AI-Native SAFe: що реально змінилося у фреймворку

За матеріалами вебінару Альони Лубчак

2025-й був роком, коли AI був потрібен усім і бажано ще вчора. А у 2026-му до розмови вже долучилися фінансові директори — і почали питати про вартість ліцензій, витрати на токени та, власне, ROI. В одній компанії навіть спробували стимулювати використання AI через KPI — «кількість запитів на одного працівника». Але наприкінці місяця прийшов рахунок, і підхід до KPI вирішили переглянути.

Саме в цей момент Scaled Agile випустив AI-Native SAFe — нову версію фреймворку, побудовану навколо того, як працювати з AI системно, а не точково.

Розбираємо, що змінилося і що з цього варте вашої уваги.

Спочатку про статус

AI-Native SAFe анонсували наприкінці червня 2026 року. Далі Scaled Agile розгортав його поступово — 12-тижневою серією вебінарів, кожен з яких відкривав чергову частину фреймворку: від outcome-підходу до нових ролей, подій, governance і дорожньої карти впровадження. Серія завершилася 25 серпня сесією про впровадження, а повна презентація відбувається (на момент публікації допису) на SAFe Summit у Сан-Дієго 14–18 вересня.

Важливий момент: класичний SAFe нікуди не подівся. Scaled Agile запустили дві паралельні версії. Працюєте по стандарту — прекрасно, все лишається як є. AI-Native — це надбудова для компаній, які вже мають AI-інструменти в роботі й хочуть підійти до цього системно.

Чому SAFe взагалі пішов у цю тему

Дві причини, і обидві прагматичні.

Перша — фреймворки, які не оновлюються, швидко стають неактуальними. Друга цікавіша: в AI-augmented (команди, можливості яких розширені та доповненні AI) командах почав з’являтися тренд відмови від Scrum. Логіка проста: «навіщо нам церемонії, якщо нас двоє і команда агентів?» Питання, чи адаптуються наші звичні best practices до нової реальності, стало не теоретичним.

А ще є цифри. За даними Deloitte, майже половина компаній (48%) впровадили AI, не перебудувавши ані workflow, ані ролі навколо нього. І лише 12% зробили редизайн у масштаб, з новою операційною моделлю. Саме тут і ховається відповідь на питання «чому цінності від AI менше, ніж очікували»: не можна просто взяти наявний процес і спробувати його заавтоматизувати. Особливо коли цей процес не систематизований, а склався історично.

AI-Native SAFe — це і є спроба Scaled Agile дати ту саму нову операційну модель.

Коротко: було → стало

Зміна 1. Від output до outcome

Ключовий зсув усього фреймворку.

Output — це те, що ми видаємо: кількість фіч, user story, багів, рядків коду. Проблема в тому, що AI-агенти вміють генерувати output у промислових обсягах. Але сотня тисяч рядків коду нічого не варта, якщо продукт нікому не потрібен.

SAFe каже прямо: не прив’язуйтесь до кількості фіч і до velocity в сторіпоінтах. Дивіться на реальний результат і цінність.

Інструмент, який вони пропонують — outcome tree, дерево результатів. Ціль рівня портфоліо декомпозується на цілі ART, далі — на цілі конкретної команди. Замість SMART-формату для PI objectives фреймворк закріплює OKR, а амбіцію калібрують через moonshots і roofshots.

Пастка тут очевидна: можна залишити вимоги як були — capability → feature → user story — і назвати це outcome’ами. Не спрацює. Вимоги описують, що зробити. Outcome описує, навіщо.

Якщо ви Scrum Master або RTE — це ваш новий інструмент челенджити лідершип і продакт-команду питанням: «Окей, а яку цінність ми цим досягаємо?»

Чесно про складність: цей перехід вимагає серйозної зрілості продуктової команди. Продуктові метрики бувають спекулятивними, а вплив однієї фічі на великий продукт виміряти важко. Це напрямок, а не кнопка.

Зміна 2. AI-Native Team замість класичної Scrum-команди

Склад команди описується не через посади, а через capabilities — можливості, які можуть закривати різні люди, а одна людина може закривати кілька:

• Product — бачення продукту, потреби кінцевого користувача (по суті — Product Owner)
• Domain Expert — доменний контекст, якого AI не має. Наприклад, експерт з безпеки для платіжної системи
• Builder(s) — ті, хто працює руками з агентами й валідує результат
• AI-augmented — власне мережа агентів під задачі команди

Розмір — менший за класичну Scrum-команду, орієнтовно 3–7 людей. Логіка: частина рутини йде на агентів.

Але є зворотний бік. Вимоги до професійної зрілості людей у такій команді зростають, бо саме вони мають валідувати те, що нагенерували агенти. Human in the loop проходить червоною ниткою через увесь AI-Native SAFe: агенти галюцинують, а відповідає за результат команда.

Змінився і набір робочих елементів. Тепер їх чотири: prototypes, experiments, features та enablers. Прототипи й експерименти піднялися до рівня повноцінних work items, а stories, навпаки, приглушили. Це прямий наслідок першої зміни: якщо ви міряєте outcome, а не output, то перевірити гіпотезу прототипом — така сама повноцінна робота, як і зробити фічу.

Зміна 3. Нова роль — AI Value Architect

Найцікавіше нововведення, і назва тут говорить сама за себе. Ключове слово — value, а не «AI».

Це НЕ технічний спеціаліст, який буде будувати вам мережу агентів. Це людина, яка:

• коучить команди в тому, щоб вони почали реально використовувати AI (SAFe прямо описує це як coaching discipline, а не тренінг)
• аналізує наявні workflow та інструменти й визначає, що саме варто автоматизувати
• працює містком між бізнесом і технологіями
• фасилітує рішення щодо AI і відповідає за ефективність використання AI в компанії
• тримає в полі зору вартість, етику, юридичні ризики

Тобто це роль, де критично потрібен change management. Типовий розрив, який вона закриває: CEO каже «у всіх є Claude, вперед», а на місцях люди не розуміють, де взяти ліцензію, що це взагалі таке і хто покаже, як ним користуватися.

SAFe позиціює AI Value Architect як роль, а не посаду — її можуть брати на себе Scrum Master, Team Coach, RTE, System Architect, Product Manager, SPC. Технічний AI-бекграунд не обов’язковий.

Тут є що поставити під сумнів. Щоб реально виконувати ці задачі, потрібні сильні менеджерські й комунікативні навички — інакше на місцях вас ввічливо вислухають і влаштують італійську забастовку. «Будь-хто може» на практиці означає «мало хто зможе».

Під роль уже є окрема дводенна сертифікація — AI-Native Value Architect, курс вийшов 25 серпня 2026.

Зміна 4. PI Planning став коротшим

Класика: 2 дні на квартал. Бізнес-контекст → team breakouts → чорновий план → менеджмент коригує → доплановування → confidence vote.

AI-Native: PI Outcome Planning, один день.

Логіка збереглася, але структура інша. Зранку — бізнес-контекст. Далі outcome breakouts: що бізнес від нас хоче з точки зору цілей ART. Потім ці цілі декомпозуються на team breakouts — цілі конкретних команд. В обід менеджмент думає над чорновим варіантом, після — доплановування і final plan review з confidence vote.

Замість класичної дошки залежностей — PI Outcome Planning Board, де фіксуються цілі та ключові майлстоуни.

Ще дві події ART також переосмислені: Customer Demos прийшли на зміну System Demo, а Sense and Respond замінив Inspect & Adapt — 2 години замість пів дня, кожну ітерацію, з вбудованими активностями демо.

Фокус Sense and Respond: чи оцінюємо прогрес проти outcome’ів за об’єктивними даними, чи слухаємо фідбек клієнта, які workflow варто покращити. І окремо — дисципліна свідомо зупиняти напрямки, які не дають результату.

Чесно: перший фідбек від спільноти щодо одноденного outcome-based PI Planning неоднозначний. Компанії пробують, і не в усіх виходить з першого разу. Це очікувано для версії фреймворку, якій кілька місяців.

Зміна 5. Ритми стали коротшими й гнучкішими

У класичному SAFe рекомендація по тривалості PI — 8–12 тижнів. В AI-Native чіткої рекомендації немає: довжину PI ви визначаєте самі. Логіка — швидші цикли експериментів дозволяють швидше вирівнюватися, сенсити й реагувати.

Ітерації формально лишаються, якщо ви їх хочете лишити. Але сама команда рухається трьома активностями: Align → Sense → Respond. Вирівнялися по цілях, зібрали дані та фідбек, скоригували напрямок.

Хто працював з Lean — упізнає PDCA. Переосмислена класика, і це нормально.

Зміна 6. Continuous Delivery Pipeline → AI Innovation Pipeline

CDP еволюціонував у Continuous Innovation and Delivery Pipeline (CIDP) і тепер покриває ширший відрізок життєвого циклу — від discovery до go-to-market, з явно спроектованими AI-хендофами і human-in-the-loop.

SDLC ніхто не відміняв. Але щоб він працював в AI-native режимі, пайплайн збирається з чотирьох компонентів:

• AI-empowered workflows — люди й агенти рухають роботу по життєвому циклу разом, і хендофи між ними спроєктовані, а не складаються самі
• Embedded policies — межі, погодження і правила зупинки. Яку інформацію можна віддавати в AI, а яку ні. Де агент діє сам, а де потрібне підтвердження людини
• Insights and evidence — аудиторський слід: які рішення ухвалювалися, на яких даних, з яким результатом. Це те, що потім дозволяє і виміряти ефект, і розібрати, чому щось пішло не так
• Shared platforms — спільні платформи і спільні джерела даних для агентів усіх команд. Саме курованість даних Scaled Agile називає найсильнішим предиктором успіху з AI — вище за вибір інструментів

Зміна 7. Governance та етика піднялися на рівень портфоліо

Responsible AI у AI-Native SAFe — не додаток, а частина фундаменту: контроль витрат на AI, заохочення відповідального використання, моніторинг поведінки агентів, робота з ризиками.

Звучить занудно й бюрократично. Але межа десь має бути, і проговорити її краще на початку — інакше це залишиться ачівкою в чиємусь резюме, а не робочим інструментом.

Зміна 8. Оновлений Implementation Roadmap

Сильна сторона SAFe — до всього є інструкція. Дорожня карта впровадження AI-Native розділена на п’ять фаз:

1. Align to Outcomes
2. Set Priorities
3. Launching AI-Native ARTs
4. Measure Performance
5. Amplify ROI

Що змінилося всередині: більше навчання, довизначення нових ролей, пріоритизація value streams і ART. Причому ART тепер можуть бути дрібнішими й нарізатися під продукти — замість одного великого потяга на 100 людей.

Що з цим робити

AI — це вже реальність, і користуватися генеративним чатиком недостатньо. Персональну продуктивність ви, найімовірніше, вже підняли. Наступний рівень — команда й процес, і він дається складніше.

Ваша задача — зрозуміти, де саме AI дає користь у вашому контексті. Не «впровадити AI», а знайти конкретні workflow, де це дає вимірюваний результат. Це нетривіальна робота, і саме тут більшість компаній буксує.

Частина змін корисна навіть без AI. Одноденний outcome-based PI Planning замість дводенного — це вдвічі менше часу всього потяга, і працює воно незалежно від того, є у вас агенти чи ні. Те саме з дисципліною зупиняти напрямки, які не дають результату: для цього потрібен не AI, а домовленість, що зупинка — нормальний результат, а не поразка.

А от зі зворотним зв’язком тверезіше: Sense and Respond коротший за Inspect & Adapt, але проводиться щоітерації. Сумарно часу на рефлексію стає більше, не менше — просто він розподілений іншим чином і дає швидший цикл навчання. Це інвестиція, а не економія.

Агентів не купують, їх утримують. Типовий запит на консалтинг звучить як «насетапте нам агентів, які все робитимуть за нас». Реальність інша: агентів треба писати, підтримувати й оновлювати разом зі зміною задач і моделей. Без внутрішньої builder-компетенції вони застаріють за кілька тижнів.

Де подивитися деталі

Big Picture на сайті Scaled Agile повністю клікабельний — на кожній іконці є коротке й розгорнуте пояснення плюс список літератури. Там можна перемикатися між Core SAFe і AI-Native і бачити різницю поруч, блок до блоку.

Якщо у вас активне членство SAFe, з 25 серпня відкритий безкоштовний upgrade path до AI-Native. Вступний модуль, огляд оновленого фреймворку і перевірка знань, приблизно 2–3 години залежно від вашого рівня сертифікації.

Але upgrade path — це радше огляд змін. Якщо хочеться побачити, як новий підхід працює на практиці, розібрати реальні кейси й поставити свої питання тренерці, для цього вже потрібен повноцінний формат навчання.

Найближчий AI-Empowered Leading SAFe в E5 пройде 16–18 жовтня 2026 року. У новій версії Scaled Agile не виніс AI в окремий модуль — зміни інтегрували в усю програму. Разом із цим оновилася й сертифікація: тепер це AI-Empowered SAFe Agilist. Курс проводить Альона Лубчак, SPC з 2014 року.

Програма курсу й реєстрація — на сторінці курсу: https://e5.ua/uk/trainings/online-sertifikatsijnij-kurs-leading-safe-5-1/