Andrew Sales, Chief Product Officer, Scaled Agile – Série de Entrevistas

Andrew Sales, Chief Product Officer e Chief Methodologist da Scaled Agile, é um líder experiente em Lean, Agile e DevOps que passou mais de duas décadas ajudando empresas a transformar a forma como elas entregam valor. Em seu papel atual, ele orienta a estratégia de produto e a evolução do Scaled Agile Framework (SAFe), trabalhando com organizações globais para adotar práticas ágeis em escala empresarial. Antes de se juntar à Scaled Agile, Sales ocupou posições de liderança sênior e consultoria na CA Technologies, Rally Software e Pearson, onde aconselhou organizações em toda a Europa, Oriente Médio e África sobre iniciativas de transformação ágil que abrangem serviços financeiros, telecomunicações, varejo, software e educação.

Scaled Agile, Inc. é a empresa por trás do Scaled Agile Framework, mais conhecido como SAFe, um framework amplamente adotado para ajudar as empresas a aplicar práticas Lean, Agile e DevOps em escala. Por meio de seu framework, programas de treinamento, certificação, rede de parceiros e plataforma SAFe Studio, a Scaled Agile apoia organizações que buscam melhorar o alinhamento, a velocidade de entrega, a qualidade do produto, o engajamento dos funcionários e a agilidade empresarial. A empresa relata que o SAFe foi adotado por mais de 20.000 empresas em todo o mundo e que mais de um milhão de profissionais foram treinados no framework.

Quais lições das transformações em larga escala influenciaram mais diretamente a criação do SAFe Nativo em AI?

Nos últimos 15 anos, assistimos a mais de 20.000 organizações adotarem o SAFe para resolver um desafio fundamental: coordenar o desenvolvimento de produtos complexos em escala empresarial. Uma lição permaneceu notavelmente consistente: os princípios Lean e Agile continuam a funcionar. O que muda é como esses princípios precisam ser aplicados à medida que a tecnologia muda.

A IA não torna esses princípios obsoletos; ela muda onde estão as restrições. As equipes estão se tornando menores, mais aumentadas por IA e cada vez mais focadas em direcionar o trabalho em vez de realizar cada tarefa elas mesmas. Os ciclos de decisão estão se comprimindo, e a interação entre o julgamento humano e a execução da IA está se tornando central para como o valor é criado.

O SAFe Nativo em AI constrói sobre a base comprovada do SAFe, enquanto evolui o modelo operacional para essa nova realidade. Ele preserva o foco no valor do cliente, colaboração cross-funcional, alinhamento de portfólio e melhoria contínua, enquanto introduz novas maneiras de governar a IA, gerenciar dados como um ativo estratégico e estabelecer responsabilidade em organizações habilitadas para IA.

Por que os frameworks ágeis tradicionais não são mais suficientes para a era da IA?

Os frameworks ágeis tradicionais continuam sendo incrivelmente valiosos. O que mudou é o ambiente em que eles operam.

Por anos, as organizações estavam limitadas por quão rapidamente elas podiam projetar, construir e entregar software. A IA muda dramaticamente essa equação. Como um cliente recente nos disse, eles não estão mais limitados por quão rápido podem construir coisas; eles estão limitados por quão rápido podem determinar se essas soluções criam valor significativo, são seguras para implantar e alinham com os objetivos comerciais.

O gargalo mudou da produção para o julgamento. Dos resultados para os desfechos.

As organizações agora precisam de modelos operacionais que as ajudem a avaliar continuamente o valor, governar a IA de forma responsável e coordenar o trabalho entre as pessoas e a IA. Isso é uma evolução além das práticas ágeis tradicionais, não um substituto para elas.

Quais são os maiores erros que as empresas cometem ao tentar dimensionar as iniciativas de IA?

O primeiro erro é tratar a IA como um problema de ferramentas. A maioria das empresas já tem acesso a mais capacidades de IA do que elas estão usando efetivamente.

O segundo é camada de IA sobre fluxos de trabalho existentes sem questionar se esses fluxos de trabalho deveriam existir em primeiro lugar. Automatizar processos ineficientes raramente produz transformação.

Um terceiro erro é tratar a IA como uma iniciativa de inovação isolada em vez de uma capacidade organizacional. A adoção sustentável de IA exige mudanças na estratégia, governança, desenvolvimento de produtos, práticas operacionais e liderança, e não apenas implantar outra plataforma de tecnologia.

As organizações que veem o maior impacto redesenham como o trabalho acontece. A IA se torna parte do modelo operacional em vez de apenas outra ferramenta que os funcionários são esperados para usar.

Qual é o papel do Arquiteto de Valor de IA e como ele muda a dinâmica da equipe?

A IA reduz drasticamente o custo de criar soluções, mas não reduz o custo de resolver o problema errado.

O Arquiteto de Valor de IA existe para ajudar as organizações a descobrir oportunidades para aproveitar a IA, garantindo que elas permaneçam focadas nos resultados comerciais. Esse papel ajuda a equilibrar o valor do cliente, a viabilidade técnica, o custo, a governança, as considerações legais e a responsabilidade ética antes que as organizações invistam em escalonar capacidades impulsionadas por IA.

Em vez de se tornar outra camada de aprovação, o papel do Arquiteto de Valor de IA cria alinhamento entre líderes de negócios, equipes de produtos e organizações técnicas, de modo que as decisões sobre a IA sejam mais rápidas e melhor informadas. Ele fornece um mecanismo prático para equilibrar a inovação com a responsabilidade, mantendo o valor comercial mensurável no centro de todos os investimentos em IA.

Como você equilibra a velocidade da inovação com a supervisão responsável da IA?

A governança não deve ser algo que acontece após a inovação. Ela deve ser incorporada ao modelo operacional para que a inovação possa acontecer de forma segura e contínua.

As grandes empresas sempre precisaram equilibrar a velocidade com a responsabilidade. A IA aumenta a importância desse equilíbrio, pois os sistemas de IA introduzem novas considerações em torno da qualidade dos dados, transparência, viés, conformidade e responsabilidade organizacional.

O SAFe Nativo em AI torna a governança explícita em vez de implícita. Ele incorpora a governança à tomada de decisões de portfólio, eleva a gestão de dados como uma preocupação de primeira classe, mantém o ser humano no loop e introduz clareza de papel em torno da responsabilidade da IA. Quando a governança é incorporada ao modo como as organizações funcionam, ela se torna um facilitador da inovação em vez de um constrangimento.

Como as estruturas de equipe das empresas mudarão nos próximos cinco anos?

Vemos quatro mudanças principais surgindo em organizações de alto desempenho.

Primeiro, as pessoas se concentram cada vez mais em definir a intenção e os resultados desejados em vez de executar cada tarefa manualmente.

Em segundo lugar, os ciclos de aprendizado e experimentação se tornam dramaticamente mais rápidos à medida que a IA acelera a exploração e o feedback.

Em terceiro lugar, a inovação se torna mais distribuída porque a IA reduz o custo da experimentação em toda a empresa.

Finalmente, as equipes se tornam cada vez mais aumentadas por IA, com a IA atuando como um participante ativo na entrega em vez de apenas outra ferramenta de produtividade.

No futuro, as equipes nativas em IA provavelmente serão definidas menos pelo número de funcionários e mais por quão efetivamente elas orquestram a colaboração entre a expertise humana e a capacidade da IA.

Por que a prontidão dos dados ainda é um grande obstáculo e o que as organizações devem priorizar?

Os dados continuam a ser uma das maiores barreiras para realizar a IA em escala empresarial, pois a IA é apenas tão eficaz quanto as informações sobre as quais ela é construída. Dados fragmentados, governança inconsistente e fluxos de trabalho que não foram projetados para um ambiente nativo em IA continuam a manter muitas organizações presas no modo de piloto em vez de escalonar a IA em toda a empresa.

Pesquisa do Return on AI Institute encontrou que 55% dos executivos globais citam a falta de dados prontos para IA como o maior inibidor para realizar valor a partir da IA. Isso reforça o que estamos vendo na prática: antes que as organizações invistam pesadamente em novas aplicações de IA, elas precisam tratar os dados como um ativo estratégico gerenciado, com propriedade clara, governança, padrões de qualidade e confiança. A IA escala qualquer informação que ela recebe, seja boa ou ruim.

É por isso que o SAFe Nativo em AI incorpora a gestão de dados curada como um elemento estrutural do modelo operacional em vez de tratá-la como um pré-requisito ou responsabilidade de outra pessoa. A prontidão dos dados não é apenas um desafio de TI; é um desafio de liderança e modelo operacional que afeta diretamente a capacidade de uma organização de gerar valor comercial a partir da IA.

Como o SAFe Nativo em AI ajuda as organizações a mudar de medir resultados para medir desfechos?

A IA torna muito mais fácil gerar resultados. À medida que a execução se torna mais rápida e menos cara, o resultado sozinho se torna uma medida de progresso muito mais fraca. A verdadeira vantagem competitiva muda para medir se esses resultados criam desfechos comerciais significativos.

O SAFe Nativo em AI é construído em torno de um ciclo de desenvolvimento de produtos orientado a desfechos. Ele fornece os papéis, práticas e governança necessários para conectar continuamente os investimentos em IA ao valor comercial mensurável.

A mesma pesquisa do Return on AI Institute apoia essa mudança: as organizações que regularmente medem e comunicam o valor da IA no nível executivo e de conselho relatam retornos significativamente mais fortes sobre seus investimentos em IA. O SAFe Nativo em AI ajuda a tornar essa disciplina baseada em desfechos uma parte contínua de como a empresa opera.

Quais fatores as organizações devem considerar ao decidir se devem migrar para o SAFe Nativo em AI?

O SAFe Core permanece o modelo operacional correto para muitas organizações. O SAFe Nativo em AI não é destinado a substituí-lo; ele o estende para as organizações cujos modelos operacionais são cada vez mais moldados pela IA.

As organizações devem considerar onde a IA está criando oportunidades significativas para redesenhar o trabalho em vez de apenas automatizar atividades existentes. Elas devem avaliar se sua governança, práticas de liderança e capacidades de dados estão prontas para apoiar a IA em escala empresarial.

O mais importante é que essa não é uma decisão de tudo ou nada. O SAFe Nativo em AI inclui orientação de adoção para que as organizações possam evoluir incrementalmente, adotando práticas do SAFe Nativo em AI.

Toda organização começa de um lugar diferente, e o SAFe Nativo em AI é projetado para apoiar essa evolução.

Como é uma empresa verdadeiramente nativa em IA em 2030?

Até 2030, as organizações de alto desempenho não pensarão na IA como um problema de tecnologia, mas como uma oportunidade de negócios. Ela se tornará integral à forma como elas trabalham, permanecem competitivas e entregam valor aos seus clientes.

Os líderes humanos definirão cada vez mais a intenção, tomarão decisões estratégicas, exercerão julgamento e permanecerão responsáveis pelos desfechos. Os agentes de IA realizarão mais da análise, coordenação e execução que anteriormente exigiam esforço humano significativo.

O que separará os líderes da indústria não será o acesso à IA; todos terão acesso a capacidades de IA poderosas. O diferenciador será a qualidade do modelo operacional: como efetivamente eles orquestram as pessoas, a IA, os dados, a governança e o aprendizado contínuo para entregar desfechos comerciais mensuráveis em escala.

Obrigado pela grande entrevista, leitores que desejam aprender mais devem visitar Scaled Agile.