Πλοηγώντας τις Προκλήσεις της Εφαρμογής του GenAI

Η ανάπτυξη λογισμικού με τη χρήση του GenAI (Γενερατικού AI) θα βελτιώσει την παραγωγικότητα και την αποτελεσματικότητα της εργασίας – το ερώτημα είναι, πόσο; Οι περισσότερες αγορές ερευνών σε αυτό το θέμα δείχνουν σημαντικές κερδισμένες στην παραγωγικότητα. Έρευνα από το Χάρβαρντ βρήκε ότι οι ειδικοί, ανάλογα με την εργασία και την ανώτερη θέση, είδαν μια αύξηση της παραγωγικότητας κατά 43%. Παρόμοια, μια έκθεση από τη Goldman Sachs υποδηλώνει ότι η παραγωγικότητα θα μπορούσε να αυξηθεί κατά 1,5 ποσοστιαίες μονάδες με το GenAI μετά από δέκα χρόνια ευρείας υιοθέτησης, που ισοδυναμεί σχεδόν με το διπλάσιο ρυθμό αύξησης της παραγωγικότητας στις ΗΠΑ. Ενώ αυτά τα ευρήματα είναι ενδιαφέροντα, τα περισσότερα από αυτά προέρχονται από ελεγχόμενα περιβάλλοντα που δεν αντανακλούν αναγκαστικά τις νюανς των πραγματικών περιπτώσεων χρήσης.

Για να απαντήσουμε καλύτερα πόσο το GenAI μπορεί να βελτιώσει την παραγωγικότητα στην ανάπτυξη λογισμικού, μια ηγετική εταιρεία ψηφιακής μεταμόρφωσης και μηχανικής προϊόντων αποφάσισε να καταγράψει τις πρακτικές της ευρήματα και τις επισημάνσεις από ένα πρόσφατο lớn κλίμακας έργο εφαρμογής του GenAI με έναν από τους πελάτες της. Αυτός ο πελάτης ήθελε να υιοθετήσει το GenAI στις διαδικασίες εργασίας 10 ομάδων ανάπτυξης σε τρεις ροές εργασίας, που περιλαμβάνουν περισσότερους από 100 ειδικούς. Αυτά τα πραγματικά ευρήματα αποκαλύπτουν τις διάφορες προκλήσεις που θα αντιμετωπίσουν οι επιχειρήσεις κατά τη διάρκεια του ταξιδιού· επιπλέον, υπογραμμίζουν την αναγκαιότητα ενός εταιρικού χάρτη για την κλιμάκωση της υιοθέτησης του GenAI.

Αντιμετώπιση των Αρνητικών Στάσεων και Προσδοκιών των Ειδικών

Πολλές προκλήσεις μπορούν να καθυστερήσουν την επιτυχία ενός έργου GenAI, όπως νομικές και ρυθμιστικές ανησυχίες, έλλειψη επεξεργαστικής ικανότητας, ασφάλεια και ιδιωτικότητα, κ.λπ. Ωστόσο, το πιο σημαντικό εμπόδιο που αντιμετωπίστηκε κατά τη διάρκεια αυτής της μεγάλης κλίμακας εφαρμογής ήταν οι στάσεις και οι προσδοκίες των ειδικών γύρω από τις τεχνολογίες. Κατά τη διάρκεια της εφαρμογής, η εταιρεία μηχανικής παρατήρησε ότι οι ειδικοί του πελάτη είχαν ορισμένες προσδοκίες σχετικά με το GenAI και πώς θα ενισχύσει την εργασία τους. Όταν αυτές οι αρχικές προσδοκίες δεν ευθυγραμμίζονταν με τα αποτελέσματα σχετικά με την ποιότητα ή τον χρόνο εκτέλεσης, θα αναπτύσσουν αρνητικές στάσεις προς τις τεχνολογίες. Συγκεκριμένα, όταν το GenAI δεν “καθάρισε την εργασία για μένα”, θα ανταποκρίνουν με σχόλια όπως: “Περίμενα κάτι καλύτερο και δεν θέλω να σπαταλώ περισσότερο χρόνο”.

Οι επιχειρήσεις πρέπει να αλλάξουν τις αντιλήψεις και να μεταβούν σε einen νέο πολιτισμό εργασίας που να εμποδίζει αυτές τις αρνητικές στάσεις από το να εκδηλωθούν και να εμποδίσουν την υιοθέτηση και την ακριβή μέτρηση. Οι έρευνες και οι αξιολογήσεις είναι ένας αποτελεσματικός τρόπος για την χαρτογράφηση και την ταξινόμηση των στάσεων και της αντιλαμβανόμενης συμμετοχής των ειδικών. Από εκεί, οι εταιρείες πρέπει να ομαδοποιήσουν τους ειδικούς με βάση τις στάσεις τους προς το GenAI. Στη συνέχεια, οι επιχειρήσεις μπορούν να δημιουργήσουν προσαρμοσμένες προσεγγίσεις διαχείρισης αλλαγών για κάθε ομάδα, προκειμένου να προωθήσουν την επιτυχημένη ολοκλήρωση του AI· για παράδειγμα, οι πιο σκεπτικοί ειδικοί θα λαμβάνουν περισσότερη προσοχή και φροντίδα από τους ουδέτερους ειδικούς.

Λογιστική για τις Συμπλεξότητες των Πραγματικών Προτζεκτ

Η δεύτερη πιο εμποδιστική πρόκληση ήταν η ακριβής μέτρηση του αντικτύπου του GenAI στην παραγωγικότητα, λαμβάνοντας υπόψη τις συμπλεξότητες των πραγματικών προτζεκτ. Σε ελεγχόμενα περιβάλλοντα, είναι ευκολότερο να μετρηθεί η επιρροή του GenAI – ωστόσο, όπως αναφέρθηκε νωρίτερα, τέτοιες δοκιμές δεν λαμβάνουν υπόψη ορισμένες μεταβλητές και ασυνέπειες. Τα προτζεκτ δεν είναι στατικά. Εξελίσσονται συνεχώς. Μια οργάνωση μπορεί να έχει μια κατάσταση όπου υπάρχουν περιστρεφόμενοι ειδικοί λόγω προγραμμάτων διακοπών και ασθενειών ή αιφνίδιων αλλαγών προτεραιοτήτων. Οι ειδικοί δεν εργάζονται πάντα σε συγκεκριμένες δραστηριότητες του προτζεκτ όπου η επίδραση του GenAI μπορεί να είναι η πιο ωφέλιμη, επειδή έχουν συναντήσεις να παρακολουθήσουν, emails να απαντήσουν και άλλες εργασίες εκτός του πλαισίου του sprint που συχνά παραβλέπονται στις μετρήσεις παραγωγικότητας. Αυτές οι ασυνέπειες και μεταβλητές πρέπει να ληφθούν υπόψη κατά την αντικειμενική μέτρηση της επίδρασης του GenAI στην ανάπτυξη λογισμικού.

Άλλες besten πρακτικές περιλαμβάνουν την ενσωμάτωση εργαλείων διαχείρισης εργασιών στις ροές εργασίας για να δουν πόσο καιρό οι εργασίες παραμένουν σε κάθε κατάσταση, προκειμένου να καθορίσουν την παραγωγικότητα και την αποτελεσματικότητα των μη τεχνικών ειδικών. Παρόμοια, οι λύσεις επιχειρηματικής ευφυΐας μπορούν να συλλέξουν αυτόματα σημεία δεδομένων, μειώνοντας τους λάθους και εξοικονομώντας χρόνο. Επιπλέον, οι οργανώσεις μπορούν να μετριάσουν τις συμπλεξότητες των πραγματικών προτζεκτ και να διασφαλίσουν μια πιο ακριβή αξιολόγηση της επίδρασης του GenAI στην παραγωγικότητα, εφαρμόζοντας徹底τικές πρακτικές καθαρισμού δεδομένων.

Εταιρικός Χάρτης: Μέτρηση Ακρίβειας

Αυτή η μεγάλης κλίμακας εφαρμογή του GenAI υπογράμμισε επίσης την αξία ενός εταιρικού χάρτη που σηματοδοτεί την αρχή και το τέλος της ολοκλήρωσης. Οι επιχειρήσεις πρέπει να σημειώσουν ότι ένα κρίσιμο στοιχείο αυτού του χάρτη είναι η ορισμός των μετρήσεων που θα χρησιμοποιηθούν για τις φάσεις βάσης και τελικής αναφοράς. Δεκάδες διαφορετικά μετρικά μπορούν να βοηθήσουν στην αξιολόγηση της επίδρασης του GenAI στην παραγωγικότητα, συμπεριλαμβανομένων, αλλά όχι περιορισμένων σε, ταχύτητα στο χρόνο, απόδοση, μέσο χρόνο επανεπεξεργασίας και αναθεώρησης κώδικα, χρόνος αναθεώρησης κώδικα και αποδοχή, χρόνος που dànhεται στην επιδιόρθωση σφαλμάτων, κ.λπ.

Μετά τον ορισμό αυτών των μετρήσεων, οι εταιρείες πρέπει να ταξινομήσουν σε αντικειμενικές και υποκειμενικές κατηγορίες. Οι επιχειρήσεις μπορούν επίσης να χρησιμοποιήσουν δεδομένα από εργαλεία παρακολούθησης εργασιών όπως το Jira για αντικειμενικά μετρικά. Παρόμοια, πρέπει να διατηρήσουν και να遵循 τις ροές ποιότητας, τις ενημερώσεις εργασιών και την ολοκλήρωση των σταδίων. Να θυμάστε ότι τα υποκειμενικά μετρικά, όπως οι έρευνες ειδικών και πιλότων, θα βοηθήσουν τις επιχειρήσεις να κατανοήσουν τα επίπεδα υιοθέτησης και τις συσχετίσεις με αντικειμενικές μετρήσεις. Από την πλευρά της συχνότητας, οι μετρήσεις πρέπει να είναι καθημερινές και προγραμματισμένες, όχι σπάνιες και τυχαίες. Επιπλέον, τα ευρήματα του προτζεκτ υπογραμμίζουν την उपयFULNESS των μετρήσεων όπως η μέση ημερήσια επίδραση, η αντιλαμβανόμενη ικανότητα, οι αλλαγές απόδοσης, η κάλυψη εργασίας, η χρήση εργαλείων AI και η αδιάκοπη ροή εργασίας για να μετρηθεί η πρόοδος της υιοθέτησης.

Εταιρικός Χάρτης Συνέχεια: Μάθηση και Ανάπτυξη Πολιτισμού σε Κλίμακα

Εκτός από την αποτελεσματική μέτρηση της επίδρασης του GenAI, ένα άλλο ζωτικό στοιχείο ενός επιτυχούς χάρτη είναι ότι οδηγεί στη συνεχή μάθηση και την ευφυΐα του AI μέσω διαφορετικών στρατηγικών εκπαίδευσης και προπονήσεων. Αυτές οι πρωτοβουλίες θα οδηγήσουν τελικά στην ανάπτυξη ενός εταιρικού πολιτισμού μάθησης, ενεργοποιώντας την υιοθέτηση του AI σε κλίμακα σε όλη την επιχείρηση. Διάφορες στρατηγικές περιλαμβάνουν τη δημιουργία εργασιακών ομάδων που επικεντρώνονται σε哪里 και πώς η εταιρεία μπορεί να αξιοποιήσει το GenAI, καθώς και την ενθάρρυνση των ατόμων να μοιράζονται τι λειτουργεί και τι δεν λειτουργεί. Επίσης, είναι χρήσιμο να οριστεί προτεραιότητες ανάπτυξης και μάθησης συνοδευόμενες από μονοπάτια μάθησης στο ατομικό και ομαδικό επίπεδο.

Ένας άλλος τρόπος με τον οποίο οι εταιρείες μπορούν να xây dựng έναν πολιτισμό που υιοθετεί εύκολα νέες τεχνολογίες GenAI είναι να υπογραμμίσουν τα γρήγορα κέρδη των περιπτώσεων χρήσης. Αυτά θα δείξουν τη δύναμη του GenAI στην ευρύτερη οργάνωση και τους διστακτικούς σκεπτικούς. Οι εταιρείες πρέπει επίσης να καθορίσουν οδηγίες ασφάλειας και κανόνες συναλλαγών με το AI, προκειμένου να ενδυναμώσουν τις ομάδες να πειραματίζονται και να εξερευνούν νέες προσεγγίσεις χωρίς να εκθέτουν την εταιρεία σε κίνδυνο. Παρόμοια, οι οργανώσεις πρέπει να επιβάλουν την τήρηση των βιομηχανικών προτύπων και άλλων besten πρακτικών, αντιμετωπίζοντας τη διαχείριση αλλαγών μεταξύ ατόμων και ομάδων στο επίπεδο εργαλείων και εργασιών.

Κρατώντας τους Ανθρώπους στο Κέντρο

Τα δύο πιο σημαντικά συμπεράσματα από αυτήν την πρακτική εφαρμογή είναι: πρώτον, το GenAI μπορεί να οδηγήσει σε σημαντικές κερδισμένες στην παραγωγικότητα εντός των ορίων μιας σωστής στρατηγικής και χάρτη· δεύτερον, μια τέτοια ολοκλήρωση έχει ένα αναμφισβήτητο ανθρώπινο στοιχείο που οι εταιρείες πρέπει να αντιμετωπίσουν ανάλογα. Το GenAI θα αλλάξει για πάντα τον τρόπο με τον οποίο οι ειδικοί εκτελούν τις καθημερινές τους εργασίες. Είναι επίσης πιθανό ότι το GenAI μπορεί να κάνει κάποιους ειδικούς να νιώθουν απειλούμενοι από την τεχνολογία, που μπορεί να προκαλέσει αντίσταση στην υιοθέτηση. Τελικά, το κλειδί για μια επιτυχημένη εφαρμογή του GenAI παραμένει διακριτικά ανθρώπινο. Είναι κρίσιμο για τις εταιρείες να κατανοήσουν το βάθος αυτού, επειδή είναι οι άνθρωποι που λειτουργούν την τεχνολογία, ανοίγοντας την πρακτική της αξία.