霍莉·格兰特，DXC Technology 首席战略与创新官 – 采访系列

霍莉·格兰特，DXC Technology (DXC ) 首席战略与创新官，是一位拥有深厚经验的技术和运营高管，曾在企业 AI 战略、金融科技、创业领导和运营转型等领域工作过。在 DXC，她帮助塑造了公司的 AI 首要创新计划，包括企业级 AI 编排、咨询服务和产品孵化工作，旨在帮助组织从实验性 AI 试点转向运营部署。在加入 DXC 之前，她曾在长期股票交易所（LTSE）担任过多个领导职务，最后担任首席运营官，专注于金融科技领域的运营扩张和战略增长。 (HPE )

DXC Technology 是一家全球性的 IT 服务和咨询公司，专注于帮助企业现代化其关键系统，涉及云计算、网络安全、人工智能、数据基础设施和企业运营。通过计算机科学公司和惠普企业服务部门的合并，DXC 与各个行业的组织合作，包括医疗保健、银行、制造、保险和政府。近年来，DXC 将自己定位在 AI 本地企业转型上，提供集成生成性 AI、智能自动化、可观察性、数字孪生和大规模 IT 现代化的服务，以适应复杂的企业环境。该公司还强调“AI 首先”的运营模式，旨在帮助企业在现有基础设施中安全地部署 AI，而不是完全替换遗留系统。

您在战略、运营和创新领域建立了自己的职业生涯，从早期的组织扩张到现在的 DXC 首席战略与创新官。这些经历如何塑造了您对 LabX 的构想和设计，以及如何创建一个专注于真实商业影响的 AI 孵化环境？

我的职业生涯让我跨越了家族办公室、初创公司、风险投资和现在的 DXC 这家正在转型的公司。无论在哪个环境中，我都看到了一种模式：真正创造价值的想法往往具备三个特征：一个真正的客户在推动它们，市场时机合适，以及明确和适当狭窄的范围。如果缺少任何一个因素，即使是最杰出的想法也会停滞不前。

这种模式影响了我对 LabX 的思考。您需要一个理论上的胜利策略，但您也需要运营能力来实现它，并且需要有适应和改变的纪律。LabX 旨在同时满足这些需求。

在我们的 CEO Raul Fernandez 的领导下，DXC 将 AI 流利性和创新置于转型战略的核心。LabX 是我们将这一信念转化为产品、能力和客户成果的方式——足够快以产生影响。

许多企业正在尝试使用 AI，但难以从试点项目转向生产。从您在 DXC 的观察来看，组织在扩大 AI 应用方面面临的最大障碍是什么？

两个障碍反复出现，且都与技术无关。

第一个是变革管理。AI 会改变人们的工作方式、他们负责的内容以及决策的方式。如果您不让员工参与进来，即使是最优雅的模型也会被闲置。第二个是，公司在扩大 AI 应用时没有改变底层的运营模式。他们将智能添加到特定的系统或应用程序中，以便单个用户使用，但其他团队成员无法使用。AI 是一种横向智能——它在跨功能、数据和工作流时创造最大的价值。当运营模式不改变时，这种价值就会被局限在本地，而不是在整个企业中复合。

因此，试点项目成功了，大家都在庆祝，但实际上并没有扩大规模。这就是我们在 LabX 中试图打破的模式，通过从第一天开始设计企业范围内的解锁。

LabX 操作的概念到最小可行产品（MVP）周期大约为 90 天或更短。为了使大型企业达到这种速度，需要哪些思维方式、治理或开发流程的变化？

最大的思维转变是愿意在信息不完美的情况下更早地做出决定，并且有纪律地剔除不起作用的东西。大型企业习惯了长时间的规划周期，因为他们觉得这样更安全。然而，在市场快速变化的环境中，慢速的“是”和慢速的“否”都是昂贵的。

在 LabX 内部，我们分配一个小型团队（设计、产品和工程）来针对真正的客户问题进行冲刺。他们构建一个最小可行产品，测试其价值和可扩展性，我们在 90 天内毕业显示出商业前景的想法。使这种速度成为可能的不是缺乏治理，而是正确的治理。安全、隐私、合规和负责 AI 审核都是从第一天开始就构建到流程中的，而不是在最后添加的。每个产品在扩大规模之前都会经过正式的治理审查。

对于大多数企业来说，达到这种速度的节奏需要保护一个空间，让他们可以合法地以这种方式移动——而不必强迫每个实验通过与多年平台构建相同的周期时间。

DXC 将 LabX 描述为一种方式，以便在扩大规模之前验证高潜力 AI 概念与客户。这种“客户零”方法如何确保 AI 解决方案是基于真实的运营需求而不是理论用例？

客户零是我们的优势。LabX 产品在上市之前必须先在 DXC 内部存活下来。我们管理着 11.5 万名员工，跨越 70 个国家，涉及受监管的行业、复杂的客户合同、遗留系统和真正的运营风险。这不是一个理想的演示环境——这是企业现实。

传统的初创公司可以快速移动，但他们很难复制在这种复杂性中操作的经验。当我们首先在自己内部测试一个产品时，我们会发现它在真正的数据、真正的工作流和真正的监管约束下会在哪里崩溃——这些都是六个月后会在客户环境中出现的问题。到我们将一个产品带给客户时，我们不再推销一个理论。我们可以说：“这是它在我们自己的运营中做了什么，这是我们改变了什么，这是我们衡量的结果。”

这也让我们保持诚实。如果一个产品无法在内部证明自己，它就不会毕业。这是一个比“它在演示中有效”更高的标准。

企业环境通常充满了遗留系统、碎片化的数据和监管约束。您如何设计能够在这种现实复杂性中有效运作的 AI 工作流？

我们从这样的假设开始：环境是复杂的——这是基线，而不是例外。

从架构上讲，我们采用了可分解的平台方法。领先的 AI 工具每月都在变化，而不是每年。如果您将自己硬连接到一个特定的模型、供应商或框架，您就相当于押注当前的领导者在 18 个月后仍然是领导者。这是一个糟糕的赌注。可分解的架构允许我们在前沿变化时交换组件，保持与真正的最佳工具的流利度，并将工具与真正的客户挑战进行压力测试，而不是仅仅依靠供应商的营销。

在监管和数据方面，合规性是从第一天开始就设计好的。每个产品都会经过治理审查，负责 AI 审核是流程的一部分，而不是事后补充。运营在高度监管的行业和 70 个国家中迫使我们遵守这种纪律——这最终成为一个特性，而不是一个缺陷，当我们将产品带给具有相同约束的客户时。

传统的 IT 咨询依赖于长时间的规划周期和僵化的实施框架。随着 AI 的发展速度超过这些周期，咨询模式需要如何改变？

诚实的答案是整个模型都需要转变，但如果我必须选择一个关键点，那就是价值主张。该行业已经花了几十年时间出售交付成果——幻灯片、路线图、实施计划——并且是按努力付费的。在 AI 本地的世界中，客户不想要交付成果。他们想要结果。他们想要工作流实际运行，成本实际降低，收入实际出现。

一旦您致力于出售结果，其他一切都必须改变以支持它。团队组成变得更加技术化。参与从建议和离开转变为构建和运营。定价从小时转变为结果。做这项工作的人需要像运行指导委员会一样舒适地交付代码。

这是我们行业的一种巨大的文化转变，并不是每个人都会成功。那些做到的人在五年后将看起来与今天非常不同。

LabX 也作为员工和技术合作伙伴的实验环境。内部实验在构建组织范围的 AI 流利性方面有多重要？

这是整个游戏。您不通过阅读关于 AI 的内容来构建 AI 流利性——您通过尝试事情、观看它们崩溃并再次尝试来构建它。这对于 30 年的 IT 专业人员和两年毕业的学生来说都是如此。

我们最近在一个业务单元内部运行了一个 AI 挑战，并在两周内获得了 1,300 个独特的想法。这不是关于工具的统计数据——这是关于当您给人们许可思考外盒时会发生的事情。创造力已经存在于组织内部。我们的工作是创造空间让它成长。

LabX 还运行一个轮换计划：来自 DXC 的各个技术专家在我们这里度过六到十二周的时间，使用最新的 AI 工具构建真正的产品。当他们回到自己的团队时，他们带来了新的技能和更重要的是不同的思考方式。他们开始向同事和客户提出不同的问题。他们成为可能性的冠军。这种对工作力的复合效应比我们交付的任何单个产品都值得更多。

DXC 将其方法框定为 Human+，强调 AI 应该扩展人类能力，而不是取代它们。在实践中，这种哲学如何影响 AI 解决方案在企业中的设计和部署？

我会直接说：行业中正在形成一种观点，即企业 AI 最有价值的事情是减少员工人数。我认为这是想象力的失败。

成本纪律很重要，但真正的机会是增长：新的收入流、新的产品、新的服务，这些在以前都不可能。AI 最高价值的用例是使人们能够做出创造新业务价值的工作，而不是仅仅优化现有的东西。正确理解这一点的公司将比那些将 AI 视为纯粹的成本练习的公司表现更好。

在实践中，Human+ 意味着我们设计 AI 来处理高容量、常规流程，以便我们的员工可以专注于更高价值的工作：战略思考、创造性问题解决、客户关系和复杂的判断。我们在每次部署中保持人类的专业知识和监督，特别是在决策具有真正后果的地方。这样您可以与客户建立信任，并解锁持久的竞争优势。

当组织尝试将 AI 集成到现有的工作流中时，您看到他们犯了哪些常见错误，这些错误会减慢采用速度或限制真正的商业价值？

我不断看到两种错误。第一种是从技术开始，而不是从问题开始。有人爱上了一个模型或供应商的演示，整个计划就变成了部署这个东西，而不是解决真正重要的业务问题。第二种是将 AI 当作 IT 项目，而不是业务转型。如果您将 AI 完全交给 CIO，并要求业务保持不变，您将得到一个没人使用的工具和明年没有人愿意为其辩护的预算。

两者的解药都很简单：从业务问题开始，组建合适的跨职能团队——人员、流程、技术——并反向构建以实现您要创造的结果。这就是我们在 LabX 采取的态度，也是我们与客户合作的方式，例如 Ferrovial，我们帮助部署了 AI Workbench——一种结合咨询、工程和安全企业服务的生成性 AI 产品，目前已被 24,000 多名员工使用，拥有 30 多个 AI 代理实时做出决策。这种规模的实现并非将其视为 IT 项目。

展望未来，您预计 AI 孵化环境，如 LabX，将如何影响企业在未来几年内开发、测试和部署新技术？

我认为这将是显而易见的：在这个时代的赢家将不是拥有最华丽的点解决方案的公司。他们将是集成者——那些能够将 AI 跨越运营模式、跨越功能和跨越工作流，以便智能不被困在单个工具或单个用户的屏幕中。这种问题比部署模型更难。它需要深厚的企业背景、跨遗留和现代系统工作的能力，以及改变工作实际完成方式的纪律。它也是我最兴奋的机会。

像 LabX 这样的孵化环境是我们获得经验的地方。它们是我们学习在规模上会发生什么、实际的治理是什么以及客户会和不会采用什么的场所。现在投资这种空间的企业——无论是内部还是通过合作伙伴——三年后将拥有与仍在犹豫是否值得付出努力的企业不同的能力曲线。我们在这个领域建设的人将继续找到值得解决的问题，因为技术不会放慢速度，机会也不会减少。感谢这次精彩的采访，希望读者能够通过访问 DXC Technology 了解更多信息。