أندرو سيلز، الرئيس التنفيذي لل产品 في Scaled Agile – سلسلة المقابلات

أندرو سيلز، الرئيس التنفيذي لل产品 والمنهجية في Scaled Agile، هو قائد متمرس في مجال Lean وAgile وDevOps، وقضى أكثر من عقدين من الزمن في مساعدة الشركات على تحويل طريقة تسليم القيمة. في منصبه الحالي، يوجه استراتيجية المنتج وتطور إطار عمل Scaled Agile، ويعمل مع المنظمات العالمية على تبني ممارسات Agile على مستوى الشركات. قبل انضمامه إلى Scaled Agile، شغل سيلز مناصب قيادية واستشارية في CA Technologies وRally Software وPearson، حيث أشار إلى المنظمات عبر أوروبا وشرق أوسط وأفريقيا على مبادرات تحويل Agile في قطاعات الخدمات المالية والاتصالات والبيع بالتجزئة والبرمجيات والتعليم.

Scaled Agile, Inc. هي الشركة وراء إطار عمل Scaled Agile، المعروف باسم SAFe، وهو إطار تم تبنيه على نطاق واسع لمساعدة الشركات على تطبيق ممارسات Lean وAgile وDevOps على مستوى الشركات. من خلال إطاره وبرامج التدريب وبرامج الشهادات وشبكة الشركاء ومنصة SAFe Studio، تدعم Scaled Agile المنظمات التي تسعى إلى تحسين الانسجام وسرعة التسليم وجودة المنتج ومشاركة الموظفين ومرونة الأعمال. وتفيد الشركة بأن SAFe تم تبنيه من قبل أكثر من 20,000 شركة على مستوى العالم، وأكثر من مليون محترف تم تدريبه على الإطار.

ما هي الدروس التي أثرت مباشرة على إنشاء AI-Native SAFe؟

على مدار 15 عامًا، شاهدنا أكثر من 20,000 منظمة تتبنى SAFe لحل تحدي أساسي واحد: تنسيق تطوير المنتج المعقد على مستوى الشركات..drone واحدة ظلت متسقة بشكل ملحوظ: مبادئ Lean وAgile لا تزال تعمل. ما يتغير هو كيفية تطبيق تلك المبادئ مع تغير التكنولوجيا.

AI لا تجعل تلك المبادئ عفا عليها الزمن؛ إنها تغير حيث تقع العوائق. الفرق تصبح أصغر، ومكبرة بالذكاء الاصطناعي، ومتزايدة التركيز على توجيه العمل بدلاً من أداء كل مهمة بنفسها. دورات اتخاذ القرار ت缩ر، والتفاعل بين الحكم البشري وتنفيذ الذكاء الاصطناعي يصبح مركزيًا في كيفية إنشاء القيمة.

AI-Native SAFe يبني على الأساس المثبت لإطار عمل SAFe بينما يتطور نموذج التشغيل لهذه الواقع الجديد. يحافظ على التركيز على قيمة العملاء والتعاون عبر الوظائف وتنسيق المحفظة والتحسين المستمر، مع إدخال طرق جديدة لإدارة الذكاء الاصطناعي وإدارة البيانات كأصل استراتيجي وتأسيس المساءلة في المنظمات التي تمكّنها الذكاء الاصطناعي.

لماذا لا تكتفي الإطارات Agile التقليدية للعصر الذكاء الاصطناعي؟

الإطارات Agile التقليدية لا تزال قيمة بشكل كبير. ما تغير هو البيئة التي تعمل فيها.

على مدار سنوات، كانت المنظمات مقيدة بسرعة تصميمها وبنائها وتسليم البرمجيات. الذكاء الاصطناعي يغير ذلك المعادلة بشكل كبير. كما قال أحد العملاء لنا مؤخرًا، لم يعد مقيدًا بسرعة بناء الأشياء؛ بل مقيد بسرعة تحديد ما إذا كانت تلك الحلول تخلق قيمة معنوية، وآمنة للنشر، ومتوافقة مع أهداف الأعمال.

العقبة قد انتقلت من الإنتاج إلى الحكم. من الإنتاج إلى النتائج.

المنظمات تحتاج الآن إلى نماذج تشغيل تساعدها على تقييم القيمة بشكل مستمر، وإدارة الذكاء الاصطناعي بشكل مسؤول، وتنسيق العمل بين الناس والذكاء الاصطناعي. هذا تطور يتجاوز ممارسات Agile التقليدية، وليس استبدالًا لها.

ما هي أكبر الأخطاء التي يرتكبها المؤسسون عند محاولة توسيع مبادرات الذكاء الاصطناعي؟

الخطأ الأول هو معاملة الذكاء الاصطناعي كمشكلة أدوات. معظم المؤسسات لديها بالفعل وصول إلى قدرات الذكاء الاصطناعي أكثر مما تستخدمه بشكل فعال.

الخطأ الثاني هو وضع الذكاء الاصطناعي فوق سلاسل العمل الحالية دون تساؤل عما إذا كانت تلك السلاسل يجب أن تظل موجودة في المقام الأول. تلقين العمليات غير الفعالة نادرًا ما ينتج تحولًا.

خطأ ثالث هو معاملة الذكاء الاصطناعي كمبادرة ابتكار معزولة بدلاً من قدرة منظمة. تبني الذكاء الاصطناعي المستدام يتطلب تغييرات في الاستراتيجية والحوكمة وتطوير المنتج وممارسات التشغيل والقيادة، وليس مجرد نشر منصة تكنولوجية أخرى.

المنظمات التي ت看到 أكبر تأثير يعادة تصميم كيفية حدوث العمل. الذكاء الاصطناعي يصبح جزءًا من نموذج التشغيل بدلاً من مجرد أداة يُتوقع من الموظفين استخدامها.

ما هو الفجوة التي يملأها مهندس قيمة الذكاء الاصطناعي، وكيف يتغير ديناميكية الفريق؟

الذكاء الاصطناعي يقلل بشكل كبير من تكلفة إنشاء الحلول، لكنه لا يقلل من تكلفة حل المشكلة الخاطئة.

مهندس قيمة الذكاء الاصطناعي موجود لمساعدة المنظمات على اكتشاف فرص للاستفادة من الذكاء الاصطناعي مع الحفاظ على التركيز على النتائج التجارية. هذا الدور يساعد على توازن بين قيمة العملاء والجدوى التقنية والتكلفة والحوكمة والاعتبارات القانونية والمسؤولية الأخلاقية قبل أن تستثمر المنظمات في توسيع القدرات التي تمكّنها الذكاء الاصطناعي.

بدلاً من أن يصبح طبقة موافقة أخرى، دور مهندس قيمة الذكاء الاصطناعي يخلق انسجامًا بين قادة الأعمال وفرق المنتجات والمنظمات التقنية بحيث تكون القرارات المتعلقة بالذكاء الاصطناعي أسرع وأفضل إطلاعًا. يوفر آلية عملية لتوازن الابتكار مع المسؤولية مع الحفاظ على القيمة التجارية القابلة للقياس في مركز كل استثمار في الذكاء الاصطناعي.

كيف تتوازن سرعة الابتكار مع الرقابة المسؤولة على الذكاء الاصطناعي؟

الحوكمة لا يجب أن تحدث بعد الابتكار. يجب أن تكون جزءًا من نموذج التشغيل بحيث يمكن أن يحدث الابتكار بأمان وبدوام.

المنظمات الكبيرة دائمًا ما تحتاج إلى توازن بين السرعة والمساءلة. الذكاء الاصطناعي يرفع أهمية ذلك التوازن لأن أنظمة الذكاء الاصطناعي تطرح اعتبارات جديدة حول جودة البيانات والشفافية والتحيز والامتثال والمسؤولية التنظيمية.

AI-Native SAFe يجعل الحوكمة صريحة بدلاً من ضمنية. إنه يدمج الحوكمة في اتخاذ القرارات على مستوى المحفظة، ويرفع إدارة البيانات كاهتمام من الدرجة الأولى، ويحافظ على البشر في الحلقة، ويقدم وضوحًا للدور حول مسؤولية الذكاء الاصطناعي. عندما تكون الحوكمة متأصلة في كيفية عمل المنظمات، تصبح مُحفزة للابتكار بدلاً من كونها مقيدة.

كيف ستتغير هياكل فرق المؤسسات على مدار الخمس سنوات القادمة؟

نرى أربع تحولات رئيسية ت出现 في المنظمات عالية الأداء.

أولاً، يركز الناس بشكل متزايد على تحديد النية والنتائج المرغوبة بدلاً من تنفيذ كل مهمة يدوياً.

ثانياً، دورات التعلم والتجربة تصبح أسرع بشكل كبير مع تسريع الذكاء الاصطناعي لاستكشاف والتعليقات.

ثالثاً، يصبح الابتكار أكثر توزيعًا لأن الذكاء الاصطناعي يقلل من تكلفة التجربة عبر المؤسسة.

أخيراً، تصبح الفرق أكثر دعمًا بالذكاء الاصطناعي، حيث يتصرف الذكاء الاصطناعي كشريك نشط في التسليم بدلاً من مجرد أداة إنتاجية.

في المستقبل، من المرجح أن يتم تعريف فرق الذكاء الاصطناعي الأصليين بأقل من عدد الموظفين وأكثر من كيفية تنسيقهم للتعاون بين الخبرة البشرية والقدرة على الذكاء الاصطناعي.

لماذا لا تزال جاهزية البيانات عقبة كبيرة، وماذا يجب أن تpriorize المنظمات؟

البيانات لا تزال واحدة من أكبر الحواجز لتحقيق قيمة الذكاء الاصطناعي على مستوى المؤسسة لأن الذكاء الاصطناعي فعال فقط مثل المعلومات التي يبنى عليها. البيانات المتناثرة، والحوكمة غير المتسقة، وسلاسل العمل التي لم يتم تصميمها للبيئة الأصلية للذكاء الاصطناعي، لا تزال تعيق العديد من المنظمات في وضع تجريبي بدلاً من توسيع الذكاء الاصطناعي عبر الأعمال.

أظهر البحث من معهد عائد الذكاء الاصطناعي أن 55% من كبار المسؤولين التنفيذيين يشيرون إلى عدم وجود بيانات جاهزة للذكاء الاصطناعي كأعظم معوق لتحقيق القيمة من الذكاء الاصطناعي. هذا يعزز ما نراه في الممارسة: قبل أن تستثمر المنظمات بشكل كبير في تطبيقات الذكاء الاصطناعي الجديدة، تحتاج إلى معاملة البيانات كأصل استراتيجي مدار، مع ملكية واضحة وحوكمة ومعايير جودة وثقة. الذكاء الاصطناعي يوسع أي معلومات يُعطى لها، سواء كانت جيدة أو سيئة.

ذلك هو السبب في أن AI-Native SAFe يدمج إدارة البيانات المحددة كعنصر هيكلي من نموذج التشغيل بدلاً من معاملتها كشرط مسبق أو مسؤولية شخص آخر. جاهزية البيانات ليست مجرد تحدي تكنولوجي؛ إنها تحدي قيادة ونموذج تشغيل يؤثر مباشرة على قدرة المنظمة على توليد قيمة تجارية من الذكاء الاصطناعي.

كيف يساعد AI-Native SAFe المنظمات على الانتقال من قياس الإنتاج إلى قياس النتائج؟

الذكاء الاصطناعي يجعل من السهل بشكل كبير توليد الإنتاج. مع أسرع تنفيذ وأقل تكلفة، يصبح الإنتاج وحده مقياسًا أضعف للتقدم. الميزة التنافسية الحقيقية تنتقل إلى قياس ما إذا كانت تلك النتائج تخلق نتائج تجارية معنوية.

AI-Native SAFe مبني حول دورة تطوير المنتج التي تتمحور حول النتائج. يوفر الأدوار والممارسات والحوكمة اللازمة للربط المستمر بين استثمارات الذكاء الاصطناعي والقيمة التجارية القابلة للقياس.

أظهر البحث نفسه من معهد عائد الذكاء الاصطناعي أن المنظمات التي تقيس وتتواصل بقيمة الذكاء الاصطناعي بانتظام على مستوى التنفيذي والهيئة الإدارية تبلغ عن عوائد أقوى بشكل ملحوظ على استثماراتها في الذكاء الاصطناعي. AI-Native SAFe يساعد على جعل هذه الانضباط الموجهة للنتائج جزءًا مستمرًا من كيفية عمل المؤسسة.

ما هي العوامل التي يجب أن تأخذها المنظمات في الاعتبار عند決定 الانتقال إلى AI-Native SAFe؟

SAFe الأساسي لا يزال نموذج التشغيل الصحيح للعديد من المنظمات. AI-Native SAFe لا يهدف إلى استبداله؛ إنه يوسعه للمنظمات التي يتم تشكيل نموذجها التشغيلي بشكل متزايد من قبل الذكاء الاصطناعي.

المنظمات يجب أن تضع في الاعتبار حيث يخلق الذكاء الاصطناعي فرصًا لتحويل العمل بدلاً من مجرد تلقين الأنشطة الحالية. يجب أن تقيّم ما إذا كانت حوكمتها وممارسات القيادة وقدراتها على إدارة البيانات جاهزة لدعم الذكاء الاصطناعي على مستوى المؤسسة.

الأهم من ذلك كله، هذه ليست quyếtة كل شيء أو لا شيء. AI-Native SAFe يتضمن إرشادات للتبني بحيث يمكن للمنظمات أن تتطور بشكل متزايد، وتبنّي ممارسات AI-Native SAFe.

كل منظمة تبدأ من مكان مختلف، وAI-Native SAFe مصمم لدعم تلك التطور.

ما هو شكل المنظمة الأصلية للذكاء الاصطناعي في عام 2030؟

في عام 2030، لن تفكر المنظمات الأعلى أداء على الذكاء الاصطناعي كمشكلة تكنولوجية، بل كفرصة تجارية. سيكون جزءًا لا يتجزأ من كيفية عملها، والبقاء التنافسي، وتسليم القيمة لعملائها.

القيادات البشرية سوف تحدد بشكل متزايد النية، وتتخذ القرارات الاستراتيجية، وتت行ى الحكم، وتظل مسؤولة عن النتائج. وكلاء الذكاء الاصطناعي سوف يؤدون أكثر من التحليل والتنسيق والتنفيذ الذي كان يتطلب في السابق جهدًا بشريًا كبيرًا.

ما سوف يفرق بين قادة الصناعة لن يكون الوصول إلى الذكاء الاصطناعي، حيث سيكون الجميع لديهم وصول إلى قدرات الذكاء الاصطناعي القوية. الفارق سوف يكون جودة نموذجهم التشغيلي: كيفية تنسيقهم للأشخاص والذكاء الاصطناعي والبيانات والحوكمة والتعلم المستمر لتسليم نتائج تجارية قابلة للقياس على مستوى كبير.

شكراً على المقابلة الرائعة، القراء الذين يرغبون في التعلم أكثر يجب أن يزوروا Scaled Agile.