Vývoj softvéru s podporou generatívnej AI (GenAI) zvýši produktivitu a efektivitu práce – otázkou je, o koľko? Väčšina prieskumov trhu na túto tému ukazuje značné zvýšenie produktivity. Výskum z Harvardu zistil, že špecialisti v závislosti od úlohy a seniority videli a 43% zvýšenie produktivity. Podobne aj správa od Goldman Sachs naznačuje, že produktivita by sa mohla zvýšiť 1,5 percentuálneho bodu s GenAI po desiatich rokoch širokého prijatia, čo sa rovná takmer dvojnásobnému tempu rastu produktivity v USA. Hoci sú tieto zistenia užitočné, väčšina z týchto zistení pochádza z kontrolovaných nastavení, ktoré nemusia nevyhnutne odrážať nuansy skutočných prípadov použitia.
Aby sme lepšie odpovedali na to, do akej miery môže GenAI zvýšiť produktivitu vo vývoji softvéru, popredná spoločnosť poskytujúca služby digitálnej transformácie a produktového inžinierstva sa rozhodla zaznamenať svoje praktické zistenia a poznatky z nedávneho rozsiahleho projektu implementácie GenAI s jedným zo svojich klientov. Tento klient chcel začleniť GenAI do pracovných procesov 10 vývojových tímov v troch pracovných prúdoch, ktoré zahŕňajú viac ako 100 špecialistov. Tieto zistenia zo skutočného života odhaľujú rôzne výzvy, ktorým budú podniky počas svojej cesty čeliť; navyše podčiarkujú potrebu celofiremného plánu na škálovanie prijatia GenAI.
Riešenie negatívnych postojov a očakávaní špecialistov
Veľa výziev môže oddialiť úspech projektu GenAI, ako napr právne a regulačné obavy, nedostatočná kapacita spracovania, bezpečnosť a súkromie atď. Avšak najvýznamnejšou prekážkou, s ktorou sa počas tejto rozsiahlej implementácie stretli, boli postoje a očakávania odborníkov v súvislosti s technológiami. Počas implementácie inžinierska spoločnosť zistila, že špecialisti klienta mali určité očakávania týkajúce sa GenAI a toho, ako rozšíri ich prácu. Keď sa tieto počiatočné očakávania nezhodujú s výsledkami týkajúcimi sa kvality alebo času realizácie, vyvinuli by sa negatívne postoje k technológiám. Najmä, keď GenAI podľa ich slov „urobte prácu za mňa“, odpovedali komentármi ako: „Čakal som lepšie a už nechcem strácať čas.“
Podniky musia posunúť vnímanie a prechod na novú pracovnú kultúru, ktorá zabráni týmto negatívnym postojom prejavovať sa a brzdiť prijatie a presné meranie. Prieskumy a hodnotenia sú účinným prostriedkom na mapovanie a kategorizáciu postojov a vnímanej angažovanosti vlastných odborníkov. Odtiaľ by spoločnosti mali zoskupovať špecialistov na základe ich pocitov ku GenAI. Potom môžu podniky vytvoriť prispôsobené prístupy riadenia zmien pre každú skupinu na podporu úspešnej integrácie AI; napríklad najskeptickejším špecialistom sa dostane viac pozornosti a starostlivosti ako neutrálnym špecialistom.
Účtovanie zložitosti projektov v reálnom svete
Druhou najobštruktívnejšou výzvou bolo presné meranie vplyvu GenAI na produktivitu pri zohľadnení zložitosti podmienok projektu v reálnom svete. V kontrolovaných prostrediach je ľahšie merať vplyv GenAI – ako však už bolo spomenuté, takéto testy nezohľadňujú určité premenné a nezrovnalosti. Projekty nestagnujú. Neustále sa vyvíjajú. Organizácia môže mať situáciu, keď má rotujúcich špecialistov z dôvodu plánov dovoleniek a dní choroby alebo náhlych zmien priorít. Špecialisti tiež nie vždy pracujú na konkrétnych projektových činnostiach, kde môže byť dopad GenAI najprínosnejší, pretože majú stretnutia, na ktoré treba odpovedať, e-maily, na ktoré treba odpovedať a iné úlohy mimo rozsahu sprintu, ktoré sa pri meraniach produktivity často prehliadajú. Tieto nezrovnalosti a premenné musia byť zohľadnené pri objektívnom meraní vplyvu GenAI na vývoj softvéru.
Medzi ďalšie osvedčené postupy patrí integrácia nástrojov na správu úloh do pracovných tokov, aby ste videli, ako dlho zostávajú úlohy v jednotlivých stavoch, aby ste mohli určiť produktivitu a efektivitu netechnických špecialistov. Podobne aj riešenia business intelligence môžu automaticky zhromažďovať dátové body, čím sa znižujú chyby a šetrí čas. Okrem toho môžu organizácie zmierniť zložitosť podmienok reálnych projektov a zabezpečiť presnejšie vyhodnotenie vplyvu GenAI na produktivitu tým, že použijú postupy dôkladného čistenia údajov.
Plán pre celú spoločnosť: Presné meranie
Táto rozsiahla implementácia GenAI tiež zdôraznila hodnotu celopodnikového plánu, ktorý označuje začiatok a koniec integrácie. Podniky by si mali uvedomiť, že kľúčovým prvkom tohto plánu je definovanie metrík, ktoré budú používať pre základné a konečné fázy podávania správ. Desiatky rôznych metrík môžu pomôcť posúdiť vplyv GenAI na produktivitu, vrátane, ale nie výlučne, rýchlosti v čase, priepustnosti, priemerného času prepracovania a kontroly kódu, miery zlyhania kontroly kódu a miery prijatia, času stráveného opravou chýb atď.
Po definovaní týchto metrík by ich firmy mali roztriediť do objektívnych a subjektívnych kategórií. Firmy môžu na objektívne metriky použiť aj údaje z nástrojov na sledovanie úloh, ako je Jira. Rovnako musia udržiavať a dodržiavať toky kvality, včasné aktualizácie úloh a dôkladné dokončenie etapy. Pripomeňme, že subjektívne metriky, ako sú špecializované a pilotné prieskumy, pomôžu firmám pochopiť úrovne prijatia a korelácie s objektívnymi meraniami. Z hľadiska frekvencie by merania mali byť rutinné a plánované, nie zriedkavé a náhodné. Okrem toho zistenia projektu zdôrazňujú užitočnosť metrík, ako je priemerný denný vplyv, vnímaná odbornosť, zmeny výkonu, pracovné pokrytie, používanie nástrojov AI a neprerušovaný pracovný tok na meranie progresu prijatia.
Pokračovanie celopodnikového plánu: Rozvoj vzdelávania a kultúry vo veľkom rozsahu
Okrem efektívneho merania vplyvu GenAI je ďalšou dôležitou súčasťou úspešného plánu to, že podporuje neustále vzdelávanie a plynulosť AI prostredníctvom rôznych stratégií školenia a koučovania. Tieto iniciatívy v konečnom dôsledku podporia celofiremnú kultúru učenia, ktorá umožní prijatie AI v celom podniku. Rôzne stratégie zahŕňajú vytváranie pracovných skupín, ktoré sa zameriavajú na to, kde a ako môže spoločnosť využiť GenAI, ako aj povzbudzovanie jednotlivcov, aby zdieľali to, čo funguje a čo nefunguje. Je tiež užitočné nastaviť priority rastu a rozvoja sprevádzané vzdelávacími cestami na individuálnej a tímovej úrovni.
Ďalším spôsobom, ako môžu spoločnosti vybudovať kultúru, ktorá ľahko prijíma nové technológie GenAI, je zvýrazňovanie prípadov použitia, ktoré sú rýchle. Tieto ukážu silu GenAI väčšej organizácii a neochotným skeptikom. Podniky by tiež mali zaviesť bezpečnostné usmernenia a pravidlá spolupráce s AI, aby umožnili tímom experimentovať a skúmať nové prístupy bez toho, aby spoločnosť vystavovala riziku. Podobne musia organizácie presadzovať dodržiavanie priemyselných štandardov a iných osvedčených postupov a zároveň riešiť riadenie zmien medzi jednotlivcami a tímami na úrovni úloh a nástrojov.
Udržanie ľudí v centre
Dva najdôležitejšie poznatky z tejto implementácie v reálnom svete sú: po prvé, GenAI môže viesť k podstatnému zvýšeniu produktivity v rámci hraníc správnej stratégie a plánu; po druhé, takáto integrácia má nepopierateľný ľudský prvok, ktorý musia spoločnosti náležite riešiť. GenAI navždy zmení spôsob, akým títo špecialisti vykonávajú každodenné úlohy. Je tiež pravdepodobné, že GenAI môže spôsobiť, že niektorí špecialisti sa budú cítiť ohrození technológiou, ktorá môže spôsobiť odpor voči prijatiu. Nakoniec, kľúč k úspešnej implementácii GenAI zostáva jednoznačne ľudský. Pre podniky je kľúčové, aby pochopili hĺbku tohto, pretože sú to ľudia, ktorí sprevádzkujú technológiu a odblokujú jej praktickú hodnotu.