Andrew Sales, Chief Product Officer, Scaled Agile – Intervieuserie

Andrew Sales, Chief Product Officer og Chief Methodologist hos Scaled Agile, er en erfaren Lean-, Agile- og DevOps-leder, der har tilbragt mere end to årtier med at hjælpe virksomheder med at omforme, hvordan de leverer værdi. I sin nuværende rol vejleder han produktstrategi og udviklingen af Scaled Agile Framework (SAFe), hvor han arbejder med globale organisationer for at adoptere agile praksis på virksomhedsniveau. Før han tiltrådte hos Scaled Agile, havde Sales ledende og rådgivende stillinger hos CA Technologies, Rally Software og Pearson, hvor han rådgav organisationer i Europa, Mellemøsten og Afrika om agile transformationsinitiativer, der omfattede finansielle services, telekommunikation, detailhandel, software og uddannelse.

Scaled Agile, Inc. er det selskab bag Scaled Agile Framework, bedre kendt som SAFe, et bredt accepteret rammeværk for at hjælpe virksomheder med at anvende Lean-, Agile- og DevOps-praksis på virksomhedsniveau. Gennem sit rammeværk, trænings-, certificeringsprogrammer, partnernetværk og SAFe Studio-platform understøtter Scaled Agile organisationer, der søger at forbedre alignment, leveringshastighed, produktkvalitet, medarbejderengagement og forretningsagilitet. Selskabet rapporterer, at SAFe er blevet antaget af mere end 20.000 virksomheder på globalt plan og at mere end en million fagfolk er blevet uddannet i rammeværket.

Hvilke lærdomme fra storstiletransformeringer har haft den største indvirkning på oprettelsen af AI-Native SAFe?

I løbet af de sidste 15 år har vi set mere end 20.000 organisationer antage SAFe for at løse en grundlæggende udfordring: koordinering af kompleks produktudvikling på virksomhedsniveau. En lærdom har været bemærkelsesværdigt konsekvent: Lean- og Agile-principper fortsætter med at fungere. Det, der ændrer sig, er, hvordan disse principper skal anvendes, når teknologien ændrer sig.

AI gør ikke disse principper forældede; det ændrer, hvor begrænsningerne er. Hold bliver mindre, mere AI-forstærket og mere fokuseret på at dirigere arbejde i stedet for at udføre hver opgave selv. Beslutningscyklerne bliver kortere, og interaktionen mellem menneskelig dømmekraft og AI-udførelse bliver central for, hvordan værdi skabes.

AI-Native SAFe bygger på den beprøvede grundlag af SAFe, mens det udvikler driftsmodellen for denne nye virkelighed. Det fastholder fokuset på kundeoplevelse, tværfaglig samarbejde, porteføljealignering og kontinuerlig forbedring, mens det introducerer nye måder at styre AI, håndtere data som en strategisk aktiv og etablere ansvar i AI-aktiverede organisationer.

Hvorfor er traditionelle Agile-rammeværker ikke længere tilstrækkelige for AI-æraen?

Traditionelle Agile-rammeværker er stadig utroligt værdifulde. Det, der er ændret, er miljøet, de opererer i.

I mange år var organisationer begrænsede af, hvor hurtigt de kunne designe, bygge og levere software. AI ændrer dramatisk denne ligning. Som en af vores kunder nylig sagde, er de ikke længere begrænsede af, hvor hurtigt de kan bygge ting; de er begrænsede af, hvor hurtigt de kan afgøre, om disse løsninger skaber meningsfuld værdi, er sikre at implementere og er i overensstemmelse med forretningsmål.

Bottlenecken er flyttet fra produktion til dømmekraft. Fra output til resultater.

Organisationer har nu brug for driftsmodeller, der hjælper dem med at kontinuerligt evaluere værdi, styre AI ansvarligt og koordinere arbejde mellem mennesker og AI. Det er en udvikling ud over traditionelle Agile-praksis, ikke en erstatning for dem.

Hvilke er de største fejl, virksomheder begår, når de forsøger at skala AI-initiativer?

Den første fejl er at behandle AI som et værktøjsproblem. De fleste virksomheder har allerede adgang til mere AI-kapacitet, end de effektivt bruger.

Den anden er at lagre AI på eksisterende arbejdsprocesser uden at spørge, om disse processer overhovedet skal eksistere. Automatisering af ineffektive processer producerer sjældent transformation.

En tredje fejl er at behandle AI som en isoleret innovationsinitiativ i stedet for en organisationskapacitet. Bæredygtig AI-adopteringskræver ændringer i strategi, ledelse, produktudvikling, driftspraksis og ledelse, ikke blot implementering af endnu en teknologiplatform.

Organisationer, der ser den største indvirkning, genopbygger, hvordan arbejdet sker. AI bliver en del af driftsmodellen i stedet for et værktøj, medarbejderne forventes at bruge.

Hvilken rol fylder AI Value Architect, og hvordan ændrer det teamdynamikken?

AI sænker dramatisk omkostningerne ved at skabe løsninger, men det sænker ikke omkostningerne ved at løse det forkerte problem.

AI Value Architect eksisterer for at hjælpe organisationer med at afsløre muligheder for at udnytte AI, mens de sikrer, at de fastholder fokus på forretningsresultater. Denne rol hjælper med at balancere kundeoplevelse, teknisk gennemførlighed, omkostninger, ledelse, juridiske overvejelser og etiske ansvar, før organisationer investerer i at skala AI-drevne kapaciteter.

I stedet for at blive endnu en godkendelseslag, skaber AI Value Architect-rollen alignment mellem forretningsledere, produktteam og tekniske organisationer, så beslutninger om AI er både hurtigere og bedre underrettet. Det giver en praktisk mekanisme for at balancere innovation med ansvar, mens det fastholder målbart forretningsværdi i centrum af hver AI-investering.

Hvordan balancerer du innovationshastighed med ansvarlig AI-overvågning?

Styring skal ikke ske efter innovation. Det skal være bygget ind i driftsmodellen, så innovation kan ske sikkert og kontinuerligt.

Store virksomheder har altid haft brug for at balancere hastighed med ansvar. AI øger betydningen af denne balance, da AI-systemer introducerer nye overvejelser omkring datakvalitet, gennemsigtighed, bias, overholdelse og organisationsansvar.

AI-Native SAFe gør styring eksplicit i stedet for implicit. Det inkorporerer styring i portefølje-beslutninger, hæver datastyring som en førsteklasses bekymring, holder mennesket i løkken og introducerer rolleklarhed omkring AI-ansvar. Når styring er integreret i, hvordan organisationer arbejder, bliver det en muliggører for innovation i stedet for en begrænsning.

Hvordan vil virksomhedens teamstrukturer ændre sig over de næste fem år?

Vi ser fire store ændringer, der opstår over højpræsterende organisationer.

Først fokuserer mennesker mere på at definere intention og ønskede resultater i stedet for at udføre hver opgave manuelt.

Anden, lærings- og eksperimentationscykler bliver dramatisk hurtigere, da AI accelererer udforskning og feedback.

Tredje, innovation bliver mere distribueret, da AI sænker omkostningerne ved at eksperimentere på tværs af virksomheden.

Fjerde, hold bliver mere AI-forstærket, da AI fungerer som en aktiv deltager i levering i stedet for blot et produktivitetsværktøj.

I fremtiden vil AI-Native-team sandsynligvis blive defineret mindre af headcount og mere af, hvor effektivt de koordinerer samarbejde mellem menneskelig ekspertise og AI-kapacitet.

Hvorfor er dataklarhed stadig en så stor hindring, og hvad skal organisationer prioritere?

Data forbliver en af de største barrierer for at realisere virksomhedsniveau-AI, da AI kun er så effektiv som den information, det er bygget på. Fragmenteret data, inkonsistent styring og arbejdsprocesser, der ikke er designet til et AI-nativt miljø, holder mange organisationer fast i pilotmode i stedet for at skala AI på tværs af forretningsområdet.

Forskning fra Return on AI Institute fandt, at 55% af globale ledere nævner manglen på AI-klar data som den største inhibitor for at realisere værdi fra AI. Det understreger, hvad vi ser i praksis: Før organisationer investerer massivt i nye AI-applikationer, skal de behandle data som en strategisk aktiv med tydelig ejerskab, styring, kvalitetsstandarder og tillid. AI skalerer, hvad information det får, uanset om det er godt eller dårligt.

Derfor inkorporerer AI-Native SAFe kurateret datastyring som en struktural element i driftsmodellen i stedet for at behandle det som en forudsætning eller andres ansvar. Dataklarhed er ikke blot en IT-udfordring; det er en ledelses- og driftsmodell-udfordring, der direkte påvirker en organisations evne til at generere forretningsværdi fra AI.

Hvordan hjælper AI-Native SAFe organisationer med at skifte fra at måle output til at måle resultater?

AI gør det dramatisk lettere at generere output. Da udførelsen bliver hurtigere og billigere, bliver output alene en svagere målestok for fremdrift. Den virkelige konkurrencefordel flytter sig til at måle, om disse output skaber meningsfulde forretningsresultater.

AI-Native SAFe er bygget omkring en resultatorienteret produktudviklingscyklus. Det giver de roller, praksis og styring, der er nødvendige for at kontinuerligt tilknytte AI-investeringer til målbart forretningsværdi.

Den samme forskning fra Return on AI Institute understreger denne ændring: Organisationer, der regelmæssigt måler og kommunikerer værdien af AI på ledelses- og bestyrelsesniveau, rapporterer betydeligt stærkere afkast på deres AI-investeringer. AI-Native SAFe hjælper med at gøre denne resultatorienterede disciplin til en kontinuerlig del af, hvordan virksomheden opererer.

Hvilke faktorer skal organisationer overveje, når de beslutter, om de skal skifte til AI-Native SAFe?

Core SAFe er stadig det rette driftsmodell for mange organisationer. AI-Native SAFe er ikke ment til at erstatte det; det udvider det for organisationer, hvis driftsmodeller er mere og mere præget af AI.

Organisationer skal overveje, hvor AI skaber meningsfulde muligheder for at omforme arbejde i stedet for blot at automatisere eksisterende aktiviteter. De skal evaluere, om deres styring, ledelsespraksis og datakapaciteter er klar til at understøtte AI på virksomhedsniveau.

Det vigtigste er, at dette ikke er en enten-eller-beslutning. AI-Native SAFe inkluderer adoptionsvejledning, så organisationer kan udvikle sig inkrementalt og antage AI-Native SAFe-praksis.

Hver organisation starter fra et andet sted, og AI-Native SAFe er designet til at understøtte denne udvikling.

Hvad ser en sandt AI-nativ virksomhed ud til i 2030?

Inden 2030 vil de højeste præsterende organisationer ikke tænke på AI som et teknologiproblem, men som en forretningsmulighed. Det bliver en integreret del af, hvordan de arbejder, forbliver konkurrencedygtige og leverer værdi til deres kunder.

Menneskelige ledere vil mere og mere definere intention, træffe strategiske beslutninger, udøve dømmekraft og forblive ansvarlige for resultater. AI-agenter vil udføre mere af analysen, koordinationen og udførelsen, der tidligere krævede betydelig menneskelig indsats.

Det, der vil adskille branchens ledere, vil ikke være adgangen til AI; alle vil have adgang til kraftfulde AI-kapaciteter. Differentiatoreren vil være kvaliteten af deres driftsmodell: hvor effektivt de koordinerer menneskelig ekspertise, AI, data, styring og kontinuerlig læring for at levere målbare forretningsresultater på tværs af.

Tak for det store interview, læsere, der ønsker at lære mere, skal besøge Scaled Agile.