Девід ДеСанто, генеральний директор Anaconda – Серія інтерв’ю

Девід ДеСанто є генеральним директором компанії Anaconda, де він очолює місію компанії з надання можливостей світовим спільнотам даних науки та штучного інтелекту через інновації відкритого джерела та безпечні корпоративні рішення. Як досвідчений виконавець продукції та технологій, Девід має понад два десятиліття досвіду у сфері кібербезпеки, платформ розробників та корпоративного програмного забезпечення.

Останнім часом Девід обіймав посаду головного виконавчого директора з продукції у компанії GitLab, де він очолював глобальну організацію продукції у доставці комплексної, штучно-інтелектуальної платформи DevSecOps з більш ніж 50 мільйонами зареєстрованих користувачів по всьому світу. Під час свого шестирічного перебування у компанії він допоміг перетворити GitLab з високорослого стартапу у публічну, індустріально-визначену лідерку категорії платформи DevOps.

Anaconda є провідною відкритою платформою для даних науки, машинного навчання та штучного інтелекту, побудованою навколо мови програмування Python та широко використовуваною як окремими розробниками, так і великими підприємствами. Спочатку запущена у 2012 році, вона забезпечує комплексне середовище, яке включає інструменти для кодування, управління пакетами через Conda, та доступ до тисяч попередньо побудованих бібліотек, таких як NumPy, pandas та TensorFlow, що дозволяє користувачам ефективно розробляти, тестувати та розгортати моделі штучного інтелекту.

З часом Anaconda еволюціонувала у повноцінну корпоративну платформу штучного інтелекту, яка допомагає організаціям керувати цілим життєвим циклом штучного інтелекту – від пошуку та забезпечення відкритих пакетів до побудови, управління та розгортання застосунків у хмарі та локальних середовищах. З десятками мільйонів користувачів та прийняттям у великому відсотку компаній Fortune 500, вона стала основним шаром для сучасної розробки штучного інтелекту, підкреслюючи інновації відкритого джерела, масштабованість та безпечні, репродуктивні робочі процеси.

Ви провели майже шість років у GitLab, понад три роки як головний виконавчий директор з продукції, допомагаючи масштабувати штучно-інтелектуальну платформу DevSecOps до десятків мільйонів користувачів. Як цей досвід сформував ваші пріоритети тепер як генерального директора Anaconda, і що відчувається фундаментально інакше про керівництво компанією порівняно з керівництвом продукції?

Мій час у GitLab真正 підкреслив кілька принципів, які тепер центральні для того, як я підходжу до Anaconda. По-перше, це відповідальний рост – масштабування команд, продукції та доходів таким чином, щоб вони були тривкими. У GitLab ми виросли до обслуговування десятків мільйонів користувачів, і побачивши, як GitLab Ultimate становила понад половину доходів компанії, продемонструвало, наскільки важливо співвідносити вартість продукції з довгостроковим бізнес-імпактом.

По-друге, це спосіб мислення результатів та ефективності над процесом та структурою. Це нормально випустити щось, що достатньо хорошого та показує напрямок, щоб запустити колесо зворотного зв’язку клієнтів. Доставляння справжньої вартості швидко є важливим, але вам все одно потрібно бути роздумливим щодо того, як ви масштабуєтеся. Це тісно пов’язано з третім стовпом: клієнтською одержимістю та зустрічами з користувачами там, де вони є. Я провів свою кар’єру, будуючи інструменти розробників та безпеки, і як колишній розробник сам, я знаю, наскільки добре (або погано) інструментування може вплинути на продуктивність та задоволеність.

І, нарешті, прозорість з метою. Цінність Anaconda дозволила всім сторонам брати участь та співпрацювати у поліпшенні компанії та її пропозицій. Я期待ую подальше будівництво цієї цінності, щоб забезпечити, що ми надаємо нашій спільноті те, що їм потрібно для успіху.

Як генеральний директор, ви відповідаєте за всю систему – стратегію, культуру, операції та результати. Я все ще глибоко пов’язаний з продукцією, але я думаю ширше та довше. Мені потрібно забезпечити, щоб компанія росла відповідально, підтримувала своїх людей та доставляла вартість клієнтам у кожному вимірі бізнесу. Це ті принципи, які я маю намір продовжувати будувати тут.

Що мотивувало вас особисто зайняти посаду генерального директора у Anaconda, і що переконало вас, що це правильна платформа для будівництва наступного розділу корпоративного штучного інтелекту?

Я кажу всім, що було чотири причини, через які я був радий приєднатися до Anaconda як генеральний директор. По-перше, технологія. Як розробник, я був знайомий з Anaconda вже давно. Я знаю, наскільки вона потужна та може бути. Платформа вже забезпечує так багато, і фундамент, який побудувала команда, дасть нам можливість сформувати, що відбувається далі у штучно-інтелектуальній ері!

По-друге, спільнота. Я глибоко вірю у силу відкритої спільноти. Дуже мало компаній мають спільноту такої широкої та залученої, як Anaconda.

По-третє, люди. Це рідко знайти такий рівень лідерства в одному місці. Виконавча команда є винятковою, а їхня пристрасть є справжньою. Ми будемо майбутнє з відкритим джерелом та штучним інтелектом, і бути частиною чогось такого значимого та впливового має нас усіх справжньо радих.

І, нарешті, можливість. Це те, що в кінцевому підсумку зробило рішення для мене. Anaconda знаходиться в центрі того, щоб зробити штучний інтелект більш доступним, допомагаючи підприємствам будувати, забезпечувати, розгортати та контролювати штучний інтелект у масштабі. Коли ви поєднуєте технологію світового класу, живу спільноту та команду, як ця, ви отримуєте рідку можливість сформувати, як штучний інтелект та дані науки будуються та використовуються. Це те, що привабило мене.

Відкрите джерело забезпечує більшість сучасної розробки штучного інтелекту, проте багато підприємств все ще борються з довірою до нього у масштабі. Чому ви вважаєте, що відкрите джерело залишається найпотужнішою основою для штучного інтелекту, і де ви думаєте, що воно найбільш недорозуміється?

Є спільне недорозуміння, що найбезпечніший код – це код, який прихований, оскільки тільки вибрані люди можуть його бачити. Це як страус, який ховає голову у пісок, щоб сховатися. Відкрите джерело програмного забезпечення є протилежним цьому. Відкрите джерело прозоре, запрошує всіх до внеску та забезпечує організаціям по всьому світу вищу кількість очей, щоб забезпечити, що код є безпечним та працює так, як очікується.

Ми не бачили технології, яка швидко дозріває, як штучний інтелект. Для того, щоб штучний інтелект продовжував свою прискорення, вам потрібно сучасний код, який рухається так швидко, як це можливо. Відкрите джерело робить це, тому воно є основою для сучасної розробки штучного інтелекту.

У Anaconda ми спираємося на це. Наша основна здатність та екосистема Python є відкритими, оскільки це найкращий спосіб для команд почати та інновувати швидко. На вершині цього ми шарами корпоративні можливості, забезпечуючи організаціям управління, безпеку та надійність, необхідні для використання відкритого джерела у масштабі.

Відсоток невдач штучного інтелекту у підприємствах залишається високим, особливо з пілотними проектами генеративного штучного інтелекту. З вашої точки зору, які є основні причини цих ініціатив, які застряють, і як можуть інфраструктурні рішення зробити або зламати довгостроковий успіх?

Багато організацій провели пілотні проекти. Деякі мають солідні проекти доказу концепції, а інші мають кілька внутрішньо побудованих інструментів, які真正 зберігають час для їхніх команд. Але дуже мало з них перейшли штучний інтелект у справжню продукцію, яка працює по всьому бізнесу. Є велика різниця між “ми експериментуємо” та “це те, як ми працюємо тепер”. Це розрив, де більшість компаній застряли – і це не тому, що технологія не працює.

Демонстрація майже завжди виглядає добре, але проблема з’являється, коли ви спробуєте відтворити демонстрацію у масштабі підприємства. Раптом ви маєте справу з питаннями управління даними, проблемами безпеки, питаннями надійності та фундаментальною проблемою довіри: Чи буде ця програма працювати надійно та збереже наші дані у безпеці? Ці питання не з’являються у демонстрації та тому стають післядумом для компаній.

Бар’єр до успіху штучного інтелекту не є здатністю, а інфраструктурою та зрілістю процесу. Організації, які вибираються вперед, очолюються тими, хто обирає інвестувати у сучасні основи, де довіра та швидкість співіснують та де вбудована безпека та управління прискорюють, а не перешкоджають. Фрагментовані інструментальні ланцюги та середовища змушують вас вибирати між ними, але сучасна, уніфікована інфраструктура та сучасні процеси штучного інтелекту дозволяють вам мати обидва. Сьогодні видалення瓶頸 створює ваш конкурентний край. Це не тільки технічна амбіція; це бізнес-імператив конкурентоспроможності та виживання на сучасному ринку. Успіх буде збільшений тими, хто інвестує у безпеку та управління з основи.

Ви керували командами у сфері кібербезпеки, продукції та платформ розробників. Як ви привносите безпечний спосіб мислення у стратегію Anaconda щодо управління залежностями, репродуктивності середовища та ризику ланцюга постачання?

Мій шлях до безпеки почався у сфері охорони здоров’я, де я побачив точно те, що вважалося “безпечним” на той час. Я повністю занурився у безпеку, і вона стала моєю пристрастю. Коли робочі навантаження штучного інтелекту, моделі, агенти та інтеграції стають більш складними, безпечні ризики множаться швидше, ніж управління може впоратися. І навіть коли ризики безпеки керуються, середовище самі стають перешкодою.

Безпека та відповідність вимогам штучного інтелекту є складними, особливо отримання справжньої видимості ризику під час розробки та виробництва. Це те місце, де ми зосереджені. Ми будемо будувати глибші безпечні можливості у середовищі управління, додаткове управління навколо пакетів штучного інтелекту поза екосистемою Python та допомогу у зменшенні ризику з моделями штучного інтелекту через безпечне сканування їхньої позиції. Мета проста: допомогти організаціям рухатися швидше з штучним інтелектом, зберігаючи видимість, приватність та стійкість, необхідні для довіри до нього у масштабі.

Є зростаюча скептичність щодо ROI штучного інтелекту, поряд з хвилею експериментів та кодування настрою. Як ви відрізняєте продуктивні експерименти та корпоративні системи штучного інтелекту, які真正 доставляють вимірювану вартість?

Цього року може бути першим випадком, коли ROI штучного інтелекту вимірюється добре. Кожен у галузі вважає “ефектність” як збережений час, проте це не найкращий верхній KPI. Організації, які витрачають час на створення спеціальних KPI, безпосередньо пов’язаних з тим, що є найбільш важливим для них, матимуть кращі результати. Це може бути зменшений час у кодовому огляді для вашої команди розробників або якість генерації лідів для вашої команди go-to-market. Час сам по собі та вимірювання споживання токенів не прямо сигналізують про ефектність.

Anaconda знаходиться в центрі розробки штучного інтелекту на основі Python. Як ви бачите роль середовищ Python, що еволюціонує, коли організації переходять від експериментів до повністю керованих систем штучного інтелекту у масштабі виробництва?

Python є провідною мовою для штучного інтелекту, і хоча я не очікую, що це зміниться в найближчому майбутньому, мови завжди коливаються у популярності. Організації потребують інструментів, які еволюціонують та вирішують основні питання продуктивності та масштабованості, забезпечуючи штучний інтелект агентів для створення корпоративних програм та послуг. Я очікую, що організації почнуть інвестувати у універсальні будівельні блоки, які прискорюють вартість штучного інтелекту та його прийняття. Це те, що найкраще позиціонує їх для навігації у постійно змінюваному лексиконі мов програмування, які забезпечують інфраструктурний шар штучного інтелекту.

Ви працювали близько з регульованими галузями та підприємствами, що усвідомлюють безпеку, у минулому. Що таке корпоративне управління штучим інтелектом у практиці, поза політичними документами та переліком відповідності?

Корпоративний штучний інтелект та штучно-інтелектуальні програми є чимось зовсім іншим, ніж традиційна розробка програмного забезпечення. Коли ви ставите штучний інтелект до традиційної розробки, ви закінчуєте зламаною безпекою та управлінням, що зупиняє інновації. Корпоративний штучний інтелект потребує штучно-інтелектуальних принципів розробки, де модель штучного інтелекту є основним компонентом, який керує версіонуванням та все інше навколо нього є вторинним.

Управління штучним інтелектом є різницею між успішним масштабуванням та зупинкою. Корпоративне управління штучним інтелектом відбувається, коли відповідальні штучно-інтелектуальні принципи перекладаються у здійсненні платформних контролю, чіткої відповідальності та безперервної слідовості та походження усіх компонентів штучного інтелекту. Це виходить за межі політики та переліку, які працювали у практиках DevOps.

З недавнім фінансуванням Anaconda та корпоративним поштовхом, які є вашими найближчими пріоритетами зростання, і де ви інвестуєте найбільш агресивно протягом наступних 12-18 місяців?

Наша мета ясна: Anaconda буде корпоративною платформою штучного інтелекту для будівництва, забезпечення та розгортання штучно-інтелектуальних програм та послуг. Наші клієнти продовжують змінюватися, щоб задовольнити їхні потреби, і ми змінюємося з ними. Це чому ми не тільки інструментом даних науки, а комплексною платформою для корпоративного штучного інтелекту. Кожна інвестиція, чи то у продукцію, партнерства чи M&A, буде оцінена за однією питання: “Чи це рухає нас ближче до того, щоб бути платформою, якої підприємства потребують для успіху у новому світі штучного інтелекту?” Ми є компанією, одержимою клієнтами, і все, що ми робимо, робимо для наших клієнтів.

Як той, хто допоміг масштабувати публічну платформу розробників, які уроки ви вивчили про будівництво для практиків, а також обслуговування CTO, CIO та керівників штучного інтелекту на виконавчому рівні?

Успіх завжди повертається до клієнта та підтримки результатів, яких вони намагаються досягти. Це звучить просто, проте легко для команд загубитися у внутрішніх метриках (скільки годин пішло на проект, чи запуск відповідає попередньо визначеним цілям) замість того, щоб поставити більш важливе питання: Чи це真正 робить наших клієнтів більш успішними? Лідери можуть сказати, що потрібен новий продукт, проте насправді це може бути просто доопрацювання того, що у вас вже є (наприклад, зробити продукт більш користувальницьким), а потім ви отримуєте результат, якого ви шукали. Якщо клієнти щасливі та успішні, то ми всі щасливі та успішні.

Дякую за велике інтерв’ю, читачам, які бажають дізнатися більше, слід відвідати Anaconda.