Přechod přes výzvy implementace GenAI

Generativní umělá inteligence (GenAI) umožní zvýšit produktivitu a efektivitu práce – otázkou je, o kolik? Většina tržních výzkumů v této oblasti ukazuje značné zisky v produktivitě. Výzkum z Harvardské univerzity ukázal, že specialisté, v závislosti na úkolu a senioritě, zaznamenali 43% nárůst produktivity. Podobně zpráva od Goldman Sachs naznačuje, že produktivita by mohla vzrůst o 1,5 procentního bodu s GenAI po deseti letech širokého přijetí, což by odpovídalo téměř dvojnásobnému tempu růstu produktivity ve Spojených státech. Přestože jsou tyto výsledky zajímavé, většina z nich pochází z kontrolovaných prostředí, která nemusí nutně odrážet nuance reálných případů.

Abychom mohli lépe odpovědět na to, jak může GenAI zvýšit produktivitu v softwarovém vývoji, rozhodla se vedoucí společnost v oblasti digitální transformace a produktového inženýrství zaznamenat své praktické poznatky a zkušenosti z nedávného rozsáhlého projektu implementace GenAI pro jednoho ze svých klientů. Tento klient chtěl implementovat GenAI do pracovních procesů 10 vývojových týmů napříč třemi pracovními proudy, což zahrnovalo více než 100 specialistů. Tyto reálné poznatky odhalují různé výzvy, se kterými se podniky setkají na této cestě; navíc zdůrazňují nutnost firemního plánu pro škálování implementace GenAI.

Vyřizování negativních postojů a očekávání specialistů

Mnoho výzev může zpomalit úspěch projektu GenAI, jako jsou právní a regulační problémy, nedostatek zpracování kapacity, bezpečnost a ochrana osobních údajů atd. Nicméně, největším překážkou, se kterou se setkala během této rozsáhlé implementace, byly postoje a očekávání specialistů vůči technologiím. Během implementace společnost pozorovala, že specialisté klienta měli určité očekávání ohledně GenAI a toho, jak by to jejich práci posílilo. Když tyto počáteční očekávání nesouhlasila s výsledky týkajícími se kvality nebo doby realizace, vyvinuli negativní postoje vůči technologiím. Zvláště když GenAI podle jejich slov “nedělala práci za mě”, reagovali komentáři jako: “Očekával jsem více a nechci již ztrácet čas.”

Podniky musí měnit postoje a přecházet na novou pracovní kulturu, která zabrání vzniku těchto negativních postojů a bránění přijetí a přesnému měření. Dotazníky a hodnocení jsou účinným prostředkem pro mapování a kategorizaci postojů a vnímané angažovanosti specialistů. Odtud by společnosti měly specialisty seskupit podle jejich pocitů vůči GenAI. Poté mohou podniky vytvořit přizpůsobené přístupy ke změně pro každou skupinu, aby podpořily úspěšnou integraci AI; například nejvíce skeptičtí specialisté by měli získat více pozornosti a péče než neutrální specialisté.

Zohledňování komplexit reálných projektů

Druhou největší překážkou bylo přesné měření dopadu GenAI na produktivitu, zatímco zohledňování komplexit reálných projektových podmínek. V kontrolovaných prostředích je snazší měřit vliv GenAI – nicméně, jak je zmíněno dříve, takové testy nezohledňují určité proměnné a nekonzistence. Projekty nejsou statické. Evoluují neustále. Organizace může mít situaci, kdy má rotující specialisty kvůli dovoleným a nemocem nebo náhlým změnám priorit. Specialisté také nejsou vždy zapojeni do konkrétních projektových aktivit, kde by mohl mít GenAI největší přínos, protože mají schůzky, na které se musí dostavit, e-maily, které musí odpovědět, a další úkoly mimo rámec sprintu, které se často přehlížejí při měření produktivity. Tyto nekonzistence a proměnné musí být zohledněny při objektivním měření dopadu GenAI na softwarový vývoj.

Dalšími nejlepšími postupy jsou integrace nástrojů pro správu úkolů do pracovních postupů, aby bylo možné vidět, jak dlouho úkoly zůstávají v každém stavu, a určit produktivitu a efektivitu netechnických specialistů. Podobně mohou obchodní inteligentní řešení automaticky shromažďovat datové body, snižovat chyby a šetřit čas. Kromě toho mohou organizace zmírnit komplexity reálných projektových podmínek a zajistit přesnější hodnocení dopadu GenAI na produktivitu pomocí důkladných postupů čištění dat.

Firemní plán: Přesné měření

Tato rozsáhlá implementace GenAI také zdůraznila hodnotu firemního plánu, který označuje začátek a konec integrace. Podniky by měly uvědomit, že klíčovým prvkem tohoto plánu je definice metrik, které budou použity pro počáteční a závěrečné fáze reportování. Desítky různých metrik mohou pomoci posoudit dopad GenAI na produktivitu, včetně, ale nejen, rychlosti v čase, průtoku, průměrné doby přepracování a revize kódu, míry selhání a přijetí kódu, času stráveného na opravě chyb atd.

Po definování těchto metrik by společnosti měly klasifikovat je do objektivních a subjektivních kategorií. Podniky mohou také použít data z nástrojů pro sledování úkolů, jako je Jira, pro objektivní metriky. Kromě toho musí udržovat a dodržovat kvalitní toky, včasné aktualizace úkolů a důkladné dokončení fáze. Připomeňme, že subjektivní metriky, jako jsou dotazníky specialistů a pilotů, pomohou podnikům pochopit úroveň přijetí a korelace s objektivními měřeními. Z hlediska frekvence by měření měla být pravidelná a naplánovaná, nikoli řídká a náhodná. Kromě toho výsledky projektu zdůrazňují užitečnost metrik, jako je průměrný denní dopad, vnímaná odbornost, změny výkonu, pokrytí práce, využití nástrojů AI a nepřerušený pracovní postup, pro měření pokroku implementace.

Firemní plán pokračuje: Učení a rozvoj kultury ve velkém měřítku

Kromě efektivní měření dopadu GenAI je dalším životně důležitým komponentem úspěšného plánu to, že podporuje kontinuální učení a zvyšování odbornosti v oblasti AI prostřednictvím různých tréninkových a koučovacích strategií. Tyto iniciativy nakonec vytvoří firemní kulturní prostředí, které umožní přijetí AI ve velkém měřítku napříč celou organizací. Mezi různé strategie patří vytvoření pracovních skupin, které se zaměřují na to, kde a jak může společnost využít GenAI, a povzbuzení jednotlivců, aby sdíleli, co funguje a co nefunguje. Kromě toho je užitečné stanovit priority růstu a rozvoje doprovázené učebními cestami na úrovni jednotlivců a týmů.

Dalším způsobem, jak podniky mohou vytvořit kulturu, která snadno přijímá nové technologie GenAI, je zdůraznění rychlých úspěchů a případů použití. Tyto ukáží sílu GenAI větší organizaci a váhajícím skeptikům. Podniky by také měly stanovit bezpečnostní směrnice a pravidla pro spolupráci s AI, aby umožnily týmům experimentovat a zkoušet nové přístupy bez vystavení společnosti riziku. Kromě toho musí organizace dodržovat dodržování odvětvových standardů a dalších nejlepších postupů, zatímco řeší změnu řízení u jednotlivců a týmů na úrovni úkolů a nástrojů.

Udržení lidí v centru

Dvě nejdůležitější závěry z této reálné implementace jsou: za prvé, GenAI může vést k podstatným ziskům v produktivitě v rámci správné strategie a plánu; za druhé, taková integrace má nezaměnitelný lidský prvek, který musí podniky řešit odpovídajícím způsobem. GenAI navždy změní, jak tito specialisté vykonávají denní úkoly. Je také pravděpodobné, že GenAI může některé specialisty učinit cítit ohroženě touto technologií, což může způsobit odpor vůči přijetí. V konečném důsledku zůstává klíč k úspěšné implementaci GenAI zřetelně lidský. Je zásadní, aby podniky pochopily hloubku tohoto, protože jsou to lidé, kteří operationalizují technologii a odemykají její praktickou hodnotu.