Chris Strahl, grunnlegger og administrerende direktør i Knapsack – Intervju-serie

Chris Strahl er medgrunnlegger og administrerende direktør i Knapsack, der han fokuserer på å endre måten moderne digitale produkter bygges ved å alignere design, ingeniørarbeid og produkteamer rundt et felles system av sannhet. Med en bakgrunn i designsystemer og front-end-utvikling, er han også vidt kjent for å være vert for Design Systems Podcast, der han utforsker hvordan organisasjoner skalerer design, forbedrer samarbeid og moderniserer digital produksjon.

Knapsack er et bedriftsdesignsystem og digitalt produksjonsplattform som fungerer som et levende system av rekord, som kobler design-ressurser, kode, innhold og dokumentasjon i sanntid. Plattformen muliggjør at team bygger og styre gjenbrukbare, produksjonsklare komponenter, håndtere design-tokens og opprettholde konsistens over komplekse digitale økosystemer. Ved å strukturere design- og UI-data på en måte som er skalerbar og AI-klar, hjelper Knapsack store organisasjoner å akselerere levering, redusere duplikasjon og sikre merkevare- og produktintegritet over team og kanaler.

Knapsack oppstod etter årevis med bygging av designsystemer for store bedrifter i Basalt, der gjentakende friksjon mellom designfiler, ingeniørarbeidsflyter og levert kode ble umulig å ignorere. Hva var øyeblikket da denne mønsteret ble tydelig nok til å rettferdiggjøre lansering av en dedikert plattform?

Vi bygde talløse designsystemer i Basalt, og mønsteret var åpenbart: designfiler, ingeniørarbeidsflyter og levert kode eksisterte alle i separate universer. Resultatet var ikke ett enkelt dramatisk feil, men tusen gjentakende tap: feilaktige knappstørrelser, inkonsistent atferd og stilavvik over egenskaper som kostet teamene måneder med ombygging. Vi visste det var et reelt problem når vi så at disse problemene ikke kunne fikses med bedre synkroniseringsplugger eller finere dokumentasjon. De krevde et enkelt autoritativt system av rekord for design, kode og merkevare-regler. Denne erkjennelsen gjorde det klart at en dedikert plattform var nødvendig.

Ved å gå fra byrå- og konsulentarbeid til å bygge en produktbedrift, avdekket et dypere problem som eksisterende design-system-verktøy og arbeidsflyt-plattformer ikke håndterte. Hva var den grunnleggende gapet som formede Knapsacks tidlige arkitektur og retning?

Når vi skiftet fra byråarbeid til å bygge et produkt, ble den manglende delen åpenbar. Det fantes ingen pålitelig, maskinlesbar system som fanget komponenter, begrensninger og synergien mellom designere og ingeniører. Eksisterende verktøy fokuserte på filer eller isolerte repositoryer, men ikke på en levende representasjon av et produkts sanntid, inkludert komponenter, tema, bruksregler og overholdelsesmetadata. Vi bygde Knapsack rundt et kanonisk system av rekord som er komponent-først, versjonert, instrumentert og i stand til å integrere med både design-verktøy og kodebasert.

“Canvas-æraen” gir plass til levende, kode-tilkoblede systemer. Hvordan definerer du denne skiftet, og hva endrer seg for teamene når produktutvikling går fra statiske filer til kontinuerlig oppdaterte systemer?

Canvas-æraen behandlet UX som statiske artefakter, vanligvis filer som ble overført mellom teamene. Den nye æraen er drevet av kontinuerlig oppdaterte, eksekverbare systemer som reflekterer virkelig implementering. Endringen for teamene er betydelig. I stedet for å diskutere hvilken fil eller gren som er kilde til sannhet, arbeider de fra et felles system som avdekker den nåværende tilstanden til komponenter, tokens, tilgjengelighetsbegrensninger og produksjonsatferd. Dette reduserer tvetydighet, muliggjør automatisert validering og støtter agente-arbeidsflyter som genererer brukbar UI basert på virkelige komponenter i stedet for approksimasjoner.

Agent-generert UI feiler ofte uten et system av rekord som reflekterer virkelige komponenter, regler og begrensninger. Hvorfor er denne ankrene laget essensielt for AI å produsere bedrifts-klare grensesnitt?

AI kan syntetisere layout og tekst, men den trenger et autoritativt vokabular for å produsere bedrifts-klare grensesnitt. Ankrene laget, som inneholder konkrete komponenter, props, begrensninger, tokens og bruksregler, gir AI grensene det må respektere. Uten det hallucinerer agenter stil, ignorerer tilgjengelighetskrav eller genererer kode som ikke matcher hva ingeniørteamene faktisk leverer. Med en virkelig komponentgraf og regelsamling produserer agenter utdata som er implementerbare, overholdelige og konsistente med merkevare-standarder. Dette er forskjellen mellom en pen mock-up og et deployerbart grensesnitt.

Da den intelligente produkt-motoren utviklet seg, hva var det mest vanskelige med å forene design-ressurser, kode, merkevare-regler, overholdelseskrav, UX-mønster og ytelsesdata i ett sammenhengende system?

Udfordringen er ikke ett enkelt integrasjon, men snarere en rekke av dem. Det harmoniserer intensjon og virkelighet over ulike representasjoner, inkludert design-tokens i Figma, komponent-implementeringer i flere repositoryer, merkevare-retningslinjer i juridiske dokumenter, telemetri fra produksjonssystemer og overholdelses-metadata. Hver av disse lever i ulike formater, med ulike eiere og på ulike oppdaterings-sykluser. Å omdanne disse signalene til ett konsistent modell krevde sterke innmatnings-pipelines, konfliktløsningsregler og en klar modell for proveniens og eierskap. Teamene må vite hva som endret seg, hvem som gjorde endringen og hvorfor den ble gjort. Å bygge dette tillitslaget var det hardeste delen.

Med AI nå i stand til å generere stadig mer komplette grensesnitt, hvordan ser du på rollene til designere og ingeniører utvikle seg i menneske-agent-arbeidsflyter?

Agenter vil håndtere repetitive oppgaver, som å opprette sider, foreslå tilgjengelige varianter og generere lokaliserbart innhold. Designere vil fokusere på strategi, erfaring-intensjon, edge-case-UX og å definere begrensningene som driver gode resultater. Ingenicører vil fokusere mindre på å skrive ut hver enkelt piksel og mer på komponent-korrekt, kjøretids-kontrakter, overvåkbarhet og ytelse. Mennesker blir kuratorer og validatore. Vi definerer reglene, gjennomgår utdata og bestemmer hva kvalitet ser ut som. De høyest-verdige menneskelige ferdighetene vil være system-tenkning og dømmekraft.

Efter Serie A, hva ble de viktigste fokusområdene for å akselerere produktutvikling og bedrifts-tilpasning?

Serie A tillot oss å akselerere i tre områder. Først, påmelding og innmatning, som muliggjør at bedrifter kan opprette et system av rekord på dager i stedet for måneder. Andre, den intelligente produkt-motoren, inkludert modell-tilpassede kapasiteter som sikrer at genererte grensesnitt respekterer merkevare og regler. Tredje, bedrifts-kontroller, som tillatelser, overvåkbarhet og overholdelses-kroker, sikrer at ledere føler seg trygge på å tilpasse Knapsack over store organisasjoner. Disse er drivere som driver reell skala-tilpasning.

Bedrifts-teamene sliter ofte med å gå fra statiske arbeidsflyter til dynamiske, agent-klare systemer. Hva er de største hindrene, og hvordan hjelper Knapsack organisasjoner til å tilpasse seg?

Bedrifter sliter med fragmenterte systemer, eierskap-siloer, reguleringer og den høye kostnaden av å holde alt oppdatert. Vi hjelper ved å gjøre innmatning rask og deterministisk, ved å modellere proveniens og eierskap og ved å tilby styre-verktøy som tillatelser og overvåkingslogger. Disse verktøyene muliggjør at teamene kan validere tillit i automatiserte arbeidsflyter.

Da produktutvikling blir stadig mer automatisert, hva nye kapasiteter må teamene utvikle for å forbli effektive i en omgang hvor AI genererer mer av det grunnleggende arbeidet?

Teamene må utvikle sterkere system-tenkning-ferdigheter, spesielt evnen til å definere begrensninger, politikker og komponent-kontrakter som agenter kan bruke. De må også ha bedre overvåkings- og validerings-praksis, inkludert overvåkbarhet i agent-beslutninger, rullete-kontroller og Q&A-rammeverk for genererte UI. Styre-læring blir essensiell, spesielt evnen til å uttrykke overholdelse, tilgjengelighet og personvern-krav i en maskinlesbar format. Organisasjonene som lykkes vil være de som kan kodifisere kvalitet og policy i sine systemer.

Om fem år, hvordan forventer du at AI-drevet produktutvikling vil utvikle seg, og hva stilling ønsker du at Knapsack skal ha i denne neste fasen av industrien?

Om fem år vil produktutvikling ligne å komponere tjenester mot et levende komponent-graf, i stedet for å overføre statiske komposisjoner mellom teamene. Agente-verktøy vil generere produksjons-klare overflater ved hjelp av politikker, ytelses-budsjett og merkevare-begrensninger. Målet mitt er at Knapsack skal være det kanoniske system av rekord som agenter og apper avhenger av for å forstå et selskaps sanne UI-primitiver og regler. Dette inkluderer dypt integrasjon med modeller og CI/CD, sterk styre for regulerte bedrifter og rask påmelding for nye team. Knapsack bør være det pålitelige laget for merkevare, atferd og sikkerhet når selskaper tillater agenter å operere mer autonomt.

Takk for det flotte intervjuet, lesere som ønsker å lære mer om moderne designsystemer og skalerbar digital produksjon bør besøke Knapsack.