Andrew Sales, Chief Product Officer, Scaled Agile – Interviewserie

Andrew Sales, Chief Product Officer en Chief Methodologist bij Scaled Agile, is een ervaren Lean, Agile en DevOps-leider die meer dan twee decennia heeft besteed aan het helpen van ondernemingen om de manier te transformeren waarop ze waarde leveren. In zijn huidige rol leidt hij de productstrategie en de evolutie van het Scaled Agile Framework (SAFe), waarbij hij samenwerkt met wereldwijde organisaties om agile-praktijken op enterprise-schaal te adopteren. Voordat hij bij Scaled Agile kwam, bekleedde Sales senior leiderschaps- en consultancyposities bij CA Technologies, Rally Software en Pearson, waar hij organisaties in Europa, het Midden-Oosten en Afrika adviseerde over agile-transformatie-initiatieven in financiële dienstverlening, telecommunicatie, detailhandel, software en onderwijs.

Scaled Agile, Inc. is het bedrijf achter het Scaled Agile Framework, beter bekend als SAFe, een breed geaccepteerd kader voor het helpen van ondernemingen om Lean, Agile en DevOps-praktijken op schaal toe te passen. Door middel van zijn kader, training, certificeringsprogramma’s, partner-netwerk en SAFe Studio-platform ondersteunt Scaled Agile organisaties die hun uitlijning, leveringssnelheid, productkwaliteit, medewerkerbetrokkenheid en bedrijfsagiliteit willen verbeteren. Het bedrijf meldt dat SAFe is geadopteerd door meer dan 20.000 ondernemingen wereldwijd en dat meer dan een miljoen professionals zijn opgeleid in het kader.

Wat zijn de belangrijkste lessen uit grootschalige transformaties die het meest direct de creatie van AI-Native SAFe hebben beïnvloed?

In de afgelopen 15 jaar hebben we meer dan 20.000 organisaties zien adopteren SAFe om één fundamentele uitdaging op te lossen: het coördineren van complexe productontwikkeling op enterprise-schaal. Één les is opvallend consistent gebleven: Lean en Agile-principes blijven werken. Wat verandert, is hoe die principes moeten worden toegepast naarmate de technologie verandert.

AI maakt die principes niet verouderd; het verandert waar de beperkingen liggen. Teams worden kleiner, meer AI-georiënteerd en steeds meer gericht op het geven van richting aan het werk in plaats van elke taak zelf uit te voeren. Beslissingscycli worden samengeperst en de interactie tussen menselijke oordeel en AI-uitvoering wordt centraal in de manier waarop waarde wordt gecreëerd.

AI-Native SAFe bouwt voort op de bewezen basis van SAFe en evolueert het operationele model voor deze nieuwe realiteit. Het behoudt de focus op klantwaarde, cross-functionele samenwerking, portefeuille-uitlijning en continue verbetering, en introduceert nieuwe manieren om AI te besturen, data te beheren als een strategisch actief en verantwoordelijkheid te vestigen in AI-geactiveerde organisaties.

Waarom zijn traditionele Agile-kaders niet langer voldoende voor de AI-era?

Traditionele Agile-kaders blijven buitengewoon waardevol. Wat is veranderd, is de omgeving waarin ze opereren.

Gedurende jaren waren organisaties beperkt door hoe snel ze konden ontwerpen, bouwen en leveren. AI verandert dramatisch die vergelijking. Zoals een klant onlangs tegen ons zei, zijn ze niet langer beperkt door hoe snel ze dingen kunnen bouwen; ze zijn beperkt door hoe snel ze kunnen bepalen of die oplossingen significante waarde creëren, veilig zijn om te implementeren en uitlijnen met bedrijfsdoelstellingen.

De bottleneck is verschoven van productie naar oordeel. Van output naar resultaten.

Organisaties hebben nu operationele modellen nodig die helpen om waarde continu te evalueren, AI verantwoordelijk te besturen en werk te coördineren tussen mensen en AI. Dat is een evolutie voorbij traditionele Agile-praktijken, niet een vervanging ervan.

Wat zijn de grootste fouten die ondernemingen maken bij het opschalen van AI-initiatieven?

De eerste fout is het behandelen van AI als een tooling-probleem. De meeste ondernemingen hebben al toegang tot meer AI-mogelijkheden dan ze effectief gebruiken.

De tweede is het toevoegen van AI aan bestaande workflows zonder te betwisten of die workflows überhaupt moeten bestaan. Het automatiseren van inefficiënte processen produceert zelden transformatie.

Een derde fout is het behandelen van AI als een geïsoleerd innovatie-initiatief in plaats van een organisatorische capaciteit. Duurzame AI-adoptie vereist veranderingen in strategie, bestuur, productontwikkeling, operationele praktijken en leiderschap, en niet alleen het implementeren van een andere technologie-platform.

Organisaties die de grootste impact zien, ontwerpen opnieuw hoe werk gebeurt. AI wordt onderdeel van het operationele model in plaats van een extra tool die medewerkers verwacht worden te gebruiken.

Wat is de rol van de AI Value Architect en hoe verandert deze de teamdynamiek?

AI verlaagt dramatisch de kosten van het creëren van oplossingen, maar verlaagt niet de kosten van het oplossen van het verkeerde probleem.

De AI Value Architect bestaat om organisaties te helpen om kansen te ontdekken voor het benutten van AI, terwijl ze zich blijven richten op bedrijfsresultaten. Deze rol helpt om klantwaarde, technische haalbaarheid, kosten, bestuur, juridische overwegingen en ethische verantwoordelijkheid in evenwicht te brengen voordat organisaties investeren in het opschalen van AI-geactiveerde capaciteiten.

In plaats van een extra goedkeuringslaag te worden, creëert de rol van de AI Value Architect uitlijning tussen bedrijfsleiders, productteams en technische organisaties, zodat beslissingen over AI zowel sneller als beter geïnformeerd zijn. Het biedt een praktisch mechanisme voor het balanceren van innovatie met verantwoordelijkheid, terwijl meetbare bedrijfswaarde centraal staat in elke AI-investering.

Hoe balanceren we innovatiesnelheid met verantwoorde AI-toezicht?

Bestuur moet niet iets zijn dat gebeurt na innovatie. Het moet ingebouwd zijn in het operationele model, zodat innovatie veilig en continu kan gebeuren.

Grote ondernemingen hebben altijd een balans nodig gehad tussen snelheid en verantwoordelijkheid. AI verhoogt de belangrijkheid van die balans, omdat AI-systemen nieuwe overwegingen introduceren rondom gegevenskwaliteit, transparantie, vooroordelen, naleving en organisatorische verantwoordelijkheid.

AI-Native SAFe maakt bestuur expliciet in plaats van impliciet. Het incorporeren van bestuur in portefeuille-beslissingen, het verheffen van gegevensbeheer tot een eerste klas zorg, het houden van de mens in de lus en het introduceren van rolclariteit rondom AI-verantwoordelijkheid. Wanneer bestuur is ingebed in de manier waarop organisaties werken, wordt het een stimulator van innovatie in plaats van een beperking.

Hoe zullen de teamstructuren van ondernemingen veranderen in de komende vijf jaar?

We zien vier belangrijke verschuivingen ontstaan in high-performing organisaties.

Ten eerste, richten mensen zich steeds meer op het definiëren van intentie en gewenste resultaten in plaats van elke taak handmatig uit te voeren.

Ten tweede, worden leer- en experimenteer cycli dramatisch sneller door AI-versnelling van exploratie en feedback.

Ten derde, wordt innovatie meer gedistribueerd omdat AI de kosten van experimenten over de hele onderneming verlaagt.

Ten slotte, worden teams steeds meer AI-geactiveerd, met AI als een actieve deelnemer in de levering in plaats van alleen een productiviteitstool.

In de toekomst zullen AI-Native teams waarschijnlijk minder worden gedefinieerd door het aantal medewerkers en meer door hoe effectief ze samenwerking coördineren tussen menselijke expertise en AI-capaciteit.

Waarom is data-klaarheid nog steeds zo’n grote obstakel en wat moeten organisaties prioriteren?

Gegevens blijven een van de grootste barrières voor het realiseren van enterprise-schaal AI, omdat AI alleen zo effectief is als de informatie waarop het is gebouwd. Gefragmenteerde gegevens, inconsistent bestuur en workflows die niet zijn ontworpen voor een AI-native omgeving, houden veel organisaties nog steeds vast in pilot-modus in plaats van AI over de hele onderneming te schalen.

Onderzoek van het Return on AI Institute toonde aan dat 55% van de wereldwijde executives het gebrek aan AI-klaar gegevens noemt als de grootste belemmering voor het realiseren van waarde uit AI. Dat versterkt wat we in de praktijk zien: voordat organisaties zwaar investeren in nieuwe AI-toepassingen, moeten ze gegevens behandelen als een beheerd strategisch actief, met duidelijke eigenaarschap, bestuur, kwaliteitsnormen en vertrouwen. AI schaalt alles wat het krijgt, of het nu goed of slecht is.

Dat is waarom AI-Native SAFe gegevensbeheer incorporeren als een structureel element van het operationele model, in plaats van het te behandelen als een voorwaarde of iemands anders verantwoordelijkheid. Data-klaarheid is niet alleen een IT-uitdaging; het is een leiderschaps- en operationeel modeluitdaging die rechtstreeks de mogelijkheid van een organisatie beïnvloedt om bedrijfswaarde uit AI te genereren.

Hoe helpt AI-Native SAFe organisaties om over te schakelen van het meten van output naar het meten van resultaten?

AI maakt het dramatisch eenvoudiger om output te genereren. Naarmate de uitvoering sneller en minder duur wordt, wordt output alleen een veel zwakkere maatstaf voor vooruitgang. Het echte concurrentievoordeel verschuift naar het meten of die output significante bedrijfsresultaten creëert.

AI-Native SAFe is gebouwd rondom een resultaat-gedreven productontwikkelingscyclus. Het biedt de rollen, praktijken en bestuur nodig om AI-investeringen continu te verbinden met meetbare bedrijfswaarde.

Hetzelfde onderzoek van het Return on AI Institute ondersteunt deze verschuiving: organisaties die regelmatig de waarde van AI meten en communiceren op het niveau van de directie en de raad van bestuur, melden aanzienlijk sterkere rendementen op hun AI-investeringen. AI-Native SAFe helpt om die resultaat-georiënteerde discipline een continue onderdeel te maken van de manier waarop de onderneming werkt.

Wat zijn de factoren die organisaties moeten overwegen bij het beslissen of ze moeten overstappen op AI-Native SAFe?

Core SAFe blijft het juiste operationele model voor veel organisaties. AI-Native SAFe is niet bedoeld om het te vervangen; het breidt het uit voor organisaties waarvan de operationele modellen steeds meer worden gevormd door AI.

Organisaties moeten overwegen waar AI significante kansen creëert om werk opnieuw te ontwerpen in plaats van alleen bestaande activiteiten te automatiseren. Ze moeten evalueren of hun bestuur, leiderschapspraktijken en gegevensmogelijkheden klaar zijn om AI op enterprise-schaal te ondersteunen.

Het allerbelangrijkste is dat dit geen alles-of-niets-beslissing is. AI-Native SAFe bevat adoptiebegeleiding, zodat organisaties incrementeel kunnen evolueren en AI-Native SAFe-praktijken kunnen adopteren.

Elke organisatie begint vanuit een andere positie en AI-Native SAFe is ontworpen om die evolutie te ondersteunen.

Hoe ziet een echt AI-native onderneming eruit in 2030?

Against 2030 zullen de best presterende organisaties niet meer aan AI denken als een technologieprobleem, maar als een bedrijfskans. Het zal een integraal onderdeel worden van de manier waarop ze werken, concurreren en waarde leveren aan hun klanten.

Menselijke leiders zullen steeds meer intentie definiëren, strategische beslissingen nemen, oordeel uitoefenen en verantwoordelijk blijven voor resultaten. AI-agents zullen meer van de analyse, coördinatie en uitvoering uitvoeren die eerder significante menselijke inspanning vereisten.

Wat de industrieleiders zal scheiden, zal niet de toegang tot AI zijn, iedereen zal toegang hebben tot krachtige AI-mogelijkheden. De differentiator zal de kwaliteit zijn van hun operationeel model: hoe effectief ze mensen, AI, gegevens, bestuur en continue leren orkestreren om meetbare bedrijfsresultaten te leveren op schaal.

Bedankt voor het geweldige interview, lezers die meer willen leren, moeten bezoeken Scaled Agile.