Chris Strahl, oprichter en CEO van Knapsack – Interviewserie

Chris Strahl Hij is medeoprichter en CEO van Knapsack, waar hij zich richt op het hervormen van de manier waarop moderne digitale producten worden gebouwd door ontwerp-, engineering- en productteams op één lijn te brengen rond een gedeeld systeem van waarheid. Met een achtergrond in ontwerpsystemen en front-end development is hij ook algemeen bekend als presentator van de Podcast over ontwerpsystemenwaarin hij onderzoekt hoe organisaties ontwerp opschalen, de samenwerking verbeteren en de digitale productie moderniseren.

Knapzak Knapsack is een enterprise designsysteem en digitaal productieplatform dat fungeert als een dynamisch systeem voor gegevensregistratie, waarbij designelementen, code, content en documentatie in realtime met elkaar verbonden zijn. Het platform stelt teams in staat om herbruikbare, productiegereedde componenten te bouwen en te beheren, designtokens te beheren en consistentie te waarborgen binnen complexe digitale ecosystemen. Door design- en UI-data op een schaalbare en AI-geschikte manier te structureren, helpt Knapsack grote organisaties de levering te versnellen, duplicatie te verminderen en de merk- en productintegriteit te garanderen binnen teams en kanalen.

Knapsack is ontstaan ​​na jarenlange ervaring met het bouwen van ontwerpsystemen voor grote bedrijven bij Basalt, waar terugkerende wrijving tussen ontwerpbestanden, engineeringworkflows en opgeleverde code niet langer te negeren was. Wat was het moment waarop dit patroon zo duidelijk werd dat de lancering van een speciaal platform gerechtvaardigd was?

Bij Basalt hebben we talloze ontwerpsystemen gebouwd, en het patroon was duidelijk: ontwerpbestanden, engineeringworkflows en de uiteindelijke code bestonden allemaal in aparte universums. Het resultaat was niet één dramatische mislukking, maar duizend herhaalbare problemen: knoppen met de verkeerde afmetingen, inconsistent gedrag en stijlverschillen tussen verschillende eigenschappen, wat teams maanden aan herwerk kostte. We wisten dat het een serieus probleem was toen we zagen dat deze problemen niet opgelost konden worden met betere synchronisatieplugins of mooiere documentatie. Ze vereisten één gezaghebbend systeem voor ontwerp, code en merkregels. Dat besef maakte duidelijk dat een speciaal platform noodzakelijk was.

De overstap van bureau- en consultancywerk naar het opzetten van een productbedrijf bracht een dieperliggend probleem aan het licht dat bestaande designsystemtools en workflowplatforms niet aanpakten. Wat was de fundamentele lacune die de vroegste architectuur en richting van Knapsack heeft bepaald?

Toen we de overstap maakten van bureauwerk naar productontwikkeling, werd het belangrijkste ontbrekende element duidelijk. Er bestond geen betrouwbaar, machineleesbaar systeem dat componenten, beperkingen en de synergie tussen ontwerpers en engineers vastlegde. Bestaande tools richtten zich op bestanden of geïsoleerde repositories, maar niet op een dynamische weergave van de werkelijke staat van een product, inclusief componenten, thema's, gebruiksregels en compliance-metadata. We hebben Knapsack gebouwd rond een canoniek systeem voor gegevensregistratie dat componentgericht is, versiebeheer heeft, instrumenteerbaar is en kan worden geïntegreerd met zowel ontwerptools als codebases. Die conclusie vormde de basis voor ons ingestiemodel en de koppelingslaag, wat uiteindelijk leidde tot de Intelligent Product Engine.

Het 'canvas-tijdperk' maakt plaats voor levende, met code verbonden systemen. Hoe definieer je deze verschuiving en wat verandert er voor teams wanneer productontwikkeling overgaat van statische bestanden naar continu bijgewerkte systemen?

In het canvas-tijdperk werd UX beschouwd als statische artefacten, meestal bestanden die tussen teams werden uitgewisseld. Het nieuwe tijdperk wordt gedreven door continu bijgewerkte, uitvoerbare systemen die de daadwerkelijke implementatie weerspiegelen. De verandering voor teams is aanzienlijk. In plaats van te discussiëren over welk bestand of welke branch de bron van de waarheid is, werken ze met een gedeeld systeem dat de huidige status van componenten, tokens, toegankelijkheidsbeperkingen en productiegedrag weergeeft. Dit vermindert onduidelijkheid, maakt geautomatiseerde validatie mogelijk en ondersteunt agentische workflows die bruikbare UI genereren op basis van echte componenten in plaats van benaderingen.

Door agenten gegenereerde gebruikersinterfaces falen vaak zonder een systeem dat de werkelijke componenten, regels en beperkingen vastlegt. Waarom is deze verankeringslaag essentieel voor AI om bedrijfsgeschikte interfaces te produceren?

AI kan lay-outs en teksten genereren, maar heeft een gezaghebbende terminologie nodig om bedrijfsgeschikte interfaces te produceren. De verankeringslaag, die concrete componenten, eigenschappen, beperkingen, tokens en gebruiksregels bevat, geeft AI de grenzen die het moet respecteren. Zonder deze laag hallucineren AI-agenten stijlen, negeren ze toegankelijkheidsvereisten of genereren ze code die niet overeenkomt met wat de engineeringteams daadwerkelijk opleveren. Met een echte componentengrafiek en regelset produceren AI-agenten output die implementeerbaar, conform en consistent is met de merkstandaarden. Dit is het verschil tussen een mooi mock-up en een implementeerbare interface.

Wat bleek tijdens de ontwikkeling van de Intelligent Product Engine het moeilijkst bij het samenvoegen van ontwerpelementen, code, merkregels, nalevingsvereisten, UX-patronen en prestatiegegevens tot één samenhangend systeem?

De uitdaging is niet één enkele integratie, maar een reeks integraties. Het gaat erom intentie en realiteit te harmoniseren over verschillende representaties, waaronder design tokens in Figma, componentimplementaties in meerdere repositories, merkrichtlijnen in juridische documenten, telemetrie van productiesystemen en compliance-metadata. Elk van deze elementen bestaat in een ander formaat, heeft een andere eigenaar en wordt in verschillende updatecycli bijgewerkt. Om deze signalen in één consistent model te integreren, waren robuuste dataverwerkingspipelines, regels voor conflictoplossing en een duidelijk model voor herkomst en eigenaarschap nodig. Teams moeten weten wat er is veranderd, wie de verandering heeft doorgevoerd en waarom. Het opbouwen van die vertrouwenslaag was het moeilijkste onderdeel.

Nu AI steeds completere interfaces kan genereren, hoe ziet u de rol van ontwerpers en ingenieurs evolueren binnen workflows waarin mens en agent samenwerken?

Agenten zullen repetitieve taken uitvoeren, zoals het opzetten van pagina's, het voorstellen van toegankelijke varianten en het genereren van gelokaliseerde content. Ontwerpers zullen zich richten op strategie, de beoogde gebruikerservaring, UX voor uitzonderlijke gevallen en het definiëren van de randvoorwaarden die tot goede resultaten leiden. Ingenieurs zullen zich minder richten op het typen van elke pixel en meer op de correctheid van componenten, runtime-contracten, observeerbaarheid en prestaties. Mensen worden curatoren en validatoren. Wij definiëren de regels, beoordelen de output en bepalen wat kwaliteit inhoudt. De meest waardevolle menselijke vaardigheden zullen systeemdenken en oordeelsvermogen zijn.

Wat werden na de Series A-financieringsronde de belangrijkste aandachtspunten voor het versnellen van productontwikkeling en de acceptatie ervan binnen bedrijven?

De Series A-financiering stelde ons in staat om op drie gebieden te versnellen. Ten eerste, onboarding en data-invoer, waardoor bedrijven binnen enkele dagen in plaats van maanden een systeem voor gegevensregistratie kunnen creëren. Ten tweede, de Intelligent Product Engine, inclusief modelgebaseerde functionaliteiten die ervoor zorgen dat gegenereerde interfaces voldoen aan de merkrichtlijnen en -regels. Ten derde, bedrijfsbrede controlemechanismen, zoals machtigingen, controleerbaarheid en compliance-mechanismen, zorgen ervoor dat leiders vol vertrouwen Knapsack in grote organisaties kunnen implementeren. Dit zijn de factoren die daadwerkelijke grootschalige implementatie mogelijk maken.

Teams binnen grote bedrijven hebben vaak moeite met de overstap van statische workflows naar dynamische, agent-compatibele systemen. Wat zijn de grootste obstakels en hoe helpt Knapsack organisaties bij deze aanpassing?

Bedrijven worstelen met gefragmenteerde systemen, afzonderlijke verantwoordelijkheden, wettelijke beperkingen en de hoge kosten om alles up-to-date te houden. Wij helpen door gegevensinvoer snel en deterministisch te maken, door herkomst en eigendom te modelleren en door governancefuncties zoals machtigingen en auditlogboeken te bieden. Deze tools stellen teams in staat om het vertrouwen in geautomatiseerde workflows te valideren.

Naarmate productontwikkeling steeds meer geautomatiseerd wordt, welke nieuwe vaardigheden moeten teams volgens u ontwikkelen om effectief te blijven in een omgeving waar AI een groter deel van het basiswerk overneemt?

Teams moeten hun systeemdenkvermogen versterken, met name het vermogen om beperkingen, beleid en componentcontracten op te stellen die agents kunnen gebruiken. Ze hebben ook betere monitoring- en validatiepraktijken nodig, waaronder inzicht in agentbeslissingen, uitrolcontroles en Q&A-frameworks voor gegenereerde gebruikersinterfaces. Kennis van governance wordt essentieel, vooral het vermogen om compliance-, toegankelijkheids- en privacyvereisten in een machineleesbaar formaat te formuleren. De organisaties die succesvol zullen zijn, zijn de organisaties die beleid en kwaliteit in hun systemen kunnen vastleggen.

Als we vijf jaar vooruitkijken, hoe verwacht u dat AI-gestuurde productontwikkeling zich zal ontwikkelen en welke positie wilt u dat Knapsack inneemt in die volgende fase van de industrie?

Over vijf jaar zal productontwikkeling meer lijken op het samenstellen van services op basis van een live componentgrafiek, in plaats van het uitwisselen van statische ontwerpen tussen teams. Agenttools zullen productiegereedde interfaces genereren met behulp van beleid, prestatiebudgetten en merkbeperkingen. Mijn doel is dat Knapsack het canonieke systeem wordt waarop agents en apps vertrouwen om de ware UI-primitieven en -regels van een bedrijf te begrijpen. Dit omvat diepe integratie met modellen en CI/CD, sterke governance voor gereguleerde ondernemingen en snelle onboarding voor nieuwe teams. Knapsack moet de vertrouwde laag zijn voor merk, gedrag en veiligheid, naarmate bedrijven agents meer autonoom laten opereren.

Bedankt voor het geweldige interview. Lezers die meer willen weten over moderne ontwerpsystemen en schaalbare digitale productie kunnen terecht op [websiteadres]. Knapzak.