşık olduğu varsayımı ile başlıyoruz – bu, istisna değil, temel kuraldır.

Mimari olarak, platformlarımızda ayrıştırılabilir bir yaklaşım kullanıyoruz. Lider AI araçları aylık olarak değişiyor, yıllık olarak değil. Eğer kendinizi bir modele, satıcıya veya çerçeveye sabitlerseniz, bugünün liderinin 18 ay sonra hala lider olacağına bahse girişiyorsunuz. Bu, kötü bir bahistir. Ayrıştırılabilir bir mimari, ön cephenin hareket ettiği medida bileşenleri değiştirmemize, gerçekten en iyi olanı test etmemize ve gerçek müşteri zorluklarına karşı araçları test etmemize olanak tanır.

Düzenleyici ve veri tarafında, uyumluluk günün birinden itibaren tasarlanır. Her ürün, bir yönetim gözden geçirmesinden geçer ve sorumlu AI onayları, sonradan değil, sürecin bir parçasıdır. Yüksek düzenlenmiş endüstrilerde çalışmak ve 70 ülkeyi kapsamak, bize bu disiplini dayatıyor – bu, müşterilere benzer kısıtlamalarla ürün sunarken bir özellik, değil bir hata.

Geleneksel IT danışmanlığı, uzun planlama döngüleri ve katı uygulama çerçevelerine dayanıyordu. AI daha hızlı geliştiğinde, danışmanlık modellerinin nasıl değişmesi gerekiyor?

Honest cevap, tüm modelin değişmesi gerekiyor, ancak değineceğim anahtar, değer önerisi. Endüstri, yıllarca deliverable’ler sattı – sunumlar, yol haritaları, uygulama planları – ve çabayı ödedi. AI-yerli bir dünyada, müşteriler deliverable istemez, outcome ister. İş akışının gerçekten çalışmasını, maliyetin gerçekten düşmesini, gelirin gerçekten görünmesini ister.

Bir outcome satmaya taahhüt ettiğinizde, her şey bu outcome’u desteklemek için değişir. Takım bileşimi daha teknik hale gelir. Projeler, danışmanlık ve terk etmek yerine, oluşturmak ve işletmek haline gelir. Fiyatlandırma, saat ücretinden uzaklaşır. Çalışanların, kod dağıtmak kadar yönetim kurulu toplantı yönetmek kadar rahat olması gerekir.

Bu, endüstrimiz için büyük bir kültürel değişim ve herkes bunu başaramayacak. Değişen firmalar, beş yıl içinde bugün olduğundan çok farklı görünüyor olacak.

LabX ayrıca, çalışanlar ve teknoloji ortakları için bir deneysel ortam olarak işlev görür. AI yetkinliğini kurumsal düzeyde inşa etmeye çalışırken, iç deneysel çalışma ne kadar önemlidir?

Bu, tüm oyun. AI yetkinliğini, AI hakkında okumakla değil, denemekle, kırılmalarını izlemekle ve tekrar denemekle inşa edersiniz. Bu, 30 yıllık bir IT profesyoneli için olduğu kadar, okuldan iki yıl sonra olan biri için de geçerlidir.

Son olarak, bir AI zorlaması yaptık ve iki haftada 1.300’den fazla benzersiz fikir aldık. Bu, bir araç hakkında bir istatistik değil, insanların düşünce kutusunun dışında düşünmesine izin verdiğinizde neler olduğu hakkında bir istatistiktir. already mevcut olan yaratıcılık. İşimiz, bu yaratıcılığın büyümesi için bir alan yaratmaktır.

LabX ayrıca bir rotasyon programı çalıştırıyor: DXC’deki teknik uzmanlar, altı ila on iki hafta boyunca bizimle birlikte, gerçek ürünler oluşturmak için en son AI araçları ile çalışıyor. Evlerine döndüklerinde, yeni bir beceri seti ve daha da önemlisi, farklı bir düşünce şekli getiriyorlar. İş arkadaşlarına ve müşterilerine farklı sorular soruyorlar. Olanakların ne mümkün olduğunu savunuyorlar. İş gücünde bu bileşik etki, sattığımız herhangi bir üründen daha değerli.

DXC, yaklaşımını İnsan+ olarak tanımlıyor, yani AI’nin insan yeteneklerini genişletmesi, değil değiştirmesi gerekiyor. Bu felsefe, AI çözümlerinin işletmeler içinde nasıl tasarlandığı ve dağıtıldığı konusunda pratikte nasıl bir etkiye sahip?

Doğrudur: Endüstride, işletmeler için en değerli şeyin, AI’nin işgücü azaltımı olduğunu düşünen bir görüş oluşuyor. Bu, hayal gücünün bir başarısızlığı.

Maliyet disiplini önemli, ancak gerçek fırsat büyümedir: yeni gelir akışları, yeni ürünler, yeni hizmet teklifleri – bunlar, AI olmadan mümkün olmayacaktı. AI’nin en değerli kullanım durumu, insanların yeni iş yaratma değerini yaratabilecek şekilde çalışmasını sağlamak, yalnızca mevcut olanı optimize etmek değil. Bunu doğru yapan şirketler, AI’yi salt bir maliyet egzersizi olarak görenlerden daha iyi performans gösterecek.

Pratikte, İnsan+ anlamına gelir ki, AI’yi yüksek hacimli, rutin işlemler için tasarlıyoruz, böylece insanlar daha yüksek değerli işlere odaklanabilsinler: stratejik düşünme, yaratıcı problem çözme, müşteri ilişkileri ve karmaşık yargı çağrıları. Her dağıtımda, özellikle kararların gerçek sonuçları olduğunda, insan uzmanlığını ve gözetimini merkezde tutuyoruz. Müşterilerle güven inşa etmenin ve dayanıklı rekabet avantajı kazanmanın bu şekilde olduğunu düşünüyoruz.

İşletmeler AI’yi mevcut iş akışlarına entegre etmeye çalıştıklarında, AI’yi gerçekten iş değerine dönüştürmekten veya benimsemeyi sınırlamaktan alıkoyan ortak hatalar nelerdir?

Sürekli olarak ortaya çıkan iki hata var. İlki, problem yerine teknoloji ile başlamak. Bir model veya satıcı demo’suna aşık olmak ve girişimin o şeyi dağıtmak yerine gerçekten önemli bir şeyi çözmek hakkında olması. İkincisi, AI’yi bir BT projesi olarak değil, bir iş dönüşümü olarak ele almak. AI’yi tamamen CIO’ya bırakırsanız ve işin geri kalanının değişmeden çalışmasını isterseniz, kullanılmayan bir araç ve savunmak istemediğiniz bir bütçe elde edersiniz.

İki hatanın da panzehiri basittir, ancak zor: İş probleminden başlamak, doğru çapraz fonksiyonel takımı – insan, süreç, teknoloji – üzerine koymak ve yaratmak istediğiniz outcome’a geri doğru inşa etmek. Bu, LabX’de aldığımız tavır ve müşterilerle birlikte çalıştığımız şekildir. Örneğin, Ferrovial ile birlikte, AI Workbench’i – danışmanlık, mühendislik ve güvenli kurumsal hizmetlerin birleştiği bir generative AI teklifini – 24.000’den fazla çalışanın ve 30’dan fazla AI aracının gerçek zamanlı kararlar aldığı bir şekilde dağıtmaya yardımcı olduk. Bu tür bir ölçek, bunu bir BT projesi olarak ele alırsanız gerçekleşmez.

İleriye bakıldığında, LabX gibi AI kuluçka ortamlarının, işletmelerin yeni teknolojileri geliştirme, test etme ve dağıtma şeklini nasıl şekillendireceğini düşünüyorsunuz?

Gelecekte açık olacak şey: bu dönemin kazananları, en şaşırtıcı nokta çözümlerine sahip şirketler olmayacak. Entegratörler – AI’yi işletme modelleri, fonksiyonlar ve iş akışları boyunca birleştirebilenler – olacak. Bu, bir modeli dağıtmaktan daha zor bir problemdir. Derin kurumsal bağlam, miras ve modern sistemler arasında çalışabilme yeteneği ve işin gerçekten nasıl yapıldığını değiştirme disiplini gerektirir. Ayrıca en heyecan verici fırsat.

Kuluçka ortamları gibi LabX, bizim rep’lerimizi aldığımız yer. Bunlar, neyin büyük ölçekte kırıldığını, yönetim gözden geçirmesinin pratikte nasıl göründüğünü ve müşterilerin neyi benimseyip neyi benimsemediğini öğrendiğimiz yer. Bu tür bir alanı şimdi yatırım yapan işletmeler, üç yıl içinde farklı bir yetenek eğrisine sahip olacaklar ve bu alanda inşa eden bizler, teknolojinin yavaşlamadığı ve fırsatın da yavaşlamadığı için, çözülmesi gereken yeni sorunlar bulmaya devam edeceğiz.