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 продукту та технологій, Девід має понад два десятиліття досвіду в галузі кібербезпеки, платформ розробників та корпоративного програмного забезпечення.

Останнім часом Девід обіймав посаду головного офіцера з продукту в компанії GitLab (GTLB ), де він очолював глобальну організацію продукту з надання комплексної платформи DevSecOps з більш ніж 50 мільйонами зареєстрованих користувачів у світі. Під час свого шестирічного перебування в компанії він допоміг перетворити GitLab з високорослого стартапу в публічну компанію, лідера 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 в 2012 році, вона надає комплексне середовище, яке включає інструменти для кодування, управління пакетами через Conda та доступ до тисяч попередньо створених бібліотек, таких як NumPy, pandas та TensorFlow, що дозволяє користувачам розробляти, тестувати та розгортати моделі штучного інтелекту ефективно.

З часом Anaconda еволюціонувала у повноцінну корпоративну платформу штучного інтелекту, яка допомагає організаціям керувати цілим життєвим циклом штучного інтелекту – від пошуку та забезпечення відкритих джерел пакетів до будівництва, управління та розгортання застосунків у хмарі та локальних середовищах. З десятками мільйонів користувачів та прийняттям великою частиною компаній Fortune 500, вона стала фундаментальним 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 офіцер з продукту, допомагаючи масштабувати платформу DevSecOps до десятків мільйонів користувачів. Як цей досвід сформував ваші пріоритети зараз як генерального директора Anaconda, і що відчувається фундаментально інакше про те, щоб керувати компанією, ніж керувати продуктом?

Мій час у GitLab підкріпив кілька принципів, які зараз центральні для того, як я підходжу до Anaconda. По-перше, це відповідальне зростання – масштабування команд, продуктів та доходів таким чином, щоб це було тривалим. У GitLab ми виросли до обслуговування десятків мільйонів користувачів, і те, що GitLab Ultimate складає понад половину доходів компанії, демонструє, наскільки важливо співвідносити вартість продукту з довгостроковим впливом на бізнес.

По-друге, це спосіб мислення, орієнтований на результати та ефективність над процесом та структурою. Це нормально випустити щось, що досить добре і показує напрямок, щоб запустити колесо зворотного зв’язку клієнтів. Надання реальної вартості швидко є важливим, але вам все одно потрібно бути вдумливим щодо того, як ви масштабуєтеся. Це тісно пов’язано з третім стовпом: одержимість клієнтами та зустріч з ними там, де вони є. Я провів свою кар’єру, будуючи інструменти для розробників та безпеки, і як колишній розробник сам, я знаю, наскільки добре (або погано) інструменти можуть вплинути на продуктивність та задоволеність.

І, нарешті, прозорість з метою. Цінність Anaconda дозволяє всім сторонам брати участь та співпрацювати у поліпшенні компанії та її пропозицій. Я сподіваюся далі розвивати цю цінність, щоб забезпечити нашій спільноті те, що їй потрібно для успіху.

Як генеральний директор, ви відповідаєте за всю систему – стратегію, культуру, операції та результати. Я все ще глибоко пов’язаний з продуктом, але я думаю ширше та довше. Мені потрібно забезпечити, щоб компанія росла відповідальним чином, підтримувала своїх людей та надавала вартість нашим клієнтам у всіх вимірах бізнесу. Це принципи, на яких я сподіваюся далі будувати.

Що особисто мотивувало вас зайняти посаду генерального директора в Anaconda, і що переконало вас, що це правильна платформа для побудови наступного етапу корпоративного штучного інтелекту?

Я кажу всім, що було чотири причини, чому 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 дозволяє зробити так багато, і фундамент, який побудувала команда, дасть нам можливість сформувати, що прийде далі в епоху штучного інтелекту!

По-друге, спільнота. Я глибоко вірю в силу спільноти відкритого джерела. 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 виняткова, а їхня пристрасть реальна. Ми будемо будувати майбутнє з відкритим джерелом та штучним інтелектом, і бути частиною чогось такого значимого та вплинового має нас усіх真正ньо радісними.

І, нарешті, можливість. Це те, що в кінцевому підсумку прийняло рішення для мене. Anaconda знаходиться в центрі надання доступу до штучного інтелекту, допомагаючи підприємствам будувати, забезпечувати, розгортати та моніторити штучний інтелект у масштабі. Коли ви поєднуєте технологію світового класу, живу спільноту та команду такого рівня, ви отримуєте рідку можливість сформувати, як штучний інтелект та дані науки будуть побудовані та використані. Це те, що привабило мене.

Відкрите джерело забезпечує більшу частину 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, на вашу думку, воно найбільш недорозуміється?

Є поширений міф, що найбезпечніший код – це код, який прихований, оскільки тільки вибрані люди можуть його бачити. Це як страус, який ховає голову в пісок, щоб сховатися. Відкрите джерело – це протилежність цьому. Відкрите джерело прозоре, запрошує всіх до внеску та надає організаціям по всьому світу вищу кількість очей, щоб забезпечити, що код безпечний 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 сприяємо цьому. Наші основні можливості та екосистема Python відкриті, оскільки це найкращий спосіб для команд почати роботу та інновувати швидко. На основі цього ми накладаємо корпоративні можливості, надаючи організаціям управління, безпеку та надійність, необхідні для використання відкритого джерела у масштабі.

Рейтинг невдач штучного інтелекту в підприємствах залишається високим, особливо з пілотними проектами генерації штучного інтелекту. З вашої точки зору, які є основні причини цих ініціатив, які застрягають, і як інфраструктурні рішення можуть зробити або зруйнувати довгостроковий успіх?

Багато організацій провели пілотні проекти. Деякі мають солідні проекти доказу концепції, а інші мають кілька внутрішньо створених інструментів, які真正ньо економлять час 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 зараз”. Ця пропазниця – це місце, де більшість компаній застрягають – і це не тому, що технологія не працює.

Демо майже завжди виглядає добре, але проблема з’являється, коли ви намагаєтеся відтворити демо у масштабі підприємства. Раптом ви маєте справу з питаннями управління даними, проблемами безпеки, проблемами надійності та фундаментальною проблемою довіри: Чи буде цей застосунок працювати надійно та зберігати наші дані в безпеці? Ці питання не з’являються у демо та стають післяthought для компаній.

Бар’єр для успіху штучного інтелекту не полягає в можливостях, а в інфраструктурі та процесній зрілості. Організації, які вибирають інвестувати у сучасні основи, де довіра та швидкість співіснують, і де вбудована безпека та управління прискорюють, а не перешкоджають, виходять вперед. Фрагментовані інструментальні ланцюги та середовища змушують вас вибирати між цими двома варіантами, але сучасна, уніфікована інфраструктура та сучасні процеси штучного інтелекту дозволяють вам мати обидва. Сьогодні видалення瓶очок створює ваш конкурентний перевагу. Це не тільки технічна амбіція; це бізнес-імператив для конкуренції та виживання на сучасному ринку. Успіх буде збільшений тим, хто інвестує у безпеку та управління з основи.

Ви керували командами у сфері кібербезпеки, продукту та платформ розробників. Як ви привносите цей спосіб мислення, орієнтований на безпеку, у стратегію Anaconda щодо управління залежностями, репродуктивності середовища та ризику ланцюга постачання?

Мій шлях у безпеку 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, ризики безпеки множаться швидше, ніж управління може跟ати. І навіть коли ризик безпеки керується, середовище само по собі стає перешкодою.

Безпека та відповідність вимогам штучного інтелекту складні, особливо отримання справжньої видимості ризику під час розробки та виробництва. Саме тут ми зосереджені. Ми будуємо глибші безпекові можливості у середовищі управління, додаткове управління навколо пакетів штучного інтелекту поза екосистемою Python та допомогу у зменшенні ризику з моделями штучного інтелекту через сканування їхньої пози. Метою є проста: допомогти організаціям рухатися швидше з штучним інтелектом, зберігаючи при цьому видимість, приватність та стійкість, необхідні для довіри до нього у масштабі.

Є зростаюча скептичність щодо ROI штучного інтелекту, поряд з зростанням експериментування та кодування настрою. Як ви відрізняєте продуктивне експериментування та корпоративні системи штучного інтелекту, які真正ньо забезпечують вимірювану вартість?

Цього року може бути перший рік, коли ROI штучного інтелекту вимірюється добре. Кожен у галузі розглядає “ефектність” як час, збережений, однак це не найкращий показник верхнього рівня. Організації, які витрачають час на створення спеціальних KPI, безпосередньо пов’язаних з тим, що найважливіше 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 сигналізують про ефектність безпосередньо.

Anaconda знаходиться в центрі розробки штучного інтелекту на основі Python. Як ви бачите розвиток середовищ Python, коли організації переходять від експериментування 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. Організаціям потрібні інструменти, які еволюціонують та вирішують проблеми продуктивності та масштабованості, дозволяючи агентам штучного інтелекту успішно створювати корпоративні застосунки та послуги. Я очікую, що організації почнуть інвестувати у універсальні будівельні блоки, які прискорюють вартість та прийняття штучного інтелекту. Це те, що найкраще позиціонуватиме їх для навігації у постійно еволюціонуючому лексиконі мов програмування, які забезпечують інфраструктурний шар штучного інтелекту.

Ви працювали у тісній співпраці з регульованими галузями та підприємствами, які обізнані щодо безпеки в минулому. Що таке корпоративне управління штучим інтелектом у практиці, поза політичними документами та переліком відповідності?

Корпоративний штучний інтелект та застосунки, орієнтовані на штучний інтелект, – це щось зовсім інше, ніж традиційна розробка програмного забезпечення. Коли ви сприймаєте штучний інтелект як традиційну розробку, ви закінчуєте з розбитою безпекою та управлінням, яке зупиняє інновації. Корпоративний штучний інтелект потребує орієнтованих на штучний інтелект найкращих практик розробки, де модель штучного інтелекту є основним компонентом, який керує версіонуванням, а все інше навколо нього є вторинним.

Управління штучним інтелектом – це те, що відрізняє масштабування успіху від зупинки. Корпоративне управління штучим інтелектом – це те, що відбувається, коли відповідальні орієнтовані на штучний інтелект принципи перекладаються у примусові платформні контролю, чітку відповідальність та безперервну відстежуваність та походження всіх 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 розробки штучного інтелекту для будівництва, забезпечення та розгортання застосунків та послуг, орієнтованих на штучний інтелект. Наші клієнти продовжують змінюватися, щоб задовольнити свої потреби, і ми змінюємося з ними. Це чому ми не просто інструмент для даних науки, а комплексна платформа для корпоративного штучного інтелекту. Кожна інвестиція, незалежно від того, чи це продукт, партнерства чи M&A, буде оцінена за одним запитанням: “Чи це рухає нас ближче до того, щоб бути платформою, яку підприємства потребують для успіху у новому світі, орієнтованому на штучний інтелект?” Ми – компанія, одержима клієнтами, і все, що ми робимо, робимо для наших клієнтів.

Як хтось, хто допоміг масштабувати публічну платформу розробників, які уроки ви вивчили про будівництво для практиків, а також обслуговування CTO, CIO та головних офіцерів штучного інтелекту на рівні керівництва?

Успіх завжди повертається до клієнта та підтримки результатів, яких вони намагаються досягти. Це звучить просто, але легко для команд зайнятися внутрішніми метриками (скільки годин пішло на проект, чи запуск відповідає попередньо визначеним цілям) замість того, щоб поставити більш важливе питання: Чи це真正ньо робить наших клієнтів більш успішними? Лідери можуть сказати, що потрібен новий продукт, коли насправді це може бути просто усовершенствування того, що у вас вже є (роблячи продукт більш зручним для користування, наприклад), і тоді ви отримуєте результат, якого шукали. Якщо клієнти щасливі та успішні, тоді ми всі щасливі та успішні.

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