Chris Strahl, Oprichter en CEO van Knapsack – Interviewserie

Chris Strahl is de mede-oprichter en CEO van Knapsack, waar hij zich richt op het herschikken van hoe moderne digitale producten worden gebouwd door ontwerp-, engineerings- en productteams rond een gedeelde systeem van waarheid te laten draaien. Met een achtergrond die geworteld is in ontwerpsystemen en front-endontwikkeling, is hij ook breed bekend vanwege het hosten van de Design Systems Podcast, waar hij onderzoekt hoe organisaties ontwerp schalen, samenwerking verbeteren en digitale productie moderniseren.

Knapsack is een ondernemingsontwerpsysteem en digitaal productieplatform dat fungeert als een levend systeem van record, waarbij ontwerpassets, code, inhoud en documentatie in real-time worden verbonden. Het platform stelt teams in staat om herbruikbare, productieklare componenten te bouwen en te beheren, ontwerptokens te beheren en consistentie te behouden in complexe digitale ecosystemen. Door ontwerp- en UI-gegevens op een manier te structureren die schaalbaar en AI-klaar is, helpt Knapsack grote organisaties om levering te versnellen, duplicatie te verminderen en merk- en productintegriteit te waarborgen over teams en kanalen heen.

Knapsack ontstond na jarenlang ontwerpsystemen te hebben gebouwd voor grote ondernemingen bij Basalt, waarbij de terugkerende wrijving tussen ontwerpbestanden, engineeringsworkflows en uitgevoerde code onmogelijk te negeren werd. Wat was het moment waarop dat patroon duidelijk genoeg werd om een toegewijd platform te rechtvaardigen?

We bouwden ontelbare ontwerpsystemen bij Basalt, en het patroon was duidelijk: ontwerpbestanden, engineeringsworkflows en uitgevoerde code bestonden allemaal in afzonderlijke universa. Het resultaat was niet één dramatische mislukking, maar duizend herhaalde verliezen: verkeerd formaat knoppen, inconsistent gedrag en stijlverschuiving over eigendommen die teams maanden van herwerk kostten. We wisten dat het een echt probleem was toen we zagen dat die problemen niet konden worden opgelost met betere synchronisatiepluggen of leukere documentatie. Ze vereisten een enkel autoritair systeem van record voor ontwerp, code en merkregels. Die realisatie maakte het duidelijk dat een toegewijd platform noodzakelijk was.

Het verhuizen van agency- en advieswerk naar het bouwen van een product onthulde een dieper probleem dat bestaande ontwerpsysteemtools en workflowplatforms niet aanpakten. Wat was de fundamentele kloof die Knapsacks vroegste architectuur en richting vormgaf?

Toen we overstapten van agency-werk naar het bouwen van een product, werd de kern van het ontbrekende stuk duidelijk. Er was 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 levende weergave van de werkelijke staat van een product, inclusief componenten, thema’s, gebruikregels en compliance-metadata. We bouwden Knapsack rond een canoniek systeem van record dat component-georiënteerd, versiebeheerd, instrumenteerbaar en in staat is om te integreren met zowel ontwerptools als codebases. Die conclusie vormde onze ingebruikname-model en de koppelingslaag, wat uiteindelijk leidde tot de Intelligent Product Engine.

De “canvas-era” maakt plaats voor levende, code-verbonden systemen. Hoe definieert u deze verschuiving, en wat verandert er voor teams als productcreatie van statische bestanden naar continu bijgewerkte systemen gaat?

De canvas-era behandelde UX als statische artefacten, meestal bestanden die tussen teams werden doorgegeven. De nieuwe era wordt gedreven door continu bijgewerkte, uitvoerbare systemen die de werkelijke implementatie weerspiegelen. De verandering voor teams is aanzienlijk. In plaats van te discussiëren over welk bestand of welke tak de bron van waarheid is, werken ze vanuit een gedeeld systeem dat de huidige staat van componenten, tokens, toegankelijkheidsbeperkingen en productiegedrag onthult. Dit vermindert ambiguïteit, maakt geautomatiseerde validatie mogelijk en ondersteunt agente-workflows die bruikbare UI genereren op basis van echte componenten in plaats van benaderingen.

Agent-gegenereerde UI mislukt vaak zonder een systeem van record dat echte componenten, regels en beperkingen weerspiegelt. Waarom is deze ankerlaag essentieel voor AI om ondernemingsklare interfaces te produceren?

AI kan lay-outs en kopie synthetiseren, maar het heeft een autoritair vocabulaire nodig om ondernemingsklare interfaces te produceren. De ankerlaag, die concrete componenten, props, beperkingen, tokens en gebruikregels bevat, geeft AI de grenzen die het moet respecteren. Zonder dit hallucineren agenten stijlen, negeren ze toegankelijkheidsvereisten of genereren ze code die niet overeenkomt met wat engineeringsTeams daadwerkelijk verzenden. Met een echte componentengrafiek en regelset produceren agenten uitvoer die implementeerbaar, compliant en consistent is met merkstandaarden. Dit is het verschil tussen een mooie mock-up en een implementeerbare interface.

Terwijl de Intelligent Product Engine zich ontwikkelde, wat bleek het moeilijkst om ontwerpassets, code, merkregels, compliance-eisen, UX-patronen en prestatiegegevens te verenigen in één coherent systeem?

De uitdaging is niet één integratie, maar eerder een reeks integraties. Het harmoniseert intentie en realiteit over verschillende representaties, waaronder ontwerptokens in Figma, componentimplementaties in meerdere repositories, merkrichtlijnen in juridische documenten, telemetrie van productiesystemen en compliance-metadata. Elk van deze leeft in verschillende formaten, met verschillende eigenaren en op verschillende update-cycli. Deze signalen omzetten in één consistent model vereiste sterke ingebruiknamepijpleidingen, conflictoplossingsregels en een duidelijk model voor herkomst en eigendom. Teams moeten weten wat er is veranderd, wie de verandering heeft aangebracht en waarom het is aangebracht. Het opbouwen van die vertrouwenslaag was het moeilijkste deel.

Met AI die nu in staat is om steeds completere interfaces te genereren, hoe ziet u de rollen van ontwerpers en engineers evolueren in mens-agente-workflows?

Agenten zullen repetitieve taken afhandelen, zoals het opzetten van pagina’s, het voorstellen van toegankelijke varianten en het genereren van gelokaliseerde inhoud. Ontwerpers zullen zich richten op strategie, ervaringsintentie, edge-case UX en het definiëren van de beperkingen die goede resultaten afdwingen. Engineers zullen zich minder richten op het intypen van elke pixel en meer op componentcorrectheid, runtime-contracten, observeerbaarheid en prestaties. Mensen worden curators en validators. We definiëren de regels, beoordelen uitvoer en bepalen wat kwaliteit lijkt. De hoogste waarde van menselijke vaardigheden zullen systeemdenken en oordeel zijn.

Na de Serie A, wat werden de hoogste prioriteitfocusgebieden voor het versnellen van productontwikkeling en ondernemingsadoptie?

De Serie A stelde ons in staat om te versnellen op drie gebieden. Ten eerste, onboarding en ingebruikname, waardoor ondernemingen een systeem van record kunnen maken in dagen in plaats van maanden. Ten tweede, de Intelligent Product Engine, inclusief model-gealigneerde mogelijkheden die ervoor zorgen dat gegenereerde interfaces merk- en regelrespecterend zijn. Ten derde, ondernemingscontroles, zoals machtigingen, auditeerbaarheid en compliance-haken, zorgen ervoor dat leiders vertrouwen hebben in het adopteren van Knapsack in grote organisaties. Dit zijn de hefboomen die echte adoptie aandrijven.

Ondernemingsteams worstelen vaak met het verhuizen van statische workflows naar dynamische, agent-klare systemen. Wat zijn de grootste obstakels, en hoe helpt Knapsack organisaties aanpassen?

Ondernemingen worstelen met gefragmenteerde systemen, eigendomssilo’s, regelgevingsbeperkingen en de hoge kosten van het bijhouden van alles. We helpen door ingebruikname snel en deterministisch te maken, door herkomst en eigendom te modelleren en door governance-functies zoals machtigingen en auditlogboeken te bieden. Deze tools stellen teams in staat om vertrouwen in geautomatiseerde workflows te valideren.

Terwijl productcreatie steeds meer geautomatiseerd wordt, welke nieuwe capaciteiten moeten teams ontwikkelen om effectief te blijven in een omgeving waarin AI meer van de fundamentale werkzaamheden genereert?

Teams moeten sterker systeemdenken ontwikkelen, met name de mogelijkheid om beperkingen, beleid en componentcontracten te schrijven die agenten kunnen gebruiken. Ze hebben ook betere monitoring- en validatiepraktijken nodig, waaronder observeerbaarheid in agentbeslissingen, rollout-controles en Q&A-kaders voor gegenereerde UI. Governance-geletterdheid wordt essentieel, met name de mogelijkheid om compliance-, toegankelijkheids- en privacyvereisten in een machineleesbaar formaat uit te drukken. De organisaties die slagen, zijn degenen die beleid en kwaliteit in hun systemen kunnen coderen.

Als we vijf jaar vooruitkijken, hoe verwacht u dat AI-gestuurde productcreatie zal evolueren, en welke positie wilt u dat Knapsack inneemt in dat volgende stadium van de industrie?

Over vijf jaar zal productcreatie lijken op het componeren van diensten tegen een levende componentengrafiek, in plaats van statische comps tussen teams door te geven. Agente-tools zullen productieklare oppervlakken genereren met behulp van beleid, prestatiebegrotingen en merkbeperkingen. Mijn doel is dat Knapsack het canonieke systeem van record wordt dat agenten en apps vertrouwen om de werkelijke 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 als bedrijven agenten toestaan om meer autonomously te opereren.

Bedankt voor het geweldige interview, lezers die meer willen leren over moderne ontwerpsystemen en schaalbare digitale productie, moeten Knapsack bezoeken.