Andrew Sales, Director de Producto, Scaled Agile – Serie de Entrevistas

Andrew Sales, Director de Producto y Metodólogo Jefe en Scaled Agile, es un experimentado líder en Lean, Agile y DevOps que ha pasado más de dos décadas ayudando a las empresas a transformar la forma en que entregan valor. En su cargo actual, guía la estrategia de producto y la evolución del Marco de Trabajo de Scaled Agile (SAFe), trabajando con organizaciones globales para adoptar prácticas ágiles a escala empresarial. Antes de unirse a Scaled Agile, Sales ocupó puestos de liderazgo y consultoría en CA Technologies, Rally Software y Pearson, donde asesoró a organizaciones en Europa, Oriente Medio y África sobre iniciativas de transformación ágil en servicios financieros, telecomunicaciones, minoristas, software y educación.

Scaled Agile, Inc. es la empresa detrás del Marco de Trabajo de Scaled Agile, mejor conocido como SAFe, un marco ampliamente adoptado para ayudar a las empresas a aplicar prácticas Lean, Agile y DevOps a escala. A través de su marco, programas de capacitación, certificación, red de socios y plataforma SAFe Studio, Scaled Agile apoya a las organizaciones que buscan mejorar la alineación, la velocidad de entrega, la calidad del producto, la participación de los empleados y la agilidad empresarial. La empresa informa que SAFe ha sido adoptado por más de 20,000 empresas en todo el mundo y que más de un millón de profesionales han sido capacitados en el marco.

¿Qué lecciones de las transformaciones a gran escala influyeron más directamente en la creación de SAFe Nativo en AI?

Durante los últimos 15 años, hemos visto a más de 20,000 organizaciones adoptar SAFe para resolver un desafío fundamental: coordinar el desarrollo de productos complejos a escala empresarial. Una lección ha permanecido notablemente consistente: los principios Lean y Agile siguen funcionando. Lo que cambia es cómo deben aplicarse esos principios a medida que cambia la tecnología.

La IA no hace que esos principios sean obsoletos; cambia dónde están las limitaciones. Los equipos se están volviendo más pequeños, más aumentados con IA y cada vez más enfocados en dirigir el trabajo en lugar de realizar cada tarea ellos mismos. Los ciclos de decisión se están comprimiendo, y la interacción entre el juicio humano y la ejecución de la IA se está convirtiendo en central para cómo se crea el valor.

SAFe Nativo en AI se basa en la base probada de SAFe mientras evoluciona el modelo de operación para esta nueva realidad. Conserva el enfoque en el valor del cliente, la colaboración transfuncional, la alineación de cartera y la mejora continua, mientras introduce nuevas formas de gobernar la IA, gestionar los datos como un activo estratégico y establecer la responsabilidad en las organizaciones habilitadas por la IA.

¿Por qué los marcos de trabajo ágiles tradicionales ya no son suficientes para la era de la IA?

Los marcos de trabajo ágiles tradicionales siguen siendo increíblemente valiosos. Lo que ha cambiado es el entorno en el que operan.

Durante años, las organizaciones estaban limitadas por lo rápido que podían diseñar, construir y entregar software. La IA cambia dramáticamente esa ecuación. Como nos dijo un cliente recientemente, ya no están limitados por lo rápido que pueden construir cosas; están limitados por lo rápido que pueden determinar si esas soluciones crean un valor significativo, son seguras para implementar y se alinean con los objetivos comerciales.

El cuello de botella se ha desplazado desde la producción a la valoración. De los resultados a los desenlaces.

Las organizaciones ahora necesitan modelos de operación que les ayuden a evaluar continuamente el valor, gobernar la IA de manera responsable y coordinar el trabajo entre las personas y la IA. Eso es una evolución más allá de las prácticas ágiles tradicionales, no un reemplazo para ellas.

¿Cuáles son los errores más grandes que cometen las empresas al intentar escalar iniciativas de IA?

El primer error es tratar la IA como un problema de herramientas. La mayoría de las empresas ya tienen acceso a más capacidades de IA de las que están utilizando de manera efectiva.

El segundo es superponer la IA a los flujos de trabajo existentes sin cuestionar si esos flujos de trabajo deberían existir en primer lugar. Automatizar procesos ineficientes rara vez produce transformación.

Un tercer error es tratar la IA como una iniciativa de innovación aislada en lugar de una capacidad organizacional. La adopción sostenible de la IA requiere cambios en la estrategia, la gobernanza, el desarrollo de productos, las prácticas de operación y el liderazgo, no simplemente implementar otra plataforma de tecnología.

Las organizaciones que tienen el mayor impacto rediseñan la forma en que se realiza el trabajo. La IA se convierte en parte del modelo de operación en lugar de otra herramienta que los empleados deben utilizar.

¿Qué brecha llena el Arquitecto de Valor de IA, y cómo cambia la dinámica de los equipos?

La IA reduce dramáticamente el costo de crear soluciones, pero no reduce el costo de resolver el problema incorrecto.

El Arquitecto de Valor de IA existe para ayudar a las organizaciones a descubrir oportunidades para aprovechar la IA mientras se aseguran de que se mantengan enfocadas en los resultados comerciales. Este rol ayuda a equilibrar el valor del cliente, la viabilidad técnica, el costo, la gobernanza, las consideraciones legales y la responsabilidad ética antes de que las organizaciones inviertan en capacidades impulsadas por la IA.

En lugar de convertirse en otra capa de aprobación, el rol de Arquitecto de Valor de IA crea alineación entre los líderes empresariales, los equipos de productos y las organizaciones técnicas para que las decisiones sobre la IA sean más rápidas y mejor informadas. Proporciona un mecanismo práctico para equilibrar la innovación con la responsabilidad mientras mantiene el valor comercial medible en el centro de cada inversión en IA.

¿Cómo equilibra la velocidad de innovación con la supervisión responsable de la IA?

La gobernanza no debería ser algo que suceda después de la innovación. Debe estar integrada en el modelo de operación para que la innovación pueda ocurrir de manera segura y continua.

Las grandes empresas siempre han necesitado equilibrar la velocidad con la rendición de cuentas. La IA aumenta la importancia de ese equilibrio porque los sistemas de IA introducen nuevas consideraciones sobre la calidad de los datos, la transparencia, el sesgo, el cumplimiento y la responsabilidad organizacional.

SAFe Nativo en AI hace que la gobernanza sea explícita en lugar de implícita. Incorpora la gobernanza en la toma de decisiones de cartera, eleva la gestión de datos como una preocupación de primera clase, mantiene al ser humano en el bucle y introduce claridad de roles en torno a la responsabilidad de la IA. Cuando la gobernanza se integra en la forma en que las organizaciones trabajan, se convierte en un habilitador de la innovación en lugar de una restricción.

¿Cómo cambiarán las estructuras de los equipos empresariales en los próximos cinco años?

Vemos cuatro cambios importantes que surgen en las organizaciones de alto rendimiento.

Primero, las personas se enfocan cada vez más en definir la intención y los resultados deseados en lugar de ejecutar cada tarea manualmente.

En segundo lugar, los ciclos de aprendizaje y experimentación se vuelven dramáticamente más rápidos a medida que la IA acelera la exploración y la retroalimentación.

En tercer lugar, la innovación se vuelve más distribuida porque la IA reduce el costo de la experimentación en toda la empresa.

Finalmente, los equipos se vuelven cada vez más aumentados con IA, con la IA actuando como un participante activo en la entrega en lugar de simplemente otra herramienta de productividad.

En el futuro, los equipos nativos de IA probablemente se definirán menos por el recuento de personal y más por cómo orquestan efectivamente la colaboración entre la experiencia humana y la capacidad de la IA.

¿Por qué la preparación de los datos sigue siendo un obstáculo importante, y qué deben priorizar las organizaciones?

Los datos siguen siendo una de las barreras más grandes para realizar la IA a escala empresarial porque la IA es tan efectiva como la información sobre la que se basa. Los datos fragmentados, la gobernanza inconsistente y los flujos de trabajo que no fueron diseñados para un entorno nativo de IA siguen manteniendo a muchas organizaciones atascadas en el modo de prueba en lugar de escalar la IA en todo el negocio.

Una investigación del Instituto de Retorno de la IA encontró que el 55% de los ejecutivos globales citan la falta de datos listos para la IA como el principal inhibidor para realizar valor de la IA. Eso refuerza lo que estamos viendo en la práctica: antes de que las organizaciones inviertan mucho en nuevas aplicaciones de IA, necesitan tratar los datos como un activo estratégico administrado, con una propiedad clara, gobernanza, estándares de calidad y confianza. La IA escala cualquier información que se le proporcione, ya sea buena o mala.

Eso es por lo que SAFe Nativo en AI incorpora la gestión de datos curada como un elemento estructural del modelo de operación en lugar de tratarla como un requisito previo o responsabilidad de alguien más. La preparación de los datos no es simplemente un desafío de TI; es un desafío de liderazgo y modelo de operación que afecta directamente la capacidad de una organización para generar valor comercial de la IA.

¿Cómo ayuda SAFe Nativo en AI a las organizaciones a cambiar de medir resultados a medir desenlaces?

La IA hace que sea dramáticamente más fácil generar resultados. A medida que la ejecución se vuelve más rápida y menos costosa, los resultados solos se convierten en una medida de progreso mucho más débil. La verdadera ventaja competitiva se desplaza a medir si esos resultados crean desenlaces comerciales significativos.

SAFe Nativo en AI se basa en un ciclo de desarrollo de productos orientado a desenlaces. Proporciona los roles, las prácticas y la gobernanza necesarios para conectar continuamente las inversiones en IA con un valor comercial medible.

La misma investigación del Instituto de Retorno de la IA apoya este cambio: las organizaciones que regularmente miden y comunican el valor de la IA a nivel ejecutivo y de junta directiva informan rendimientos significativamente más fuertes en sus inversiones en IA. SAFe Nativo en AI ayuda a hacer que la disciplina basada en desenlaces sea una parte continua de cómo opera la empresa.

¿Qué factores deben considerar las organizaciones al decidir si deben transitar a SAFe Nativo en AI?

El SAFe central sigue siendo el modelo de operación adecuado para muchas organizaciones. SAFe Nativo en AI no está destinado a reemplazarlo; lo extiende para las organizaciones cuyos modelos de operación están cada vez más influenciados por la IA.

Las organizaciones deben considerar dónde la IA está creando oportunidades significativas para rediseñar el trabajo en lugar de simplemente automatizar las actividades existentes. Deben evaluar si su gobernanza, prácticas de liderazgo y capacidades de datos están listas para respaldar la IA a escala empresarial.

Lo más importante es que esta no es una decisión de todo o nada. SAFe Nativo en AI incluye orientación de adopción para que las organizaciones puedan evolucionar de manera incremental, adoptando prácticas de SAFe Nativo en AI.

Cada organización comienza desde un lugar diferente, y SAFe Nativo en AI está diseñado para respaldar esa evolución.

¿Cómo se verá una empresa verdaderamente nativa de IA en 2030?

Para 2030, las organizaciones de mayor rendimiento no pensarán en la IA como un problema de tecnología, sino como una oportunidad comercial. Se convertirá en una parte integral de cómo trabajan, se mantienen competitivas y entregan valor a sus clientes.

Los líderes humanos definirán cada vez más la intención, tomarán decisiones estratégicas, ejercerán el juicio y serán responsables de los desenlaces. Los agentes de IA realizarán más del análisis, la coordinación y la ejecución que anteriormente requerían un esfuerzo humano significativo.

Lo que separará a los líderes de la industria no será el acceso a la IA, ya que todos tendrán acceso a capacidades de IA poderosas. El diferenciador será la calidad de su modelo de operación: cómo orquestan efectivamente a las personas, la IA, los datos, la gobernanza y el aprendizaje continuo para entregar desenlaces comerciales medibles a escala.

Gracias por la gran entrevista, los lectores que deseen aprender más pueden visitar Scaled Agile.