Categorie: Blogs

Er is een interessante ontwikkeling gaande in de industrie van embedded systemen. Aanvankelijk werden gegevens alleen gebruikt voor interne doeleinden en kwaliteitsborging. Klanten stuurden logbestanden naar productbedrijven die ze analyseerden om uit te zoeken waarom het product niet naar behoren werkte en wat eraan te doen. Na verloop van tijd zijn de periodieke datasets veranderd in min of meer continue datastromen en zijn de verzamelde gegevens geëvolueerd van QA naar productprestaties en het meten van de waarde die aan klanten wordt geleverd.

Omdat het volume en de kosten die gepaard gaan met het verzamelen en opslaan van gegevens zijn toegenomen, zijn bedrijven op zoek gegaan naar manieren om nieuwe waarde te creëren uit deze gegevens door ze direct of indirect te gelde te maken. We kunnen ten minste vier fasen onderscheiden die bedrijven doorlopen.

De eerste stap is dat het bedrijf de gegevens weggeeft als onderdeel van het totale productaanbod. Meestal worden de gegevens verwerkt en leveren ze mooie dashboards voor klanten om inzicht te krijgen in de prestaties van het product. Maar omdat de klant dit gratis krijgt, is er beperkte aandacht voor het gegevensgedeelte van het totale aanbod. Dit is vergelijkbaar met hoe in veel industrieën software gratis werd weggegeven als onderdeel van het mechanische of elektronische product. We krijgen nu betaald voor software, maar velen geven nu gratis data weg.

De tweede stap is wanneer het bedrijf een of andere vorm van datagestuurde service aan klanten heeft ontwikkeld met behulp van de gegevens van elke specifieke klant. Hier begint de eerste monetarisering van de gegevens en ook al is het vaak een kleine inkomstenstroom, zowel klanten als het bedrijf zelf profiteren nu in feite van de verzamelde gegevens.

Zodra de tweede stap is gezet, vragen klanten het bedrijf vaak hoe ze presteren in vergelijking met anderen. Dit is waar de derde stap wordt geïnitieerd, omdat dit het bedrijf in staat stelt om datagestuurde diensten aan klanten te leveren met behulp van gegevens van alle klanten. Nu kunnen klanten zichzelf benchmarken en begrijpen waar ze moeten verbeteren en waar ze hun voorsprong op concurrenten kunnen vergroten.

In de vierde stap gaat het bedrijf op zoek naar alternatieve markten/klanten voor de gegevens van zijn primaire klantenbestand. Hier zien we het begin van een tweezijdige markt waar het primaire klantenbestand de gegevens genereert die vervolgens te gelde worden gemaakt door een secundair klantenbestand. Als dit goed wordt gespeeld, kan het bedrijf overstappen van een product naar een platformbedrijf en een bloeiend bedrijfsecosysteem ontketenen waarin het bedrijf transacties tussen partners in het ecosysteem kan ‘belasten’ en zo zeer winstgevende inkomstenstromen kan creëren die na verloop van tijd de inkomsten uit producten kunnen overtreffen.

In onze gesprekken met bedrijven in het Software Center zijn er drie belangrijke uitdagingen waar bedrijven mee worstelen, namelijk prijsstelling, verstoringsrisico van leveranciers en partnering. De eerste uitdaging, prijsstelling, heeft simpelweg te maken met het bepalen van de werkelijke waarde van datasets of datastromen. Het voorkeursmodel, hoewel moeilijk uit te voeren, is prijsstelling op basis van waarde, wat betekent dat je een schatting maakt van de waarde die de ontvanger van de gegevens eraan ontleent en vervolgens onderhandelt over een eerlijk deel van die waarde.

De tweede uitdaging is dat productbedrijven voortdurend om gegevens worden gevraagd door leveranciers. In eerste instantie gaat het om gegevens van het subsysteem dat door de leverancier wordt geleverd, maar na verloop van tijd wordt dit steeds breder en breder. Het risico bestaat dat leveranciers, met voldoende gegevens, machtige concurrenten kunnen worden op het gebied van datagestuurde diensten. Ze bedienen vaak meerdere bedrijven in dezelfde branche en als ze erin slagen om gegevens van al deze bedrijven te verkrijgen, zijn ze veel beter in staat om een concurrentievoordeel te genereren. Natuurlijk hebben veel bedrijven hier weinig belang bij, maar het vinden van de juiste balans tussen delen en het vermijden van het creëren van een nieuwe concurrent is lastig. De beste praktijk lijkt het inlassen van een controlepunt te zijn, wat betekent dat je een leverancier op elk moment kunt afsnijden als het duidelijk wordt dat ze met je beginnen te concurreren.

Tot slot is het zelfs voor potentiële partners uit andere bedrijfstakken die geïnteresseerd zijn in toegang tot de gegevens die door het bedrijf worden verzameld, vaak erg moeilijk om te beslissen welke van deze potentiële partners de moeite waard zijn om mee samen te werken en welke je beter kunt negeren. Er zijn hier weinig algemene richtlijnen, maar over het algemeen is een potentiële partner die je kan helpen een tweezijdige markt op te bouwen en op termijn een platformbedrijf te worden, veel waardevoller dan alternatieven.

De industrie van embedded systemen (of cyber-fysieke systemen) wordt zich steeds meer bewust van het belang van data, maar worstelt met het operationaliseren van dit bewustzijn in een solide business. Ik heb het typische patroon geschetst dat ik bedrijven zie volgen, evenals de belangrijkste uitdagingen. Data gebruiken is erg moeilijk voor bedrijven die zichzelf nog steeds zien als experts in het buigen van metaal, maar het is cruciaal om aan de slag te gaan. Je gegevens niet gebruiken, of ze gewoon aan iemand anders geven om er een bedrijf rond op te bouwen, is het slechtste wat je kunt doen. Ondanks alle risico’s en uitdagingen moet je in een digitaliserende wereld wereld wereldklasse zijn in software, data en AI en de enige manier om dat te bereiken is door te experimenteren en te leren. Ga voor digitaal!

Een senior ingenieur vraagt:

Ik geef inhoudelijk leiding aan een team van ingenieurs en daarbij loop ik nogal eens vast. Ik vind bijvoorbeeld dat een van mijn engineers dingen anders moet doen, maar ik kom niet tot hem door met mijn kritiek. Ik ben bang dat ik het werk later opnieuw moet doen. Hoe krijg ik de ingenieur zover dat hij naar mijn kritiek luistert?

Ik heb ook een collega van wie ik informatie nodig heb. Ik heb hem al een paar keer op zijn donder gegeven, maar het mocht niet baten. Ik ben het zat. Door deze irritatie ben ik bang dat als ik er iets van zeg, het er niet ‘netjes’ uit zal komen. Hoe ga ik hiermee om?

De communicatietrainer antwoordt:

In beide situaties gaat het om feedback geven. Met andere woorden, iemand vertellen wat je denkt, met als doel het gedrag te verbeteren. Dit is een lastige zachte vaardigheid, vooral als het gaat om negatieve kritiek. Hier komen twee valkuilen om de hoek kijken: je ontwijkt het onderwerp, waardoor de boodschap niet tot hem/haar doordringt, of je bent te bot, wat de relatie schaadt. We kiezen er vaak voor om deze valkuilen te vermijden door gewoon niets te zeggen. Dit zorgt er natuurlijk niet voor dat het probleem verdwijnt. Erger nog: het wordt erger. Het is zelfs zo dat als je na lang aarzelen je mond opentrekt, je opgekropte kritiek er inderdaad te ongenuanceerd uitkomt. Dus wat je wilde vermijden, ontstaat in feite, namelijk een discussie die nergens toe leidt.

Als je niet oppast, trek je de conclusie dat ‘er iets van zeggen’ de volgende keer ook geen goed idee is. De drempel om feedback te geven wordt dus hoger. Dat is slecht nieuws, want als mens kunnen we alleen leren door feedback te ontvangen. Als we ons niet bewust zijn van wat we doen en wat het effect is, kunnen we ons gedrag niet aanpassen aan wat nodig is. Kortom: als je je wilt ontwikkelen, heb je feedback uit je omgeving nodig. Of je dat nu leuk vindt of niet. Dit geldt dus ook voor je collega. Met deze intentie wordt het al makkelijker om iets te gaan zeggen. Je zegt het immers om de situatie te verbeteren, om de ander te helpen zich te verbeteren.

Om het gedrag van de collega effectief te beïnvloeden en je feedback te laten landen, zijn vier stappen nodig. De stappen zijn allemaal nodig en je neemt ze een voor een.

Stap 1: Kondig aan dat je iets wilt zeggen over het werk of de samenwerking (duik niet meteen in de inhoud). De ander weet dan dat hij of zij moet opletten. Zeg bijvoorbeeld: “Ik wil met je praten over wat me is opgevallen (of wat me dwars zit)”.

Stap 2: Benoem concreet en feitelijk het gedrag van de ander en welk effect het heeft op jou en/of het werk (dit kan ook een emotie zijn). Zeg dus niet: ‘Je pakt het verkeerd aan’. Dit is niet duidelijk. Zeg: ‘Ik zie dat je voor de derde keer je werk later aflevert dan we hebben afgesproken’ (gedrag van de ander). Ik loop daardoor achter met mijn werk en heb daardoor te weinig tijd om het goed te doen (effect op het werk). Ik ben bang dat ik vastloop en maak me daar zorgen over. Bovendien irriteert het me dat je je niet aan onze afspraak houdt (effect op mij)’. Merk op dat we vaak het effect op jezelf vergeten, waardoor de boodschap net niet tot hem/haar doordringt.

Stap 3: Neem een stap terug en laat de ander reageren. Dit doe je door een vraag te stellen. Zeg bijvoorbeeld: “Herken je dit?” of “Wat vind je hiervan?” en wacht vervolgens op antwoord (een stilte van minstens vier seconden stimuleert de ander om te reageren). Dit kan even ongemakkelijk zijn voor de ander. Als dat zo is, betekent het dat je boodschap overkomt. Het is belangrijk om het even te laten rusten en je niet te haasten naar de oplossing.

Stap 4: Heb je een besluit genomen? Zoek samen naar een oplossing. Goede feedback kunnen geven is geen garantie voor succes. Het geeft je wel handvatten waarmee je de meeste situaties positief kunt beïnvloeden.

Een realisatie die ik onlangs had (om aan te tonen dat ik niet al te snugger ben) is hoeveel energie we allemaal besteden aan het controleren van onze omgeving en aan het proberen om alles hetzelfde te houden. De aanleiding was een autorit van Göteborg naar Stockholm tijdens een van de warmste dagen in Zweden deze zomer. Helaas had de airconditioning in de auto het vlak voor de reis begeven en het onvermogen om de temperatuur in de auto binnen een smalle band te houden leidde tot een aanzienlijke hoeveelheid geklaag tijdens de rit.

We zijn altijd op zoek naar controle over onze omgeving, inclusief de temperatuur in ons huis, de veiligheid van het gebied waar we wonen en het aanbod in de supermarkt waar we winkelen. Zelfs de klimaatveranderingsactivisten die voortdurend klagen over het klimaat dat verandert, lijken te vergeten dat het klimaat al eeuwenlang continu verandert. Bedrijven plannen en begroten voor de komende kwartalen en jaren en managers worden beloond voor hun nauwkeurigheid bij het voorspellen van de toekomst. Op dezelfde manier waarop ons lichaam homeostase gebruikt om een stabiel systeem te creëren, zijn we voortdurend op zoek naar oplossingen voor de afwijkingen van een ankerpunt dat we als ideaal beschouwen.

In veel opzichten is ons verlangen om onze omgeving te controleren een groot goed. Zoals George Bernard Shaw zo welsprekend zei: “De redelijke mens past zich aan de wereld aan; de onredelijke mens blijft proberen de wereld aan zichzelf aan te passen. Daarom hangt alle vooruitgang af van de onredelijke mens.” En in de afgelopen eeuw heeft de mensheid meer vooruitgang geboekt dan in haar hele geschiedenis bij elkaar. Gebaseerd op alle maatstaven die we gebruiken om de kwaliteit van leven voor iedereen op deze planeet te meten, is het leven nog nooit zo goed geweest. En dat is te danken aan ons constante verlangen om onze omgeving onder controle te houden en slechte resultaten te vermijden.

De zorg die ik hier naar voren probeer te brengen is dat ons succes in de afgelopen eeuw ons heeft laten geloven dat we alles onder controle hebben. Omdat we weten hoe we bepaalde ziektes moeten behandelen, manieren hebben gevonden om wereldoorlogen te voorkomen, onze economieën hebben geglobaliseerd om nieuwe efficiëntieniveaus te bereiken, enzovoort, kunnen we ophouden ons zorgen te maken over deze dingen en aannemen dat de verschrikkingen uit het verleden nooit meer terug zullen komen. En dit is natuurlijk een complete misvatting zoals de Covid-19 crisis duidelijk laat zien. De verschuivende machtsverhoudingen in de wereld vergroten de risico’s op nieuwe oorlogen. En het antiglobaliseringssentiment dat we in veel landen zien, gooit olie op het vuur van onenigheid en conflict.

Vergelijkbaar met deze ontwikkelingen op macroniveau, hebben we ook op persoonlijk niveau de neiging om inspanning en resultaat door elkaar te halen. We kunnen sporten en gezond eten, in de hoop op een lang, productief leven. We kunnen hard werken en hopen op erkenning en promotie op het werk. We kunnen investeren in relaties en hopen op een rijk sociaal leven. Het risico is echter dat we het gevoel hebben dat we recht hebben op deze resultaten omdat we er moeite voor hebben gedaan. Zoals de stoïcijnen zo mooi aangeven, is het verwarren van wat we kunnen controleren en wat niet, een van de grootste bronnen van lijden. We kunnen bepalen hoe we ons gedragen en waar we onze tijd en energie aan besteden, maar we hebben geen controle over de resultaten van onze inspanningen. Ondanks onze beste inspanningen, kunnen dingen naar de hel gaan in een handmand.

“Verandering is de enige constante” is een uitdrukking die vaak wordt gebruikt, maar zelden wordt nageleefd. De meesten van ons proberen zo hard mogelijk om alles bij het oude te houden. Dit is een van de redenen waarom het zo moeilijk is om verbeteringen en veranderingen zoals digitalisering in gang te zetten: diep van binnen willen we dat de dingen blijven zoals ze zijn. Feit is echter dat niets hetzelfde blijft. Dus we gaan vooruit of we blijven achter. Tenzij we veranderingen proactief omarmen, zullen ze ons worden opgedrongen. En ik geef er in ieder geval de voorkeur aan om te doen alsof ik mijn lot in eigen handen heb en niet het slachtoffer ben van de omstandigheden.

Mijn belangrijkste boodschap is dat we nergens controle over hebben, of in ieder geval heel, heel weinig. Alles wat we denken bereikt te hebben kan op elk moment uit onze handen gerukt worden. Desondanks moeten we onophoudelijk werken om dingen beter te maken. Op dit moment, in de industrie, betekent dat het digitaliseren van je bedrijf en het geloof loslaten dat alles vroeger beter was. Want dat was het niet, en zelfs als dat wel zo was, kunnen we niet meer terug. Dus ga aan de slag, richt je energie op wat je kunt beheersen en maak je niet druk om de resultaten waar je geen invloed op hebt. Je hebt het al druk genoeg.

Het afgelopen jaar heb ik verschillende discussies meegemaakt die voor een groot deel neerkwamen op “waarom is dit product zo dom? De domheid werd gedefinieerd door het gebrek van het systeem om te anticiperen op acties van gebruikers, het onvermogen om te leren om beter te functioneren in een specifieke context of de totale afhankelijkheid van de gebruiker die activiteiten initieert door het systeem, zelfs als het volkomen duidelijk was wat er gedaan moest worden. Enkele voorbeelden.

Een vertegenwoordiger van een bedrijf dat radars bouwt vertelde het verhaal van een klant die vroeg waarom de radar, eenmaal geplaatst op een specifieke locatie, na 2 minuten, 2 uur, 2 dagen en 2 maanden nog steeds hetzelfde functioneerde. Waarom leerde de radar niet van zijn context en verbeterde hij zijn vermogen om objecten te detecteren door te weten wat de statische elementen in de omgeving zijn en dat te gebruiken om nieuwe objecten beter te onderscheiden?

Een gebruiker van een routeplanningssysteem klaagde over het feit dat hij vaak te laat kwam op vergaderingen omdat hij niet proactief werd gewaarschuwd voor files die er niet waren toen hij de dag ervoor de verwachte reistijd opzocht. Waarom waarschuwt het systeem me niet, klaagde hij, voor een onverwachte file door een ongeluk of zo, zodat ik eerder kan vertrekken?

Een bedrijf dat dure, hightech apparatuur gebruikte, klaagde over het feit dat het systeem zich niet kon aanpassen en hun zeer voorspelbare werkschema niet onder de knie kreeg. De apparatuur had tijd nodig om zich aan te passen tussen verschillende soorten gebruik en ook al draaide het bedrijf dag na dag vrijwel hetzelfde schema, het systeem leerde niet om zelf de herconfiguratie en daaropvolgende aanpassing te starten.

Al deze systemen zijn gebouwd volgens de specificaties die werden opgesteld voordat de ontwikkeling begon. Ze zijn allemaal met vlag en wimpel geslaagd voor de validatie- en verificatietests. En toch slagen ze er niet in om klanten en gebruikers tevreden te stellen en bieden ze beduidend minder efficiëntie en effectiviteit dan ze zouden kunnen.

In het tijdperk van AI hebben we een aantal hulpmiddelen in onze gereedschapskist waarmee we de domheid van producten kunnen aanpakken. Door verschillende vormen van leren en experimenteren te gebruiken, kunnen we gedrag in systemen opnemen om patronen te detecteren, hypotheses te ontwikkelen over de consistentie van deze patronen, experimenten uit te voeren met proactief systeemgedrag, het effect van het experiment te meten en er vervolgens van te leren.

Een theoretische AI-onderzoeker kan beweren dat dit reinforcement learning is en in de kern is dat een juiste conclusie. Het zou echter ook in strijd zijn met het Einstein-principe om alles zo eenvoudig mogelijk te maken, maar niet eenvoudiger. De belangrijkste uitdaging bij het slimmer maken van systemen is niet het basisprincipe van reinforcement learning, maar eerder ons vermogen om de bovengenoemde activiteiten en gedragingen in systemen te realiseren zonder veiligheids- of beveiligingsrisico’s te veroorzaken, zonder de gebruiker te irriteren (herinner je je Clippy?), de stochastische aard van feedback te beheren en ons te richten op die dingen die daadwerkelijk waarde toevoegen voor de gebruiker.

Toch verwachten klanten steeds meer dat hun producten elke dag dat ze ze gebruiken beter worden. Ik wil dat mijn auto, mijn telefoon, mijn computer, mijn apps en mijn wearables elke dag beter worden. Ik wil dat mijn apparaten van mij en mijn gedrag leren om mij meer waarde te bieden door zich daaraan aan te passen. Om dit te bereiken is het niet genoeg om DevOps in te voeren en A/B-tests uit te voeren, maar het vereist ook volledig autonoom experimenteren door systemen met snelheden waar R&D-organisaties simpelweg niet aan kunnen tippen.

Onze systemen moeten ons niet aansporen tot ander gedrag, zoals veel sociale media-apps geneigd zijn te doen, maar proactief handelen namens ons en in ons voordeel. Ik wil dat de systemen die ik gebruik en waar ik mee omga de leiding nemen en de last van het altijd maar onthouden en initiëren van activiteiten van mijn schouders halen, zodat ik me kan richten op de dingen waar ik uniek goed in ben. Stop alsjeblieft met het bouwen van domme systemen en concentreer je op het toevoegen van slim, proactief gedrag in plaats van de zoveelste functie.

Met alle aandacht voor data en AI was het slechts een kwestie van tijd voordat de tegenbeweging op gang kwam. Als ik terugkijk op verschillende discussies die ik het afgelopen jaar over dit onderwerp heb gevoerd, lijkt het hoofdthema te zijn dat data en AI de toekomst voorspellen op basis van het verleden en zolang de toekomst op het verleden lijkt, werkt dit prima. De wereld is echter constant in beweging en deze technologieën veroorzaken stagnatie omdat we fundamentele verschuivingen en ontwrichtende innovaties niet kunnen voorspellen. Erger nog, we zoeken er niet eens naar omdat we kortzichtig naar gegevens kijken.

Hoewel ik zeer zeker geloof dat er een zeer belangrijke plaats is voor menselijke creativiteit en inzicht, denk ik ook dat het niet benutten van de voordelen die data en AI bieden simpelweg hetzelfde is als jezelf in de voet schieten of een arm achter je rug binden. Daar zijn verschillende redenen voor.

Ten eerste, ondanks alle kritiek op machine learning voor het voorspellen van de toekomst, is het een feit dat mensen daar in de meeste gevallen nog slechter in zijn. Zelfs voor zeer variabele gegevens slagen ML algoritmen er vaak in om patronen te ontdekken die mensen niet kunnen detecteren. Voor grote retailers was het voorspellen van de hoeveelheid te bestellen producten en deze vervolgens toe te wijzen aan elke individuele winkel vroeger een menselijke taak, maar het is duidelijk dat ML-algoritmen, gegeven voldoende gegevens, beter werk leveren. Een tegenargument dat de laatste tijd vaak wordt gebruikt is dat deze algoritmen de Covid-19 verstoring niet hebben voorspeld, maar mensen hebben dat natuurlijk ook niet gedaan, waardoor veel winkels met een aanzienlijk overschot aan goederen zitten.

Ten tweede ontmoet ik nog steeds mensen die overtuigingen blijven verkondigen over de wereld, hun sector, hun klanten of hun eigen prestaties die gewoon niet waar zijn. Hoewel sommigen, zoals Steve Jobs, bekend stonden om hun “realiteitsvervormingsveld”, geldt voor vrijwel iedereen dat alleen maar wensen dat iets waar is, het nog niet waar maakt. Zoals William Edwards Deming ooit zei: op God vertrouwen we; alle anderen moeten met gegevens komen.

Ten derde nemen datagestuurde werkwijzen de menselijke creativiteit niet weg, maar richten ze die juist op het formuleren van hypotheses. In traditionele organisaties kun je een carrière opbouwen door sterke uitspraken te doen die moeilijk te verifiëren zijn en daar luid over te spreken. Vaak zijn deze gebaseerd op individuele gevallen en storytelling, waar wij als mensen erg gevoelig voor zijn. Bij het invoeren van datagestuurde praktijken moet de focus liggen op het formuleren van testbare hypotheses en minder bezorgd zijn om ongelijk te krijgen. Zelfs hypotheses die creatief en nieuw zijn, maar niet uitkomen, bieden voldoende gelegenheid om te leren.

Ten vierde, als je datagedreven praktijken gebruikt, moet je weten waarvoor je optimaliseert. In vrijwel alle bedrijven waar ik mee werk, worden features geprioriteerd en ontwikkeld op basis van de overtuigingen van een of andere productmanager. Het effect van de geprioriteerde functie op het gedrag van de klant of het systeem en de manier waarop het waarde genereert, wordt vaak in kwalitatieve en vage termen beschreven. Het slechtste argument hier is dat het een “strategische investering” is. In plaats van het prioriteren van een te ontwikkelen functie op basis van de overtuigingen van een productmanager, is het veel beter om de functie te behandelen als een hypothese, het verwachte, kwantitatieve effect ervan te definiëren en vervolgens de impact ervan te meten terwijl je de functie stukje bij beetje ontwikkelt.

Datagestuurd werken maakt je niet saai. In plaats daarvan zorgt het voor een hogere mate van discipline in de organisatie, maakt het gebruik van technologie waar dat het beste past en richt het creatieve energie op de gebieden waar mensen de meeste waarde leveren. Het helpt organisaties om zogenaamde “schaduwovertuigingen” af te schudden (overtuigingen die iedereen in de organisatie als waar beschouwt maar die dat niet zijn) en daardoor hypotheses die niet kloppen uit de ideeënpool te verwijderen. Mensen noch machines kunnen de toekomst voorspellen. Maar hoewel de geschiedenis zich nooit herhaalt, rijmt ze vaak wel. En machine learning is beter in het detecteren van de rijmen dan jij.

Het gemeenschappelijke thema van de afgelopen weken, toen ik met steeds meer mensen in bedrijven begon te praten, is de moeilijkheid om digitale transformaties te realiseren. Toegegeven, ik werk met velen die verwachten of het op zich hebben genomen om de digitale transformatie van hun organisatie aan te sturen, maar ik denk dat de uitdaging wijdverspreid is.

Vooral in de embedded systems industrie is er een grote groep mensen die oorspronkelijk uit de mechanische of elektronica wereld komen en niet verder kunnen kijken dan de grenzen van hun technologisch perspectief. Met een digitaliserende business verdwijnen mechanica en elektronica niet – we hebben nog steeds een chassis en een computerplatform nodig. Het belangrijkste verschil is dat deze technologieën veranderen van differentiërend naar standaard (zie afbeelding). Dit zorgt voor een verschuiving in perspectief, omdat je innovatie stimuleert als iets onderscheidend is en je kijkt naar het minimaliseren van kosten als iets basisproduct is. Als de kostbare motor, het remsysteem of de aandrijfketen plotseling geoptimaliseerd moet worden voor kosten in plaats van innovatie, dan verzet iedereen die met die technologie werkt zich plotseling tegen verandering. Maar feit is dat in vrijwel elke industrie de differentiatie grotendeels wordt gegenereerd door digitale technologieën, dat wil zeggen software, data en AI.

Differentiërende versus standaard technologieën

We zien ook een verschuiving in het bedrijfsmodel. In industrieën die gedomineerd worden door ‘atomen’ is het primaire bedrijfsmodel meestal transactioneel. Je koopt een doos, gebruikt wat er in de doos zit tot hij oud is en dan koop je een nieuwe doos. Industrieën die zich voornamelijk richten op ‘bits’ hebben de neiging om continue bedrijfsmodellen te gebruiken, zoals abonnements- en servicemodellen. In deze sectoren verwachten klanten dat het aanbod dat ze gebruiken steeds beter wordt. Deze verschuiving lijkt misschien triviaal, maar heeft enorme gevolgen voor de architectuur van je producten, de manier waarop R&D wordt uitgevoerd, hoe je je klanten ondersteunt en zelfs het financiële model van het bedrijf.

Bij digitale transformaties zijn er volgens mij minstens zes gedragingen die kunnen worden geïdentificeerd. Ten eerste, het “het is niet mijn probleem” syndroom. Hierbij denkt de patiënt dat digitalisering te maken heeft met gegevens die heen en weer worden geschud tussen dozen die buiten zijn of haar verantwoordelijkheidsgebied vallen. Omdat het buiten zijn of haar bereik ligt, is het geen probleem waar hij of zij zich zorgen over hoeft te maken.

De tweede uitdaging is het “te ingewikkelde” geval. Ik las onlangs over een onderzoek waarbij mensen werd aangeboden om op een stoel te gaan zitten en na te denken zonder afleiding (zoals hun mobiele telefoon) of lichte elektrische schokken te krijgen terwijl ze zichzelf mochten afleiden met een app naar keuze. Interessant genoeg gaf een grote meerderheid de voorkeur aan elektrische schokken boven ‘gedwongen’ worden om na te denken. Digitale transformatie vertegenwoordigt een fundamentele paradigmaverschuiving en er is een aanzienlijke groep mensen in bedrijven die gewoon niet de moeite kunnen nemen om logisch na te denken over de gevolgen hiervan.

Zelfs als individuen en teams datagedreven praktijken accepteren, is een interessante observatie die we onlangs bevestigd kregen in verschillende bedrijven dat, hoewel veel organisaties KPI’s op topniveau hebben en veel teams lokale KPI’s hebben, er geen echt verband is tussen de twee. Het gevolg is lokale optimalisatie op basis van team meetwaarden, omdat er geen overeengekomen manier is om lokale en globale KPI’s met elkaar te verbinden. Omdat lokale KPI’s meestal op de korte termijn gericht zijn en gebaseerd zijn op de huidige, traditionele business, vertragen of stoppen ze elke digitale transformatie.

Een gevolg hiervan is de uitdaging van de “lokale verloedering van de globale strategie”. Aangezien de link tussen de bedrijfsstrategie en de acties van het team op zijn best zwak is, zullen teamleden een retoriek ontwikkelen over hoe wat ze vandaag doen eigenlijk de bedrijfsstrategie ondersteunt. Elke overduidelijke mismatch wordt dan wegverklaard door te verwijzen naar de lokale en kortetermijnuitdagingen die eerst overwonnen moeten worden.

Het vijfde gedrag dat ik veel tegenkom is het “het is te vroeg” argument. Hier beweert de hoofdpersoon het eens te zijn met alle punten die naar voren zijn gebracht met betrekking tot de gevolgen van digitalisering, maar in dezelfde zin beweert hij dat deze gevolgen zich pas jaren later zullen realiseren. Daarom is het te vroeg om veranderingen door te voeren.

Het laatste excuus dat bijna voortdurend wordt gebruikt is dat “klanten er niet om vragen”. Dit lijkt een redelijk argument tot je je realiseert dat alle bedrijven die wachtten tot klanten hen vroegen om nieuwe functionaliteit, bedrijfsmodellen of technologieën failliet zijn gegaan omdat ze werden verstoord door meer verlichte concurrenten of nieuwkomers. Klanten gaan gewoon ergens anders heen als je hun behoeften niet hebt voorspeld. Ze vragen het niet, maar stemmen gewoon met hun voeten.

Concluderend is de realisatie van digitale transformatie in veel bedrijven een langzame, brute, zware strijd die de voorstanders gefrustreerd, moe en getekend achterlaat. Ik heb zes typische gedragingen van zogenaamde “weigeraars” beschreven waar je je bewust van moet zijn als je enige hoop wilt hebben om deze weerstand te overwinnen. De digitale transformatie is reëel, maar veel gevestigde bedrijven gaan te langzaam om ontwrichting te voorkomen.

Een ingenieur vraagt:

Ik werk met veel collega’s uit verschillende culturen. De meesten van hen zijn niet gewend aan hoe we elkaar in Nederland feedback geven. Toch is het nodig om aan te geven wat iemand kan of moet verbeteren als iets niet goed gaat. Hoe pak ik dat aan?

De communicatietrainer antwoordt:

Feedback gaat over het overbrengen van een boodschap aan de ander zonder de relatie te verstoren. De directe ‘Nederlandse’ manier werkt misschien niet goed als je werkt met culturen die hier niet aan gewend zijn. De volgende tien punten zullen je helpen.

1) Om te beginnen is het altijd goed om bij jezelf na te gaan of je de feedback geeft om de ander te helpen en de situatie te verbeteren, en niet alleen om je autoriteit te bevestigen of iemand een schop onder zijn kont te geven.

2) Het is belangrijk om te investeren in het opbouwen van een vertrouwensrelatie met je medewerkers voordat je ze feedback geeft. De meest waardevolle feedback heb je waarschijnlijk zelf gekregen van mensen die dicht bij je staan. Het opbouwen van relaties gebeurt in veel landen vaak buiten werktijd. Het kan dus helpen om hier regelmatig aandacht aan te besteden.

3) In Aziatische en Arabische landen is het belangrijk om gezichtsverlies te vermijden. Het kan daarom nuttig zijn om te beginnen met subtielere feedback om dingen gedaan te krijgen. Stel dat je ziet dat één onderdeel in een rapport fouten bevat. Noem dan hoe goed een deel is. De ander zal oppikken dat het andere deel nog aandacht nodig heeft. Als je zoiets tegen een Amerikaan of Nederlander zegt, zal hij je feedback niet begrijpen en liever hebben dat je direct zegt wat er nog fout is, want dat gaat sneller. Begin eerst subtiel; als je boodschap dan niet wordt opgepikt, kun je altijd directer worden. Terugkrabbelen als de kat al uit de zak is, is moeilijker.

4) Richt je feedback op gedragingen en kenmerken van het werk in plaats van te oordelen. In plaats van “Je werk is slordig” zeg je “Deze presentatie heeft drie fouten”. In plaats van “Dit rapport is onvolledig” kun je zeggen “Ik zou graag een extra tabel zien”.

5) Om gezichtsverlies te voorkomen, kun je ook de passieve spreekmodus gebruiken in plaats van de actieve. Dit klinkt als het volgende: ”De balie was vanmorgen een kwartier onbezet” in plaats van ”U was te laat”. Dan vermijd je persoonlijke beschuldigingen. De aangesprokene kan uit de opmerking afleiden dat het zijn verantwoordelijkheid was om op tijd te zijn en dat de afwezigheid werd opgemerkt. In veel talen is dit passieve taalgebruik al ingebakken. Als je dit niet gewend bent, kan het moeite kosten.

6) Zeg wat je wel wilt in plaats van wat je niet wilt. Stop hiermee” klinkt als een standje, of je nu 2 of 52 bent. Dus, “Probeer het op deze manier te doen” in plaats van “Dit is niet de manier”.

7) Het hele team aanspreken op bijvoorbeeld het naleven van de nieuwe werkregels maakt de druk op het individu minder direct. Collegiale druk kan er dan voor zorgen dat die persoon zich toch aan de regels houdt zonder dat je hem of haar daar rechtstreeks op hoeft aan te spreken.

8) Spreek liever zacht dan hard. Een rustige stem kan een gespannen situatie ontspannen en maakt het makkelijker voor de werknemer om je boodschap te horen.

9) Het is vooral belangrijk om respect te tonen voor de persoon aan wie je feedback geeft. Je kunt dit laten zien door samen tijd door te brengen. Of door de ander om advies te vragen of iemand naar hem of haar toe te sturen voor advies. Ook jezelf betrekken bij de oplossing laat zien dat niemand alle antwoorden alleen heeft en dat je de visie van de ander waardeert. Je zegt bijvoorbeeld “Laten we eens kijken hoe we dit kunnen oplossen”.

10) Geef tot slot complimenten. Je werknemer kan zich ongemakkelijk voelen als er te veel specifieke aandacht is voor zijn persoonlijke prestaties. In dat geval is het beter om met de hele groep uit eten te gaan en iedereen op die manier te belonen. Een compliment kan dan gegeven worden in een één-op-één situatie.

Tijdens een vergadering deze week moest ik denken aan een beroemde uitspraak van Margaret Mead: “Twijfel er nooit aan dat een kleine groep bedachtzame, toegewijde burgers de wereld kan veranderen; sterker nog, het is het enige dat dat ooit heeft gedaan.” De twee senior leiders met wie ik sprak, klaagden over hun R&D-organisatie die op papier alles goed deed vanuit een Agile, data-gedreven perspectief, maar toch eindigde met het bouwen van gigantische, opgeblazen features die pas na vele maanden ontwikkeling werden vrijgegeven.

Dit is natuurlijk een klassiek voorbeeld van feature creep waar veel bedrijven in terecht komen. Toen we onderzochten hoe de situatie zich ontwikkelde, werd duidelijk dat een zeer klein aantal invloedrijke mensen in de R&D-organisatie de anderen ervan had weten te overtuigen dat het aanvankelijke plan om een minimale levensvatbare functie uit te brengen niet mogelijk was, omdat dit boze klanten zou veroorzaken.

Ik wil me niet richten op feature creep, maar eerder op de manieren waarop een vocale minderheid in een organisatie, of zelfs in de maatschappij als geheel, een impact kan hebben die de grootte van de groep ver overstijgt. In het algemeen ben ik een groot voorstander van een kleine groep individuen die de leiding neemt om veranderingen binnen een organisatie te initiëren. Zelfs als de senior leiders er prat op gaan dat ze grote veranderingen in hun organisatie leiden, zijn er bijna altijd wel een paar individuen die de verandering al geruime tijd hebben gepromoot en verdedigd voordat het werd opgepikt door het senior management.

Het probleem met “de vocale minderheid”, zoals ik het vaak noem, is dat hun succes vaak meer afhangt van het vermogen om retoriek en debattechnieken te gebruiken dan van de feitelijke, technische aard van de verandering die wordt bepleit. Het gevolg is dat individuen hartstochtelijk kunnen pleiten voor veranderingen die schadelijk zijn voor de organisatie en haar leden. Om de relevantie en geldigheid van de voorgestelde veranderingen te evalueren, pas ik gewoonlijk vier vragen of tactieken toe.

De eerste test waaraan ik een veranderingsvoorstel onderwierp, is het te toetsen aan de fundamentele principes die ik als waar beschouw. Een daarvan is dat snellere feedbackcycli beter zijn dan langzamere. Dit betekent dat pleiten voor het opblazen van een functie en dus het uitstellen van de release, evenals de bijbehorende feedback ingaat tegen het argument om meer in de functie op te nemen. Mijn algemene vuistregel is dat werkitems zo groot moeten zijn dat één team het in één sprint kan voltooien.

De tweede vraag die ik stel is of de voorstander van de verandering een voldoende brede reikwijdte van de impact heeft overwogen. Het is heel gemakkelijk om je bij het voorstellen van een verandering uitsluitend te richten op het onderwerp in kwestie en hoe dat aan te pakken, zonder rekening te houden met de bredere reikwijdte. Het uitbrengen van grotere functionaliteiten kan bijvoorbeeld relevantere functionaliteit bieden aan een grotere groep klanten, maar het kan ook de (gepercipieerde) kwaliteit van het systeem verlagen, omdat het moeilijker is om een groot stuk functionaliteit te testen dan om een klein stukje te testen.

De derde test is het onderzoeken van effecten van de tweede orde. In een beroemd verhaal beval Mao Zedong om alle mussen in China te doden omdat ze zaden aten. Het tweede-orde-effect was een explosie van de sprinkhanenpopulatie, die een hongersnood veroorzaakte met de dood van miljoenen mensen tot gevolg. In software engineering is een bekend geval het stimuleren van software engineers om code uit een gedeelde code bibliotheek te gebruiken om hergebruik van software te vergroten. Dit heeft allerlei interessante effecten veroorzaakt, zoals ingenieurs die eerst hun code inchecken in de gedeelde codebibliotheek en deze vervolgens “hergebruiken” om hun bonus te krijgen. Hoewel het vaak erg moeilijk is om tweede-orde effecten te voorspellen, is het over het algemeen mogelijk om relevante hypotheses te genereren die ofwel getest kunnen worden of waarvoor op zijn minst indirect bewijs verzameld kan worden.

Het laatste mechanisme dat ik gebruik is om te onderzoeken of het mogelijk is om kleinschalige experimenten uit te voeren die aanvullend bewijs leveren voor de voorgestelde verandering. De uitdaging bij de eerste drie tests/vragen is dat deze gebaseerd zijn op argumenten en redeneringen en niet noodzakelijkerwijs gefundeerd zijn in de empirische werkelijkheid. Het is cruciaal om de overtuigingen die ten grondslag liggen aan de redenering aan te vullen met tastbare, empirische gegevens om het vertrouwen te vergroten dat de verandering het beoogde resultaat zal hebben en ongewenste neveneffecten zal vermijden.

Concluderend, mijn ervaring is dat vrijwel alle veranderingen in organisaties worden geïnitieerd door een “vocale minderheid”. Deze minderheid vertrouwt vaak op retoriek en debattechnieken om invloed te krijgen, in plaats van op de kwaliteit van hun voorstel. Dit vereist dat we allemaal kritisch nadenken over veranderingsvoorstellen. Ik heb vier technieken beschreven die ik gebruik om deze voorstellen te evalueren. In plaats van ons over te geven aan een vorm van kuddementaliteit, is het de verantwoordelijkheid van ieder van ons om onafhankelijk en kritisch te blijven denken, onafhankelijk van groepsdruk. Wees geen schaap!

Deze week had ik een ontmoeting met een aantal bedrijven op het gebied van embedded systemen die willen beginnen met A/B-experimenten in hun producten. Deze producten hebben veiligheidskritische functies en subsystemen en natuurlijk is het moeilijk om je A/B-tests voor te stellen die niet op de een of andere manier raken aan veiligheidskritische functionaliteit. De voorstanders van experimenten bij deze bedrijven schetsten de uitdagingen die ze ondervonden en interessant genoeg waren alle uitdagingen intern in de organisatie. De overgang van de traditionele op specificaties gebaseerde R&D naar A/B-testen vereist veranderingen in de manier waarop testen plaatsvinden, vereist een aanzienlijke vermindering van het aantal systeemvarianten, vereist ondersteuning voor het uitrollen van nieuwe softwareversies (bij voorkeur via de ether), verandert de manier waarop veiligheidscertificering plaatsvindt, de manier waarop we gegevens van producten in het veld meten, enzovoort.

Hoewel ik geloof dat de invoering van experimenteerpraktijken voor elk bedrijf essentieel is, wil ik me hier richten op het feit dat in de meeste bedrijven waar ik mee werk, om iets te veranderen alles moet worden veranderd. Bedrijven hebben zich lange tijd gericht op het optimaliseren van de efficiëntie van hun activiteiten. Als gevolg daarvan werd elke activiteit, elk proces geïntegreerd in een groter geheel, zorgvuldig uitgelijnd en vervolgens afgestemd tot het punt dat de hoeveelheid speling in het systeem tot vrijwel nul werd gereduceerd.

Dit vindt niet alleen binnen bedrijven plaats, maar ook in andere bedrijfsecosystemen. Autofabrikanten staan erom bekend dat ze van hun leveranciers eisen dat ze fabrieken naast die van hen bouwen, zodat de OEM geen voorraad hoeft aan te houden omdat er een constante stroom producten binnenkomt uit de fabrieken van hun leveranciers naast hen. Diep geïntegreerd, goed op elkaar afgestemd, zeer efficiënt.

In eerste instantie begint deze integratie en afstemming met individuen die met elkaar afstemmen. De volgende stap is het definiëren van een herhaalbaar proces dat iedereen moet volgen. De stap daarna is het bouwen van systemen die de processen automatiseren. De uitdaging is dat het bij elk van deze stappen steeds moeilijker wordt om iets te veranderen.

De focus op efficiëntie en automatisering werkt zolang je in een stabiele, onveranderlijke omgeving werkt. Op het moment dat er echter een verstoring optreedt, valt het broze systeem uit elkaar. Om dat te voorkomen vechten bedrijven en hele bedrijfsecosystemen zo hard als ze kunnen om zich te verzetten tegen verandering. Op korte termijn zijn de argumenten altijd geldig: de kosten van het veranderen van de hele set systemen, bedrijfsprocessen, interacties tussen individuen en zelfs de bedrijfscultuur als reactie op verandering zijn altijd hoger dan de voordelen op korte termijn.

Het probleem is natuurlijk dat elke keer dat je je verzet tegen verandering, je een beetje achterop raakt. Je bouwt wat bedrijfs-, proces- en technische schuld op. Je wordt een beetje minder “passend” voor de omgeving waarin je opereert.

Eén manier om de geschiedenis van de mensheid te karakteriseren is een constante strijd om onze omgeving te controleren en de noodzaak om ons aan te passen aan de context waarin we opereren te minimaliseren. Van het uitroeien van dieren die op mensen jagen tot het bouwen van huizen die de temperatuur en vochtigheid van de lucht die we inademen regelen en van vaccins om besmettelijke ziekten uit te roeien tot het internet dat ons in staat stelt om onafhankelijk van tijd en ruimte contact te maken met anderen – al deze prestaties kunnen worden gezien als manieren om onze omgeving te beheersen.

Ons succes heeft de perceptie gecreëerd dat de wereld stabiel en voorspelbaar is en dat we het ons daarom kunnen veroorloven om diep geïntegreerde, sterk op elkaar afgestemde en volledig geautomatiseerde systemen te bouwen. De afgelopen maanden zijn we er echter aan herinnerd dat we veel minder onder controle hebben dan we denken. De Covid-19 situatie heeft tal van zeer efficiënte systemen verstoord.

Mijn punt is dat we moeten oppassen dat we deze broze systemen niet bouwen. We hebben wendbaarheid, flexibiliteit en het vermogen om snel van richting te veranderen nodig. In plaats van ons te verzetten tegen verandering, moeten we verandering verwelkomen en zelfs initiëren door onszelf voortdurend opnieuw uit te vinden. Zoals Peter Drucker ooit zei: “Bedrijven hebben slechts twee basisfuncties, marketing en innovatie; al de rest zijn kosten.” Innovatie verandert per definitie dingen ten opzichte van hoe we ze gisteren deden. Het zou gemakkelijk moeten zijn om te innoveren en innovatie heeft experimenten nodig omdat je nooit weet wat werkt totdat je het uitprobeert. In plaats van je te richten op efficiëntie door middel van afstemming, processen en systemen, moet je je richten op het zo gemakkelijk, naadloos en leuk mogelijk maken van innovatie. Uiteindelijk is dat waar de echte strijd wordt gewonnen!

Enkele decennia nadat de term “Agile” werd geïntroduceerd in softwareontwikkeling, zou je verwachten dat – aangenomen dat het een goed idee was (wat het is) – het concept volledig zou zijn ingebed in de industrie en dat we druk bezig zijn met andere dingen. Toch, en dit blijft me verbazen, heeft iedereen het over “voorbij Agile”. Het idee lijkt iets te zijn in de trant van “we zijn hier nog steeds bezig met het implementeren van Agile, maar misschien kunnen we beginnen na te denken over waar we ons nu op kunnen of moeten richten”. Als je Agile nog niet hebt geïmplementeerd, schiet dan in godsnaam op.

Zakelijke wendbaarheid en alle factoren die dit mogelijk maken, zoals agile softwareontwikkeling, zijn cruciaal voor zakelijk succes op de lange termijn. Daarom is verder gaan dan Agile natuurlijk het enige redelijke om te doen, maar je kunt het “verder gaan” op verschillende manieren interpreteren. Hier deel ik vijf “voorbij Agile” concepten waar ik de afgelopen jaren aan heb gewerkt.

Ten eerste ging de traditionele discussie rond Agile alleen over software en softwareontwikkeling. Vooral voor bedrijven die producten verkopen, waaronder mechanica en elektronica, maar ook software, was de belangrijkste vraag hoe het watervalproces, dat geassocieerd wordt met atomen, te combineren met het Agile-proces, dat geassocieerd wordt met bits. Agile voorbij het domein van software brengen en de andere technologieën die deel uitmaken van het product erbij betrekken is een cruciale stap in het bereiken van zakelijke wendbaarheid en maakt nieuwe en andere bedrijfsmodellen mogelijk.

Het tweede concept gaat verder dan de eisen. Traditioneel Agile, met al zijn discussies over klantbetrokkenheid, sprintplanning en retrospectieven, is nog steeds gericht op het bouwen naar een specificatie. Vooral SaaS-bedrijven zijn verschoven naar resultaten, wat betekent dat teams zich richten op het verbeteren van meetbare resultaatcijfers, zoals conversie. Dit vereist een fundamenteel andere benadering van ontwikkeling, omdat het nu het team is dat moet brainstormen over benaderingen om “de naald te verplaatsen”, de alternatieven moet bouwen om ze te testen, de impact ervan moet meten en dan moet beslissen welke versies worden behouden en welke worden geschrapt.

Ten derde gaat traditionele Agile ervan uit dat de ontwikkeling plaatsvindt in sprints en dat er aan het eind van elke sprint een versie van het systeem is die kan worden uitgebracht. Het gaat er echter niet van uit dat de release van het systeem daadwerkelijk het sprintproces volgt. Zoals veel bedrijven die zich richten op continuous deployment en DevOps hebben ontdekt, is het opnemen van het releaseproces in het Agile sprintmodel een natuurlijke manier om de frequentie van het leveren van waarde aan klanten te verhogen, bovenop het aanbieden van echte, tastbare gegevens uit het veld met een veel hogere frequentie. Dit is een groot onderwerp en als je geïnteresseerd bent, kun je hier, hier en hier meer lezen.

In de loop der jaren is software uitgebreid met andere digitale technologieën, met name data en AI. Deze technologieën profiteren van dezelfde principes als die welke ten grondslag liggen aan Agile in software en dit heeft geleid tot de definitie van DataOps en MLOps om dit te weerspiegelen. Het vierde aspect betreft de toepassing van Agile-principes voor alle digitale technologieën. Natuurlijk is er veel te lezen, onder andere op mijn blog, maar je kunt ook deze video bekijken om meer te weten te komen over mijn visie.

Het vijfde en laatste concept heeft te maken met business agility. Traditioneel Agile houdt zich, zoals ik al zei, vooral bezig met software, maar beperkt zich zeker tot productontwikkeling. De heilige graal is echter business agility, dat wil zeggen het vermogen van een bedrijf om snel te reageren op veranderingen in de omgeving, de markt, klanten en strategie.

Concluderend kunnen de eenvoudige woorden “voorbij Agile” verwijzen naar een verscheidenheid aan concepten. Ik heb vijf van de belangrijkste besproken, waaronder het toepassen van Agile op hele systemen en niet alleen op software, het verleggen van de focus van specificaties naar resultaten, het invoeren van continue inzet (DevOps), het invoeren van Agile voor data en AI en, tot slot, het bereiken van volledige zakelijke wendbaarheid. De volgende keer dat iemand het idee oppert om verder te gaan dan Agile, zorg er dan voor dat je weet waar ze het over hebben (of beter gezegd, zorg ervoor dat ze weten waar ze het over hebben). Het is gemakkelijk om dingen verloren te laten gaan in de vertaling!