Die Herausforderungen der GenAI-Implementierung meistern

Die Entwicklung von Software mit Generative-AI (GenAI) wird die Produktivität und Effizienz verbessern – die Frage ist, um wie viel? Die meisten Marktforschungen zu diesem Thema zeigen erhebliche Produktivitätssteigerungen. Eine Studie von Harvard ergab, dass Spezialisten, je nach Aufgabe und Seniorität, eine 43-prozentige Steigerung der Produktivität verzeichneten. Ebenso deutet ein Bericht von Goldman Sachs darauf hin, dass die Produktivität um 1,5 Prozentpunkte steigen könnte, wenn GenAI nach zehn Jahren breiter Anwendung eingesetzt wird, was fast doppelt so schnell wäre wie das Wachstum der Produktivität in den USA. Obwohl diese Erkenntnisse aufschlussreich sind, stammen sie größtenteils aus kontrollierten Umgebungen, die nicht unbedingt die Nuancen realer Anwendungsfälle widerspiegeln.

Um besser zu verstehen, wie sehr GenAI die Produktivität in der Softwareentwicklung steigern kann, entschied sich ein führendes Unternehmen für digitale Transformation und Produktentwicklung, seine praktischen Erkenntnisse und Erfahrungen aus einem aktuellen großen GenAI-Implementierungsprojekt mit einem seiner Kunden aufzuzeichnen. Dieser Kunde wollte GenAI in die Arbeitsprozesse von 10 Entwicklerteams in drei Arbeitssträngen einsetzen, was über 100 Spezialisten umfasste. Diese realen Erkenntnisse zeigen die verschiedenen Herausforderungen, denen Unternehmen auf dem Weg begegnen werden, und unterstreichen die Notwendigkeit eines unternehmensweiten Roadmaps für die Skalierung der GenAI-Anwendung.

Die negativen Einstellungen und Erwartungen der Spezialisten angehen

Viele Herausforderungen können den Erfolg eines GenAI-Projekts verzögern, wie z.B. rechtliche und regulatorische Bedenken, ein Mangel an Verarbeitungskapazität, Sicherheit und Datenschutz usw. Allerdings war der größte Hindernis, auf den das Unternehmen während dieser großen Implementierung stieß, die Einstellungen und Erwartungen der Spezialisten gegenüber der Technologie. Während der Implementierung beobachtete das Unternehmen, dass die Spezialisten des Kunden bestimmte Erwartungen an GenAI und dessen Auswirkungen auf ihre Arbeit hatten. Wenn diese anfänglichen Erwartungen nicht mit den Ergebnissen hinsichtlich Qualität oder Ausführungszeit übereinstimmten, entwickelten sie negative Einstellungen gegenüber der Technologie. Insbesondere wenn GenAI, wie sie es ausdrückten, “nicht die Arbeit für mich erledigte”, reagierten sie mit Kommentaren wie: “Ich habe etwas Besseres erwartet und will meine Zeit nicht länger verschwenden.”

Unternehmen müssen die Wahrnehmung ändern und zu einer neuen Arbeitskultur wechseln, die verhindert, dass diese negativen Einstellungen entstehen und die Anwendung und genaue Messung behindern. Umfragen und Bewertungen sind ein effizientes Mittel, um die Einstellungen und die wahrgenommene Einbindung der Spezialisten zu kartieren und zu kategorisieren. Anschließend sollten Unternehmen die Spezialisten basierend auf ihren Gefühlen gegenüber GenAI gruppieren. Dann können Unternehmen maßgeschneiderte Ansätze für den Wandel entwickeln, um eine erfolgreiche AI-Integration zu fördern; beispielsweise erhalten die skeptischsten Spezialisten mehr Aufmerksamkeit und Pflege als neutrale Spezialisten.

Die Komplexitäten realer Projekte berücksichtigen

Die zweitgrößte Herausforderung bestand darin, den Einfluss von GenAI auf die Produktivität unter Berücksichtigung der Komplexitäten realer Projekte genau zu messen. In kontrollierten Umgebungen ist es einfacher, den Einfluss von GenAI zu messen – jedoch, wie bereits erwähnt, berücksichtigen solche Tests nicht bestimmte Variablen und Unstimmigkeiten. Projekte sind nicht statisch. Sie entwickeln sich ständig. Ein Unternehmen kann eine Situation haben, in der es sich um wechselnde Spezialisten aufgrund von Urlaubszeiten und Krankentagen oder plötzlichen Prioritätsänderungen handelt. Spezialisten arbeiten auch nicht immer an bestimmten Projektaktivitäten, bei denen der Einfluss von GenAI am größten sein kann, weil sie Meetings besuchen, E-Mails beantworten und andere Aufgaben außerhalb des Sprint-Umfangs haben, die oft bei Produktivitätsmessungen übersehen werden. Diese Unstimmigkeiten und Variablen müssen bei der objektiven Messung des Einflusses von GenAI auf die Softwareentwicklung berücksichtigt werden.

Andere Best Practices umfassen die Integration von Aufgabenmanagement-Tools in Workflows, um zu sehen, wie lange Aufgaben in jedem Status bleiben, um die Produktivität und Effizienz nicht-technischer Spezialisten zu bestimmen. Ebenso können Business-Intelligence-Lösungen Datenpunkte automatisch sammeln, um Fehler zu reduzieren und Zeit zu sparen. Darüber hinaus können Unternehmen die Komplexitäten realer Projekte und eine genauere Bewertung des Einflusses von GenAI auf die Produktivität durch umfassende Datenreinigungspraktiken mildern.

Unternehmensweiter Roadmap: Genau messen

Diese große GenAI-Implementierung unterstrich auch den Wert eines unternehmensweiten Roadmaps, der den Beginn und das Ende der Integration markiert. Unternehmen sollten beachten, dass ein entscheidendes Element dieses Roadmaps die Definition der Metriken ist, die für die Basis- und Endphase der Berichterstattung verwendet werden. Dutzende von Metriken können den Einfluss von GenAI auf die Produktivität bewerten, einschließlich, aber nicht beschränkt auf, Geschwindigkeit in der Zeit, Durchsatz, durchschnittliche Nachbearbeitung und Code-Überprüfungszeit, Code-Überprüfungsfehler- und Akzeptanzraten, Zeit, die für die Fehlerbehebung aufgewendet wird usw.

Nachdem diese Metriken definiert wurden, sollten Unternehmen sie in objektive und subjektive Kategorien einteilen. Unternehmen können auch Daten aus Aufgabenverfolgungstools wie Jira für objektive Metriken verwenden. Ebenso müssen sie Qualitätsflüsse, zeitnahe Aufgabenaktualisierungen und umfassende Abschlussphasen aufrechterhalten und einhalten. Erinnern Sie sich daran, dass subjektive Metriken wie Spezialisten- und Pilotumfragen Unternehmen helfen, die Annahmeebene und Korrelationen mit objektiven Messungen zu verstehen. Aus frequenzbezogener Sicht sollten Messungen regelmäßig und geplant durchgeführt werden, nicht selten und zufällig. Darüber hinaus betonen die Ergebnisse des Projekts die Nützlichkeit von Metriken wie durchschnittlichem täglichem Einfluss, wahrgenommener Kompetenz, Leistungsänderungen, Arbeitsabdeckung, Nutzung von AI-Tools und ununterbrochenem Arbeitsablauf, um den Fortschritt der Anwendung zu messen.

Unternehmensweiter Roadmap, Fortsetzung: Lernen und Kulturentwicklung im großen Maßstab

Zusätzlich zur effektiven Messung des Einflusses von GenAI ist ein weiteres wichtiger Bestandteil eines erfolgreichen Roadmaps, dass es kontinuierliches Lernen und AI-Kompetenz durch verschiedene Schulungs- und Coaching-Strategien fördert. Diese Initiativen werden letztendlich eine unternehmensweite Lernkultur fördern, die die AI-Anwendung im großen Maßstab über das gesamte Unternehmen hinweg ermöglicht. Verschiedene Strategien umfassen die Schaffung von Arbeitsgruppen, die sich auf die Möglichkeiten konzentrieren, wie und wo das Unternehmen GenAI nutzen kann, sowie die Ermutigung von Einzelpersonen, zu teilen, was funktioniert und was nicht. Es ist auch hilfreich, Wachstums- und Entwicklungsziele zu setzen, die von Lernpfaden auf individueller und Team-Ebene begleitet werden.

Ein weiterer Weg, wie Unternehmen eine Kultur aufbauen können, die neue GenAI-Technologien bereitwillig annimmt, besteht darin, schnell umsetzbare Anwendungsfälle hervorzuheben. Diese werden die Macht von GenAI der größeren Organisation und den zögerlichen Skeptikern demonstrieren. Unternehmen sollten auch Sicherheitsrichtlinien und Regeln für den Umgang mit AI festlegen, um Teams zu ermächtigen, neue Ansätze zu experimentieren und zu erkunden, ohne das Unternehmen einem Risiko auszusetzen. Ebenso müssen Unternehmen die Einhaltung von Branchenstandards und anderen Best Practices durchsetzen, während sie den Wandel bei Einzelpersonen und Teams auf Aufgaben- und Tool-Ebene angehen.

Menschen im Mittelpunkt halten

Die beiden wichtigsten Erkenntnisse aus dieser realen Implementierung sind: Erstens kann GenAI zu erheblichen Produktivitätssteigerungen innerhalb eines geeigneten Strategie- und Roadmap-Rahmens führen; zweitens hat eine solche Integration einen unverkennbaren menschlichen Aspekt, den Unternehmen entsprechend angehen müssen. GenAI wird für immer die Art und Weise verändern, wie diese Spezialisten tägliche Aufgaben ausführen. Es ist auch wahrscheinlich, dass GenAI einige Spezialisten durch die Technologie bedroht fühlen lassen kann, was zu Widerstand gegen die Anwendung führen kann. Letztendlich bleibt der Schlüssel zu einer erfolgreichen GenAI-Implementierung eindeutig menschlich. Es ist wichtig, dass Unternehmen die Tiefe dessen verstehen, da es die Menschen sind, die die Technologie operationalisieren und ihren praktischen Wert freisetzen.