Andrew Sales, Chief Product Officer, Scaled Agile – Intervju-serie

Andrew Sales, Chief Product Officer og Chief Methodologist i Scaled Agile, er en erfaren Lean-, Agile- og DevOps-leder som har brukt over to tiår på å hjelpe bedrifter med å transformere måten de leverer verdi på. I sin nåværende rolle, leder han produktstrategi og utviklingen av Scaled Agile Framework (SAFe), og arbeider med globale organisasjoner for å adoptere agile-praksiser på bedriftsnivå. Før han ble med i Scaled Agile, hadde Sales ledende stillinger og konsulentposisjoner i CA Technologies, Rally Software og Pearson, hvor han rådgav organisasjoner i Europa, Midtøsten og Afrika om agile-transformasjonsinitiativer som omfattet finansielle tjenester, telekommunikasjon, detaljhandel, programvare og utdanning.

Scaled Agile, Inc. er selskapet bak Scaled Agile Framework, bedre kjent som SAFe, et vidt akseptert rammeverk for å hjelpe bedrifter med å anvende Lean-, Agile- og DevOps-praksiser på bedriftsnivå. Gjennom sitt rammeverk, opplæring, sertifiseringsprogrammer, partnernettverk og SAFe Studio-plattform, støtter Scaled Agile organisasjoner som ønsker å forbedre samordning, leveringshastighet, produktkvalitet, medarbeiderengasjement og forretningsagilitet. Selskapet rapporterer at SAFe er blitt adoptert av over 20 000 bedrifter globalt og at over en million fagfolk har blitt opplært i rammeverket.

Hva er de viktigste lærdommene fra store transformasjoner som har hatt størst innvirkning på utviklingen av AI-Native SAFe?

I løpet av de siste 15 årene, har vi sett over 20 000 organisasjoner adoptere SAFe for å løse ett grunnleggende problem: å koordinere kompleks produktutvikling på bedriftsnivå. En lærdom har forblitt bemerkelsesverdig konsistent: Lean- og Agile-prinsipper fortsetter å fungere. Det som endrer seg, er hvordan disse prinsippene må anvendes når teknologien endrer seg.

AI gjør ikke disse prinsippene foreldet; det endrer hvor begrensningene ligger. Teamene blir mindre, mer AI-forbedret og stadig mer fokusert på å styre arbeidet i stedet for å utføre hver oppgave selv. Beslutningscyklene komprimeres, og interaksjonen mellom menneskelig dømmekraft og AI-utførelse blir sentral for hvordan verdi skapes.

AI-Native SAFe bygger på den etablerte grunnmuren av SAFe, samtidig som det utvikler driftsmodellen for denne nye virkeligheten. Det beholder fokus på kundeverdi, tverrfaglig samarbeid, portefølje-samordning og kontinuerlig forbedring, samtidig som det introduserer nye måter å styre AI, håndtere data som en strategisk ressurs og etablere ansvar i AI-aktiverede organisasjoner.

Hvorfor er tradisjonelle Agile-rammeverk ikke lenger tilstrekkelige for AI-æraen?

Tradisjonelle Agile-rammeverk er fortsatt utrolig verdifulle. Det som har endret seg, er miljøet de opererer i.

I mange år var organisasjoner begrenset av hvor raskt de kunne designe, bygge og levere programvare. AI endrer dramatisk denne ligningen. Som en kunde nylig sa til oss, er de ikke lenger begrenset av hvor fort de kan bygge ting; de er begrenset av hvor raskt de kan bestemme om disse løsningene skaper meningsfull verdi, er trygge å distribuere og samstemmer med forretningsmål.

Bottlenecken har flyttet seg fra produksjon til dømmekraft. Fra utdata til resultater.

Organisasjoner trenger nå driftsmodeller som hjelper dem å kontinuerlig evaluere verdi, styre AI ansvarlig og koordinere arbeid mellom mennesker og AI. Dette er en utvikling utover tradisjonelle Agile-praksiser, ikke en erstatning for dem.

Hva er de største feilene bedrifter gjør når de prøver å skalerer AI-initiativer?

Den første feilen er å behandle AI som et verktøyproblem. De fleste bedrifter har allerede tilgang til mer AI-kapasitet enn de effektivt bruker.

Den andre feilen er å lagre AI på eksisterende arbeidsflyter uten å spørre om disse arbeidsflytene skal eksistere fra første sted. Automatisering av ineffektive prosesser produserer sjelden transformasjon.

En tredje feil er å behandle AI som en isolert innovasjonsinitiativ i stedet for en organisatorisk evne. Bærekraftig AI-adopteringskrevende endringer i strategi, styring, produktutvikling, driftspraksis og ledelse, ikke bare deployering av en annen teknologiplattform.

Organisasjoner som ser den største innvirkningen, redesigner hvordan arbeid skjer. AI blir en del av driftsmodellen i stedet for et annet verktøy ansatte forventes å bruke.

Hva gapet fyller AI-Verdi-Arkitekten, og hvordan endrer det team-dynamikken?

AI senker dramatisk kostnadene ved å skape løsninger, men det senker ikke kostnadene ved å løse feil problemer.

AI-Verdi-Arkitekten eksisterer for å hjelpe organisasjoner med å avdekke muligheter for å utnytte AI samtidig som de holder fokus på forretningsresultater. Denne rollen hjelper med å balansere kundeverdi, teknisk gjennomførbarhet, kostnad, styring, juridiske overveielser og etiske ansvar før organisasjoner investerer i å skalerer AI-drevne kapasiteter.

I stedet for å bli en annen godkjenningsskikt, skaper AI-Verdi-Arkitekt-rollen samordning mellom forretningsledere, produktteam og tekniske organisasjoner så beslutninger om AI er både raskere og bedre informert. Den gir en praktisk mekanisme for å balansere innovasjon med ansvar samtidig som den holder målbare forretningsverdi sentralt i hver AI-investering.

Hvordan balanserer du innovasjonshastighet med ansvarlig AI-overvåking?

Styring bør ikke være noe som skjer etter innovasjon. Det bør være bygget inn i driftsmodellen så innovasjon kan skje trygt og kontinuerlig.

Store bedrifter har alltid trengt å balansere hastighet med ansvar. AI øker viktigheten av denne balansen fordi AI-systemer introduserer nye overveielser rundt datakvalitet, gjennomsiktighet, bias, overholdelse og organisatorisk ansvar.

AI-Native SAFe gjør styring eksplisitt i stedet for implisitt. Det inkorporerer styring i portefølje-beslutninger, eleverer datahåndtering som en førsteklasses bekymring, holder mennesket i løkken og introduserer rolleklarhet rundt AI-ansvar. Når styring er innbygget i hvordan organisasjoner arbeider, blir det en muliggjører for innovasjon i stedet for en begrensning.

Hvordan vil bedrifts-team-strukturer endre seg de neste fem årene?

Vi ser fire store endringer som oppstår over hele høytytende organisasjoner.

Først, fokuserer mennesker stadig mer på å definere intensjon og ønskede resultater i stedet for å utføre hver oppgave manuelt.

Andre, blir lærings- og eksperimenterings-syklene dramatisk raskere ettersom AI akselererer utforskning og tilbakekobling.

Tredje, blir innovasjon mer distribuert ettersom AI senker kostnadene ved å eksperimentere over hele bedriften.

Fjerde, blir teamene stadig mer AI-forbedret, med AI som en aktiv deltaker i levering i stedet for bare et annet produktivitetsverktøy.

I fremtiden, vil AI-Native team sannsynligvis bli definert mindre av headcount og mer av hvordan de effektivt orkestrerer samarbeid mellom menneskelig ekspertise og AI-kapasitet.

Hvorfor er data-klarhet fortsatt et så stort hinder, og hva bør organisasjoner prioritere?

Data forblir en av de største barrierene for å realisere bedrifts-skala AI fordi AI er bare like effektiv som informasjonen det er bygget på. Fragmentert data, inkonsistent styring og arbeidsflyter som ikke var designet for en AI-nativ miljø, fortsetter å holde mange organisasjoner fast i pilot-modus i stedet for å skalerer AI over hele bedriften.

Forskning fra Return on AI Institute fant at 55% av globale ledere peker på mangelen på AI-klar data som den største inhibitor for å realisere verdi fra AI. Dette understreker hva vi ser i praksis: før organisasjoner investerer tungt i nye AI-applikasjoner, må de behandle data som en strategisk ressurs, med klar eierskap, styring, kvalitetsstandarder og tillit. AI skalerer hva som helst informasjon det får, enten det er godt eller dårlig.

Dette er hvorfor AI-Native SAFe inkorporerer kurert datahåndtering som en strukturert del av driftsmodellen i stedet for å behandle det som en forutsetning eller noen andres ansvar. Data-klarhet er ikke bare en IT-utfordring; det er en ledelses- og driftsmodell-utfordring som direkte påvirker en organisasjons evne til å generere forretningsverdi fra AI.

Hvordan hjelper AI-Native SAFe organisasjoner med å skifte fra å måle utdata til å måle resultater?

AI gjør det dramatisk lettere å generere utdata. Ettersom utførelse blir raskere og mindre kostbar, blir utdata alene en mye svakere måling av fremgang. Den virkelige konkurransefordelen skifter til å måle om disse utdataene skaper meningsfulle forretningsresultater.

AI-Native SAFe er bygget rundt en resultat-drevet produktutviklingssyklus. Det gir rollene, praksisene og styringen nødvendig for å kontinuerlig koble AI-investeringer til målbare forretningsverdi.

Samme forskning fra Return on AI Institute støtter denne skiftet: organisasjoner som regelmessig måler og kommuniserer verdien av AI på ledelses- og styrenivå, rapporterer betydelig sterkere avkastning på sine AI-investeringer. AI-Native SAFe hjelper med å gjøre denne resultat-baserte disiplinen en kontinuerlig del av hvordan bedriften opererer.

Hva faktorer bør organisasjoner vurdere når de bestemmer seg for å gå over til AI-Native SAFe?

Kjerne-SAFE forblir det riktige driftsmodellen for mange organisasjoner. AI-Native SAFe er ikke ment å erstatte det; det utvider det for organisasjoner hvis driftsmodeller stadig mer blir formet av AI.

Organisasjoner bør vurdere hvor AI skaper meningsfulle muligheter for å redesigne arbeid i stedet for bare å automatisere eksisterende aktiviteter. De bør evaluere om deres styring, ledelsespraksis og data-kapasiteter er klare til å støtte AI på bedriftsnivå.

Det viktigste er at dette ikke er en enten-eller-beslutning. AI-Native SAFe inkluderer adopsjonsveiledning så organisasjoner kan utvikle seg inkrementelt, ved å adoptere AI-Native SAFe-praksiser.

Hver organisasjon starter fra et annet sted, og AI-Native SAFe er designet for å støtte denne utviklingen.

Hva ser en virkelig AI-nativ bedrift ut som i 2030?

I 2030, vil de høyest performende organisasjonene ikke tenke på AI som et teknologiproblem, men som en forretningsmulighet. Det vil bli en integrert del av hvordan de arbeider, forblir konkurransedyktige og leverer verdi til sine kunder.

Menneskelige ledere vil stadig mer definere intensjon, ta strategiske beslutninger, utøve dømmekraft og forblir ansvarlige for resultater. AI-agenter vil utføre mer av analysen, koordineringen og utførelsen som tidligere krevde betydelig menneskelig innsats.

Hva som vil skille bransjeledere, vil ikke være tilgangen til AI; alle vil ha tilgang til kraftfulle AI-kapasiteter. Differentiatoren vil være kvaliteten på deres driftsmodell: hvordan de effektivt orkestrerer mennesker, AI, data, styring og kontinuerlig læring for å levere målbare forretningsresultater på bedriftsnivå.

Takk for det flotte intervjuet, lesere som ønsker å lære mer, bør besøke Scaled Agile.