Andrew Sales, Chief Product Officer, Scaled Agile – Haastattelusarja

Andrew Sales, Scaled Agilen Chief Product Officer ja Chief Methodologist, on kokenut Lean-, Agile- ja DevOps-johtaja, joka on viimeisen kahden vuosikymmenen ajan auttanut yrityksiä muuttamaan arvonluontitapaansa. Nykyisessä tehtävässään hän ohjaa tuotestrategiaa ja Scaled Agile Frameworkin (SAFe) kehittymistä, työskennellen globaalien organisaatioiden kanssa agile-käytäntöjen omaksumiseksi yrityskohtaisessa mittakaavassa. Ennen Scaled Agileen liittymistään Sales toimi johtavissa ja konsulttirooleissa CA Technologiesissa, Rally Softwaressa ja Pearsonissa, jossa hän neuvoi organisaatioita ympäri Euroopan, Lähi-idän ja Afrikan agile-muutosaloitteissa, jotka kattoivat rahoituspalvelut, tietoliikenteen, vähittäiskaupan, ohjelmistot ja koulutuksen.

Scaled Agile, Inc on yritys, joka on kehittänyt Scaled Agile Frameworkin, joka tunnetaan myös nimellä SAFe. SAFe on laajasti hyväksytty raamitustyökalu, joka auttaa yrityksiä soveltamaan Lean-, Agile- ja DevOps-käytäntöjä laajassa mittakaavassa. Scaled Agile tukee organisaatioita parantamaan suuntautumista, toimitusnopeutta, tuote-laadun, työntekijöiden sitoutumista ja liiketoiminnan joustavuutta koulutusohjelmien, sertifioinnin, kumppanuusverkoston ja SAFe Studio -alustan kautta. Yritys ilmoittaa, että SAFe on otettu käyttöön yli 20 000 yrityksessä maailmanlaajuisesti ja yli miljoona ammattilaista on koulutettu tämän raamitustyökalun käyttöön.

Mitä oppeja suurten muutosten kokemukset ovat vaikuttaneet AI-Native SAFe:n luomiseen?

Vielä 15 vuoden ajan olemme seuranneet yli 20 000 organisaation adoptoimista SAFe:ä yhden perustavan haasteen ratkaisemiseksi: monimutkaisen tuotekehityksen koordinoinnin yrityskohtaisessa mittakaavassa. Yksi oppi on pysynyt hämmästyttävän vakaa: Lean- ja Agile-periaatteet toimivat edelleen. Mitä muuttuu, on se, miten näitä periaatteita on sovellettava, kun teknologia muuttuu.

AI ei tee näitä periaatteita vanhentuneiksi; se muuttaa vain, missä rajoitukset ovat. Tiimit ovat muuttumassa pienemmiksi, enemmän AI-tukeviksi ja yhä enemmän keskittyviksi työn ohjaamiseen sen sijaan, että ne suorittaisivat jokaisen tehtävän itse. Päätöksentekokierrokset ovat tiivistymässä, ja ihmisen arvion ja AI-suorituksen välinen vuorovaikutus on muuttumassa keskeiseksi osaksi arvon luomisessa.

AI-Native SAFe perustuu SAFe:n todistettuun perustaan ja kehittää toimintamallia tämän uuden todellisuuden mukaisesti. Se säilyttää fokus-kohdan asiakasarvon, ristiin-toiminnallisen yhteistyön, portfolion suuntautumisen ja jatkuvan parantamisen, samalla kun se esittelee uusia tapoja hallita AI:ta, hallita dataa strategisena varana ja perustaa vastuu AI-käyttöön perustuvissa organisaatioissa.

Miksi perinteiset Agile-kehykset eivät ole enää riittäviä AI-ajan vaatimusten mukaisesti?

Perinteiset Agile-kehykset ovat edelleen erittäin arvokkaita. Mitä on muuttunut, on ympäristö, jossa ne toimivat.

Vuosien ajan organisaatiot olivat rajoittuneita siinä, kuinka nopeasti he voivat suunnitella, kehittää ja toimittaa ohjelmistoa. AI muuttaa dramaattisesti tämän yhtälön. Yksi asiakkaamme kertoi meille äskettäin, ettei heidän enää rajoiteta siinä, kuinka nopeasti he voivat rakentaa asioita; heidät rajoitetaan siinä, kuinka nopeasti he voivat määritellä, luovatko nämä ratkaisut merkityksellistä arvoa, ovatko ne turvallisia käyttää ja ovatko ne linjassa liiketoimintatavoitteiden kanssa.

Pullonkaula on siirtynyt tuotannosta tuloksiin.

Organisaatiot tarvitsevat nyt toimintamalleja, jotka auttavat heitä jatkuvasti arvioimaan arvoa, hallitsemaan AI:ta vastuullisesti ja koordinoimaan työtä ihmisten ja AI:n välillä. Tämä on evoluutio perinteisistä Agile-käytännöistä, eikä niiden korvaaja.

Mitä ovat suurimmat virheet, joita yritykset tekevät yrittäessään skaalata AI-aloitteita?

Ensimmäinen virhe on kohdella AI:ta työkaluongelmana. Useimmat yritykset ovat jo päässeet käyttämään enemmän AI-kapasiteetteja kuin he ovat tehokkaasti käyttäneet.

Toinen virhe on lisätä AI:ta olemassa oleviin työnkulkuihin ilman kyseenalaistamista, pitäisikö näiden työnkulkujen olla olemassa ensinnäkään. Tehokkaiden prosessien automatisointi tuottaa harvoin muodonmuutosta.

Kolmas virhe on kohdella AI:ta erillisenä innovaatioaloitteena sen sijaan, että se olisi organisaation kyky. Kestävä AI-omaksuminen vaatii muutoksia strategiaan, hallintoon, tuotekehitykseen, toimintatapoihin ja johtajuuteen, eikä vain uuden teknologian käyttöönottoa.

Organisaatiot, jotka saavuttavat suurimman vaikutuksen, suunnittelevat uudelleen, miten työ tapahtuu. AI:sta tulee osa toimintamallia, eikä vain työkalu, jota työntekijät odotetaan käyttävän.

Mikä on AI-arvon arkkitehdin rooli, ja miten se muuttaa tiimien dynamiikkaa?

AI laskee ratkaisujen luomisen kustannuksia, mutta se ei laske väärän ongelman ratkaisemisen kustannuksia.

AI-arvon arkkitehti auttaa organisaatioita löytämään mahdollisuuksia AI:n hyödyntämiseen samalla, kun he pitävät fokus kohtasinaan liiketoimintatuloksissa. Tämä rooli auttaa tasapainottamaan asiakasarvoa, teknistä toteutettavuutta, kustannuksia, hallintaa, lakisääteisiä näkökohtia ja eettistä vastuuta ennen kuin organisaatiot investoivat AI-voimaisiin kykyihin.

Sen sijaan, että se muodostuisi vain hyväksymisen kerroksesi, AI-arvon arkkitehdin rooli luo suuntautumisen liiketoimintajohtajien, tuotejoukkueiden ja teknisten organisaatioiden välillä, jotta AI-päätökset ovat sekä nopeampia että paremmin perusteltuja. Se tarjoaa käytännöllisen mekanismin innovaation ja vastuun tasapainottamiseksi, samalla kun se pitää mittaamisen arvoa jokaisen AI-investoinnin keskipisteenä.

Miten innovaation nopeutta ja vastuullista AI-valvontaa tasapainotetaan?

Hallinto ei pitäisi olla jotain, mikä tapahtuu innovaation jälkeen. Se pitäisi olla rakennettu toimintamalliin, jotta innovaatio voi tapahtua turvallisesti ja jatkuvasti.

Suuret yritykset ovat aina tarvinneet tasapainotusta nopeuden ja vastuun välillä. AI korostaa tämän tasapainon tärkeyttä, koska AI-järjestelmät tuovat uusia näkökohtia data-laadun, avoimuuden, puolueettomuuden, vaatimustenmukaisuuden ja organisaation vastuun suhteen.

AI-Native SAFe tekee hallinnon eksplisiittiseksi sen sijaan, että se olisi implisiittinen. Se sisällyttää hallinnon portfolion päätöksentekoon, korostaa data-hallintaa ensisijaisena huolenaiheena, pitää ihmisen silmällä ja esittelee roolien selkeyden AI-vastuun suhteen. Kun hallinto on upotettu siihen, miten organisaatiot toimivat, se muuttuu innovaation mahdollistajaksi sen sijaan, että se olisi rajoitus.

Miten yritysten tiimirakenteet muuttuvat seuraavan viiden vuoden aikana?

Näemme neljä suurta muutosta, jotka ovat kehittymässä korkean suorituskyvyn organisaatioissa.

Ensinnäkin, ihmiset keskittyvät yhä enemmän määrittelemään tarkoituksen ja toivottuja tuloksia sen sijaan, että he suorittaisivat jokaisen tehtävän käsin.

Toiseksi, oppimis- ja kokeilujen kierrokset tulevat olemaan dramaattisesti nopeampia, kun AI kiihdyttää tutkimusta ja palautetta.

Kolmanneksi, innovaatio tulee olemaan jakautuneempaa, koska AI laskee kokeilun kustannuksia koko yrityksessä.

Neljänneksi, tiimit tulevat olemaan yhä enemmän AI-tukevia, AI toimien aktiivisena osallistujana toimituksessa sen sijaan, että se olisi vain tuottavuustyökalu.

Tulevaisuudessa AI-Native-tiimit määritellään todennäköisesti vähemmän henkilöstön määrän perusteella ja enemmän siitä, miten tehokkaasti he orkestroivat yhteistyötä ihmisten asiantuntemuksen ja AI-kapasiteetin välillä.

Miksi data-valmius on edelleen suuri este, ja mitä yritysten tulisi priorisoida?

Data on yksi suurimmista esteistä, jotka estävät yrityksiä toteuttamasta AI:ta laajassa mittakaavassa, koska AI on yhtä tehokas kuin se informaatio, jolle se perustuu. Hajaantunut data, epäjohdonmukainen hallinto ja työnkulkujen, jotka eivät ole suunniteltu AI-käyttöön, pitävät monia yrityksiä jumiuduttuneina koekäytössä sen sijaan, että ne laajentaisivat AI:ta koko liiketoimintaan.

Return on AI Institute -tutkimus osoittaa, että 55%:lla globaaleista johtajista on puute AI-valmiista datasta suurin este AI:n arvon toteuttamiselle. Se vahvistaa sitä, mitä näemme käytännössä: ennen kuin yritykset investoivat voimakkaasti uusiin AI-sovelluksiin, heidän on kohdeltava dataa hallittuna strategisena varana, jolla on selkeä omistajuus, hallinto, laatuvaatimukset ja luottamus. AI laajentaa mitä tahansa tietoa, jota se saa, olkoon se hyvä tai huono.

Siksi AI-Native SAFe sisällyttää data-hallinnon toimintamallin rakenteelliseksi elementiksi sen sijaan, että se kohdeltiin edellytyksenä tai jonkun toisen vastuuna. Data-valmius ei ole vain IT-haaste; se on johtamisen ja toimintamallin haaste, joka vaikuttaa suoraan yrityksen kykyyn luoda liiketoimintaa AI:sta.

Miten AI-Native SAFe auttaa organisaatioita siirtymään tulosten mittaamisesta tuloksiin?

AI tekee siitä dramaattisesti helpomman tuottaa tuloksia. Kun suoritus nopeutuu ja sen kustannukset laskevat, tulokset muuttuvat heikommaksi edistymisen mittariksi. Todellinen kilpailuetu siirtyy mittaamaan, luovatko nämä tulokset merkityksellisiä liiketoimintatuloksia.

AI-Native SAFe on rakennettu tulokseen perustuvan tuotekehityksen kierron ympärille. Se tarjoaa roolit, käytännöt ja hallinnon, jotka tarvitaan jatkuvasti yhdistämään AI-investoinnit mittaamiseen liiketoimintatuloksiin.

Sama Return on AI Institute -tutkimus tukee tätä siirtymää: organisaatiot, jotka säännöllisesti mittaavat ja viestivät AI:n arvon johtajiston ja hallituksen tasolla, raportoivat merkittävästi vahvemmat palautukset AI-investoinneistaan. AI-Native SAFe auttaa tekemään tämän tulosperusteisen kurinpidon jatkuvaksi osaksi sitä, miten yritys toimii.

Mitä tekijöitä yritysten tulisi ottaa huomioon päättäessään siirtymisestä AI-Native SAFe:en?

Core SAFe on edelleen oikea toimintamalli monille organisaatioille. AI-Native SAFe ei ole tarkoitettu sen korvaajaksi; se laajentaa sitä organisaatioille, joiden toimintamallit ovat yhä enemmän muovautuneet AI:n mukaan.

Yritykset tulisi tarkastella, missä AI luo merkityksellisiä mahdollisuuksia työn uudelleensuunnitteluun sen sijaan, että se vain automatisoi olemassa olevia toimintoja. Heidän tulisi arvioida, ovatko heidän hallintonsa, johtamiskäytäntönsä ja data-kapasiteettinsa valmiit tukemaan AI:ta laajassa mittakaavassa.

Ennen kaikkea, tämä ei ole kaikki- tai ei-mikään-päätös. AI-Native SAFe sisältää ohjeet omaksumisesta, jotta yritykset voivat kehittyä asteittain omaksuen AI-Native SAFe -käytäntöjä.

Jokainen organisaatio aloittaa eri paikasta, ja AI-Native SAFe on suunniteltu tukemaan tätä evoluutiota.

Miltä todella AI-käyttöön perustuva yritys näyttää vuonna 2030?

Vuoteen 2030 mennessä korkeimmat suorituskyvyn organisaatiot eivät ajattele AI:ta teknologiavirheenä, vaan liiketoimintamahdollisuutena. Se tulee olemaan olennainen osa sitä, miten he tekevät työtä, säilyttävät kilpailukykyään ja toimittavat arvoa asiakkailleen.

Ihmisten johtajat määrittelevät yhä enemmän tarkoituksen, tekevät strategisia päätöksiä, harjoittavat arviontaa ja ovat vastuussa tuloksista. AI-agentit suorittavat enemmän analyysiä, koordinointia ja suorittamista, joka edellyttää aiemmin merkittävää ihmisen ponnistelua.

Se, mikä erottaa alan johtajat, ei ole pääsy AI:hen, kaikilla on pääsy voimakkaaseen AI-kapasiteettiin. Erojaaja on laadukas toimintamalli: miten tehokkaasti he orkestroivat ihmisten, AI:n, datan, hallinnon ja jatkuvan oppimisen yhdistämiseksi mittaamiseen liiketoimintatuloksiin laajassa mittakaavassa. Kiitos haastattelusta, lukijat, jotka haluavat oppia lisää, voivat vierailla Scaled Agile -sivustolla.