Andrew Sales, Chief Product Officer, Scaled Agile – Wywiad z serii

Andrew Sales, Chief Product Officer i Chief Methodologist w Scaled Agile, to doświadczony lider Lean, Agile i DevOps, który przez ponad dwie dekady pomagał przedsiębiorstwom przekształcić sposób, w jaki dostarczają wartość. W swojej obecnej roli, kieruje strategią produktu i ewolucją ramy Scaled Agile Framework (SAFe), pracując z organizacjami globalnymi, aby przyjąć praktyki Agile w skali przedsiębiorstwa. Przed dołączeniem do Scaled Agile, Sales zajmował stanowiska kierownicze i doradcze w CA Technologies, Rally Software i Pearson, gdzie doradzał organizacjom w Europie, na Bliskim Wschodzie i w Afryce w zakresie inicjatyw transformacji Agile w sektorach finansowym, telekomunikacyjnym, handlowym, oprogramowania i edukacji.

Scaled Agile, Inc. jest firmą odpowiedzialną za ramę Scaled Agile Framework, lepiej znaną jako SAFe, powszechnie przyjętą ramę dla pomocy przedsiębiorstwom w stosowaniu praktyk Lean, Agile i DevOps w skali. Dzięki swojej ramie, programom szkoleniowym, programom certyfikacji, sieci partnerów i platformie SAFe Studio, Scaled Agile wspiera organizacje, które chcą poprawić współpracę, prędkość dostarczania, jakość produktu, zaangażowanie pracowników i elastyczność biznesu. Firma twierdzi, że SAFe została przyjęta przez ponad 20 000 przedsiębiorstw na całym świecie i że ponad milion profesjonalistów zostało przeszkolonych w tej ramie.

Jakie lekcje z transformacji w dużych skalach miały największy wpływ na stworzenie AI-Native SAFe?

Przez ostatnie 15 lat, obserwowaliśmy ponad 20 000 organizacji, które przyjęły SAFe, aby rozwiązać jeden podstawowy problem: koordynowanie złożonego rozwoju produktu w skali przedsiębiorstwa. Jedna lekcja pozostała niezwykle spójna: zasady Lean i Agile nadal działają. To, co się zmienia, to sposób, w jaki te zasady muszą być stosowane wraz ze zmianą technologii.

AI nie czyni tych zasad przestarzałymi; zmieniają się tylko ograniczenia. Zespoły stają się mniejsze, bardziej wzmocnione AI i coraz bardziej skupione na kierowaniu pracą, a nie na wykonywaniu każdego zadania samodzielnie. Cykle decyzyjne są kompresowane, a interakcja między ludzkim osądem a wykonaniem AI staje się centralna dla tworzenia wartości.

AI-Native SAFe opiera się na udowodnionym fundamencie SAFe, ewoluując model operacyjny dla nowej rzeczywistości. Zachowuje focus na wartości klienta, współpracy cross-funkcjonalnej, portfolio, wyalignowaniu i ciągłym doskonaleniu, wprowadzając nowe sposoby zarządzania AI, zarządzania danymi jako strategicznym aktywem i ustanawiania odpowiedzialności w organizacjach wzmocnionych AI.

Dlaczego tradycyjne ramy Agile nie są już wystarczające dla ery AI?

Tradycyjne ramy Agile pozostają niezwykle cenne. To, co się zmieniło, to środowisko, w którym one działają.

Przez lata, organizacje były ograniczane przez to, jak szybko mogły projektować, budować i dostarczać oprogramowanie. AI dramatycznie zmienia tę równanie. Jak jeden z naszych klientów powiedział niedawno, nie są już ograniczani przez to, jak szybko mogą budować rzeczy; są ograniczani przez to, jak szybko mogą określić, czy te rozwiązania tworzą znaczącą wartość, są bezpieczne do wdrożenia i wyalignowane z celami biznesowymi.

Bottleneck przesunął się z produkcji do osądu. Z wyjść do wyników.

Organizacje potrzebują teraz modeli operacyjnych, które pomagają im ciągle oceniać wartość, odpowiedzialnie zarządzać AI i koordynować pracę między ludźmi a AI. To ewolucja poza tradycyjnymi praktykami Agile, a nie ich zastąpienie.

Jakie są największe błędy, które przedsiębiorstwa popełniają, próbując skalować inicjatywy AI?

Pierwszym błędem jest traktowanie AI jako problemu toolingowego. Większość przedsiębiorstw już ma dostęp do więcej możliwości AI, niż one efektywnie wykorzystują.

Drugim błędem jest nakładanie AI na istniejące przepływy pracy bez pytania, czy te przepływy powinny istnieć w pierwszej kolejności. Automatyzacja nieefektywnych procesów rzadko produkuje transformację.

Trzecim błędem jest traktowanie AI jako izolowanego projektu innowacyjnego zamiast organizacyjnej zdolności. Zrównoważone wdrożenie AI wymaga zmian w strategii, zarządzaniu, rozwoju produktu, praktykach operacyjnych i przywództwie, a nie tylko wdrożeniu kolejnej platformy technologicznej.

Organizacje, które widzą największy wpływ, przebudowują sposób, w jaki praca się odbywa. AI staje się częścią modelu operacyjnego, a nie tylko kolejnym narzędziem, którego pracownicy oczekują.

Jaką lukę wypełnia Architekt Wartości AI, i jak zmienia dynamikę zespołu?

AI dramatycznie obniża koszt tworzenia rozwiązań, ale nie obniża kosztu rozwiązania niewłaściwego problemu.

Architekt Wartości AI istnieje, aby pomóc organizacjom odkryć możliwości wykorzystania AI, jednocześnie zapewniając, że pozostają one skupione na wynikach biznesowych. Ta rola pomaga balansować wartość klienta, techniczną wykonalność, koszt, zarządzanie, kwestie prawne i odpowiedzialność etyczną, zanim organizacje zainwestują w skalowanie zdolności AI.

Zamiast stawać się kolejną warstwą zatwierdzającą, rola Architekta Wartości AI tworzy wyrównanie między liderami biznesu, zespołami produktowymi i organizacjami technicznymi, tak aby decyzje o AI były zarówno szybsze, jak i lepiej poinformowane. Zapewnia praktyczny mechanizm dla balansowania innowacji z odpowiedzialnością, utrzymując mierną wartość biznesu w centrum każdej inwestycji AI.

Jak balansować szybkość innowacji z odpowiedzialnym nadzorem AI?

Zarządzanie nie powinno być czymś, co dzieje się po innowacji. Powinno być wbudowane w model operacyjny, tak aby innowacja mogła się odbywać bezpiecznie i ciągle.

Duże przedsiębiorstwa zawsze musiały balansować szybkość z odpowiedzialnością. AI zwiększa znaczenie tego balansu, ponieważ systemy AI wprowadzają nowe kwestie dotyczące jakości danych, przejrzystości, uprzedzeń, zgodności i odpowiedzialności organizacyjnej.

AI-Native SAFe czyni zarządzanie jawne, a nie implicite. Włącza zarządzanie do decyzji dotyczących portfela, podnosi zarządzanie danymi do pierwszorzędnej troski, utrzymuje człowieka w pętli i wprowadza role wyjaśniające odpowiedzialność AI. Kiedy zarządzanie jest wbudowane w sposób, w jaki organizacje pracują, staje się ono katalizatorem innowacji, a nie ograniczeniem.

Jak struktury zespołów przedsiębiorstw zmienią się w ciągu najbliższych pięciu lat?

Widzimy cztery główne zmiany, które pojawiają się w organizacjach o wysokiej wydajności.

Po pierwsze, ludzie coraz bardziej koncentrują się na definiowaniu intencji i pożądanych wyników, a nie na wykonywaniu każdego zadania ręcznie.

Po drugie, cykle uczenia się i eksperymentowania stają się dramatycznie szybsze, ponieważ AI przyspiesza eksplorację i feedback.

Po trzecie, innowacja staje się bardziej rozproszona, ponieważ AI obniża koszt eksperymentowania w całym przedsiębiorstwie.

Wreszcie, zespoły stają się coraz bardziej wzmocnione AI, z AI działającym jako aktywny uczestnik dostarczania, a nie tylko jako kolejne narzędzie produktywności.

W przyszłości zespoły AI-Native będą prawdopodobnie definiowane mniej przez liczbę osób, a bardziej przez to, jak efektywnie one koordynują współpracę między ludzką ekspertyzą a możliwościami AI.

Dlaczego gotowość danych wciąż jest tak dużym przeszkodą, i co powinny priorytetem organizacje?

Dane pozostają jedną z największych barier dla realizacji przedsięwzięć AI w skali przedsiębiorstwa, ponieważ AI jest tylko tak skuteczne, jak informacje, na których się opiera. Fragmentowane dane, niejednolite zarządzanie i przepływy pracy, które nie zostały zaprojektowane dla środowiska AI-Native, nadal utrzymują wiele organizacji w trybie pilotażu, a nie w skali AI w całym biznesie.

Badania z Return on AI Institute pokazały, że 55% globalnych dyrektorów wykonawczych uważa brak danych gotowych do AI za największy inhibitor realizacji wartości z AI. To potwierdza to, co widzimy w praktyce: przed tym, jak organizacje zainwestują ciężko w nowe aplikacje AI, muszą traktować dane jako zarządzany strategiczny aktyw, z wyraźnym właścicielem, zarządzaniem, standardami jakości i zaufaniem. AI skaluje wszelkie informacje, które otrzymuje, czy są one dobre, czy złe.

Dlatego AI-Native SAFe włącza zarządzanie danymi jako strukturalny element modelu operacyjnego, a nie traktuje go jako przeszkodę lub czyjąś odpowiedzialność. Gotowość danych nie jest tylko wyzwaniem IT; jest to wyzwanie przywództwa i modelu operacyjnego, które bezpośrednio wpływa na zdolność organizacji do generowania wartości biznesowej z AI.

Jak AI-Native SAFe pomaga organizacjom przerzucić się z pomiaru wyjść na pomiar wyników?

AI sprawia, że jest znacznie łatwiej generować wyjścia. Jak wykonanie staje się szybsze i mniej kosztowne, wyjście samo w sobie staje się znacznie słabszym miernikiem postępu. Prawdziwa przewaga konkurencyjna przerzuca się na pomiar, czy te wyjścia tworzą znaczące wyniki biznesowe.

AI-Native SAFe jest zbudowane wokół cyklu rozwoju produktu ukierunkowanego na wyniki. Zapewnia role, praktyki i zarządzanie niezbędne do ciągłego łączenia inwestycji AI z mierną wartością biznesu.

Te same badania z Return on AI Institute wspierają tę zmianę: organizacje, które regularnie mierzą i komunikują wartość AI na poziomie wykonawczym i zarządu, raportują znacznie silniejsze zwroty z inwestycji AI. AI-Native SAFe pomaga uczynić tę dyscyplinę ukierunkowaną na wyniki ciągłym elementem działania przedsiębiorstwa.

Jakie czynniki powinny organizacje brać pod uwagę przy decyzji o przejściu na AI-Native SAFe?

Ramy SAFe pozostają odpowiednim modelem operacyjnym dla wielu organizacji. AI-Native SAFe nie jest przeznaczone do zastąpienia ich; rozszerza je dla organizacji, których modele operacyjne są coraz bardziej kształtowane przez AI.

Organizacje powinny rozważyć, gdzie AI tworzy znaczące możliwości przebudowy pracy, a nie tylko automatyzacji istniejących działań. Powinny ocenić, czy ich zarządzanie, praktyki przywództwa i zdolności danych są gotowe do wspierania AI w skali przedsiębiorstwa.

Najważniejsze jest to, że nie jest to decyzja “wszystko albo nic”. AI-Native SAFe zawiera wskazówki dotyczące przyjęcia, aby organizacje mogły ewoluować stopniowo, przyjmując praktyki AI-Native SAFe.

Każda organizacja zaczyna z innego miejsca, a AI-Native SAFe jest zaprojektowany, aby wspierać tę ewolucję.

Jak wygląda prawdziwie rodzime przedsiębiorstwo AI w 2030 roku?

Do 2030 roku, najlepsze organizacje nie będą myśleć o AI jako o problemie technologicznym, ale jako o możliwości biznesowej. Stanie się ono integralną częścią sposobu, w jaki one pracują, pozostają konkurencyjne i dostarczają wartość swoim klientom.

Ludzcy przywódcy będą coraz bardziej definiować intencje, podejmować strategiczne decyzje, wykonywać osąd i pozostawać odpowiedzialni za wyniki. Agenci AI będą wykonywać więcej analiz, koordynacji i wykonania, które wcześniej wymagały znacznego wysiłku ludzkiego.

To, co będzie oddzielać liderów branży, nie będzie dostępem do AI, każdy będzie miał dostęp do potężnych możliwości AI. Różnicą będzie jakość ich modelu operacyjnego: jak efektywnie oni koordynują ludzi, AI, dane, zarządzanie i ciągłe uczenie się, aby dostarczać mierną wartość biznesu w skali. Dziękuję za wspaniały wywiad, czytelnicy, którzy chcą dowiedzieć się więcej, powinni odwiedzić Scaled Agile.