David DeSanto, CEO của Anaconda – Phỏng vấn

David DeSanto là Giám đốc Điều hành tại Anaconda, nơi ông lãnh đạo sứ mệnh của công ty trong việc trao quyền cho các cộng đồng khoa học dữ liệu và trí tuệ nhân tạo trên toàn thế giới thông qua đổi mới nguồn mở và các giải pháp doanh nghiệp bảo mật. Là một nhà điều hành sản phẩm và công nghệ có kinh nghiệm, David mang lại hơn hai thập kỷ kinh nghiệm trong lĩnh vực an ninh mạng, nền tảng nhà phát triển và phần mềm doanh nghiệp.

Gần đây, David từng là Giám đốc Sản phẩm tại GitLab (GTLB ), nơi ông lãnh đạo tổ chức sản phẩm toàn cầu trong việc cung cấp một nền tảng DevSecOps bản địa AI toàn diện với hơn 50 triệu người dùng đăng ký trên toàn thế giới. Trong thời gian sáu năm tại công ty, ông đã giúp biến GitLab từ một công ty khởi nghiệp tăng trưởng cao thành một công ty lãnh đạo ngành được niêm yết công khai, định hình категор DevOps Platform.

Anaconda là một nền tảng mã nguồn mở hàng đầu cho khoa học dữ liệu, học máy và trí tuệ nhân tạo, được xây dựng xung quanh ngôn ngữ lập trình Python và được sử dụng rộng rãi bởi cả các nhà phát triển cá nhân và các doanh nghiệp lớn. Ban đầu được ra mắt vào năm 2012, nó cung cấp một môi trường toàn diện bao gồm các công cụ cho mã hóa, quản lý gói thông qua Conda và truy cập vào hàng nghìn thư viện đã xây dựng như NumPy, pandas và TensorFlow, cho phép người dùng phát triển, thử nghiệm và triển khai mô hình AI một cách hiệu quả.

Theo thời gian, Anaconda đã phát triển thành một nền tảng AI doanh nghiệp toàn diện giúp các tổ chức quản lý toàn bộ vòng đời AI – từ tìm kiếm và bảo mật các gói mã nguồn mở đến xây dựng, quản lý và triển khai ứng dụng trên môi trường đám mây và trên cơ sở. Với hàng chục triệu người dùng và được áp dụng trên một tỷ lệ lớn các công ty Fortune 500, nó đã trở thành một lớp nền tảng cho phát triển AI hiện đại, nhấn mạnh đổi mới nguồn mở, khả năng mở rộng và các quy trình bảo mật, có thể tái tạo.

Bạn đã dành gần sáu năm tại GitLab, hơn ba năm là Giám đốc Sản phẩm, giúp mở rộng một nền tảng DevSecOps bản địa AI lên hàng chục triệu người dùng. Kinh nghiệm đó đã định hình ưu tiên của bạn như thế nào khi bạn trở thành CEO của Anaconda, và điều gì cảm thấy cơ bản khác biệt khi lãnh đạo một công ty so với lãnh đạo sản phẩm?

Thời gian của tôi tại GitLab thực sự đã củng cố một số nguyên tắc mà bây giờ là trung tâm của cách tôi tiếp cận Anaconda. Đầu tiên là tăng trưởng có trách nhiệm – tăng trưởng đội ngũ, sản phẩm và doanh thu theo cách bền vững. Tại GitLab, chúng tôi đã tăng trưởng để phục vụ hàng chục triệu người dùng, và việc thấy GitLab Ultimate chiếm hơn một nửa doanh thu của công ty đã chứng minh tầm quan trọng của việc liên kết giá trị sản phẩm với tác động kinh doanh lâu dài.

Thứ hai là một tư duy về kết quả và hiệu quả hơn quy trình và cấu trúc. Điều đó ổn khi bạn xuất bản một sản phẩm đủ tốt và cho thấy hướng đi để bắt đầu vòng quay của phản hồi từ khách hàng. Cung cấp giá trị thực sự một cách nhanh chóng là điều cần thiết, nhưng bạn vẫn cần phải suy nghĩ kỹ về cách bạn mở rộng quy mô. Điều đó gắn liền chặt chẽ với trụ cột thứ ba: sự ám ảnh của khách hàng và thực sự gặp gỡ người dùng ở nơi họ đang ở. Tôi đã dành cả sự nghiệp xây dựng các công cụ cho nhà phát triển và bảo mật, và với tư cách là một nhà phát triển trước đây, tôi biết rõ ảnh hưởng của các công cụ tốt (hoặc không tốt) đối với năng suất và sự hài lòng.

Và cuối cùng, minh bạch với mục đích. Giá trị cốt lõi này của Anaconda đã cho phép tất cả các bên tham gia và cộng tác trong việc làm cho công ty và các dịch vụ của nó tốt hơn. Tôi mong đợi xây dựng thêm giá trị này để đảm bảo rằng chúng tôi đang cung cấp cho cộng đồng những gì họ cần để thành công.

Là CEO, bạn chịu trách nhiệm về toàn bộ hệ thống – chiến lược, văn hóa, hoạt động và kết quả. Tôi vẫn gắn kết chặt chẽ với sản phẩm, nhưng tôi đang suy nghĩ rộng hơn và dài hạn hơn. Tôi phải đảm bảo rằng công ty đang tăng trưởng có trách nhiệm, hỗ trợ nhân viên của mình và cung cấp giá trị cho khách hàng của chúng tôi trên mọi khía cạnh của kinh doanh. Đây là những nguyên tắc mà tôi nhằm mục đích tiếp tục xây dựng ở đây.

Điều gì đã thúc đẩy bạn cá nhân bước vào vai trò CEO tại Anaconda, và điều gì đã thuyết phục bạn rằng đây là nền tảng phù hợp để xây dựng chương mới của AI doanh nghiệp?

Tôi nói với mọi người rằng có bốn lý do tôi hào hứng gia nhập Anaconda với tư cách là CEO. Đầu tiên, công nghệ. Là một nhà phát triển, tôi đã quen thuộc và đã sử dụng Anaconda trong một thời gian dài. Tôi biết nó mạnh mẽ như thế nào và có thể trở thành.

Thứ hai, cộng đồng. Tôi tin sâu sắc vào sức mạnh của cộng đồng mã nguồn mở. Rất ít công ty có một cộng đồng rộng lớn và tham gia như Anaconda.

Thứ ba, con người. Điều đó hiếm khi tìm thấy mức độ lãnh đạo này trong một nơi. Đội ngũ điều hành là đặc biệt, và niềm đam mê của họ là thực sự. Chúng tôi đang xây dựng tương lai với mã nguồn mở và AI, và việc trở thành một phần của điều gì đó có ý nghĩa và có tác động như vậy khiến tất cả chúng tôi thực sự hào hứng.

Và cuối cùng, cơ hội. Điều này cuối cùng đã quyết định cho tôi. Anaconda nằm ở trung tâm của việc làm cho AI trở nên dễ tiếp cận hơn, giúp các doanh nghiệp xây dựng, bảo mật, triển khai và giám sát AI trên quy mô lớn. Khi bạn kết hợp công nghệ hàng đầu, một cộng đồng sôi động và một đội ngũ như thế này, bạn sẽ có một cơ hội hiếm có để định hình cách AI và khoa học dữ liệu được xây dựng và sử dụng. Đó là điều đã thu hút tôi.

Mã nguồn mở cung cấp năng lượng cho hầu hết phát triển AI hiện đại, nhưng nhiều doanh nghiệp vẫn gặp khó khăn trong việc tin tưởng nó trên quy mô lớn. Tại sao bạn tin rằng mã nguồn mở vẫn là nền tảng mạnh nhất cho AI, và nơi nào bạn nghĩ nó bị hiểu lầm nhất?

Có một quan niệm sai lầm phổ biến rằng mã bảo mật nhất là mã bị ẩn, chỉ có một số người được chọn có thể nhìn thấy nó. Mã nguồn mở là ngược lại. Mã nguồn mở là minh bạch, chào đón mọi người đóng góp và cung cấp cho các tổ chức trên toàn thế giới một tập hợp các mắt để đảm bảo mã là bảo mật và hoạt động như mong đợi.

Chúng tôi đã không thấy một công nghệ phát triển nhanh như AI. Để AI tiếp tục tăng tốc, bạn cần mã hiện đại di chuyển nhanh nhất có thể. Mã nguồn mở làm điều đó, đó là lý do tại sao nó là nền tảng cho phát triển AI hiện đại.

Tại Anaconda, chúng tôi dựa vào điều đó. Các khả năng cốt lõi và hệ sinh thái Python của chúng tôi là mã nguồn mở vì đó là cách tốt nhất cho các đội bắt đầu và đổi mới nhanh chóng. Trên đó, chúng tôi thêm các khả năng cấp doanh nghiệp, cung cấp cho các tổ chức quản lý, bảo mật và độ tin cậy mà họ cần để sử dụng mã nguồn mở trên quy mô lớn.

Tỷ lệ thất bại của AI trong doanh nghiệp vẫn còn cao, đặc biệt là với các dự án thí điểm AI tạo sinh. Từ quan điểm của bạn, những lý do cốt lõi nào khiến các sáng kiến này bị đình trệ, và làm thế nào các lựa chọn cơ sở hạ tầng có thể làm hoặc phá vỡ thành công lâu dài?

Nhiều tổ chức đã chạy các dự án thí điểm. Một số có dự án chứng minh khái niệm vững chắc, và những dự án khác có một số công cụ được xây dựng nội bộ thực sự giúp đội ngũ tiết kiệm thời gian. Nhưng rất ít đã di chuyển AI vào sản xuất thực sự chạy trên toàn bộ doanh nghiệp. Có một sự khác biệt lớn giữa “chúng tôi đang thử nghiệm” và “đây là cách chúng tôi làm việc bây giờ.” Khoảng trống đó là nơi hầu hết các công ty bị kẹt – và đó không phải vì công nghệ không hoạt động.

Bản demo gần như luôn luôn trông tốt, nhưng vấn đề xuất hiện khi bạn cố gắng tái tạo bản demo trên quy mô doanh nghiệp. Bỗng nhiên, bạn đang đối mặt với các câu hỏi về quản lý dữ liệu, lo ngại về bảo mật, vấn đề về độ tin cậy và một vấn đề tin cậy cơ bản: Liệu ứng dụng này sẽ hoạt động đáng tin cậy và giữ dữ liệu của chúng tôi an toàn? Những vấn đề đó không xuất hiện trong bản demo và do đó trở thành một ý nghĩ sau cùng cho các công ty.

Rào cản đối với thành công của AI không phải là khả năng, mà là sự trưởng thành của cơ sở hạ tầng và quy trình. Các tổ chức đang dẫn đầu là những tổ chức chọn đầu tư vào các nền tảng hiện đại nơi tin cậy và tốc độ cùng tồn tại và nơi bảo mật và quản lý tích hợp tăng tốc chứ không cản trở. Các công cụ và môi trường phân mảnh buộc bạn phải chọn giữa hai yếu tố, nhưng cơ sở hạ tầng và quy trình AI hiện đại cho phép bạn có cả hai. Ngày nay, việc loại bỏ các nút thắt là tạo ra lợi thế cạnh tranh của bạn. Điều này không chỉ là tham vọng kỹ thuật; đó là một yêu cầu kinh doanh để cạnh tranh và tồn tại trên thị trường hiện nay. Thành công sẽ được tăng cường bởi những người đầu tư vào bảo mật và quản lý từ nền tảng.

Bạn đã lãnh đạo các đội trên các lĩnh vực an ninh mạng, sản phẩm và nền tảng nhà phát triển. Bạn đang đưa tư duy an ninh đầu tiên vào chiến lược của Anaconda như thế nào xung quanh quản lý phụ thuộc, khả năng tái tạo môi trường và rủi ro chuỗi cung ứng?

Con đường của tôi vào bảo mật bắt đầu trong chăm sóc sức khỏe, nơi tôi thấy chính xác những gì đã vượt qua như “bảo mật” vào thời điểm đó. Tôi đã hoàn toàn đắm chìm vào bảo mật và nó đã trở thành một niềm đam mê. Khi các công việc AI, mô hình, tác nhân và tích hợp trở nên phức tạp hơn, rủi ro bảo mật được nhân lên nhanh hơn so với quản lý có thể theo kịp. Và ngay cả khi rủi ro bảo mật được quản lý, môi trường bản thân trở thành một chướng ngại vật.

Bảo mật và tuân thủ với AI là đầy thách thức, đặc biệt là khi có được cái nhìn thực sự vào rủi ro trên toàn bộ phát triển và sản xuất. Đó là nơi chúng tôi tập trung. Chúng tôi đang xây dựng các khả năng bảo mật sâu hơn trong quản lý môi trường, thêm quản lý xung quanh các gói AI ngoài hệ sinh thái Python và giúp giảm rủi ro với các mô hình AI thông qua quét bảo mật về tư thế của chúng. Mục tiêu rất đơn giản: giúp các tổ chức di chuyển nhanh hơn với AI trong khi vẫn duy trì khả năng hiển thị, quyền riêng tư và khả năng phục hồi mà họ cần để tin tưởng vào quy mô.

Có sự hoài nghi ngày càng tăng về ROI của AI, cùng với sự bùng nổ của việc thử nghiệm và mã hóa cảm giác. Bạn phân biệt giữa thử nghiệm sản xuất và các hệ thống AI sẵn sàng cho doanh nghiệp thực sự mang lại giá trị đo lường được như thế nào?

Năm nay có thể thực sự là năm đầu tiên ROI của AI được đo lường tốt. Mọi người trong ngành đều coi “hiệu quả” là thời gian được tiết kiệm, tuy nhiên, đó không phải là KPI hàng đầu tốt nhất. Các tổ chức dành thời gian để tạo ra các KPI tùy chỉnh gắn liền với những gì quan trọng nhất với họ sẽ có kết quả tốt hơn. Điều này có thể là thời gian giảm trong quá trình xem xét mã cho đội ngũ phát triển của bạn hoặc chất lượng tạo lead cho đội ngũ tiếp thị của bạn. Thời gian bản thân và đo lường tiêu thụ token không trực tiếp báo hiệu hiệu quả.

Anaconda nằm ở trung tâm của phát triển AI dựa trên Python. Bạn nhìn thấy vai trò của các môi trường Python như thế nào khi các tổ chức chuyển từ thử nghiệm sang các hệ thống AI sản xuất được quản lý đầy đủ?

Python là ngôn ngữ hàng đầu cho AI, và trong khi tôi không mong đợi điều đó sẽ thay đổi trong thời gian ngắn, các ngôn ngữ luôn có sự lên xuống trong phổ biến. Các tổ chức cần các công cụ phát triển và giải quyết các vấn đề về hiệu suất và khả năng mở rộng cơ bản, cho phép các tác nhân AI tạo ra các ứng dụng và dịch vụ cấp doanh nghiệp thành công. Tôi dự đoán các tổ chức sẽ bắt đầu đầu tư vào các khối xây dựng phổ dụng giúp tăng tốc giá trị và áp dụng AI. Đó là điều sẽ đặt họ vào vị trí tốt nhất để điều hướng từ vựng mã hóa không ngừng phát triển của lớp cơ sở hạ tầng của AI.

Bạn đã làm việc chặt chẽ với các ngành công nghiệp được quản lý và các doanh nghiệp ý thức bảo mật trong quá khứ. Điều gì thực sự là quản lý AI cấp doanh nghiệp trong thực tế, ngoài các tài liệu chính sách và danh sách kiểm tra tuân thủ?

AI doanh nghiệp và các ứng dụng bản địa AI là điều gì đó hoàn toàn khác với phát triển phần mềm truyền thống. Khi bạn đối xử với AI như phát triển truyền thống, bạn sẽ kết thúc với bảo mật và quản lý bị hỏng, điều này sẽ làm đình trệ sự đổi mới. AI doanh nghiệp cần các nguyên tắc phát triển bản địa AI, nơi mô hình AI là thành phần chính thúc đẩy phiên bản và mọi thứ khác xung quanh nó là thứ yếu.

Quản lý AI là sự khác biệt giữa việc mở rộng quy mô thành công và bị đình trệ. Quản lý AI cấp doanh nghiệp là điều xảy ra khi các nguyên tắc bản địa AI có trách nhiệm được dịch thành các kiểm soát nền tảng có thể thực thi, trách nhiệm rõ ràng và khả năng theo dõi và nguồn gốc liên tục của tất cả các thành phần AI. Điều đó vượt ra ngoài các chính sách và danh sách kiểm tra đã từng hoạt động trong các thực hành DevOps.

Với khoản tài trợ gần đây và động lực doanh nghiệp của Anaconda, những ưu tiên tăng trưởng ngắn hạn của bạn là gì, và bạn sẽ đầu tư mạnh nhất trong 12 đến 18 tháng tới?

Mục tiêu của chúng tôi là rõ ràng: Anaconda sẽ là nền tảng phát triển AI bản địa doanh nghiệp được ưa chuộng cho việc xây dựng, bảo mật và triển khai các ứng dụng và dịch vụ bản địa AI. Khách hàng của chúng tôi tiếp tục thay đổi để đáp ứng nhu cầu của họ và chúng tôi thay đổi cùng họ. Đó là lý do tại sao chúng tôi không chỉ là một công cụ khoa học dữ liệu nữa, mà là một nền tảng toàn diện cho AI doanh nghiệp. Mỗi khoản đầu tư, cho dù là sản phẩm, đối tác hay M&A, sẽ được đánh giá dựa trên một câu hỏi duy nhất: “Liệu điều này có đưa chúng tôi gần hơn với việc trở thành nền tảng mà các doanh nghiệp cần để thành công trong thế giới AI bản địa mới?” Chúng tôi là một công ty ám ảnh khách hàng và mọi thứ chúng tôi làm đều vì khách hàng của mình.

Là người đã giúp mở rộng một nền tảng nhà phát triển được niêm yết công khai, bạn đã học được những bài học gì về việc xây dựng cho các nhà thực hành đồng thời phục vụ các CTO, CIO và Giám đốc AI cấp cao?

Thành công luôn quay trở lại khách hàng và hỗ trợ các kết quả họ đang cố gắng đạt được. Điều đó nghe có vẻ đơn giản, nhưng rất dễ cho các đội bị sa vào các chỉ số nội bộ (số giờ dành cho một dự án, liệu một bản phát hành đạt được mục tiêu định trước) thay vì đặt một câu hỏi quan trọng hơn: “Điều này thực sự làm cho khách hàng của chúng tôi thành công hơn?” Các nhà lãnh đạo có thể nói rằng một sản phẩm hoàn toàn mới là cần thiết khi trên thực tế, nó chỉ có thể là việc tinh chỉnh những gì bạn đã có (làm cho một sản phẩm dễ sử dụng hơn, ví dụ), và sau đó bạn sẽ có kết quả bạn đã tìm kiếm. Nếu khách hàng của chúng tôi hài lòng và thành công, thì chúng tôi đều hài lòng và thành công.

Cảm ơn bạn vì cuộc phỏng vấn tuyệt vời, những người đọc muốn tìm hiểu thêm có thể truy cập Anaconda.