Chris Strahl, grundare och VD för Knapsack – Intervjuserie

Chris Strahl är medgrundare och VD för Knapsack, där han fokuserar på att omdefiniera hur moderna digitala produkter byggs genom att samordna design-, ingenjörs- och produktteam runt ett gemensamt system för sanning. Med en bakgrund i designsystem och front-end-utveckling är han också välkänd för att vara värd för Design Systems Podcast, där han utforskar hur organisationer skaljer design, förbättrar samarbete och moderniserar digital produktion.

Knapsack är ett företagsdesignsystem och digitalt produktionssystem som fungerar som ett levande system för registrering, som kopplar samman designtillgångar, kod, innehåll och dokumentation i realtid. Plattformen möjliggör för team att bygga och styra återanvändbara, produktionsklara komponenter, hantera designtoken och upprätthålla konsekvens över komplexa digitala ekosystem. Genom att strukturera design- och UI-data på ett sätt som är skalbart och AI-klart hjälper Knapsack stora organisationer att påskynda leverans, minska dubblett och säkerställa varumärkes- och produktintegritet över team och kanaler.

Knapsack uppstod efter år av att bygga designsystem för stora företag på Basalt, där återkommande friktion mellan designfiler, ingenjörsarbetsflöden och levererad kod blev omöjlig att ignorera. Vilket var ögonblicket när den mönstret blev tillräckligt tydligt för att motivera lanseringen av en dedikerad plattform?

Vi byggde otaliga designsystem på Basalt, och mönstret var uppenbart: designfiler, ingenjörsarbetsflöden och levererad kod existerade alla i separata universum. Resultatet var inte en enda dramatisk misslyckande, utan tusentals upprepad förlust: felstorleksknappar, inkonsekvent beteende och stilglidning över egenskaper som kostade team månader av ombyggnad. Vi visste att det var ett riktigt problem när vi såg att dessa problem inte kunde lösas med bättre synkroniseringskontakter eller snyggare dokumentation. De krävde ett enda auktoritativt system för registrering av design, kod och varumärkesregler. Den insikten gjorde det klart att en dedikerad plattform var nödvändig.

Att gå från byrå- och konsultarbete till att bygga ett produktföretag avslöjade ett djupare problem som existerande design-systemverktyg och arbetsflödesplattformar inte hanterade. Vad var den grundläggande luckan som formade Knapsacks tidigaste arkitektur och riktning?

När vi gick från byråarbete till att bygga ett produktföretag blev den centrala saknade biten uppenbar. Det fanns inget pålitligt, maskinläsbart system som fångade komponenter, begränsningar och synergier mellan designers och ingenjörer. Existerande verktyg fokuserade på filer eller isolerade repositorier, men inte på en levande representation av en produkts sanna tillstånd, inklusive komponenter, teman, användningsregler och efterlevnadsdata. Vi byggde Knapsack runt ett kanoniskt system för registrering som är komponentförst, versionerat, instrumenterat och kan integreras med både designtverktyg och kodbas. Den slutsatsen formade vår inkörsmodell och länkskiktet, som slutligen ledde till Intelligent Product Engine.

“Canvas-eran” ger vika för levande, kodanslutna system. Hur definierar du den här skiftningen, och vad förändras för team när produktskapandet flyttar från statiska filer till kontinuerligt uppdaterade system?

Canvas-eran behandlade UX som statiska artefakter, vanligtvis filer som passerades mellan team. Den nya eran drivs av kontinuerligt uppdaterade, exekverbara system som reflekterar verklig implementering. Förändringen för team är betydande. Istället för att debattera vilken fil eller gren som är källan till sanning, arbetar de från ett delat system som exponerar den aktuella tillståndet för komponenter, token, tillgänglighetsbegränsningar och produktionsbeteende. Detta minskar tvetydighet, möjliggör automatiserad validering och stöder agenter som genererar användbar UI baserat på verkliga komponenter snarare än approximationer.

Agent-genererad UI misslyckas ofta utan ett system för registrering som reflekterar verkliga komponenter, regler och begränsningar. Varför är detta ankare-lager essentiellt för AI att producera företagsklara gränssnitt?

AI kan syntetisera layouter och kopior, men det behöver ett auktoritativt ordförråd för att producera företagsklara gränssnitt. Ankare-lagret, som innehåller konkreta komponenter, egenskaper, begränsningar, token och användningsregler, ger AI de gränser det måste respektera. Utan det hallucinerar agenter stilar, ignorerar tillgänglighetskrav eller genererar kod som inte matchar vad ingenjörsteam faktiskt levererar. Med en verklig komponentgraf och regelsamling producerar agenter utdata som är implementerbara, efterlevbara och konsekventa med varumärkesstandarder. Detta är skillnaden mellan en vacker mock-up och ett distribuerbart gränssnitt.

När Intelligent Product Engine utvecklades, vad visade sig vara mest svårt med att förena design-tillgångar, kod, varumärkesregler, efterlevnadskrav, UX-mönster och prestandadata i ett enda sammanhängande system?

Utmaningen är inte en enda integration, utan snarare en serie av dem. Det harmoniserar avsikt och verklighet över olika representationer, inklusive designtoken i Figma, komponentimplementeringar i flera repositorier, varumärkesriktlinjer i juridiska dokument, telemetri från produktionsystem och efterlevnadsdata. Var och en av dessa lever i olika format, med olika ägare och på olika uppdateringscykler. Att omvandla dessa signaler till en sammanhängande modell krävde starka inkörsrör, konfliktlösningsregler och en tydlig modell för proveniens och ägarskap. Team behöver veta vad som ändrades, vem som gjorde ändringen och varför den gjordes. Att bygga det här förtroendeskiktet var den svåraste delen.

Med AI som nu kan generera alltmer kompletta gränssnitt, hur ser du att rollerna för designers och ingenjörer utvecklas inom mänskliga-agentarbetsflöden?

Agenter kommer att hantera repetitiva uppgifter, såsom att skapa sidor, föreslå tillgängliga varianter och generera lokaliserat innehåll. Designers kommer att fokusera på strategi, upplevelseavsikt, gränsfall UX och att definiera begränsningarna som driver goda resultat. Ingenjörer kommer att fokusera mindre på att skriva ut varje pixel och mer på komponentkorrekthet, körningskontrakt, observerbarhet och prestanda. Människor blir kuratorer och validerare. Vi definierar reglerna, granskar utdata och bestämmer vad kvalitet ser ut som. De högst värderade mänskliga färdigheterna kommer att vara systemtänkande och omdöme.

Efter Serie A, vad blev de högsta prioriterade fokusområdena för att påskynda produktutveckling och företagsadoption?

Serie A tillät oss att accelerera i tre områden. Först, inkörs- och inkörsprocesser, som möjliggör för företag att skapa ett system för registrering på dagar istället för månader. Andra, Intelligent Product Engine, inklusive modell-alignment-kapaciteter som säkerställer att genererade gränssnitt respekterar varumärke och regler. Tredje, företagskontroller, såsom behörigheter, granskningsbarhet och efterlevnads-krokar, säkerställer att ledare känner sig trygga med att anta Knapsack över stora organisationer. Dessa är de områden som driver verklig skala-adoption.

Företagsteam kämpar ofta för att gå från statiska arbetsflöden till dynamiska, agent-klara system. Vilka är de största hindren, och hur hjälper Knapsack organisationer att anpassa sig?

Företag kämpar med fragmenterade system, ägarskap-silor, regulatoriska begränsningar och den höga kostnaden för att hålla allt uppdaterat. Vi hjälper genom att göra inkörs- och inkörsprocesser snabba och deterministiska, genom att modellera proveniens och ägarskap, och genom att tillhandahålla styrningsfunktioner som behörigheter och granskningsloggar. Dessa verktyg möjliggör för team att validera förtroende för automatiserade arbetsflöden.

När produktskapande blir alltmer automatiserat, vilka nya förmågor måste team utveckla för att förbli effektiva i en miljö där AI genererar mer av det grundläggande arbetet?

Team måste utveckla starkare systemtänkande-färdigheter, särskilt förmågan att författa begränsningar, policys och komponentkontrakt som agenter kan använda. De behöver också bättre övervaknings- och valideringspraxis, inklusive observerbarhet i agentbeslut, utrullningskontroller och Q&A-ramverk för genererat UI. Styrningskunskap blir essentiell, särskilt förmågan att uttrycka efterlevnads-, tillgänglighets- och sekretesskrav i en maskinläsbar format. De organisationer som lyckas kommer att vara de som kan kodifiera policy och kvalitet i sina system.

Om fem år, hur förväntar du dig att AI-drivet produktskapande kommer att utvecklas, och vilken position vill du att Knapsack ska ha i den nästa fasen av branschen?

Om fem år kommer produktskapande att likna komposition av tjänster mot ett levande komponentgraf, snarare än att passa statiska kompositioner mellan team. Agent-verktyg kommer att generera produktionsklara ytor med hjälp av policys, prestandabudgetar och varumärkesbegränsningar. Målet är att Knapsack ska vara det kanoniska systemet för registrering som agenter och appar förlitar sig på för att förstå ett företags sanna UI-primitiver och regler. Detta inkluderar djup integration med modeller och CI/CD, stark styrning för reglerade företag och snabb inkörsprocess för nya team. Knapsack bör vara det pålitliga lagret för varumärke, beteende och säkerhet när företag tillåter agenter att operera mer autonomt.

Tack för den underbara intervjun, läsare som vill lära sig mer om moderna designsystem och skalbar digital produktion bör besöka Knapsack.