Het navigeren van de uitdagingen van GenAI-implementatie

De ontwikkeling van software met Generative AI (GenAI) zal de productiviteit en werk-efficiëntie verbeteren – de vraag is, hoeveel? De meeste marktonderzoeken op dit gebied laten aanzienlijke productiviteitswinst zien. Onderzoek van Harvard toonde aan dat specialisten, afhankelijk van de taak en senioriteit, een 43% toename van de productiviteit zagen. Evenzo suggereert een rapport van Goldman Sachs dat de productiviteit met 1,5 procentpunt kan stijgen met GenAI na tien jaar van brede adoptie, hetgeen bijna het dubbele tempo van de productiviteitsgroei in de VS is. Hoewel deze bevindingen interessant zijn, komen ze voornamelijk uit gecontroleerde omgevingen die de nuances van real-life use cases niet noodzakelijkerwijs weerspiegelen.

Om beter te begrijpen hoeveel GenAI de productiviteit in softwareontwikkeling kan verbeteren, besloot een toonaangevende digitale transformatiedienst en productontwikkelingsbedrijf om zijn praktische bevindingen en inzichten uit een recent groot GenAI-implementatieproject met een van zijn klanten op te nemen. Deze klant wilde GenAI integreren in de werkprocessen van 10 ontwikkelteams in drie werkstromen, waarbij meer dan 100 specialisten betrokken waren. Deze real-life bevindingen onthullen de verschillende uitdagingen waarmee bedrijven tijdens hun reis te maken krijgen; bovendien benadrukken ze de noodzaak van een bedrijfsbrede roadmap voor het opschalen van GenAI-adoptie.

Het aanpakken van negatieve houdingen en verwachtingen van specialisten

Er zijn veel uitdagingen die het succes van een GenAI-project kunnen vertragen, zoals juridische en regelgevende zorgen, een gebrek aan verwerkingscapaciteit, beveiliging en privacy, enz. Echter, de grootste hindernis die tijdens deze grote implementatie werd aangetroffen, was de houding en verwachtingen van specialisten ten aanzien van de technologie. Tijdens de implementatie observeerde het ingenieursbedrijf dat de specialisten van de klant bepaalde verwachtingen hadden over GenAI en hoe het hun werk zou ondersteunen. Wanneer deze initiële verwachtingen niet overeenkwamen met de resultaten met betrekking tot kwaliteit of uitvoeringstijd, ontwikkelden ze negatieve houdingen ten aanzien van de technologie. In het bijzonder, wanneer GenAI, in hun woorden, “het werk voor me niet deed”, reageerden ze met opmerkingen als: “Ik had iets beters verwacht en wil mijn tijd niet meer verspillen.”

Bedrijven moeten percepties veranderen en overgaan naar een nieuwe werkcultuur die voorkomt dat deze negatieve houdingen zich manifesteren en de adoptie en nauwkeurige meting hinderen. Enquêtes en assessments zijn een efficiënte manier om de houdingen en waargenomen betrokkenheid van specialisten in kaart te brengen en te categoriseren. Van daaruit kunnen bedrijven specialisten groeperen op basis van hun gevoelens ten aanzien van GenAI. Vervolgens kunnen bedrijven aangepaste veranderingsbeheerbenaderingen voor elke groep creëren om een succesvolle AI-integratie te bevorderen; bijvoorbeeld, de meest skeptische specialisten zullen meer aandacht en zorg ontvangen dan neutrale specialisten.

Rekening houden met de complexiteit van real-world projecten

De tweede meest hinderlijke uitdaging was het nauwkeurig meten van de impact van GenAI op de productiviteit, rekening houdend met de complexiteit van real-world projectomstandigheden. In gecontroleerde omgevingen is het gemakkelijker om de invloed van GenAI te meten – echter, zoals eerder vermeld, houden dergelijke tests geen rekening met bepaalde variabelen en inconsistenties. Projecten zijn niet statisch. Ze evolueren constant. Een organisatie kan een situatie hebben waarin ze te maken heeft met roulerende specialisten vanwege vakantieplanning en ziekteverzuim of plotselinge veranderingen in prioriteiten. Specialisten werken ook niet altijd aan specifieke projectactiviteiten waarbij de impact van GenAI het meest gunstig kan zijn, omdat ze vergaderingen moeten bijwonen, e-mails moeten beantwoorden en andere taken buiten het sprintbereik hebben die vaak worden genegeerd in productiviteitsmetingen. Deze inconsistenties en variabelen moeten worden meegenomen in de objectieve meting van de impact van GenAI op softwareontwikkeling.

Andere best practices omvatten het integreren van taakbeheertools in workflows om te zien hoe lang taken in elke status blijven, om de productiviteit en efficiëntie van niet-technische specialisten te bepalen. Evenzo kunnen bedrijfsinformatieoplossingen gegevenspunten automatisch verzamelen, waardoor fouten worden vermeden en tijd wordt bespaard. Bovendien kunnen organisaties de complexiteit van real-world projectomstandigheden mitigeren en een nauwkeurigere evaluatie van de impact van GenAI op productiviteit waarborgen door grondige gegevensschoonmaakpraktijken te hanteren.

Bedrijfsbrede roadmap: nauwkeurig meten

Deze grote GenAI-implementatie benadrukte ook de waarde van een bedrijfsbrede roadmap die het begin en einde van de integratie markeert. Bedrijven moeten opmerken dat een cruciaal element van deze roadmap het definiëren van de meetwaarden is die ze zullen gebruiken voor de basis- en eindfase. Er zijn tientallen verschillende meetwaarden die kunnen helpen bij het evalueren van de impact van GenAI op productiviteit, waaronder, maar niet beperkt tot, snelheid in tijd, doorvoer, gemiddelde herwerktijd en codereviewtijd, codereview-fout- en acceptatiesnelheden, tijd besteed aan bugfixing, enz.

Na het definiëren van deze meetwaarden, moeten bedrijven ze classificeren in objectieve en subjectieve categorieën. Bedrijven kunnen ook gegevens uit taakvolgtools zoals Jira gebruiken voor objectieve meetwaarden. Evenzo moeten ze kwaliteitsstromen, tijdige taakupdates en grondige fasevoltooiing handhaven en naleven. Herinner dat subjectieve meetwaarden, zoals specialisten- en pilootonderzoeken, bedrijven helpen bij het begrijpen van adoptieniveaus en correleren met objectieve metingen. Vanuit een frequentieperspectief moeten metingen routinematig en gepland zijn, niet schaars en willekeurig. Bovendien benadrukken de projectbevindingen de nuttigheid van meetwaarden zoals gemiddelde dagelijkse impact, waargenomen vaardigheid, prestatieverbeteringen, werkdekking, AI-gereedschapsgebruik en ononderbroken workflow om de voortgang van de adoptie te meten.

Bedrijfsbrede roadmap (vervolg): leren en cultuurontwikkeling op schaal

Naast het effectief meten van de impact van GenAI, is een ander vitaal onderdeel van een succesvolle roadmap dat het continu leren en AI-vaardigheden stimuleert via verschillende trainings- en coachingsstrategieën. Deze initiatieven zullen uiteindelijk een bedrijfsbrede leercultuur creëren, waardoor AI-adoptie op schaal mogelijk wordt binnen het hele bedrijf. Verschillende strategieën omvatten het creëren van werkgroepen die zich richten op waar en hoe het bedrijf GenAI kan inzetten, evenals het stimuleren van individuen om te delen wat wel en niet werkt. Ook is het nuttig om prioriteiten voor groei en ontwikkeling vast te stellen, vergezeld van leerpaden op individueel en teamniveau.

Een andere manier waarop bedrijven een cultuur kunnen creëren die nieuwe GenAI-technologieën gemakkelijk adopteert, is door het benadrukken van quick-win use cases. Deze zullen de kracht van GenAI demonstreren aan de bredere organisatie en aarzelende sceptici. Bedrijven moeten ook beveiligingsrichtlijnen en regels voor het gebruik van AI vaststellen om teams te empoweren om te experimenteren en nieuwe benaderingen te verkennen zonder het bedrijf aan risico bloot te stellen. Evenzo moeten organisaties de naleving van branche- en andere best practices afdwingen, evenals veranderingsbeheer onder individuen en teams op taak- en gereedschapsniveau.

Mensen centraal stellen

De twee belangrijkste conclusies uit deze real-life implementatie zijn: ten eerste, GenAI kan leiden tot aanzienlijke productiviteitswinsten binnen de grenzen van een juiste strategie en roadmap; ten tweede, een dergelijke integratie een onmiskenbaar menselijk element heeft dat bedrijven dienen aan te pakken. GenAI zal voor altijd de manier veranderen waarop specialisten dagelijkse taken uitvoeren. Het is ook waarschijnlijk dat GenAI sommige specialisten kan doen voelen alsof ze door de technologie worden bedreigd, wat kan leiden tot weerstand tegen adoptie. Uiteindelijk blijft de sleutel tot een succesvolle GenAI-implementatie duidelijk menselijk. Het is cruciaal voor bedrijven om de diepte hiervan te begrijpen, aangezien het mensen zijn die de technologie operationeel maken en haar praktische waarde ontsluiten.