Chris Strahl, zakladatel a generální ředitel společnosti Knapsack – série rozhovorů

Chris Strahl je spoluzakladatelem a generálním ředitelem společnosti Knapsack, kde se zaměřuje na přetváření způsobu, jakým se vytvářejí moderní digitální produkty, a to propojením designových, inženýrských a produktových týmů kolem společného systému pravdy. S praxí zakořeněnou v designových systémech a front-end vývoji je také všeobecně známý jako moderátor Podcast o designových systémech, kde zkoumá, jak organizace škálují design, zlepšují spolupráci a modernizují digitální produkci.

Batoh je podnikový designový systém a platforma pro digitální produkci, která funguje jako živý systém záznamů a propojuje designové prvky, kód, obsah a dokumentaci v reálném čase. Platforma umožňuje týmům vytvářet a spravovat opakovaně použitelné komponenty připravené k produkci, spravovat designové tokeny a udržovat konzistenci napříč komplexními digitálními ekosystémy. Strukturováním designových a uživatelských dat způsobem, který je škálovatelný a připravený pro umělou inteligenci, pomáhá Knapsack velkým organizacím urychlit dodání, omezit duplicitu a zajistit integritu značky a produktu napříč týmy a kanály.

Společnost Knapsack vznikla po letech strávených vývojem návrhových systémů pro velké podniky ve firmě Basalt, kde se opakující se tření mezi návrhovými soubory, technickými pracovními postupy a dodaným kódem stalo nemožným ignorovat. Kdy se tento vzorec stal natolik jasným, že ospravedlnil spuštění specializované platformy?

Ve společnosti Basalt jsme vytvořili nespočet designových systémů a vzorec byl zřejmý: designové soubory, technické pracovní postupy a dodaný kód existovaly v oddělených vesmírech. Výsledkem nebylo jediné dramatické selhání, ale tisíc opakujících se ztrát: tlačítka nesprávné velikosti, nekonzistentní chování a stylistický posun napříč vlastnostmi, což týmy stálo měsíce přepracování. Věděli jsme, že je to skutečný problém, když jsme viděli, že tyto problémy nelze vyřešit lepšími synchronizačními konektory ani hezčí dokumentací. Vyžadovaly jeden autoritativní systém záznamů pro design, kód a pravidla značky. Toto uvědomění jasně ukázalo, že je nezbytná specializovaná platforma.

Přechod od agenturní a konzultační práce k budování produktové společnosti odhalil hlubší problém, který stávající nástroje designových systémů a platformy pro pracovní postupy neřešily. Jaká byla základní mezera, která formovala ranou architekturu a směřování Knapsacku?

Když jsme přešli od agenturní práce k vývoji produktu, ukázalo se, že chybějící klíčový prvek je zřejmý. Neexistoval žádný spolehlivý, strojově čitelný systém, který by zachycoval komponenty, omezení a synergii mezi designéry a inženýry. Stávající nástroje se zaměřovaly na soubory nebo izolované repozitáře, ale ne na živou reprezentaci skutečného stavu produktu, včetně komponent, motivů, pravidel použití a metadat o shodě s předpisy. Knapsack jsme postavili na kanonickém systému záznamů, který je primárně zaměřen na komponenty, je verzovaný, instrumentovatelný a schopný integrace s designérskými nástroji i kódovými bázemi. Tento závěr formoval náš model příjmu a propojovací vrstvu, což nakonec vedlo k Intelligent Product Engine.

„Éra pláten“ ustupuje živým, kódem propojeným systémům. Jak definujete tento posun a co se změní pro týmy, když se tvorba produktů přesune ze statických souborů do neustále aktualizovaných systémů?

Éra Canvas považovala UX za statické artefakty, obvykle soubory předávané mezi týmy. Nová éra je poháněna neustále aktualizovanými, spustitelnými systémy, které odrážejí skutečnou implementaci. Změna pro týmy je významná. Místo debat o tom, který soubor nebo větev je zdrojem pravdy, pracují ze sdíleného systému, který odhaluje aktuální stav komponent, tokenů, omezení přístupnosti a produkčního chování. To snižuje nejednoznačnost, umožňuje automatizované ověřování a podporuje agentní pracovní postupy, které generují použitelné uživatelské rozhraní založené na reálných komponentách, nikoli na aproximacích.

Uživatelské rozhraní generované agenty často selhává bez systému záznamů, který odráží skutečné komponenty, pravidla a omezení. Proč je tato kotevní vrstva nezbytná pro to, aby umělá inteligence vytvářela rozhraní připravená pro podniky?

Umělá inteligence dokáže syntetizovat rozvržení a kopírovat, ale k vytváření rozhraní připravených pro podniky potřebuje autoritativní slovník. Kotevní vrstva, která obsahuje konkrétní komponenty, props, omezení, tokeny a pravidla použití, dává umělé inteligenci hranice, které musí respektovat. Bez ní si agenti představují styly, ignorují požadavky na přístupnost nebo generují kód, který neodpovídá tomu, co technické týmy skutečně dodávají. Se skutečným grafem komponent a sadou pravidel agenti produkují výstupy, které jsou implementovatelné, kompatibilní a konzistentní se standardy značky. To je rozdíl mezi hezkou maketou a nasaditelným rozhraním.

Co se ukázalo jako nejobtížnější při sjednocení designových prvků, kódu, pravidel značky, požadavků na shodu s předpisy, vzorů UX a dat o výkonu do jednoho uceleného systému během vývoje Intelligent Product Engine?

Výzvou není jediná integrace, ale spíše série integrací. Jde o harmonizaci záměru a reality napříč různými reprezentacemi, včetně designových tokenů ve Figmě, implementací komponent ve více repozitářích, pokynů pro značku v právních dokumentech, telemetrie z produkčních systémů a metadat o shodě s předpisy. Každá z těchto reprezentací existuje v různých formátech, s různými vlastníky a v různých aktualizačních cyklech. Přeměna těchto signálů do jednoho konzistentního modelu vyžadovala silné procesy pro příjem dat, pravidla pro řešení konfliktů a jasný model pro původ a vlastnictví. Týmy potřebovaly vědět, co se změnilo, kdo změnu provedl a proč k ní došlo. Nejtěžší částí bylo vybudování této vrstvy důvěry.

Vzhledem k tomu, že umělá inteligence je nyní schopna generovat stále komplexnější rozhraní, jak si představujete vývoj rolí designérů a inženýrů v rámci pracovních postupů mezi člověkem a agentem?

Agenti budou zpracovávat opakující se úkoly, jako je vytváření stránek pro generování lešení, navrhování přístupných variant a generování lokalizovaného obsahu. Designéři se zaměří na strategii, záměr uživatelského zážitku, UX na okraji projektu a definování omezení, která vedou k dobrým výsledkům. Inženýři se budou méně soustředit na přepisování každého pixelu a více na správnost komponent, běhové smlouvy, pozorovatelnost a výkon. Lidé se stanou kurátory a validátory. Definujeme pravidla, kontrolujeme výstupy a určujeme, jak vypadá kvalita. Nejcennějšími lidskými dovednostmi budou systémové myšlení a úsudek.

Jaké oblasti se po Sérii A staly nejprioritnějšími pro urychlení vývoje produktů a jejich přijetí podniky?

Série A nám umožnila zrychlit ve třech oblastech. Zaprvé, onboarding a ingesting, které podnikům umožňují vytvořit systém záznamů během několika dnů namísto měsíců. Zadruhé, Intelligent Product Engine, včetně funkcí přizpůsobených modelu, které zajišťují, že generovaná rozhraní respektují značku a pravidla. Zatřetí, podnikové kontroly, jako jsou oprávnění, auditovatelnost a compliance hooks, zajišťují, že vedoucí pracovníci mají jistotu při zavádění Knapsacku ve velkých organizacích. To jsou páky, které pohánějí přijetí v reálném měřítku.

Podnikové týmy se často potýkají s přechodem ze statických pracovních postupů na dynamické systémy připravené pro agenty. Jaké jsou největší překážky a jak Knapsack pomáhá organizacím s adaptací?

Podniky se potýkají s fragmentovanými systémy, oddělenými vlastnickými systémy, regulačními omezeními a vysokými náklady na udržování aktuálního stavu. Pomáháme jim tím, že zajišťujeme rychlé a deterministické přijímání dat, modelujeme původ a vlastnictví a poskytujeme funkce správy a řízení, jako jsou oprávnění a auditní protokoly. Tyto nástroje umožňují týmům ověřit důvěru v automatizované pracovní postupy.

Vzhledem k tomu, že se tvorba produktů stále více automatizuje, jaké nové schopnosti si myslíte, že by si týmy měly vyvinout, aby zůstaly efektivní v prostředí, kde umělá inteligence generuje více základní práce?

Týmy si musí vypěstovat silnější systémové myšlení, konkrétně schopnost vytvářet omezení, zásady a komponentní smlouvy, které mohou agenti používat. Potřebují také lepší postupy monitorování a ověřování, včetně sledovatelnosti rozhodnutí agentů, kontrol zavádění a rámců otázek a odpovědí pro generované uživatelské rozhraní. Zásadní se stává gramotnost v oblasti správy a řízení, zejména schopnost vyjadřovat požadavky na dodržování předpisů, přístupnost a soukromí ve strojově čitelném formátu. Uspějí organizace, které dokážou kodifikovat zásady a kvalitu do svých systémů.

S výhledem na pět let dopředu, jak se podle vás bude vyvíjet tvorba produktů řízených umělou inteligencí a jakou pozici chcete, aby Knapsack zaujal v této další fázi odvětví?

Za pět let se bude tvorba produktů podobat spíše kompilaci služeb na základě živého grafu komponent, než předávání statických kompilací mezi týmy. Agentické nástroje budou generovat plochy připravené k produkci s využitím politik, výkonnostních rozpočtů a omezení značky. Mým cílem je, aby se Knapsack stal kanonickým systémem záznamů, na který se agenti a aplikace spoléhají, aby pochopili skutečné primitivy a pravidla uživatelského rozhraní společnosti. To zahrnuje hlubokou integraci s modely a CI/CD, silnou správu a řízení pro regulované podniky a rychlé zaškolování nových týmů. Knapsack by měl být důvěryhodnou vrstvou pro značku, chování a bezpečnost, protože společnosti umožňují agentům pracovat autonomněji.

Děkuji za skvělý rozhovor, čtenáři, kteří se chtějí dozvědět více o moderních designových systémech a škálovatelné digitální produkci, by měli navštívit Batoh.