Andrew Sales, Chief Product Officer, Scaled Agile – Rozhovorová série

Andrew Sales, Chief Product Officer a Chief Methodologist ve společnosti Scaled Agile, je zkušený líder v oblasti Lean, Agile a DevOps, který strávil více než dvě desetiletí pomáháním podnikům transformovat způsob, jakým dodávají hodnotu. Ve své současné roli řídí produktovou strategii a vývoj Rámce Scaled Agile (SAFe), pracuje s globálními organizacemi na přijetí agilních praktik v podnikovém měřítku. Předtím, než se připojil k Scaled Agile, zastával Sales seniorní vedoucí a konzultantské pozice ve společnostech CA Technologies, Rally Software a Pearson, kde poradil organizacím po celé Evropě, na Blízkém východě a v Africe v oblasti agilní transformace, která zahrnovala finanční služby, telekomunikace, maloobchod, software a vzdělávání.

Scaled Agile, Inc je společnost, která stojí za Rámcem Scaled Agile, známým jako SAFe, který je široce přijímaným rámcem pro pomoc podnikům aplikovat Lean, Agile a DevOps praktiky v měřítku. Prostřednictvím svého rámce, školicích programů, certifikací, partnerů a platformy SAFe Studio podporuje Scaled Agile organizace, které se snaží zlepšit sladění, rychlost dodání, kvalitu produktu, zapojení zaměstnanců a obchodní agilitu. Společnost uvádí, že SAFe byl přijat více než 20 000 podniky po celém světě a že více než jeden milion profesionálů prošlo školením v tomto rámci.

Jaké zkušenosti z velkých transformací nejvíce ovlivnily vznik AI-Native SAFe?

Během posledních 15 let jsme sledovali více než 20 000 organizací, které přijaly SAFe, aby vyřešily jednu základní výzvu: koordinaci komplexního vývoje produktu v podnikovém měřítku. Jedna zkušenost zůstala pozoruhodně konzistentní: principy Lean a Agile stále fungují. Co se mění, je to, jak tyto principy musí být aplikovány v závislosti na změnách technologií.

AI nedělá tyto principy zastaralými; mění pouze to, kde jsou omezení. Týmy se stávají menšími, více AI-augmentovanými a stále více se zaměřují na řízení práce, spíše než na provádění každé úkolu sami. Rozhodovací cykly se zkracují a interakce mezi lidským úsudkem a AI výkonem se stává centrální pro vytváření hodnoty.

AI-Native SAFe staví na prokázaném základě SAFe, zatímco evolucí operačního modelu pro tuto novou realitu. Zachovává se zaměřením na zákaznickou hodnotu, mezioborovou spolupráci, portfoliovou sladění a kontinuální zlepšování, zatímco zavádí nové způsoby, jak řídit AI, spravovat data jako strategickou aktivum a stanovit odpovědnost v AI-podporovaných organizacích.

Proč tradiční agilní rámce již nejsou dostatečné pro éru AI?

Tradiční agilní rámce zůstávají neuvěřitelně cenné. Co se změnilo, je prostředí, ve kterém fungují.

Během let byly organizace omezeny rychlostí, s jakou mohly navrhovat, budovat a dodávat software. AI dramaticky mění tuto rovnici. Jak jeden z našich zákazníků nedávno řekl, již nejsou omezeni rychlostí, s jakou mohou stavět věci; jsou omezeni rychlostí, s jakou mohou určit, zda tyto řešení vytvářejí významnou hodnotu, jsou bezpečná pro nasazení a sladění s obchodními cíli.

Bottleneck se přesunul z produkce na úsudek. Z výstupů na výsledky.

Organizace nyní potřebují operační modely, které jim pomohou kontinuálně vyhodnocovat hodnotu, řídit AI zodpovědně a koordinovat práci mezi lidmi a AI. To je evoluce za tradiční agilní praktiky, ne jejich náhrada.

Jaké jsou největší chyby, které podniky dělají, když se snaží škálovat AI iniciativy?

První chybou je považovat AI za problém nástrojů. Většina podniků již má přístup k více AI schopnostem, než jich efektivně využívají.

Druhou chybou je vrstvit AI na stávající pracovní postupy, aniž by se zpochybňovalo, zda tyto pracovní postupy by měly existovat v první řadě. Automatizace neefektivních procesů zřídka produkuje transformaci.

Třetí chybou je považovat AI za izolovanou inovační iniciativu místo organizační schopnosti. Udržitelná adopce AI vyžaduje změny strategie, řízení, produktového vývoje, operačních praktik a vedení, ne pouze nasazení další technologie.

Organizace, které dosahují největšího dopadu, přebudovávají, jak práce probíhá. AI se stává součástí operačního modelu, spíše než dalším nástrojem, který zaměstnanci očekávají, že budou používat.

Jaká je role AI Value Architekta a jak mění dynamiku týmu?

AI dramaticky snižuje náklady na vytváření řešení, ale nesnižuje náklady na řešení špatného problému.

AI Value Architekt existuje, aby pomohl organizacím objevit příležitosti pro využití AI, zatímco zůstávají zaměřeny na obchodní výsledky. Tato role pomáhá vyvážit zákaznickou hodnotu, technickou proveditelnost, náklady, řízení, právní úvahy a etickou odpovědnost, než organizace investují do škálování AI-podporovaných schopností.

Rather než stát se další vrstvou schvalování, role AI Value Architekta vytváří sladění mezi obchodními lídry, produktovými týmy a technickými organizacemi, aby rozhodnutí o AI byla rychlejší a lépe informovaná. Poskytuje praktický mechanismus pro vyvážení inovace s odpovědností, zatímco udržuje měřitelnou obchodní hodnotu v centru každé AI investice.

Jak vyvažujete rychlost inovací s odpovědným dohledem AI?

Rižení by se nemělo stát něčím, co se děje po inovaci. Mělo by být vestavěno do operačního modelu, aby inovace mohla probíhat bezpečně a kontinuálně.

Velké podniky vždy potřebovaly vyvažovat rychlost s odpovědností. AI zvyšuje důležitost tohoto vyvážení, protože AI systémy zavádějí nové úvahy o kvalitě dat, transparentnosti, zkreslení, souladu a organizační odpovědnosti.

AI-Native SAFe činí řízení explicitním, spíše než implicitním. Zahrnuje řízení do portfoliového rozhodování, elevuje správu dat jako první třídou záležitost, udržuje člověka v smyčce a zavádí roli jasnosti kolem AI odpovědnosti. Když je řízení vestavěno do toho, jak organizace fungují, stává se umožňovačem inovací, spíše než omezením.

Jak se budou měnit struktury podnikových týmů v příštích pěti letech?

Vidíme čtyři hlavní posuny, které se objevují napříč high-performing organizacemi.

První, lidé se stále více zaměřují na definici záměru a požadovaných výsledků, spíše než na provádění každé úkolu ručně.

Druhý, cykly učení a experimentování se stávají dramaticky rychlejšími, protože AI urychluje průzkum a zpětnou vazbu.

Třetí, inovace se stává více distribuovanou, protože AI snižuje náklady na experimentování napříč podnikem.

Poslední, týmy se stávají stále více AI-augmentovanými, s AI, které funguje jako aktivní účastník v dodání, spíše než pouze jako další nástroj produktivity.

V budoucnosti budou AI-Native týmy pravděpodobně definovány méně počtem zaměstnanců a více tím, jak efektivně orchestrují spolupráci mezi lidským odborníkem a AI schopnostmi.

Proč je připravenost dat stále tak velkou překážkou a co by organizace měly prioritizovat?

Data zůstávají jednou z největších překážek pro realizaci podnikového AI, protože AI je pouze tak efektivní, jako je informace, na které je postaven. Fragmentovaná data, nekonzistentní řízení a pracovní postupy, které nebyly navrženy pro AI-nativní prostředí, pokračují v udržování mnoha organizací v pilotním režimu, spíše než škálování AI napříč podnikem.

Výzkum z Return on AI Institute zjistil, že 55% globálních výkonných ředitelů uvádí nedostatek AI-připravených dat jako největší inhibitor pro realizaci hodnoty z AI. To potvrzuje, co vidíme v praxi: předtím, než organizace investují značně do nových AI aplikací, potřebují považovat data za spravovanou strategickou aktivum, s jasným vlastnictvím, řízením, kvalitativními standardy a důvěrou. AI škáluje, co je mu dáno, ať je to dobré nebo špatné.

To je důvod, proč AI-Native SAFe zahrnuje kurátorství dat jako strukturální prvek operačního modelu, spíše než jej zachází jako předpoklad nebo někoho jiného úkolu. Připravenost dat není pouze výzvou pro IT; je to výzvou pro vedení a operační model, která přímo ovlivňuje schopnost organizace generovat obchodní hodnotu z AI.

Jak AI-Native SAFe pomáhá organizacím přecházet z měření výstupů na měření výsledků?

AI dělá to dramaticky jednodušší generovat výstup. Jakmile se provedení stane rychlejším a méně nákladným, výstup samotný se stává mnohem slabším měřítkem pokroku. Skutečná konkurenční výhoda se přesouvá na měření, zda tyto výstupy vytvářejí významné obchodní výsledky.

AI-Native SAFe je postaven kolem výsledků-řízeného cyklu vývoje produktu. Poskytuje role, praktiky a řízení potřebné pro kontinuální spojení AI investic s měřitelnou obchodní hodnotou.

Stejný výzkum z Return on AI Institute podporuje tento posun: organizace, které pravidelně měří a komunikují hodnotu AI na úrovni vedení a správní rady, hlásí významně silnější návratnost AI investic. AI-Native SAFe pomáhá udělat tuto výsledkovou disciplínu kontinuální součástí toho, jak podnik funguje.

Jaké faktory by organizace měly zvážit, když se rozhodují, zda přejít na AI-Native SAFe?

Core SAFe zůstává správným operačním modelem pro mnoho organizací. AI-Native SAFe není určen k jeho nahrazení; rozšiřuje ho pro organizace, jejichž operační modely jsou stále více ovlivňovány AI.

Organizace by měly zvážit, kde AI vytváří významné příležitosti k přebudování práce, spíše než pouze automatizaci stávajících aktivit. Měli by vyhodnotit, zda jejich řízení, vedení a datové schopnosti jsou připraveny podporovat AI v podnikovém měřítku.

Nejvíce je to však rozhodnutí, které není všechno nebo nic. AI-Native SAFe zahrnuje pokyny pro přijetí, aby organizace mohly evolucí AI-Native SAFe praktik.

Každá organizace začíná z jiného místa a AI-Native SAFe je navržen tak, aby podporoval tuto evoluci.

Jak vypadá skutečně AI-nativní podnik v roce 2030?

Do roku 2030 nebudou nejvyšší-performing organizace považovat AI za technologický problém, ale za obchodní příležitost. Stane se nedílnou součástí toho, jak fungují, zůstávají konkurenceschopné a dodávají hodnotu zákazníkům.

Lidští lídři budou stále více definovat záměr, činit strategická rozhodnutí, cvičit úsudek a zůstat odpovědní za výsledky. AI agenti budou provádět více analýz, koordinace a provedení, které dříve vyžadovaly značné lidské úsilí.

To, co bude oddělovat průmyslové lídry, nebude přístup k AI; každý bude mít přístup k silným AI schopnostem. Rozlišovacím faktorem bude kvalita jejich operačního modelu: jak efektivně orchestrují lidi, AI, data, řízení a kontinuální učení, aby dodávali měřitelné obchodní výsledky v měřítku.

Děkuji za skvělý rozhovor, čtenáři, kteří si chtějí dozvědět více, by měli navštívit Scaled Agile.