앤드류 세일즈, 스케일드 애자일 최고 제품 책임자 – 인터뷰 시리즈

앤드류 세일즈, 스케일드 애자일의 최고 제품 책임자이자 최고 방법론가로서, 그는 20년 이상 기업들이 가치를 전달하는 방식을 변革하는 것을 도와온 경험이 풍부한 린, 애자일, 데브옵스 리더입니다. 현재의 역할에서 그는 제품 전략과 스케일드 애자일 프레임워크(SAFe)의 진화를 안내하며, 글로벌 기업들이 기업 규모에서 애자일 관행을 채택하도록 도와줍니다. 스케일드 애자일에 합류하기 전에, 세일즈는 CA 테크놀로지스, 랠리 소프트웨어, 피어슨에서 고위 리더십과 컨설팅 직책을 맡았으며, 금융 서비스, 전기 통신, 소매, 소프트웨어, 교육을 포함한 유럽, 중동, 아프리카의 기업들에게 애자일 변革 이니셔티브에 대한 조언을 제공했습니다.

스케일드 애자일, Inc..는 스케일드 애자일 프레임워크(SAFe)를 개발한 회사로서, 이는 기업들이 규모에서 린, 애자일, 데브옵스 관행을 적용하도록 도와주는 널리 채택된 프레임워크입니다. 스케일드 애자일은 자신의 프레임워크, 교육, 인증 프로그램, 파트너 네트워크, SAFe 스튜디오 플랫폼을 통해 기업들이 정렬, 전달 속도, 제품 품질, 직원 참여, 비즈니스 민첩성을 향상시키고자 하는 기업들을 지원합니다. 이 회사는 SAFe가全球적으로 20,000개 이상의 기업에서 채택되었으며, 100만 명 이상의 전문가가 이 프레임워크에서 훈련을 받았다고 보고합니다.

대규모 변환에서 가장 직접적으로 AI-네이티브 SAFe의 생성에 영향을 미친 교훈은 무엇인가?

과거 15년 동안, 우리는 20,000개 이상의 조직이 기업 규모에서 복잡한 제품 개발을 조정하는 하나의 기본적인 도전을 해결하기 위해 SAFe를 채택하는 것을 지켜보았습니다. 하나의 교훈은 놀라울 정도로 일관적입니다. 린과 애자일 원칙은 계속 작동합니다. 무엇이 바뀌는지는 기술이 변경됨에 따라 어떻게 그 원칙들이 적용되어야 하는지입니다.

AI는 린과 애자일 원칙을 구식으로 만들지 않습니다. 그것은 제약이 어디에 있는지 변경합니다. 팀은 더 작고, 더 AI-증강되고, 작업을 지시하는 것에 더 집중하고, 모든 작업을 스스로 수행하는 것에 덜 집중하는 것이 됩니다. 의사 결정 주기는 압축되고, 인간의 판단과 AI의 실행 사이의 상호 작용이 가치가 창출되는 방식의 중심이 됩니다.

AI-네이티브 SAFe는 SAFe의 검증된 기초 위에 구축되며, 이 새로운 현실을 위한 운영 모델을 진화시킵니다. 그것은 고객 가치, 교차 기능적 협력, 포트폴리오 정렬, 지속적인 개선에 대한 초점을 유지하면서, AI를 관리하고, 데이터를 전략적 자산으로 관리하고, AI-활성화된 조직에서 책임성을 설정하는 새로운 방법을 도입합니다.

전통적인 애자일 프레임워크는 왜 AI 시대에 더 이상 충분하지 않은가?

전통적인 애자일 프레임워크는 여전히 매우 가치 있습니다. 무엇이 바뀐 것은 그들이 작동하는 환경입니다.

수년 동안, 조직들은 소프트웨어를 설계, 구축, 전달하는 속도에 의해 제한되었습니다. AI는 Dramatically 그 방정식을 변경합니다. 최근에 고객이 우리에게 말한 것처럼, 그들은 더 이상 구축할 수 있는 속도에 의해 제한되지 않습니다. 그들은 의미 있는 가치를 창출하고, 비즈니스 목표와 일치하며, 안전하게 배포할 수 있는지 여부를 결정하는 속도에 의해 제한됩니다.

병목은 생산에서 판단으로 이동했습니다. 출력에서 결과로 이동했습니다.

조직들은 지속적으로 가치를 평가하고, AI를 책임 있게 관리하고, 사람과 AI 사이의 작업을 조정하는 운영 모델이 필요합니다. 그것은 전통적인 애자일 관행을超越한 진화이며, 그것들을 대체하는 것이 아닙니다.

기업들이 AI 이니셔티브를 확장하려고 할 때 가장 큰 실수를 무엇인가?

첫 번째 실수는 AI를 도구 문제로 간주하는 것입니다. 대부분의 기업들은 이미 효과적으로 사용하지 못하는 더 많은 AI 기능에 접근할 수 있습니다.

두 번째는 기존 워크플로우에 AI를 계층화하는 것입니다. 비효율적인 프로세스를 자동화하면 거의 변혁을 가져오지 않습니다.

세 번째 실수는 AI를 분리된 혁신 이니셔티브로 간주하는 것입니다. 지속 가능한 AI 채택은 기술 플랫폼을 배포하는 것만이 아니라, 전략, 거버넌스, 제품 개발, 운영 관행, 리더십의 변경이 필요합니다.

조직들은 작업이 발생하는 방식을 재설계합니다. AI는 운영 모델의 일부가 됩니다.员工들이 사용해야 하는 또 다른 도구가 아닙니다.

AI 가치 아키텍트는 어떤 격차를 메우며, 팀 다이내믹스를 어떻게 변경하는가?

AI는 솔루션을 생성하는 비용을 낮추지만, 잘못된 문제를 해결하는 비용을 낮추지 않습니다.

AI 가치 아키텍트는 기업들이 AI를 활용할 수 있는 기회를 발견하도록 도와주면서, 비즈니스 결과에 집중하는 것을 도와줍니다. 이 역할은 고객 가치, 기술적 실현 가능성, 비용, 거버넌스, 법적 고려, 윤리적 책임을 균형 있게 조정하여 기업들이 AI-파워드 기능에 투자하기 전에 비즈니스 결과를 중심으로 의사 결정을 내릴 수 있도록 합니다.

승인 계층이 아닌 비즈니스 리더, 제품 팀, 기술 조직 사이의 정렬을 생성하여 AI에 대한 결정이 더 빠르고 잘 정보에 입각한 결정이 되도록 합니다. 이는 책임과 함께 혁신을 균형 있게 조정하고, 측정 가능한 비즈니스 가치를 모든 AI 투자 중심에 둡니다.

혁신 속도와 책임 있는 AI 감시를 어떻게 균형 있게 조정하는가?

거버넌스는 혁신之后에 발생하는 것이 아니라, 운영 모델에 내장되어야 합니다. 그러면 혁신은 안전하게 그리고 지속적으로 발생할 수 있습니다.

대규모 기업들은 항상 속도와 책임 사이의 균형을 조정해야 했습니다. AI는 데이터 품질, 투명성, 편향, 규제 준수, 조직 책임과 같은 새로운 고려 사항을 도입함으로써 그 균형의 중요성을 높입니다.

AI-네이티브 SAFe는 거버넌스를 명시적으로 만듭니다. 그것은 포트폴리오 의사 결정에 거버넌스를 통합하고, 데이터 관리를 1차적인 관심사로 높이고, 인간을 루프에 유지하고, AI 책임에 대한 역할 명확성을 도입합니다. 거버넌스가 운영 모델에 내장되면, 혁신의 제약이 아닌 혁신의 촉진자가 됩니다.

기업 팀 구조는 향후 5년 동안 어떻게 변경될 것인가?

우리는 4つの 주요한 변화를 예상하고 있습니다.

첫 번째는 사람들이 의도와 원하는 결과를 정의하는 것에 더 집중하고, 모든 작업을 수동으로 수행하는 것에 덜 집중하는 것입니다.

두 번째는 학습과 실험 주기가 Dramatically 더 빠르게 되는 것입니다. AI는 탐색과 피드백을 가속화합니다.

세 번째는 혁신이 더 분산됩니다. AI는 기업 전체에서 실험의 비용을 낮춥니다.

네 번째는 팀이 더 AI-증강됩니다. AI는 더 이상 생산성 도구가 아닌, 전달의 적극적인 참여자가 됩니다.

미래에는 AI-네이티브 팀이 더 이상 헤드카운트로 정의되지 않고, 인간 전문 지식과 AI 능력 사이의 협력을 어떻게 효과적으로 조직하는지에 의해 정의될 것입니다.

데이터 준비는 여전히 주요 장애물인 이유는 무엇인가, 그리고 기업들은 무엇에 우선순위를 두어야 하는가?

데이터는 여전히 기업들이 AI를 기업 규모에서 실현하는 데 가장 큰 장애물 중 하나입니다. AI는 그것이 구축된 정보만큼 효과적입니다. 단편화된 데이터, 일관성 없는 거버넌스, AI-네이티브 환경에 설계되지 않은 워크플로우는 많은 기업들을 파일럿 모드에 머무르게 합니다.

리턴 온 AI 연구소의 연구에 따르면, 55%의 글로벌 경영진이 AI-준비 데이터의 부족을 AI에서 가치를 실현하는 데 가장 큰 억제자로 지적합니다. 이것은 우리가 실제로看到 있는 것을 강화합니다. 기업들은 새로운 AI 애플리케이션에大量으로 투자하기 전에, 데이터를 전략적 자산으로 관리하고, 명확한 소유권, 거버넌스, 품질 표준, 신뢰를 갖추어야 합니다. AI는 좋은 정보든 나쁜 정보든 정보를 확대합니다.

이것이 AI-네이티브 SAFe가 운영 모델의 구조적 요소로서 큐레이션된 데이터 관리를 포함하는 이유입니다. 데이터 준비는 단순히 IT 도전이 아니라, 데이터를 관리할 수 있는 리더십과 운영 모델 도전입니다. 이는 기업이 AI에서 비즈니스 가치를 생성하는 능력에 직접적인 영향을 미칩니다.

AI-네이티브 SAFe는 기업들이 출력을 측정하는 것에서 결과를 측정하는 것으로 어떻게 전환하도록 도와주는가?

AI는 출력을 생성하는 것을 Dramatically 더 쉽게 만듭니다. 실행이 더 빠르고 비용이 적게 든다면, 출력은 진행의 더 약한 척도가 됩니다.真正한 경쟁 우위는 의미 있는 비즈니스 결과를 생성하는 출력을 측정하는 것입니다.

AI-네이티브 SAFe는 결과-주도적인 제품 개발 주기를 중심으로 구축됩니다. 그것은 AI 투자와 측정 가능한 비즈니스 가치 사이의 연속적인 연결을 제공하는 역할, 관행, 거버넌스를 제공합니다.

同じ 리턴 온 AI 연구소의 연구는 이 변화를 뒷받침합니다. AI의 가치를 정기적으로 측정하고, 최고 경영진과 이사회 수준에서 의사 소통하는 기업들은 AI 투자에서 훨씬 더 강한 반환이 보고됩니다. AI-네이티브 SAFe는 결과-기반의 규율을 기업이 작동하는 방식의 연속적인 부분으로 만듭니다.

기업들은 AI-네이티브 SAFe로 전환하기 전에 고려해야 할 요소는 무엇인가?

코어 SAFe는 여전히 많은 기업들에게 적절한 운영 모델입니다. AI-네이티브 SAFe는 그것을 대체하기 위한 것이 아닙니다. 그것은 운영 모델이 점점 더 AI에 의해 형성되는 기업들을 위해 그것을 확장합니다.

기업들은 AI가 기존 활동을 자동화하는 것보다 작업을 재설계하는 기회를 생성하는 곳을 평가해야 합니다. 그들은 거버넌스, 리더십 관행, 데이터 능력들이 기업 규모에서 AI를 지원할 준비가 되었는지 평가해야 합니다.

가장 중요한 것은, 이것은 전부 또는 무언가의 결정이 아닙니다. AI-네이티브 SAFe에는 채택 지침이 포함되어 있으므로, 기업들은 점진적으로 발전할 수 있으며, AI-네이티브 SAFe 관행을 채택할 수 있습니다.

모든 기업은 다른 곳에서 시작합니다. AI-네이티브 SAFe는 그 진화를 지원하도록 설계되었습니다.

2030년에真正한 AI-네이티브 기업은 어떤 모습일 것인가?

2030년까지, 최고의 성과를 내는 기업들은 AI를 기술 문제로 생각하지 않고, 비즈니스 기회로 생각할 것입니다. 그것은 그들이 어떻게 일하고, 경쟁력을 유지하며, 고객에게 가치를 제공하는지의 일부가 될 것입니다.

인간 리더들은 의도, 전략적 결정을 정의하고, 판단을 행사하며, 결과에 대한 책임을 지게 될 것입니다. AI 에이전트는 이전에大量의 인간 노력이 필요한 분석, 조정, 실행을 더 많이 수행할 것입니다.

산업을 이끄는 것이 gì일지, AI에 대한 접근은 아닙니다. 모두가 강력한 AI 능력에 접근할 것입니다. 차별화자는 운영 모델의 품질입니다. 사람, AI, 데이터, 거버넌스, 지속적인 학습을 어떻게 효과적으로 조직하여 측정 가능한 비즈니스 결과를 기업 규모에서 제공하는지입니다.

이 인터뷰에 감사드립니다. 더 많은 정보를 원하는 독자는 스케일드 애자일을 방문하십시오.