Ендрю Сейлз, Головний Продукт-Офіцер, Scaled Agile – Серія Інтерв’ю

Ендрю Сейлз, Головний Продукт-Офіцер і Головний Методолог у Scaled Agile, є досвідченим лідером у сфері Lean, Agile і DevOps, який понад два десятиліття допомагає підприємствам трансформувати свій підхід до доставки цінності. На своїй поточній посаді він керує стратегією продукту та еволюцією фреймворку Scaled Agile (SAFe), працюючи з глобальними організаціями для впровадження агільних практик у масштабі підприємства. До того, як приєднатися до Scaled Agile, Сейлз обіймав керівні посади та посади консультанта у CA Technologies, Rally Software і Pearson, де він радив організаціям у Європі, на Близькому Сході та в Африці щодо ініціатив агільної трансформації у сфері фінансових послуг, телекомунікацій, роздрібної торгівлі, програмного забезпечення та освіти.

Scaled Agile, Inc. є компанією, яка стоїть за фреймворком Scaled Agile, більш відомим як SAFe, широко прийнятий фреймворк для допомоги підприємствам у впровадженні принципів Lean, Agile і DevOps у масштабі. За допомогою свого фреймворку, програм навчання, сертифікації, мережі партнерів та платформи SAFe Studio Scaled Agile підтримує організації, які намагаються покращити узгодженість, швидкість доставки, якість продукту, залученість працівників та бізнес-агільність. Компанія повідомляє, що SAFe було прийнято понад 20 000 підприємств у світі, а понад один мільйон фахівців пройшли навчання за цим фреймворком.

Які уроки з великомасштабних трансформацій вплинули на створення AI-Native SAFe?

За останні 15 років ми спостерігали, як понад 20 000 організацій прийняли SAFe для вирішення однієї фундаментальної проблеми: координування складного розвитку продукту у масштабі підприємства. Одним з уроків, який залишається надзвичайно стабільним, є те, що принципи Lean і Agile продовжують працювати. Що змінюється, так це те, як ці принципи потрібно застосовувати з урахуванням зміни технологій.

AI не робить ці принципи застарілими; воно змінює місце обмежень. Команди стають меншими, більш оснащеними AI і все більше зосереджені на керуванні роботою, а не на виконанні кожної задачі самостійно. Цикли прийняття рішень стискаються, а взаємодія між людським судженням і виконанням AI стає центральною для створення цінності.

AI-Native SAFe будується на перевіреній основі SAFe, одночасно еволюціонуючи операційну модель для цієї нової реальності. Він зберігає фокус на цінності клієнта,跨функціональному співробітництві, портфельній узгодженості та безперервному вдосконаленні, одночасно вводячи нові способи управління AI, керування даними як стратегічним активом та встановлення відповідальності в організаціях, оснащених AI.

Чому традиційні агільні фреймворки більше не достатні для епохи AI?

Традиційні агільні фреймворки залишаються надзвичайно цінними. Що змінилося, так це середовище, у якому вони працюють.

Роки організації були обмежені тим, як швидко вони могли проектувати, будувати та доставляти програмне забезпечення. AI драматично змінює це рівняння. Як один з клієнтів недавно сказав нам, вони більше не обмежені тим, як швидко вони можуть будувати речі; вони обмежені тим, як швидко вони можуть визначити, чи створюють ці рішення значну цінність, чи безпечні для розгортання та чи узгоджені з бізнес-цілями.

Бутлегер змінився з виробництва на судження. З виходів на результати.

Організації тепер потребують операційних моделей, які допоможуть їм безперервно оцінювати цінність, керувати AI відповідально та координувати роботу між людьми та AI. Це еволюція традиційних агільних практик, а не їх заміна.

Які найбільші помилки, які підприємства роблять при спробах масштабувати ініціативи AI?

Перша помилка полягає в тому, що AI розглядається як проблема інструментів. Більшість підприємств вже мають доступ до більшої кількості можливостей AI, ніж вони ефективно використовують.

Друга помилка полягає в тому, що AI накладається на існуючі робочі процеси без питання про те, чи повинні ці робочі процеси існувати з самого початку. Автоматизація неефективних процесів рідко призводить до трансформації.

Третя помилка полягає в тому, що AI розглядається як ізольована інноваційна ініціатива, а не як організаційна здатність. Сталий прийом AI вимагає змін у стратегії, управлінні, розробці продукту, операційних практиках та лідерстві, а не просто розгортання ще однієї технологічної платформи.

Організації, які досягають найбільшого впливу, переробляють спосіб виконання роботи. AI стає частиною операційної моделі, а не інструментом, який працівники очікують використовувати.

Яка роль виконує Архітектор цінності AI, і як це змінює динаміку команди?

AI суттєво знижує вартість створення рішень, але не знижує вартість вирішення неправильної проблеми.

Архітектор цінності AI існує для того, щоб допомогти організаціям виявити можливості для використання AI, одночасно забезпечуючи їхню концентрацію на бізнес-результатах. Ця роль допомагає збалансувати цінність клієнта, технічну здійсненність, вартість, управління, юридичні питання та етичну відповідальність до того, як організації вкладуться в масштабування можливостей, оснащених AI.

Натомість ніж ставати ще одним рівнем затвердження, роль Архітектора цінності AI створює узгодженість між бізнес-лідерами, командами продукту та технічними організаціями, щоб рішення щодо AI були як швидкими, так і краще інформованими. Це забезпечує практичний механізм для балансування інновацій з відповідальністю, одночасно зберігаючи вимірювані бізнес-результати в центрі кожного інвестування в AI.

Як ви балансуєте швидкість інновацій з відповідальним управлінням AI?

Управління не повинно бути тим, що відбувається після інновацій. Воно повинно бути закладено в операційну модель, щоб інновації могли відбуватися безпечно та безперервно.

Великі підприємства завжди потребували балансувати швидкість з відповідальністю. AI підвищує важливість цього балансу, оскільки системи AI вводять нові питання щодо якості даних, прозорості, упередженості, відповідності та організаційної відповідальності.

AI-Native SAFe робить управління явним, а не імпліцитним. Воно включає управління в портфельне прийняття рішень, підвищує керування даними як першочергову проблему, зберігає людину в циклі та вводить рольову ясність щодо відповідальності AI. Коли управління вкладене в те, як організації працюють, воно стає засобом інновацій, а не обмеженням.

Як буде змінюватися структура команд підприємств за наступні п’ять років?

Ми бачимо чотири основні зміни, що відбуваються в високопродуктивних організаціях.

По-перше, люди все більше зосереджуються на визначенні наміру та бажаних результатів, а не на виконанні кожної задачі вручну.

По-друге, цикли навчання та експериментів стають значно швидшими, оскільки AI прискорює дослідження та зворотний зв’язок.

По-третє, інновації стають більш розподілені, оскільки AI знижує вартість експериментів по всьому підприємству.

По-четверте, команди стають все більш оснащеними AI, з AI, що діє як активний учасник доставки, а не просто інструментом продуктивності.

У майбутньому команди, оснащені AI, будуть визначатися не кількістю працівників, а тим, як ефективно вони оркеструють співробітництво між людською експертизою та можливостями AI.

Чому готовність даних усе ще залишається великою перешкодою, і чого повинні优ітизувати організації?

Дані залишаються однією з найбільших бар’єрів для реалізації можливостей AI у масштабі підприємства, оскільки AI є тільки так ефективним, як інформація, на якій він побудований. Фрагментовані дані, несумісне управління та робочі процеси, які не були розроблені для середовища, оснащеного AI, продовжують утримувати багато організацій на рівні пілотних проектів, а не масштабування AI по всьому бізнесу.

Дослідження Інституту економічної зрілості AI виявило, що 55% глобальних виконавчих директорів цитують відсутність даних, готових до AI, як найбільший інгібітор для реалізації цінності з AI. Це підтримує те, що ми спостерігаємо на практиці: до того, як організації вкладуться в нові програми AI, їм потрібно розглядати дані як керований стратегічний актив, з ясним володінням, управлінням, стандартами якості та довірою. AI масштабує будь-яку інформацію, яку йому дають, незалежно від того, чи це добре, чи погано.

Саме тому AI-Native SAFe включає кероване управління даними як структуральний елемент операційної моделі, а не розглядає його як попередню умову чи відповідальність когось іншого. Готовність даних не просто проблема ІТ; це проблема лідерства та операційної моделі, яка безпосередньо впливає на здатність організації генерувати бізнес-цінність з AI.

Як AI-Native SAFe допомагає організаціям перейти від вимірювання виходів до вимірювання результатів?

AI робить його значно легше генерувати вихід. Коли виконання стає швидшим і дешевшим, вихід sám стає значно слабшим міркуванням прогресу. Реальна конкурентна перевага зміщується до вимірювання того, чи створюють ці виходи значущі бізнес-результати.

AI-Native SAFe побудований навколо циклу розробки продукту, орієнтованого на результати. Він забезпечує ролі, практики та управління, необхідні для безперервного зв’язку інвестицій в AI з вимірюваними бізнес-результатами.

Те ж дослідження Інституту економічної зрілості AI підтримує це зміщення: організації, які регулярно вимірюють і повідомляють про цінність AI на рівні виконавчого та ради директорів, повідомляють про значно сильніші повернення на інвестиції в AI. AI-Native SAFe допомагає зробити цю дисципліну, орієнтовану на результати, безперервною частиною того, як підприємство працює.

Які фактори повинні організації враховувати при прийнятті рішення про перехід на AI-Native SAFe?

Ядро SAFe залишається правильною операційною моделлю для багатьох організацій. AI-Native SAFe не призначений для його заміни; він розширює його для організацій, операційні моделі яких все більше формуються AI.

Організації повинні враховувати, де AI створює значущі можливості для переробки роботи, а не просто автоматизації існуючих діяльності. Вони повинні оцінити, чи готове їхнє управління, лідерські практики та дані до підтримки AI у масштабі підприємства.

Найважливіше, що це не рішення типу “все або нічого”. AI-Native SAFe включає керівництво з прийому, щоб організації могли еволюціонувати інкрементально, приймаючи практики AI-Native SAFe.

Кожна організація починається з різного місця, і AI-Native SAFe розроблений для підтримки цієї еволюції.

Як виглядатиме真正но оснащене AI підприємство у 2030 році?

До 2030 року найвищопродуктивніші організації не будуть думати про AI як про технологічну проблему, а як про бізнес-можливість. Воно стане невід’ємною частиною того, як вони працюють, залишаються конкурентоспроможними та доставляють цінність своїм клієнтам.

Людські лідери все більше будуть визначати намір, приймати стратегічні рішення, здійснювати судження та нести відповідальність за результати. Агенти AI будуть виконувати більше аналізу, координації та виконання, які раніше вимагали значних людських зусиль.

То, що відокремить лідерів галузі, не буде доступ до AI, оскільки кожен матиме доступ до потужних можливостей AI. Диференціатором буде якість їхньої операційної моделі: як ефективно вони оркеструють співробітництво між людьми, AI, даними, управлінням та безперервним навчанням для доставки вимірюваних бізнес-результатів у масштабі.

Дякуємо за велике інтерв’ю, читачам, які бажають дізнатися більше, слід відвідати Scaled Agile.