GenAI 구현의 도전 과제를 탐색하다

생성적 인공지능(GenAI)을 사용한 소프트웨어 개발은 생산성과 작업 효율성을 향상시킬 것입니다. 그러나 얼마나 향상시킬 수 있는지에 대한 질문이 남아 있습니다. 대부분의 시장 조사에서는 상당한 생산성 향상을 보여줍니다. 하버드 대학의 연구에 따르면, 전문가들은 작업과 선임에 따라 43%의 생산성 향상을 보였다. 또한 골드만 삭스(Goldman Sachs)의 보고서에 따르면, GenAI를 도입한 후 10년 동안 생산성은 1.5 퍼센트 포인트 증가할 수 있으며, 이는 미국 생산성 성장률의 거의 두 배에 해당합니다. 이러한 발견은 통찰력을 제공하지만, 대부분의 경우 통제된 환경에서 나온 결과로, 실제 사용 사례의 복잡성을 반영하지 않을 수 있습니다.

실제 사용 사례에서 GenAI가 소프트웨어 개발의 생산성을 얼마나 향상시킬 수 있는지 더 잘 이해하기 위해, 디지털 변환 서비스와 제품 엔지니어링을 제공하는 선도적인 회사에서 최근에 고객과 함께 진행한 대규모 GenAI 구현 프로젝트에서 실제 findings와 통찰력을 수집하기로 결정했습니다. 이 고객은 3개의 작업 스트림에 걸쳐 10개의 개발 팀에서 100명 이상의 전문가를 대상으로 GenAI를 작업 프로세스에 도입하고자 했습니다. 이러한 실제 findings는 사업이 GenAI 도입 과정에서 직면할 수 있는 다양한 도전 과제를 보여주며, 또한 회사 전반에 걸친 로드맵이 GenAI 도입을 확대하는 데 필요한 것을 강조합니다.

전문가의 부정적인 태도와 기대치 해결

GenAI 프로젝트의 성공을 지연시킬 수 있는 많은 도전 과제가 있습니다. 예를 들어, 법적 및 규제적 문제, 처리 용량 부족, 보안 및 개인 정보 보호 등이 있습니다. 그러나 이 대규모 구현에서遇到的 가장 큰 장애물은 전문가들의 태도와 기술에 대한 기대치였습니다. 구현 과정에서, 엔지니어링 회사에서 고객의 전문가들이 GenAI와 그들이 작업하는 방식에 대한 특정 기대치를 가지고 있는 것을 관찰했습니다. 초기 기대치가 품질 또는 실행 시간에 대한 결과와 일치하지 않을 때, 그들은 기술에 대해 부정적인 태도를 개발했습니다. 특히, GenAI가 그들의 말로 “제 작업을 대신 해주지 않을 때”, 그들은 “더 좋은 것을 기대했으며 더 이상 시간을 낭비하지 않으려 합니다”라는 댓글을 남겼습니다.

사업은 이러한 부정적인 태도를 방지하고 도입 및 정확한 측정을 방해하는 것을 막기 위해 인식을 전환하고 새로운 작업 문화로 전환해야 합니다. 설문조사와 평가는 전문가들의 태도와 인식된 참여도를 매핑하고 분류하는 효율적인 수단입니다. 그 다음, 사업은 전문가들을 그들의 GenAI에 대한 감정에 따라 그룹화해야 합니다. 그런 다음, 사업은 각 그룹에 성공적인 AI 통합을 촉진하기 위해 맞춤형 변경 관리 접근 방식을 만들 수 있습니다. 예를 들어, 가장 회의적인 전문가들은 중립적인 전문가들보다 더 많은 주의와 관심을 받게 됩니다.

실제 프로젝트의 복잡성 고려

두 번째로 가장 방해되는 도전 과제는 실제 프로젝트 조건의 복잡성을 고려하면서 GenAI가 생산성에 미치는 영향을 정확하게 측정하는 것이었습니다. 통제된 환경에서는 GenAI의 영향을 더 쉽게 측정할 수 있지만, 앞서 언급한 바와 같이 이러한 테스트는 특정 변수와 불일치를 고려하지 않습니다. 프로젝트는 정적이지 않습니다. 그것은 끊임없이 진화합니다. 조직은 휴가 일정과 병가로 인한 전문가들의轮换이나 우선순위의 갑작스러운 변경과 같은 상황을 가질 수 있습니다. 전문가들은 또한 항상 GenAI의 영향이 가장 유익할 수 있는 특정 프로젝트 활동에 작업하지 않습니다. 왜냐하면 그들은 미팅에 참석하고, 이메일을 답장하고, 스프린트 범위 외부의 다른 작업을 수행하기 때문입니다. 이러한 불일치와 변수는 GenAI가 소프트웨어 개발에 미치는 영향을 객관적으로 측정할 때 고려되어야 합니다.

다른最佳實踐에는 작업 관리 도구를 워크플로에 통합하여 작업이 각 상태에서 얼마나 오래 머무르는지 확인하여 비기술 전문가들의 생산성과 효율성을 결정하는 것이 포함됩니다. 또한, 비즈니스 인텔리전스 솔루션은 데이터 포인트를 자동으로 수집하여 오류를 줄이고 시간을 절약할 수 있습니다. 또한, 조직은 데이터 정리 실천을 통해 실제 프로젝트 조건의 복잡성을 완화하고 GenAI가 생산성에 미치는 영향을 더 정확하게 평가할 수 있습니다.

회사 전반의 로드맵: 정확한 측정

이 대규모 GenAI 구현도 회사 전반의 로드맵의 가치를 강조했습니다. 이는 GenAI 통합의 시작과 끝을 표시합니다. 사업은 이 로드맵의 중요한 요소는 기준 및 최종 보고 단계에서 사용할 메트릭스를 정의하는 것이라는 것을 알아야 합니다. GenAI가 생산성에 미치는 영향을 평가하는 데 도움이 될 수 있는 수십 가지의 다른 메트릭스가 있습니다. 예를 들어, 시간당 속도, 처리량, 평균 재작업 및 코드 검토 시간, 코드 검토 실패 및 승인률, 버그 수정에 소요되는 시간 등이 있습니다.

이러한 메트릭스를 정의한 후, 사업은 객관적 및 주관적 범주로 분류해야 합니다. 사업은 작업 추적 도구 seperti Jira를 사용하여 객관적 메트릭스를 얻을 수 있습니다. 또한, 사업은 품질 흐름, 작업 업데이트 및 단계 완성을 유지하고遵守해야 합니다. 주관적 메트릭스, such as 전문가 및 파일럿 설문조사,는 사업이 도입 수준과 객관적 측정과의 상관관계를 이해하는 데 도움이 될 것입니다. 빈도면에서, 측정은 정기적이고 예약되어야 하며, 희박하지도 않고 무작위로도 नह应합니다. 또한, 프로젝트의 findings는 평균 일일 영향, 인식된 숙련도, 성능 변경, 작업 범위, AI 도구 사용 및 무중단 워크플로우와 같은 메트릭스를 사용하여 도입 진행 상황을 측정하는 데 유용하다는 것을 강조합니다.

회사 전반의 로드맵 계속: 학습 및 문화 개발

GenAI의 영향을 효과적으로 측정하는 것 외에도, 성공적인 로드맵의 또 다른 중요한 구성 요소는 다양한 교육 및 코칭 전략을 통해 지속적인 학습 및 AI 숙련도를 구현하는 것입니다. 이러한 이니셔티브는 궁극적으로 회사 전반에 걸친 학습 문화를 구축하여 기업 전체에 걸쳐 AI를 도입하는 것을 가능하게 합니다. 다양한 전략에는 GenAI를 어디서, 어떻게 활용할 수 있는지에 중점을 둔 워킹 그룹을 생성하는 것이 포함됩니다. 또한, 개인이 무엇이 작동하고, 무엇이 작동하지 않는지 공유하도록鼓励하는 것도 도움이 됩니다. 또한, 성장 및 개발 우선순위를 설정하고 개인 및 팀 수준의 학습 경로를 설정하는 것도 도움이 됩니다.

또한, 사업은 GenAI 기술을 빠르게 채택할 수 있는 문화를 구축하여, 큰 조직과 회의적인 전문가들에게 GenAI의 힘을 보여줄 수 있습니다. 사업은 또한 보안 지침과 AI를 사용하는 규칙을 설정하여 팀이 새로운 접근 방식을 실험하고 탐색할 수 있도록 하면서도 회사에 대한 위험을 노출하지 않도록 해야 합니다. 또한, 사업은 산업 표준 및 기타 최선의 관행을遵守하면서, 개인 및 팀 수준의 작업 및 도구 수준에서 변경 관리를 해결해야 합니다.

사람을 중심으로 유지하다

이 실제 구현에서 얻을 수 있는 두 가지 가장 중요한 결론은 다음과 같습니다. 첫째, GenAI는 적절한 전략과 로드맵의 범위 내에서 상당한 생산성 향상을 달성할 수 있습니다. 둘째, 이러한 통합에는 회사에서 적절히 해결해야 하는 명백한 인간적 요소가 있습니다. GenAI는 이러한 전문가들이 일상적인 작업을 수행하는 방식을 영원히 변경할 것입니다. 또한, GenAI는 일부 전문가들이 기술에 의해 위협을 느끼게 할 수 있으며, 이는 도입에 대한 저항을 유발할 수 있습니다. 궁극적으로, 성공적인 GenAI 구현의 핵심은 명확하게 인간적입니다. 사업은 이러한 기술을 구현하는 것이 인간이라는 것을 이해해야 하며, 이는 기술의 실제 가치를解放합니다.