AI-modenhedsmodel til agile delivery: Tjekliste med Excel-skabelon
Mange AI-modenhedsmodeller er skrevet til CIO’er eller enterprise-programmer. Denne flyvehøjde er ofte for grov for Engineering Managers og for langt væk fra hverdagen i agil softwareudvikling.
Denne artikel oversætter eksisterende AI-modenhedsmodeller til en pragmatisk model for agil softwareudvikling. Vi følger ikke AI-hypen, men sund fornuft baseret på tesen:
AI-modenhed i agil softwareudvikling viser sig ved, om AI fremskynder og forbedrer værdistrømmen fra problemforståelse til brugerfeedback.
Her får du 6 dimensioner, hver med 3 health-check-items til spørgeundersøgelser og team-retrospektiver. Til sidst finder du desuden en Excel-skabelon, der opsummerer alle punkter som grundlag for din modenhedsmatrix.
TL;DR
- Klassiske AI-modenhedsmodeller måler ret abstrakt på strategi, data, governance, engineering, operating model, kultur og værdibidrag.
- For agil softwareudvikling bør disse dimensioner oversættes til konkrete færdigheder hos agile teams: målklarhed, videnskontekst, verifikation, delivery-system, samarbejde og kontinuerlig forbedring.
- Den bedste AI-modenhedsmåling er ikke Excel-rapportering, men et grundlag for team-retrospektiver for at implementere konkrete, mærkbare forbedringer.
Hvad eksisterende AI-modenhedsmodeller typisk måler
AI-modenhedsmodeller følger oftest et lignende mønster: De måler en organisations evne til at indlejre AI strategisk, sikkert og effektivt i arbejdssystemer.
1. Teknologiske færdighedsniveauer
KPMG beskriver en AI-færdighedsmodel med seks niveauer fra dataparathed over prompting og kontekstualisering til pålidelighed, integration og operationalisering i skaleret drift. Dette er teknisk nyttigt, fordi det gør det klart, at man endnu ikke behøver at bekymre sig om autonome agenter og skaleret drift, hvis der stadig mangler et solidt data- og kontekstgrundlag.
Kilde: KPMG: AI Capability Maturity Assessment
2. Governance, risiko og livscyklus
OWASP AIMA er særligt relevant for softwareteams, fordi den betragter AI-modenhed langs en livscyklus. Modenhedsmodellen nævner strategi, design, implementering, drift og governance som kerndomæner. Det linkede Excel-toolkit går endnu mere granulært til værks og arbejder med 8 praksisområder: Responsible AI Principles, Governance, Data Management, Privacy, Design, Implementation, Verification og Operations.
Kilder: OWASP AI Maturity Assessment, OWASP AIMA PDF, OWASP AIMA Excel Toolkit
3. Pillars, heatmaps og prioriterede roadmaps
Gartner beskriver AI-modenhed som en diagnose på tværs af flere kernepiller: strategi, data, governance, engineering, operating model, kultur samt AI-produkt og værdibidrag. Den praktiske kerne er et heatmap mellem nuværende og ønsket modenhedsniveau, hvorfra prioriterede initiativer og roadmaps opstår.
Kilde: Gartner: AI Maturity Model and AI Roadmap Toolkit
4. Assessment, analyse og fælles workshop
AI Sweden beskriver modenhedsmåling som en proces i tre trin: assessment, analyse og workshop. Det tredje trin er særligt meningsfuldt: Stakeholdere diskuterer resultaterne sammen og udarbejder en roadmap. Netop denne follow-up logik mangler i mange Excel-skabeloner (men naturligvis ikke i vores).
Kilde: AI Sweden: AI Maturity Assessment
For agile teams betyder det: Retrospektiven er ikke et “add-on” efter målingen af modenheden. Retrospektiven er det centrale sted, hvor der skabes indsigt og initieres forandringer ud fra modenhedsmålingen.
5. Ambition, færdigheder, use cases og implementering
Holisticon beskriver den appliedAI-nære assessment ud fra fire dimensioner: Ambitions, Capabilities & Enablers, Use Cases og Execution. Det er en god påmindelse om, at KI-modenhed ikke kun består af governance. Der kræves ambition, kompetencer og relevante use cases.
Kilde: Holisticon: AI Maturity Assessment
Accenture rammesætter også KI-modenhed som et transformationsspørgsmål (og ikke kun som en tool-implementering). Denne perspektiv er frem for alt en bekræftelse af vores artikel om KI-transformation: KI-modenhed skal måles på forandringsevnen.
Kilde: Accenture: The Art of AI Maturity
Hvad der mangler i de eksisterende KI-modenhedsmodeller for agil softwareudvikling
Enterprise-modellerne er gode som orientering. Men for Engineering Managers har de tre svagheder:
- De ligger ofte for langt fra teamets hverdag.
- De måler mange forudsætninger, men for lidt delivery-adfærd.
- De skaber let et modenhedsdashboard, uden at forbedre den næste teambeslutning.
Derfor oversætter jeg modellerne til 6 dimensioner, som et produkt- eller engineering-team faktisk kan diskutere i retrospektiver. Hver dimension besvarer præcis ét styringsspørgsmål:
| Dimension | Styringsspørgsmål | Funktion i delivery-systemet |
|---|---|---|
| Målklarhed | Arbejder vi på de rigtige problemer? | Retning |
| Fælles videnskontext | Kan KI forstå vores produkt og vores domæne? | Kontext |
| Verifikation & tillid | Kan vi bruge KI-resultater sikkert? | Tillid |
| KI-adaptivt leverancesystem | Bliver teamet bedre som system? | Flow |
| Samarbejde | Bliver KI en teamkompetence i stedet for individuel optimering? | Alignment |
| Kontinuerlig forbedring & governance | Bliver organisation og regler bedre med hver iteration? | Læringsloop |
Systemet bag det er enkelt:
- Mål afgør, hvad KI bruges til.
- Videnskontext afgør, hvor godt KI kan arbejde.
- Verifikation afgør, om resultaterne er anvendelige.
- Delivery-systemet afgør, om der opstår værdi hurtigere.
- Samarbejde afgør, om teamet bliver bedre sammen.
- Kontinuerlig forbedring og governance afgør, om forbedringerne holder på lang sigt.
Logik i modellen for KI-modenhed: 6 dimensioner og 3 niveauer til en klar prioritering
Til team-retrospektiver anbefaler jeg 3 enkle niveauer. Det vigtige er: Niveauerne vurderer ikke først og fremmest KI-brug. De vurderer først den underliggende delivery-evne.
| Level | Betydning | Typisk mønster |
|---|---|---|
| Niveau 1: Evne til stede | Teamet mestrer grundlæggende dimensionen. | Baseline |
| Niveau 2: Teampraksis etableret | Teamet har en fælles praksis for denne dimension. | Gentagelighed |
| Niveau 3: KI integreret | KI forstærker denne evne systematisk. | KI-understøttet delivery-effekt |
Sådan bruger du disse niveauer: Hvis niveau 1 i en dimension allerede er problematisk, så identificér først problemet med det og løs det. Når en sund baseline er skabt, kan du fortsætte med niveau 2 og forankre evnen i teamenes arbejdsformer. Først når niveau 1 og 2 begge klarer sig godt, giver fokus på “KI Integration” mening. Selvfølgelig kan det være, at KI allerede tilbyder gode løsninger til niveau 1 og 2, men KI bør endnu ikke være det mentale fokus.
Her er altså nu itemsene til at måle dimensionen med mulighed for at starte målingen direkte med en retrospektiv i Echometer:
Skabelon til måling af KI-modenheden
Dimension 1: 🎯 Målklarhed
Denne dimension tester, om KI forbedrer arbejdet på det rigtige problem. Mange teams bruger KI til mere output, selvom problem, brugerbehov eller succeskriterium er uklart. Så skalerer KI kun uklarhed.
KI-modenhed: 🎯 Målklarhed: Sådan forløber retroen
Random Icebreaker (2-5 minutter)
Echometer stiller en generator til rådighed med tilfældige check-in-spørgsmål.
Gennemgang af åbne tiltag (2-5 minutter)
Før man går i gang med nye emner, bør man tale om effektivitetskontrol for at se, hvad der er blevet af tiltagene fra tidligere retrospektiver. Echometer viser automatisk alle åbne Action Items fra tidligere retros.
Health Check
Alle teammedlemmer kan besvare Health-Checks anonymt på en skala. Gennemgå derefter resultaterne af Health-Checks sammen og fasthold evt. yderligere kommentarer. Hvis I bruger de samme Health-Checks i flere retrospektiver, kan I også tracke trends over tid i Echometer.
- Niveau 1: For vores opgaver er det som regel klart, om de har nået deres mål eller ej.
- Niveau 2: Vi skaber altid en fælles forståelse af problem, løsning og succeskriterium, før vi implementerer emner.
- Niveau 3: KI hjælper os systematisk med at forstå brugerproblemer, afveje løsningsmuligheder og fastlægge succeskriterier.
Diskuter retro-emner
Brug de følgende åbne spørgsmål til at samle jeres vigtigste indsigter. Først skjult for hver især. Echometer gør det muligt at afsløre hver kolonne på retro-boardet enkeltvis for derefter at præsentere og gruppere feedbacken.
- Hvad holder os tilbage i denne dimension i øjeblikket?
- Hvad er den næste bedste handling eller det næste eksperiment for at forbedre os i denne dimension?
Catch-all spørgsmål (Anbefalet)
For at andre emner også får en plads:
- Hvad vil du ellers gerne tale om i retroen?
Prioritering / Afstemning (5 minutter)
På retro-boardet i Echometer kan I nemt prioritere feedbacken med afstemningsfunktionen. Afstemningen er naturligvis anonym.
Definer tiltag (10-20 minutter)
Via plus-symbolet ved en feedback kan man oprette et linket tiltag. Er du ikke sikker på, hvilket tiltag der er det rigtige? Så åbn i stedet et whiteboard om emnet via plus-symbolet for at brainstorme kerneårsager og mulige tiltag.
Checkout / Afslutning (5 minutter)
Echometer gør det muligt at indsamle anonym feedback fra teamet om, hvor hjælpsom retroen var. Dette resulterer i en ROTI-score ("Return On Time Invested"), som I kan tracke over tid.
KI-modenhed: 🎯 Målklarhed
Health Check spørgsmål (skala)
Åbne spørgsmål
Gode diskussioner opstår her ofte omkring spørgsmålet: “Hvilket KI-accelereret arbejde burde vi helst slet ikke have påbegyndt?”
Skabelon til måling af KI-modenheden
Dimension 2: 🧠 Fælles videnskontext
Denne dimension erstatter bevidst det snævrere begreb “datakvalitet”. For agil levering handler det ikke kun om data, men om produktviden, domæneviden, arkitekturforståelse, kvalitetskrav og fælles beslutninger. AI kan kun levere godt arbejde, hvis denne kontekst er tilgængelig og robust.
AI-modenhed: 🧠 Fælles videnskontext: Sådan forløber retroen
Random Icebreaker (2-5 minutter)
Echometer stiller en generator til rådighed med tilfældige check-in-spørgsmål.
Gennemgang af åbne tiltag (2-5 minutter)
Før man går i gang med nye emner, bør man tale om effektivitetskontrol for at se, hvad der er blevet af tiltagene fra tidligere retrospektiver. Echometer viser automatisk alle åbne Action Items fra tidligere retros.
Health Check
Alle teammedlemmer kan besvare Health-Checks anonymt på en skala. Gennemgå derefter resultaterne af Health-Checks sammen og fasthold evt. yderligere kommentarer. Hvis I bruger de samme Health-Checks i flere retrospektiver, kan I også tracke trends over tid i Echometer.
- Niveau 1: Relevant produkt- og domæneviden er let tilgængelig for mit arbejde.
- Niveau 2: Vi investerer som team i en delt videnskontext, som er opdateret og brugbar for alle.
- Niveau 3: AI hjælper os systematisk med at identificere videnshuller og uklarheder og forbedre konteksten.
Diskuter retro-emner
Brug de følgende åbne spørgsmål til at samle jeres vigtigste indsigter. Først skjult for hver især. Echometer gør det muligt at afsløre hver kolonne på retro-boardet enkeltvis for derefter at præsentere og gruppere feedbacken.
- Hvad holder os tilbage i denne dimension i øjeblikket?
- Hvad er den næste bedste handling eller det næste eksperiment for at forbedre os i denne dimension?
Catch-all spørgsmål (Anbefalet)
For at andre emner også får en plads:
- Hvad vil du ellers gerne tale om i retroen?
Prioritering / Afstemning (5 minutter)
På retro-boardet i Echometer kan I nemt prioritere feedbacken med afstemningsfunktionen. Afstemningen er naturligvis anonym.
Definer tiltag (10-20 minutter)
Via plus-symbolet ved en feedback kan man oprette et linket tiltag. Er du ikke sikker på, hvilket tiltag der er det rigtige? Så åbn i stedet et whiteboard om emnet via plus-symbolet for at brainstorme kerneårsager og mulige tiltag.
Checkout / Afslutning (5 minutter)
Echometer gør det muligt at indsamle anonym feedback fra teamet om, hvor hjælpsom retroen var. Dette resulterer i en ROTI-score ("Return On Time Invested"), som I kan tracke over tid.
AI-modenhed: 🧠 Fælles videnskontext
Health Check spørgsmål (skala)
Åbne spørgsmål
Min mening: For mange teams er videnskontext den undervurderede løftestang. Prompt-træning hjælper kun lidt, hvis teamviden er spredt, forældet eller modstridende.
Skabelon til måling af KI-modenheden
Dimension 3: ✅ Verifikation & tillid
Denne dimension er kernen i AI-modenhed i softwareteams. AI kan accelerere kode, tests, acceptkriterier, analyse og dokumentation. Men kun verificerbare resultater må komme ind i værdistrømmen.
AI-modenhed: ✅ Verifikation & tillid: Sådan forløber retroen
Random Icebreaker (2-5 minutter)
Echometer stiller en generator til rådighed med tilfældige check-in-spørgsmål.
Gennemgang af åbne tiltag (2-5 minutter)
Før man går i gang med nye emner, bør man tale om effektivitetskontrol for at se, hvad der er blevet af tiltagene fra tidligere retrospektiver. Echometer viser automatisk alle åbne Action Items fra tidligere retros.
Health Check
Alle teammedlemmer kan besvare Health-Checks anonymt på en skala. Gennemgå derefter resultaterne af Health-Checks sammen og fasthold evt. yderligere kommentarer. Hvis I bruger de samme Health-Checks i flere retrospektiver, kan I også tracke trends over tid i Echometer.
- Niveau 1: Jeg kan pålideligt vurdere kvaliteten af mit arbejde.
- Niveau 2: Vi har i teamet en etableret standard for godt arbejde, som alle følger.
- Niveau 3: Ved hjælp af AI opdager vi risici, fejl og kvalitetsmangler tidligere og udbedrer dem hurtigere.
Diskuter retro-emner
Brug de følgende åbne spørgsmål til at samle jeres vigtigste indsigter. Først skjult for hver især. Echometer gør det muligt at afsløre hver kolonne på retro-boardet enkeltvis for derefter at præsentere og gruppere feedbacken.
- Hvad holder os tilbage i denne dimension i øjeblikket?
- Hvad er den næste bedste handling eller det næste eksperiment for at forbedre os i denne dimension?
Catch-all spørgsmål (Anbefalet)
For at andre emner også får en plads:
- Hvad vil du ellers gerne tale om i retroen?
Prioritering / Afstemning (5 minutter)
På retro-boardet i Echometer kan I nemt prioritere feedbacken med afstemningsfunktionen. Afstemningen er naturligvis anonym.
Definer tiltag (10-20 minutter)
Via plus-symbolet ved en feedback kan man oprette et linket tiltag. Er du ikke sikker på, hvilket tiltag der er det rigtige? Så åbn i stedet et whiteboard om emnet via plus-symbolet for at brainstorme kerneårsager og mulige tiltag.
Checkout / Afslutning (5 minutter)
Echometer gør det muligt at indsamle anonym feedback fra teamet om, hvor hjælpsom retroen var. Dette resulterer i en ROTI-score ("Return On Time Invested"), som I kan tracke over tid.
AI-modenhed: ✅ Verifikation & tillid
Health Check spørgsmål (skala)
Åbne spørgsmål
Et modent team spørger ikke: “Må vi bruge AI til det her?” Det spørger: “Hvilke beviser har vi brug for for at kunne bruge dette resultat ansvarligt?”
Skabelon til måling af KI-modenheden
Dimension 4: 🔁 KI-adaptivt delivery-system
Denne dimension undersøger, om AI forbedrer værdistrømmen. Enkelte personer kan blive hurtigere, mens hele systemet næsten ikke bliver bedre. Så forbliver AI en individuel optimering. Modenhed opstår først, når teamet tilpasser sin arbejdsform til de nye muligheder.
AI-modenhed: 🔁 KI-adaptivt leveringssystem: Sådan forløber retroen
Random Icebreaker (2-5 minutter)
Echometer stiller en generator til rådighed med tilfældige check-in-spørgsmål.
Gennemgang af åbne tiltag (2-5 minutter)
Før man går i gang med nye emner, bør man tale om effektivitetskontrol for at se, hvad der er blevet af tiltagene fra tidligere retrospektiver. Echometer viser automatisk alle åbne Action Items fra tidligere retros.
Health Check
Alle teammedlemmer kan besvare Health-Checks anonymt på en skala. Gennemgå derefter resultaterne af Health-Checks sammen og fasthold evt. yderligere kommentarer. Hvis I bruger de samme Health-Checks i flere retrospektiver, kan I også tracke trends over tid i Echometer.
- Niveau 1: Vores team leverer regelmæssigt inkrementer, som kunder kan bruge.
- Niveau 2: Feedbacksløjfer med kunder og analyse af brugsdata er en fast del af vores teams værdistrøm.
- Niveau 3: Vi bruger AI aktivt til hurtigere at omsætte brugsdata og brugerfeedback til effekt.
Diskuter retro-emner
Brug de følgende åbne spørgsmål til at samle jeres vigtigste indsigter. Først skjult for hver især. Echometer gør det muligt at afsløre hver kolonne på retro-boardet enkeltvis for derefter at præsentere og gruppere feedbacken.
- Hvad holder os tilbage i denne dimension i øjeblikket?
- Hvad er den næste bedste handling eller det næste eksperiment for at forbedre os i denne dimension?
Catch-all spørgsmål (Anbefalet)
For at andre emner også får en plads:
- Hvad vil du ellers gerne tale om i retroen?
Prioritering / Afstemning (5 minutter)
På retro-boardet i Echometer kan I nemt prioritere feedbacken med afstemningsfunktionen. Afstemningen er naturligvis anonym.
Definer tiltag (10-20 minutter)
Via plus-symbolet ved en feedback kan man oprette et linket tiltag. Er du ikke sikker på, hvilket tiltag der er det rigtige? Så åbn i stedet et whiteboard om emnet via plus-symbolet for at brainstorme kerneårsager og mulige tiltag.
Checkout / Afslutning (5 minutter)
Echometer gør det muligt at indsamle anonym feedback fra teamet om, hvor hjælpsom retroen var. Dette resulterer i en ROTI-score ("Return On Time Invested"), som I kan tracke over tid.
AI-modenhed: 🔁 KI-adaptivt leveringssystem
Health Check spørgsmål (skala)
Åbne spørgsmål
Den praktiske test: Hvis AI forsvandt fra jeres arbejde, ville værdistrømmen så blive dårligere eller kun den oplevede produktivitet?
Skabelon til måling af KI-modenheden
Dimension 5: 🤝 Samarbejde
Denne dimension er det blinde punkt i mange AI-modenhedsmodeller. Agil softwareudvikling lever af fælles forståelse, kommunikation, beslutninger og ejerskab. Hvis AI kun bruges individuelt, kan den endda svække samarbejdet: mindre fælles kontekst, mindre diskussion, mere parallel individuel optimering.
AI-modenhed: 🤝 Samarbejde: Sådan forløber retroen
Random Icebreaker (2-5 minutter)
Echometer stiller en generator til rådighed med tilfældige check-in-spørgsmål.
Gennemgang af åbne tiltag (2-5 minutter)
Før man går i gang med nye emner, bør man tale om effektivitetskontrol for at se, hvad der er blevet af tiltagene fra tidligere retrospektiver. Echometer viser automatisk alle åbne Action Items fra tidligere retros.
Health Check
Alle teammedlemmer kan besvare Health-Checks anonymt på en skala. Gennemgå derefter resultaterne af Health-Checks sammen og fasthold evt. yderligere kommentarer. Hvis I bruger de samme Health-Checks i flere retrospektiver, kan I også tracke trends over tid i Echometer.
- Niveau 1: Jeg har et godt overblik over, hvad der lige nu sker i teamet.
- Niveau 2: Vores kommunikation i teamet gør det muligt for alle at arbejde effektivt og være opdateret.
- Niveau 3: AI hjælper med at fordele relevant viden til de rigtige personer og reducerer unødigt informationsarbejde.
Diskuter retro-emner
Brug de følgende åbne spørgsmål til at samle jeres vigtigste indsigter. Først skjult for hver især. Echometer gør det muligt at afsløre hver kolonne på retro-boardet enkeltvis for derefter at præsentere og gruppere feedbacken.
- Hvad holder os tilbage i denne dimension i øjeblikket?
- Hvad er den næste bedste handling eller det næste eksperiment for at forbedre os i denne dimension?
Catch-all spørgsmål (Anbefalet)
For at andre emner også får en plads:
- Hvad vil du ellers gerne tale om i retroen?
Prioritering / Afstemning (5 minutter)
På retro-boardet i Echometer kan I nemt prioritere feedbacken med afstemningsfunktionen. Afstemningen er naturligvis anonym.
Definer tiltag (10-20 minutter)
Via plus-symbolet ved en feedback kan man oprette et linket tiltag. Er du ikke sikker på, hvilket tiltag der er det rigtige? Så åbn i stedet et whiteboard om emnet via plus-symbolet for at brainstorme kerneårsager og mulige tiltag.
Checkout / Afslutning (5 minutter)
Echometer gør det muligt at indsamle anonym feedback fra teamet om, hvor hjælpsom retroen var. Dette resulterer i en ROTI-score ("Return On Time Invested"), som I kan tracke over tid.
AI-modenhed: 🤝 Samarbejde
Health Check spørgsmål (skala)
Åbne spørgsmål
Det er efter min mening den mest spændende forskel i forhold til mange enterprise-modeller: En agil KI-modningsmodel skal måle, om KI gør teamet bedre, ikke kun enkelte specialister.
Skabelon til måling af KI-modenheden
Dimension 6: ☯️ Kontinuerlig forbedring & governance
Governance er vigtig, men den må ikke opsluge alt. I denne model betyder governance: Teamet kan træffe ansvarlige beslutninger, gøre risici synlige og forbedre regler ud fra reelle erfaringer. Kontinuerlig forbedring og governance hører sammen, fordi stive regler hurtigt bliver forældede i et så dynamisk felt.
AI-modenhed: ☯️ Kontinuerlig forbedring & governance: Sådan forløber retroen
Random Icebreaker (2-5 minutter)
Echometer stiller en generator til rådighed med tilfældige check-in-spørgsmål.
Gennemgang af åbne tiltag (2-5 minutter)
Før man går i gang med nye emner, bør man tale om effektivitetskontrol for at se, hvad der er blevet af tiltagene fra tidligere retrospektiver. Echometer viser automatisk alle åbne Action Items fra tidligere retros.
Health Check
Alle teammedlemmer kan besvare Health-Checks anonymt på en skala. Gennemgå derefter resultaterne af Health-Checks sammen og fasthold evt. yderligere kommentarer. Hvis I bruger de samme Health-Checks i flere retrospektiver, kan I også tracke trends over tid i Echometer.
- Level 1: For mit arbejde er ansvarsområder og risikogrænser til enhver tid klare.
- Level 2: Som team tilpasser vi regelmæssigt vores arbejdsmetoder efter nye indsigter og på baggrund af erfaringer, vi har gjort os.
- Level 3: KI hjælper os systematisk med at stille spørgsmålstegn ved og videreudvikle vores arbejdsmetoder.
Diskuter retro-emner
Brug de følgende åbne spørgsmål til at samle jeres vigtigste indsigter. Først skjult for hver især. Echometer gør det muligt at afsløre hver kolonne på retro-boardet enkeltvis for derefter at præsentere og gruppere feedbacken.
- Hvad holder os tilbage i denne dimension i øjeblikket?
- Hvad er den næste bedste handling eller det næste eksperiment for at forbedre os i denne dimension?
Catch-all spørgsmål (Anbefalet)
For at andre emner også får en plads:
- Hvad vil du ellers gerne tale om i retroen?
Prioritering / Afstemning (5 minutter)
På retro-boardet i Echometer kan I nemt prioritere feedbacken med afstemningsfunktionen. Afstemningen er naturligvis anonym.
Definer tiltag (10-20 minutter)
Via plus-symbolet ved en feedback kan man oprette et linket tiltag. Er du ikke sikker på, hvilket tiltag der er det rigtige? Så åbn i stedet et whiteboard om emnet via plus-symbolet for at brainstorme kerneårsager og mulige tiltag.
Checkout / Afslutning (5 minutter)
Echometer gør det muligt at indsamle anonym feedback fra teamet om, hvor hjælpsom retroen var. Dette resulterer i en ROTI-score ("Return On Time Invested"), som I kan tracke over tid.
AI-modenhed: ☯️ Kontinuerlig forbedring & governance
Health Check spørgsmål (skala)
Åbne spørgsmål
Målet er ikke maksimal frihed og ikke maksimal kontrol. Målet er et system, hvor teams kan lære hurtigt uden at fortrænge risici.
Tip: Simpel KI-modnings radar-chart og heatmap med Echometer
Når du har gennemgået alle items med dit team, kan du forberede og visualisere dataene. Echometer gør det endda automatisk for dig:
Hvis du gennemfører KI-modningsmålingen for flere teams på én gang, får du i Echometer endda også en passende KI-modningsanalyse som matrix / heatmap for organisationen:
Derfor min anbefaling: Brug i stedet for manuelle spørgeskemaer og Excel hellere Echometer, så du ikke kun får glæde af professionelle analyser og trendanalyser med et klik på en knap, men også af optimal støtte til facilitering og opfølgningssporing.
Excel-skabelon: Alle items i KI-modningsmodellen for agil softwareudvikling som matrix
Hvis du alligevel ønsker en Excel-skabelon til din KI-modningsmodel, kan du bruge følgende Excel-skabelon:
| Dimension | Level | Survey-item | Score 1-5 | Bevis | Største blokering | Næste eksperiment | Ejer | Review-dato |
|---|---|---|---|---|---|---|---|---|
| Målklarhed | 1 | Ved vores opgaver er det som regel klart, om de har nået deres mål eller ej. | ||||||
| … |
Tjekliste: Sådan bruger du KI-modellen for modenhed i agil softwareudvikling i praksis
Start ikke med alle 18 items i et kæmpe assessment. Start med en dimension, hvor I lige nu mærker friktion.
Hvert item er formuleret som en simpel enighedspåstand. Hvis et team afviser niveau 1, er basisfærdigheden endnu ikke stabil. Hvis niveau 1 passer, men niveau 2 ikke gør, mangler der en pålidelig teampraksis. Hvis niveau 2 passer, men niveau 3 ikke gør, er AI endnu ikke en systematisk forstærker af denne færdighed.
Her er altså din tjekliste til et godt forløb:
- Vælg en dimension, som lige nu virker mest relevant for dig eller dit team. At fokusere på alle dimensioner på én gang skaber kun én ting: kaos.
- Lad teamet vurdere de tre niveauer anonymt. For eksempel helt enkelt direkte i Echometers retro-værktøj.
- Diskutér ikke gennemsnittet i vurderingerne, men afvigelserne i jeres meninger. Det skaber indsigter og synliggør muligheder.
- Besvar også de to åbne spørgsmål i retro-skabelonen for at udvikle et fælles billede af blokeringer og mulige tiltag.
- Formuler et eksperiment for 2 til 4 uger. Aftal regelmæssige check-ins for at sikre fremdrift.
- Mål den samme dimension igen efter implementeringen af tiltaget og en passende testperiode.
Udover tjeklisten er det også tilladt med en henvisning til, hvad du absolut bør undgå: Hvis I sammenligner flere teams, så sammenlign mønstre, ikke scores. Et platformteam, et produktteam og et legacy-team har forskellige udgangsbetingelser. Modenhedsmåling bliver farlig, når den bliver til en rangliste.
Mere om det: Hvorfor agile modenhedsassessments ofte fejler.
Konklusion: AI-modenhed er kun nyttig, hvis den også fører til forbedringer
Eksisterende AI-modenhedsmodeller leverer gode byggesten: strategi, data, governance, engineering, operating model, kultur, use cases, verifikation og drift. For agil levering skal disse byggesten dog oversættes til konkrete kompetencer i agile teams. Derfor har vores items her formuleret praktiske og kompakte forslag.
Min anbefaling: Brug Excel til overblik, men brug retrospektiver til forandring. Et team, der ærligt diskuterer en dimension og starter en god forbedring (eller også et godt eksperiment), er længere fremme end en organisation med en perfekt matrix og en omfattende heatmap, men uden konsekvens.
Hvis du leder efter mere input om AI i agil softwareudvikling, passer disse artikler som næste skridt:
FAQ om AI-modenhedsmodellen for agil softwareudvikling
Hvad er en AI-modenhedsmodel for agil softwareudvikling?
En AI-modenhedsmodel for agil softwareudvikling vurderer, hvor godt et team omsætter AI i målklarhed, videnskontext, verifikation, leverancesystem, samarbejde og kontinuerlig forbedring. Den måler ikke kun værktøjsbrug, men om AI forbedrer teamets værdiskabelse og læringsevne.
Hvordan adskiller det sig fra klassiske AI-modenhedsmodeller?
Klassiske AI-modenhedsmodeller ser ofte på enterprise-perspektiver som strategi, data, governance, talent, operating model og værdibidrag. For agil levering skal disse dimensioner oversættes til konkrete kompetencer i agile teams: bedre målklarhed, bedre videnskontext, pålidelig verifikation, et AI-adaptivt leverancesystem, stærkere samarbejde og kontinuerlig forbedring.
Bør jeg starte med Excel eller med en retrospektiv i en AI-modenhedsvurdering?
Start med en retrospektiv, hvis du vil ændre adfærd. Excel er nyttigt til at dokumentere items, scores, evidens og eksperimenter. Den egentlige indsigt opstår dog i samtalen om blokeringer, risici og det næste lille forbedringstrin.
Hvorfor indeholder modenhedsmodellen kun tre modenhedsniveauer?
Tre niveauer er forståelige og handlingsorienterede til team-retrospektiver: Færdighed til stede, teampraksis etableret og KI integreret. Et fjerde niveau som KI-native organisation er som vision i enkelte tilfælde meningsfuldt, men for mange teams i øjeblikket for langt væk til at kunne udlede gode, konkrete tiltag.
