EDOS 2021 uke 10
Hva hindrer smidighet i organisasjoner? Hvis amerikanske marinesoldater kan bygge smidige og autonome team, kan vel også vi det? Avanserte søketeknologi avdekker programmeringsfeil før de blir for dyr
Hva hindrer organisasjoner fra å bli (mer) smidige?
HVA: Forskere i Sverige og Norge gjennomførte dybdeintervjuer i virksomheter som innførte agile arbeidsmetoder i tidlig designfaser for å identifisere barrierer som vanligvis hindret smidighet. De fant tre som var spesielt vanlige:
Smidige metoder var ikke aksepterte i toppledelse og/eller i kollegiet til lederne som var ansvarlige for å innføre det
Organisasjoner som ikke var innstilte på teamarbeid
Manglende suksessfaktorer som la til rette for mer smidighet
INTERESSANT er det at:
Mønstre som kjennetegnet smidige metoder - og som ofte utfordret eksisterende etablerte måter å jobbe på, var:
Iboende ustabilitet - smidige team lot ting stå ubesvart mens de utforsket problemet, og her ble spesielt nevnt at “design thinking” består like mye i å definere problemet som å foreslå en løsning
Selvorganiserende team var kjennetegnet av autonomi i tilnærming til oppgaven (“hvordan), evne og vilje til å lære og overgå seg selv og læring på kryss av organisasjonen
Utviklingsfasene som overlappet hverandre for å sikre læring og korreksjon
Læring på tvers av organisasjonen, både vertikalt (alle nivåer) og horisontalt (på kryss av organisasjonens linjer)
Nyansert lederstil, som går ut på å veilede mer enn å dirigere, enn å styre - for ellers kan ikke teamets autonomi respekteres
Læring som en egen prosess, der aktiv lytting og kritisk tenking er avgjørende.
HVA SÅ?
Smidige metoder får ikke feste før hele organisasjonen forplikter seg til å prøve det ut skikkelig, altså gi det en reell sjanse. Det er ikke lett hvis toneangivende personligheter i organisasjonen ikke er innforstått med fordelene.
Smidige team oppfører seg på måter som stemmer overens med smidige formaliteter, men er ikke avhengige av dem. Med andre ord: smidige metoder er hva teamene gjør, ikke hva de produserer.
US Marines bygger autonome team til teknisk vedlikehold
HVA: Case fra USAs et vedlikeholdsteam på basen til United States Marine Corps (USMC) viste at et lite, relativt uerfarent team som fikk autonomi og annen støtte i samsvar med Scrum raskt ble det høyest presterende teamet.
INTERESSANT er det at:
Kompetansekravene dreide seg i hovedsak om generelle evner til kritisk tenking og problemløsning, og mye mindre om spesialisert ekspertise. Dette viste seg å føre til teamarbeid som var langt mer fleksibelt og lærevillig.
Teamet ble oppmuntret til å skjære gjennom kommandolinjer og henvende seg direkte til enhetene for å løse problemer.
Teamene måtte forholde seg til strategiske og taktiske målsetninger som ble bestemt i det militære hierarkiet, men hadde stor autonomi i hvordan oppgaven skulle løses.
Avgjørende var det derfor at teamet holdt nær kontakt med “kundeflaten” for både forståelse og motivasjon
HVA SÅ?
Hvis dette fungerer så godt i United States Marine Corps, er det gode sjanser for at det også fungerer godt i din organisasjon
Det kommer bedre med å ha “generell” kompetanse innen (for eksempel) problemløsning og kritisk tenking enn spesialisert teknisk kompetanse - særlig når problemene ikke er forutsigbare.
Kunstig intelligens avdekker feil tidligere
HVA: Forskere ved Delhi Technological University i India undersøkte om “search based techniques” kunne finne programmeringsfeil tidlig i utviklingsprosessen, altså før de ble dyre å rette opp. Testingen foregikk på 13 000 software prosjekter med 16 ulike selværende “search-based techniques” (SBTer). Det viste seg at åtte av disse faktisk funket godt.
INTERESSANT er det at:
Disse forskerne akkumulerte 13 000 prosjekter de kunne trene og teste på. Ref poeng i tidligere nyhetsbrev om åpen kildekode, er dette en ny anvendelse vi burde tenke på
Det er mye å spare på å implementere og stadig forbedre slike løsninger. Men det fordrer at det finnes folk i miljøet som forstår seg på “sUpervised Classification System (UCS)”, “Bioinformatics-oriented hierarchical evolutionary learning (BIOHEL)”, CHC, “Genetic Algorithm-based Classifier System with Adaptive Discretization Intervals (GA_ADI)”, “Genetic Algorithm-based Classifier System with Intervalar Rule (GA_INT)”, “Memetic Pittsburgh Learning Classifier System (MPLCS)”, “Population-Based Incremental Learning (PBIL)” og “Steady-State Genetic Algorithm for Instance Selection (SGA)”
HVA SÅ?
Hvem i Norge holder på med SBTer? Er det mange nok av dem? Får de nok oppmerksomhet?