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 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，经验涵盖企业 AI 战略、金融科技、创业领导和运营转型。在 DXC，她帮助塑造公司的 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）担任多个领导职务，最后担任首席运营官，她专注于金融科技领域的运营扩张和战略增长。

DXC Technology 是一家全球 IT 服务和咨询公司，专注于帮助企业跨云计算、网络安全、人工智能、数据基础设施和企业运营现代化其关键系统。该公司由计算机科学公司（CSC）和惠普企业服务部门合并而成，与包括医疗保健、银行、制造、保险和政府在内的各个行业的组织合作。近年来，DXC越来越多地将自己定位为围绕AI本地企业转型，提供将生成性AI、智能自动化、可观察性、数字孪生和大规模IT现代化集成到复杂企业环境中的服务。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部署AI，而不是完全替换传统系统。

您在战略、运营和创新交叉点上建立了职业生涯，从早期扩张组织到现在领导DXC的战略与创新。您过去的经历如何塑造您对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？

我的职业生涯让我穿梭于家族办公室、初创公司、风险投资和现在的财富500强公司转型期。在所有这些环境中，我看到的规律是，想法本身不会成功。真正创造价值的想法往往具备三个特点：真正的客户需求、合适的市场时机和明确的适当范围。缺少任何一个因素，即使是天才想法也会停滞不前。

这种模式塑造了我对LabX的思考方式。你需要一个胜利理论——真正的策略——但你也需要运营能力来使其成为现实，并且需要适应和学习的纪律。策略没有执行就是一堆幻想。执行没有策略就是没有进步的动作。LabX的设计是同时包含这两方面。

在我们的CEO Raul Fernandez的领导下，DXC将AI熟练度和创新放在了转型战略的中心。LabX是我们如何将这种信念转化为产品、能力和客户成果的方式——足够快以至于重要。

许多企业正在尝试使用AI，但难以将其从试点项目转移到生产环境。根据您在DXC的观察，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改变了人们的工作方式、他们的责任和决策方式。如果你不让你的员工一起成长，最优雅的模型也会被闲置。第二个是，公司在扩大AI应用时没有改变其底层运营模式。他们将智能添加到特定系统或应用程序中，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，这种价值会被局限在本地，而不是在整个企业中复合。

所以，试点项目成功了，大家都在庆祝，但实际上什么也没有扩大。这就是我们在LabX中尝试破除的模式，通过从第一天开始为企业范围的解锁进行设计。

LabX采用大约90天或更短的概念到MVP周期。为了使大型企业以这样的速度移动，哪些心态、治理或开发流程的变化是必要的？

最大的心态转变是愿意更早地做出决定，并拥有更不完美的信息——以及放弃不起作用的东西的纪律。大的企业习惯了长期的规划周期，因为他们觉得这样很安全。实际上，他们并不安全。在市场发展如此迅速的环境中，慢的“是”和慢的“否”都是昂贵的。

在LabX内部，我们分配一个小型三人组——设计、产品和工程——来针对真正的客户问题进行冲刺。他们构建最小可行产品，测试其价值和可扩展性，并在90天内毕业出具有商业前景的想法。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、合规和负责任的AI审批都是从第一天开始就纳入流程的，而不是最后添加的。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，让其合法地以这种方式移动——而不强迫每个实验都经过与多年平台构建相同的周期时间。就是LabX为我们做的事情。

DXC将LabX描述为一种验证高潜力AI概念的方式，然后再将其扩大到客户。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。在LabX产品上市之前，它必须先在DXC内部生存下来。我们管理着11.5万名员工，跨越70个国家，受监管的行业，复杂的客户合同，传统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运营的真实体验。当我们首先在自己内部测试一个产品时，我们会找到它在真实数据、真实工作流和真实监管约束下会出现问题的地方——这些问题六个月后会在客户环境中出现。到我们将产品带给客户时，我们不再推销理论。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，这是我们衡量的东西。”

这也让我们保持诚实。如果一个产品不能在内部证明自己，它就不会毕业。这比说“它在演示中有效”要高的标准。

企业环境通常充满了传统系统、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行的AI工作流？

我们从复杂环境的假设开始——这是基准，而不是例外。

从架构上讲，我们采用可分解的平台方法。领先的AI工具每月都在变化，而不是每年。如果你将自己绑定到单一模型、供应商或框架，你就押注今天的领导者将来会继续领先。这是一个糟糕的赌注。可分解的架构让我们可以在前沿不断变化时交换组件，保持对真正最佳的流利度，并将工具与真正的客户挑战进行压力测试，而不是供应商的营销。

在监管和数据方面，合规性从第一天开始就被设计进去了。每个产品都经过治理审查，负责AI审批是流程的一部分，而不是事后补充。跨70个国家的高监管行业运营强迫我们遵守这种纪律——这实际上对我们带来了好处，当我们将产品带给具有相同约束的客户时。

传统的IT咨询依赖于长期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，但如果我必须选择关键点，那就是价值主张。该行业已经花费了几十年时间出售可交付成果——幻灯片、路线图、实施计划——并为努力付出代价。在AI本地世界中，客户不想要可交付成果。他们想要结果。他们想要工作流程真正运行，成本真正降低，收入真正出现。

一旦你承诺出售结果，其他一切都必须改变以支持它。团队组成变得更加技术化。参与变得从建议和离开转变为构建和运营。定价转变为远离小时制。做工作的人需要像运行指导委员会一样舒适地交付代码。

这是我们行业的一项重大文化变化，并非所有人都能适应。那些做到的人在五年后将与今天大不相同。

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熟练度方面有多重要？

这是整个游戏。您不通过阅读AI来构建AI熟练度——您通过尝试、观看它们崩溃并再次尝试来构建。对于30年IT专业人士和刚毕业两年的年轻人来说，这都是正确的。

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1300多个独特的想法。这不是关于工具的统计数据——这是关于当你给人们思考外盒的许可时会发生什么的统计数据。创造力已经存在于组织内部。我们的工作是创造空间让其成长。

LabX还运行轮换计划：DXC各地的技术专家会花六到十二周的时间嵌入到我们这里，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，更重要的是，他们带来了不同的思考方式。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。这种在整个员工中的复合效应比我们交付的任何单一产品都值得更多。

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。从实际角度来看，这种理念如何影响AI解决方案在企业中的设计和部署？

我将直接说：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AI出现之前根本不可行。AI的最高价值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工作。正确理解这一点的公司将比那些将AI视为纯粹的成本锻炼的公司表现更好。

在实践中，Human+意味着我们设计AI来处理高容量的常规流程，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专业知识和监督的核心，特别是在决策具有真正后果的地方。这就是与客户建立信任的方式，也是解锁持久竞争优势的方式。

当组织尝试将AI集成到现有的工作流程中时，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？

我看到两个错误不断重复。第一个是从技术开始，而不是从问题开始。有人爱上了一个模型或供应商的演示，整个项目就变成了部署这个东西，而不是解决真正重要的业务问题。第二个是将AI视为IT项目，而不是业务转型。如果你完全将AI交给CIO，并要求业务保持不变，你会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。

对这两种情况的解药很简单：从业务问题开始，组建正确的跨职能团队——人员、流程、技术——并从你要创造的结果反向构建。这就是我们在LabX采取的态度，也是我们与客户合作的方式，比如Ferrovial，我们帮助他们部署了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，您预计像LabX这样的AI孵化环境将如何影响企业在未来几年内开发、测试和部署新技术？

我认为将会很明显：这个时代的赢家不会是那些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、跨功能和跨工作流程拼接在一起的人，使得智能不会被困在单一工具或单个用户的屏幕中。

这是一个比部署模型更难的问题。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。这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。它们是我们学习什么会在规模上破碎、什么治理在实践中真正意味着什么以及客户会和不会采用什么的场所。投资这种空间的企业——无论是内部还是通过合作伙伴——将在三年后拥有与现在大不相同的能力曲线。我们在这个空间中构建的人将继续找到新的问题来解决，因为技术不会减慢速度，机会也不会减少。