Голлі Грант, СВП, Стратегія та Інновації, DXC Technology – Серія Інтерв’ю

Голлі Грант, СВП, Стратегія та Інновації в DXC Technology (DXC ), – технологічний і операційний виконавець з глибоким досвідом у сфері корпоративної стратегії штучного інтелекту, фінтеху, лідерства стартапів і операційної трансформації. В DXC вона допомагає формувати ініціативи компанії щодо інновацій, орієнтованих на штучний інтелект, включаючи оркестрацію штучного інтелекту на рівні підприємства, консультаційні послуги та зусилля з інкубації продуктів, призначених для того, щоб допомогти організаціям перейти від експериментальних пілотних проектів до операційного розгортання. До DXC вона займала різні керівні посади в Long-Term Stock Exchange (LTSE), в кінцевому підсумку обійнявши посаду головного операційного директора, де вона зосередилася на операційному масштабуванні та стратегічному зростанні в сфері фінтеху.

DXC Technology – глобальна компанія з надання послуг інформаційних технологій і консалтингу, яка зосереджена на допомозі підприємствам модернізувати критично важливі системи в сфері хмарних обчислень, кібербезпеки, штучного інтелекту, інфраструктури даних та операцій підприємств. Створена в результаті злиття Computer Sciences Corporation і підрозділу Enterprise Services компанії Hewlett Packard Enterprise (HPE ), компанія працює з організаціями різних галузей, включаючи охорону здоров’я, банківську справу, виробництво, страхування та державну адміністрацію. Останнім часом DXC все більше позиціонує себе як компанію, орієнтовану на трансформацію підприємств за допомогою штучного інтелекту, пропонуючи послуги, які інтегрують генеративний штучний інтелект, інтелектуальну автоматизацію, спостережливість, цифрові двійники та великомасштабну модернізацію інформаційних технологій у складні корпоративні середовища. Компанія також підкреслює “орієнтовані на штучний інтелект” операційні моделі, призначені для того, щоб допомогти підприємствам розгортати штучний інтелект безпечно всередині існуючої інфраструктури, а не заміняти_legacy-системи повністю.

Ви побудували кар’єру на перетині стратегії, операцій та інновацій – від масштабування організацій на початку своєї кар’єри до керівництва Стратегією та Інноваціями в DXC. Як ці досвіди сформували ваш підхід до запуску LabX та розробки середовища інкубації штучного інтелекту, орієнтованого на реальний бізнес-імпакт?

Моя кар’єра пройшла через сім’ї офісів, стартапи, венчурний капітал та тепер компанію Fortune 500, яка перебуває в середині перетворення. Що я бачила в усіх цих середовищах, так це те, що ідеї не реалізуються самі по собі. Ті, які насправді створюють значення, як правило, мають три речі: реального клієнта, який їх підтримує, правильний момент на ринку та обсяг, який є чітким і належним чином вузьким. Якщо ви пропустите будь-який з цих елементів, навіть блискуча ідея застряне.

Цей шаблон сформував моє ставлення до LabX. Вам потрібно мати теорію перемоги – реальну стратегію – але вам також потрібна операційна потужність, щоб втіли її в життя, і дисципліна, щоб адаптуватися, коли ви вчитеся і умови змінюються. Стратегія без виконання – це колода. Виконання без стратегії – це рух без прогресу. LabX розроблений для того, щоб утримувати обидва аспекти одночасно.

Під керівництвом нашого генерального директора Раула Фернандеса DXC поставила штучний інтелект і інновації в центр своєї стратегії перетворення. LabX – це те, як ми перекладаємо цю переконаність у продукти, можливості та результати для клієнтів – досить швидко, щоб мати значення.

Багато підприємств експериментують зі штучним інтелектом, але їм важко перейти від пілотних проектів до виробництва. З того, що ви бачите в DXC, які найбільші бар’єри, які перешкоджають організаціям масштабувати штучний інтелект за межі проектів-пілотів?

Два бар’єри повторюються знову і знову, і жоден з них не стосується технологій.

Перший – це управління змінами. Штучний інтелект змінює спосіб роботи людей, за що вони відповідають, і того, як приймаються рішення. Якщо ви не приведете свою робочу силу до цього процесу, навіть найелегантніша модель у світі буде бездіяльною. Другий бар’єр полягає в тому, що компанії починають масштабувати штучний інтелект без зміни основної операційної моделі. Вони прикріплюють інтелект до конкретної системи або програми, так що один користувач може ним користуватися, але решта команди – ні. Штучний інтелект – це горизонтальний інтелект – він створює найбільше значення, коли може рухатися через функції, дані та робочі процеси. Коли операційна модель не змінюється, це значення залишається локалізованим, а не накопичується на рівні підприємства.

Отже, пілотний проект працює, всі святкують, і нічого насправді не масштабується. Це шаблон, який ми намагаємося порушити в LabX, розробляючи підприємства з урахуванням розблокування з дня один.

LabX працює в циклі концепції до мінімально життєздатного продукту протягом приблизно 90 днів або менше. Які зміни в мисленні, управлінні або процесах розробки необхідні для великих підприємств, щоб рухатися з такою швидкістю?

Найбільший зсув у мисленні полягає в тому, щоб бути готовим приймати рішення раніше з менш досконалою інформацією – і дисципліною, щоб припинити те, що не працює. Великі підприємства звикають до довгих циклів планування, оскільки їм здається, що це безпечно. Вони не безпечні. На ринку, який рухається так швидко, повільне “так” і повільне “ні” обидва дорогі.

Усередині LabX ми призначаємо малий тріад – дизайн, продукт і інженерія – для виконання спринту проти реальної проблеми клієнта. Вони будують мінімально життєздатний продукт, тестують його на значення і масштаб, і ми випускаємо ідеї, які показують комерційний потенціал протягом 90 днів. Те, що робить цю швидкість можливою, не відсутність управління, а присутність правильного управління. Безпека, конфіденційність, дотримання вимог і відповідальне схвалення штучного інтелекту закладені в процес з дня один, а не прикріплені в кінці. Кожен продукт проходить офіційний огляд управління перед тим, як масштабуватися.

Для більшості підприємств досягнення такого темпу вимагає захисту простору, де можна рухатися таким чином – без примусу кожного експерименту проходити через той самий цикл часу, як і багаторічний платформний збір. Це те, для чого призначений LabX.

DXC описує LabX як спосіб перевірити концепції штучного інтелекту з високим потенціалом разом з клієнтами перед їх масштабуванням. Як цей підхід “Клієнт нуль” допомагає забезпечити, щоб рішення штучного інтелекту були засновані на реальних операційних потребах, а не теоретичних випадках використання?

“Клієнт нуль” – це, чесно кажучи, наш优势. Перед тим, як продукт LabX потрапить на ринок, він повинен вижити всередині DXC спочатку. Ми керуюємо 115 000 співробітниками у 70 країнах, регульованими галузями, складними контрактами клієнтів, legacy-системами та реальними операційними ставками. Це не санітарна демонстраційна середовище – це реальність підприємства.

Традиційний стартап може рухатися швидко, але він не може легко повторити досвід роботи всередині такого рівня складності. Коли ми тестируємо продукт на собі спочатку, ми знаходимо місця, де він ламається на реальних даних, реальних робочих процесах і реальних регуляторних обмеженнях – речі, які виникли б у середовищі клієнта шість місяців пізніше. До того часу, як ми представимо пропозицію клієнту, ми не пропонуємо теорію. Ми можемо сказати: “Ось що це зробило всередині наших операцій, ось що ми змінили, ось що ми виміряли”.

Це також тримає нас чесними. Якщо продукт не може себе виправдати внутрішньо, він не випускається. Це вищий бар, ніж кажуть “це працювало в демонстрації”.

Середовища підприємств часто наповнені legacy-системами, фрагментованими даними та регуляторними обмеженнями. Як ви розробляєте робочі процеси штучного інтелекту, які можуть працювати ефективно всередині цієї реальної складності?

Ми починаємо з припущення, що середовище складне – це базовий рівень, а не виняток.

Архітектурно ми працюємо з розбірним підходом до наших платформ. Найкращі інструменти штучного інтелекту змінюються щомісяця, а не щороку. Якщо ви жорстко прив’язані до однієї моделі, постачальника або каркасу, ви робите ставку на те, що сьогодні лідер все ще буде лідером через 18 місяців. Це погана ставка. Розбірна архітектура дозволяє нам замінювати компоненти, коли рухається передній край, залишатися на рівні того, що є насправді найкращим у класі, і тестувати інструменти проти реальних клієнтських проблем, а не маркетингових заяв постачальників.

На регуляторному та даних сторонах дотримання вимог проектується з дня один. Кожен продукт проходить огляд управління, і відповідальне схвалення штучного інтелекту є частиною процесу, а не післяthought. Робота в високорегульованих галузях по всьому світу змушує нас до цієї дисципліни – що виявляється функцією, а не помилкою, коли ми представляємо продукти клієнтам з тими самими обмеженнями.

Традиційний ІТ-консалтинг залежав від довгих циклів планування і жорстких каркасів реалізації. Як моделі консалтингу повинні змінитися,既然 штучний інтелект розвивається швидше, ніж ці цикли можуть охопити?

Чесна відповідь полягає в тому, що вся модель повинна змінитися, але якщо я мав би вибрати лінька, то це цінність пропозиції. Індустрія витратила десятиліття на продаж доставок – колоди, дорожні карти, плани реалізації – і оплату за зусилля. У світі, орієнтованому на штучний інтелект, клієнти не хочуть доставки. Вони хочуть результат. Вони хочуть, щоб робочий процес насправді працював, щоб вартість насправді знизилася, щоб доходи насправді з’явилися.

Як тільки ви зобов’язуєтеся продавати результати, все інше повинно змінитися, щоб підтримати це. Компонування команди стає більш технічним. Угоди переходять від “порадити і покинути” до “будувати і експлуатувати”. Ціни зсуваються від годин. Люди, які виконують роботу, повинні бути так само комфортні з відправкою коду, як і керуванням комітетом керування.

Це велика культурна зміна для нашої галузі, і не всі будуть її проходити. Фірми, які це робитимуть, будуть виглядати зовсім інакше через п’ять років, ніж вони виглядають сьогодні.

LabX також функціонує як середовище для експериментів для співробітників і технологічних партнерів. Наскільки важливо внутрішнє експериментування при спробі побудувати організаційну грамотність штучного інтелекту?

Це вся гра. Ви не будуєте грамотність штучного інтелекту, читając про штучний інтелект – ви будуєте її, пробуючи речі, спостерігаючи, як вони ламаються, і пробуючи знову. Це так само вірно для 30-річного ІТ-професіонала, як і для людини, яка два роки вийшла зі школи.

Ми недавно провели виклик штучного інтелекту всередині одного з наших бізнес-підрозділів і отримали понад 1 300 унікальних ідей за дві тижні. Це не статистика про інструмент – це статистика про те, що відбувається, коли ви даєте людям дозвіл думати поза коробкою. Креативність вже існує всередині організації. Наша робота полягає в тому, щоб створити простір для її зростання.

LabX також проводить програму ротації: технічні експерти з усієї DXC проводять шість до дванадцяти тижнів, пов’язаних з нами, будуючи реальні продукти з останніми інструментами штучного інтелекту. Коли вони повертаються до своїх команд, вони приносять новий набір навичок і, що більш важно, інший спосіб мислення. Вони починають ставити інші питання своїм колегам і клієнтам. Вони стають чемпіонами того, що можливе. Це накопичувальний ефект по всій робочій силі вартий більше, ніж будь-який окремий продукт, який ми відправляємо.

DXC позиціонує свій підхід як Human+, підкреслюючи, що штучний інтелект повинен розширювати людські можливості, а не замінювати їх. У практичному сенсі, як ця філософія впливає на розробку та розгортання рішень штучного інтелекту всередині підприємств?

Я буду прямим: існує точка зору, яка набирає чинності в галузі, згідно з якою найбільш цінним, що може зробити штучний інтелект для підприємства, це зменшення кількості працівників. Я вважаю, що це провал уяви.

Дисципліна витрат має значення, але справжня можливість полягає у зростанні: нових потоків доходів, нових продуктів, нових пропозицій послуг, які просто не були можливі раніше. Найбільш цінне застосування штучного інтелекту для підприємства полягає в тому, щоб дозволити людям робити роботу, яка створює нове бізнес-значення, а не просто оптимізувати те, що вже існує. Компанії, які це роблять правильно, перевершать ті, які ставлять штучний інтелект як чисту витратну операцію.

На практиці Human+ означає, що ми розробляємо штучний інтелект для обробки високовOLUME, регулярних процесів, так що наші люди можуть зосередитися на більш цінній роботі: стратегічному мисленні, творчому вирішенні проблем, клієнтських відносинах і складних судових рішеннях. Ми зберігаємо людську експертизу і нагляд у центрі кожного розгортання, особливо там, де рішення несуть реальні наслідки. Це те, як ви будуєте довіру з клієнтами, і це те, як ви розблокуєте стійку конкурентну перевагу.

Коли організації намагаються інтегрувати штучний інтелект у існуючі робочі процеси, які спільні помилки ви бачите, які сповільнюють прийняття або обмежують реальну бізнес-цінність?

Дві помилки, які я бачу постійно. Перша полягає в тому, що починають з технології, а не з проблеми. Хтось закохується в модель або демонстрацію постачальника, і ініціатива стає розгортанням цієї речі, а не розв’язанням чогось, що насправді має значення для бізнесу. Друга помилка полягає в тому, що штучний інтелект обробляється як ІТ-проект, а не як бізнес-трансформація. Якщо ви повністю передаєте штучний інтелект ЦО, і просите решту бізнесу продовжувати роботу без змін, ви отримаєте інструмент, яким ніхто не користується, і бюджет, який ніхто не хоче захищати в наступному році.

Антидот проти обох полягає в тому, щоб почати з бізнес-проблеми, поставити правильну跨функціональну команду на неї – люди, процеси, технології – і побудувати назад від результату, який ви намагаєтеся створити. Це позиція, яку ми приймаємо в LabX, і це те, як ми працюємо з клієнтами, такими як Ferrovial, де ми допомогли розгорнути робочу площадку штучного інтелекту – пропозицію, що поєднує консалтинг, інженерію та безпечні підприємства послуги, які зараз використовуються понад 24 000 співробітниками з більш ніж 30 агентами штучного інтелекту, які приймають рішення в режимі реального часу. Такий масштаб не відбувається, якщо ви ставите це як ІТ-проект.

Оглядаючи вперед, як ви очікуєте, що середовища інкубації штучного інтелекту, такі як LabX, вплинуть на розвиток, тестування та розгортання нових технологій підприємствами протягом наступних кількох років?

Ось що, я думаю, буде очевидним у ретроспективі: переможці в цій ері не будуть компаніями з найбільш блискучими окремими рішеннями. Вони будуть інтеграторами – тими, хто може шити штучний інтелект через операційні моделі, через функції та через робочі процеси, так що інтелект не застряє в одному інструменті або на одному користувачевому екрані.

Це складніша проблема, ніж розгортання моделі. Це вимагає глибокого підприємства контексту, здатності працювати через legacy і сучасні системи, і дисципліни, щоб змінити те, як робота насправді здійснюється. Це також можливість, яку я найбільш зацікавлений.

Середовища інкубації, такі як LabX, – це те, як ми отримуємо репетиції. Це те, де ви вчитеся, що ламається у масштабі, що таке управління на практиці, і що клієнти будуть і не будуть приймати. Підприємства, які інвестують у такий простір зараз – внутрішньо або через партнерів – будуть мати зовсім іншу криву можливостей через три роки, ніж ті, які все ще вирішують, чи варто це зробити. І ті з нас, хто будує в цьому просторі, продовжуватимуть знаходити нові проблеми, які варто розв’язувати, оскільки технологія не сповільнюється, і така ж можливість.

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