Navegando los Desafíos de la Implementación de GenAI

El desarrollo de software habilitado por GenAI (Inteligencia Artificial Generativa) mejorará la productividad y la eficiencia laboral – la pregunta es, ¿cuánto? La mayoría de las investigaciones de mercado sobre este tema muestran ganancias considerables en productividad. Una investigación de Harvard encontró que los especialistas, dependiendo de la tarea y la senioridad, experimentaron un aumento del 43% en la productividad. De manera similar, un informe de Goldman Sachs sugiere que la productividad podría aumentar en 1,5 puntos porcentuales con GenAI después de diez años de adopción generalizada, lo que equivale a casi el doble del ritmo de crecimiento de la productividad en EE. UU. Si bien estas conclusiones son reveladoras, la mayoría de estos hallazgos provienen de entornos controlados que no necesariamente reflejan las complejidades de los casos de uso en la vida real.

Para responder mejor a cómo puede mejorar GenAI la productividad en el desarrollo de software, una empresa líder en servicios de transformación digital y ingeniería de productos decidió registrar sus hallazgos y conclusiones prácticas de un proyecto de implementación de GenAI a gran escala con uno de sus clientes. Este cliente quería adoptar GenAI en los procesos de trabajo de 10 equipos de desarrollo en tres flujos de trabajo, que involucraban a más de 100 especialistas. Estos hallazgos en la vida real revelan los diversos desafíos que las empresas enfrentarán en el camino; además, subrayan la necesidad de un mapa de ruta a nivel de empresa para escalar la adopción de GenAI.

Abordar las Actitudes y Expectativas Negativas de los Especialistas

Muchos desafíos pueden retrasar el éxito de un proyecto de GenAI, como preocupaciones legales y regulatorias, falta de capacidad de procesamiento, seguridad y privacidad, etc. Sin embargo, el obstáculo más significativo que se encontró durante esta implementación a gran escala fue la actitud y las expectativas de los especialistas hacia las tecnologías. Durante la implementación, la empresa de ingeniería observó que los especialistas del cliente tenían ciertas expectativas sobre GenAI y cómo aumentaría su trabajo. Cuando estas expectativas iniciales no se alineaban con los resultados en cuanto a calidad o tiempo de ejecución, desarrollaban actitudes negativas hacia las tecnologías. En particular, cuando GenAI no “hacía el trabajo por ellos”, respondían con comentarios como: “Esperaba algo mejor y no quiero desperdiciar más tiempo”.

Las empresas deben cambiar las percepciones y transitar hacia una nueva cultura laboral que evite que estas actitudes negativas se manifiesten y obstaculicen la adopción y la medición precisa. Las encuestas y evaluaciones son un medio eficiente para mapear y categorizar las actitudes y la participación percibida de los especialistas. A partir de ahí, las empresas deben agrupar a los especialistas según sus sentimientos hacia GenAI. Luego, las empresas pueden crear enfoques de gestión del cambio personalizados para cada grupo para promover una integración de IA exitosa; por ejemplo, los especialistas más escépticos recibirán más atención y cuidado que los especialistas neutrales.

Tener en Cuenta las Complejidades de los Proyectos en la Vida Real

El segundo desafío más obstaculizador fue medir con precisión el impacto de GenAI en la productividad mientras se tienen en cuenta las complejidades de los proyectos en la vida real. En entornos controlados, es más fácil evaluar la influencia de GenAI – sin embargo, como se mencionó anteriormente, dichas pruebas no consideran ciertas variables e inconsistencias. Los proyectos no son estáticos. Evolucionan constantemente. Una organización puede tener una situación en la que tiene especialistas rotativos debido a horarios de vacaciones y días de enfermedad o cambios repentinos en las prioridades. Los especialistas no siempre trabajan en actividades de proyecto específicas donde el impacto de GenAI puede ser más beneficioso porque asisten a reuniones, responden correos electrónicos y realizan otras tareas fuera del alcance del sprint que a menudo se pasan por alto en las mediciones de productividad. Estas inconsistencias y variables deben tenerse en cuenta al medir objetivamente el impacto de GenAI en el desarrollo de software.

Otras mejores prácticas incluyen integrar herramientas de gestión de tareas en los flujos de trabajo para ver cuánto tiempo permanecen las tareas en cada estado y determinar la productividad y eficiencia de los especialistas no técnicos. De manera similar, las soluciones de inteligencia empresarial pueden recopilar automáticamente puntos de datos, reducir errores y ahorrar tiempo. Además, las organizaciones pueden mitigar las complejidades de los proyectos en la vida real y garantizar una evaluación más precisa del impacto de GenAI en la productividad mediante la implementación de prácticas exhaustivas de limpieza de datos.

Mapa de Ruta a Nivel de Empresa: Medir con Precisión

Esta implementación de GenAI a gran escala también destacó el valor de un mapa de ruta a nivel de empresa que marque el comienzo y el final de la integración. Las empresas deben tener en cuenta que un elemento crucial de este mapa de ruta es definir las métricas que se utilizarán para las etapas de informe inicial y final. Decenas de métricas diferentes pueden ayudar a evaluar el impacto de GenAI en la productividad, incluyendo, pero no limitado a, la velocidad en el tiempo, el rendimiento, el tiempo promedio de rework y revisión de código, las tasas de revisión de código y aceptación, el tiempo dedicado a la corrección de errores, etc.

Después de definir estas métricas, las empresas deben clasificarlas en categorías objetivas y subjetivas. Las empresas pueden utilizar datos de herramientas de seguimiento de tareas como Jira para las métricas objetivas. De manera similar, deben mantener y adherirse a flujos de calidad, actualizaciones de tareas oportunas y una finalización de etapas exhaustiva. Recuerde que las métricas subjetivas, como las encuestas de especialistas y pilotos, ayudarán a las empresas a comprender los niveles de adopción y las correlaciones con las mediciones objetivas. Desde una perspectiva de frecuencia, las mediciones deben ser rutinarias y programadas, no escasas y aleatorias. Además, los hallazgos del proyecto enfatizan la utilidad de métricas como el impacto promedio diario, la competencia percibida, los cambios en el rendimiento, la cobertura de trabajo, el uso de herramientas de IA y el flujo de trabajo sin interrupciones para medir el progreso de la adopción.

Mapa de Ruta a Nivel de Empresa Continuado: Desarrollo de Aprendizaje y Cultura a Escala

Además de medir con precisión el impacto de GenAI, otro componente vital de un mapa de ruta exitoso es que impulse el aprendizaje continuo y la fluidez en IA a través de diferentes estrategias de capacitación y coaching. Estas iniciativas finalmente fomentarán una cultura de aprendizaje a nivel de empresa, permitiendo la adopción de IA a escala en toda la empresa. Varias estrategias incluyen la creación de grupos de trabajo que se centren en dónde y cómo la empresa puede aprovechar GenAI, así como alentar a los individuos a compartir lo que funciona y lo que no. También es útil establecer prioridades de crecimiento y desarrollo acompañadas de caminos de aprendizaje a nivel individual y de equipo.

Otra forma en que las empresas pueden construir una cultura que adopte con facilidad nuevas tecnologías de GenAI es destacando casos de uso de victorias rápidas. Estos demostrarán el poder de GenAI a la organización más amplia y a los escépticos reluctantes. Las empresas también deben establecer directrices de seguridad y reglas de compromiso con la IA para capacitar a los equipos para experimentar y explorar nuevos enfoques sin exponer a la empresa a riesgos. De manera similar, las organizaciones deben hacer cumplir el cumplimiento de los estándares de la industria y otras mejores prácticas mientras abordan la gestión del cambio entre los individuos y los equipos a nivel de tarea y herramienta.

Mantener a las Personas en el Centro

Las dos conclusiones más importantes de esta implementación en la vida real son: primero, GenAI puede conducir a ganancias sustanciales en productividad dentro de los límites de una estrategia y un mapa de ruta adecuados; segundo, tal integración tiene un elemento humano indiscutible que las empresas deben abordar en consecuencia. GenAI cambiará para siempre la forma en que estos especialistas realizan tareas diarias. Es probable que GenAI haga que algunos especialistas se sientan amenazados por la tecnología, lo que puede causar resistencia a la adopción. En última instancia, la clave para una implementación exitosa de GenAI sigue siendo distintamente humana. Es crucial que las empresas comprendan la profundidad de esto, ya que son los humanos quienes operacionalizan la tecnología, desbloqueando su valor práctico.