Naviguer les défis de la mise en œuvre de GenAI

Le développement de logiciels basé sur GenAI (Generative AI) améliorera la productivité et l’efficacité du travail – la question est, de combien ? La plupart des études de marché sur ce sujet montrent des gains considérables en termes de productivité. Des recherches de Harvard ont montré que les spécialistes, en fonction de la tâche et de l’ancienneté, ont vu une augmentation de 43 % de la productivité. De même, un rapport de Goldman Sachs suggère que la productivité pourrait augmenter de 1,5 point de pourcentage avec GenAI après dix ans d’adoption généralisée, ce qui équivaut à près du double du rythme de croissance de la productivité aux États-Unis. Bien que ces constatations soient éclairantes, la plupart d’entre elles proviennent de paramètres contrôlés qui ne reflètent pas nécessairement les nuances des cas d’utilisation réels.

Pour mieux répondre à la question de savoir à quel point GenAI peut améliorer la productivité dans le développement de logiciels, une société de services de transformation numérique et d’ingénierie de produits de premier plan a décidé d’enregistrer ses constatations pratiques et ses connaissances issues d’un projet récent de mise en œuvre à grande échelle de GenAI avec l’un de ses clients. Ce client voulait adopter GenAI dans les processus de travail de 10 équipes de développement sur trois flux de travail, impliquant plus de 100 spécialistes. Ces constatations réelles révèlent les divers défis que les entreprises rencontreront au cours du parcours ; en outre, elles soulignent la nécessité d’une feuille de route à l’échelle de l’entreprise pour mettre à l’échelle l’adoption de GenAI.

Aborder les attitudes et les attentes négatives des spécialistes

De nombreux défis peuvent retarder le succès d’un projet GenAI, tels que les préoccupations juridiques et réglementaires, le manque de capacité de traitement, la sécurité et la confidentialité, etc. Cependant, le plus grand obstacle rencontré lors de cette mise en œuvre à grande échelle a été les attitudes et les attentes des spécialistes à l’égard des technologies. Lors de la mise en œuvre, la société d’ingénierie a observé que les spécialistes du client avaient certaines attentes à l’égard de GenAI et de la façon dont il allait améliorer leur travail. Lorsque ces attentes initiales ne correspondaient pas aux résultats en termes de qualité ou de temps d’exécution, ils développaient des attitudes négatives à l’égard des technologies. En particulier, lorsque GenAI ne faisait pas, selon leurs mots, « le travail pour moi », ils répondaient avec des commentaires comme : « J’attendais mieux et je ne veux plus perdre mon temps ».

Les entreprises doivent changer les perceptions et passer à une nouvelle culture de travail qui empêche ces attitudes négatives de se manifester et de gêner l’adoption et la mesure précise. Les enquêtes et les évaluations sont un moyen efficace de cartographier et de catégoriser les attitudes et l’engagement perçu des spécialistes. À partir de là, les entreprises doivent regrouper les spécialistes en fonction de leurs sentiments à l’égard de GenAI. Ensuite, les entreprises peuvent créer des approches de gestion du changement personnalisées pour chaque groupe afin de promouvoir une intégration réussie de l’IA ; par exemple, les spécialistes les plus sceptiques recevront plus d’attention et de soins que les spécialistes neutres.

Tenir compte des complexités des projets réels

Le deuxième défi le plus obstructif a été de mesurer avec précision l’impact de GenAI sur la productivité tout en tenant compte des complexités des conditions de projet réel. Dans des environnements contrôlés, il est plus facile de mesurer l’influence de GenAI – cependant, comme mentionné précédemment, de tels tests ne tiennent pas compte de certaines variables et d’incohérences. Les projets ne sont pas statiques. Ils évoluent constamment. Une organisation peut avoir une situation où elle a des spécialistes qui tournent en raison des vacances et des jours de maladie ou des changements soudains de priorités. Les spécialistes ne travaillent pas toujours sur des activités de projet spécifiques où l’impact de GenAI peut être le plus bénéfique car ils ont des réunions à assister, des e-mails à répondre et d’autres tâches en dehors de la portée du sprint qui sont souvent négligées dans les mesures de productivité. Ces incohérences et ces variables doivent être prises en compte lors de la mesure objective de l’impact de GenAI sur le développement de logiciels.

D’autres bonnes pratiques incluent l’intégration d’outils de gestion de tâches dans les flux de travail pour voir combien de temps les tâches restent dans chaque état pour déterminer la productivité et l’efficacité des spécialistes non techniques. De même, les solutions d’intelligence d’affaires peuvent collecter automatiquement des points de données, réduire les erreurs et gagner du temps. En outre, les organisations peuvent atténuer les complexités des conditions de projet réel et assurer une évaluation plus précise de l’impact de GenAI sur la productivité en employant des pratiques de nettoyage de données approfondies.

Feuille de route à l’échelle de l’entreprise : mesurer avec précision

Cette mise en œuvre à grande échelle de GenAI a également mis en évidence la valeur d’une feuille de route à l’échelle de l’entreprise qui marque le début et la fin de l’intégration. Les entreprises doivent noter qu’un élément crucial de cette feuille de route est de définir les métriques qu’elles utiliseront pour les étapes de référence et de rapport final. Des dizaines de métriques différentes peuvent aider à évaluer l’impact de GenAI sur la productivité, notamment, mais sans s’y limiter, la vitesse dans le temps, le débit, le temps de reprise moyen et le temps d’examen du code, le taux de refus et d’acceptation de l’examen du code, le temps passé à corriger les bogues, etc.

Après avoir défini ces métriques, les entreprises doivent les classer en catégories objectives et subjectives. Les entreprises peuvent également utiliser des données provenant d’outils de suivi de tâches comme Jira pour les métriques objectives. De même, elles doivent maintenir et respecter les flux de qualité, les mises à jour de tâches en temps opportun et la complétion exhaustive des étapes. Rappelez-vous que les métriques subjectives, telles que les enquêtes et les évaluations des spécialistes et des pilotes, aideront les entreprises à comprendre les niveaux d’adoption et les corrélations avec les mesures objectives. Du point de vue de la fréquence, les mesures doivent être régulières et planifiées, et non éparses et aléatoires. En outre, les résultats du projet soulignent l’utilité de métriques telles que l’impact moyen quotidien, la compétence perçue, les changements de performance, la couverture du travail, l’utilisation des outils d’IA et le flux de travail ininterrompu pour mesurer la progression de l’adoption.

Feuille de route à l’échelle de l’entreprise (suite) : apprentissage et développement de la culture à grande échelle

En plus de mesurer avec précision l’impact de GenAI, un autre élément vital d’une feuille de route réussie est qu’elle favorise un apprentissage continu et une maîtrise de l’IA à travers différentes stratégies de formation et de coaching. Ces initiatives finiront par favoriser une culture d’apprentissage à l’échelle de l’entreprise, permettant l’adoption de l’IA à grande échelle dans l’entreprise. Différentes stratégies incluent la création de groupes de travail qui se concentrent sur les endroits et les moyens par lesquels l’entreprise peut exploiter GenAI, ainsi que l’encouragement des individus à partager ce qui fonctionne et ce qui ne fonctionne pas. Il est également utile de définir des priorités de croissance et de développement accompagnées de parcours d’apprentissage aux niveaux individuel et d’équipe.

Une autre façon pour les entreprises de bâtir une culture qui adopte facilement de nouvelles technologies GenAI est de mettre en évidence des cas d’utilisation à gain rapide. Ceux-ci démontreront le pouvoir de GenAI à l’organisation plus large et aux sceptiques réticents. Les entreprises doivent également établir des lignes directrices de sécurité et des règles d’engagement avec l’IA pour permettre aux équipes d’expérimenter et d’explorer de nouvelles approches sans exposer l’entreprise à des risques. De même, les organisations doivent faire respecter l’adoption des normes de l’industrie et d’autres bonnes pratiques tout en abordant la gestion du changement parmi les individus et les équipes aux niveaux de la tâche et de l’outil.

Garder les personnes au centre

Les deux principales conclusions de cette mise en œuvre réelle sont : premièrement, GenAI peut conduire à des gains de productivité substantiels dans le cadre d’une stratégie et d’une feuille de route appropriées ; deuxièmement, une telle intégration a un élément humain indéniable que les entreprises doivent aborder en conséquence. GenAI changera à jamais la façon dont ces spécialistes effectuent des tâches quotidiennes. Il est également probable que GenAI fasse sentir à certains spécialistes que la technologie les menace, ce qui peut causer une résistance à l’adoption. En fin de compte, la clé d’une mise en œuvre réussie de GenAI reste distinctement humaine. Il est crucial pour les entreprises de comprendre la profondeur de cela, car ce sont les humains qui mettent en œuvre la technologie, libérant ainsi sa valeur pratique.