Nawigacja w wyzwaniach wdrożenia GenAI

Rozwój oprogramowania z użyciem GenAI (sztucznej inteligencji generatywnej) poprawi produktywność i wydajność pracy – pytanie brzmi, o ile? Większość badań rynkowych na ten temat pokazuje znaczne zyski w produktywności. Badania przeprowadzone przez Harvard wykazały, że specjaliści, w zależności od zadania i stanowiska, doświadczali 43% wzrostu produktywności. Podobnie, raport Goldman Sachs sugeruje, że produktywność może wzrosnąć o 1,5 punktu procentowego z GenAI po dziesięciu latach szerokiej adopcji, co odpowiada niemal podwójnemu tempu wzrostu produktywności w USA. Chociaż te wyniki są interesujące, pochodzą one z kontrolowanych środowisk, które niekoniecznie odzwierciedlają nuansów przypadków rzeczywistych.

Aby lepiej odpowiedzieć na to, jak bardzo GenAI może poprawić produktywność w rozwoju oprogramowania, wiodąca firma świadcząca usługi transformacji cyfrowej i inżynierii produktów postanowiła udokumentować swoje praktyczne ustalenia i spostrzeżenia z niedawnego dużego projektu wdrożenia GenAI u jednego ze swoich klientów. Klient ten chciał wdrożyć GenAI w procesach pracy 10 zespołów developerskich w ramach trzech strumieni, co dotyczyło ponad 100 specjalistów. Te ustalenia z życia wziętego ujawniają różne wyzwania, z którymi będą się spotykać przedsiębiorstwa na swojej drodze; ponadto podkreślają konieczność posiadania przez firmę mapy drogowej na skalę całej firmy w celu skalowania adopcji GenAI.

Rozwiązywanie negatywnych postaw i oczekiwań specjalistów

Wiele wyzwań może opóźnić powodzenie projektu GenAI, takich jak zagadnienia prawne i regulacyjne, brak pojemności przetwarzania, bezpieczeństwo i prywatność itp. Jednak największą przeszkodą, z którą spotkano się podczas tego dużego wdrożenia, były postawy i oczekiwania specjalistów wobec technologii. Podczas wdrożenia firma inżynierska zaobserwowała, że specjaliści klienta mieli pewne oczekiwania dotyczące GenAI i tego, jak to ułatwi im pracę. Gdy te początkowe oczekiwania nie pokrywały się z wynikami dotyczącymi jakości lub czasu wykonania, rozwijali negatywne postawy wobec technologii. W szczególności, gdy GenAI nie „wykonywał pracy za nich”, respondenci zwracali uwagę, że „oczekiwali lepszego i nie chcą już tracić czasu”.

Przedsiębiorstwa muszą zmienić percepcję i przejść do nowej kultury pracy, która uniemożliwi pojawianie się tych negatywnych postaw i utrudnianie adopcji oraz dokładnego pomiaru. Ankiety i oceny są skutecznym sposobem mapowania i klasyfikacji postaw oraz postrzeganej zaangażowania specjalistów. Następnie firmy powinny klasyfikować specjalistów według ich postaw wobec GenAI. Następnie przedsiębiorstwa mogą tworzyć dostosowane podejścia do zarządzania zmianą dla każdej grupy w celu promowania udanej integracji AI; na przykład najbardziej sceptyczni specjaliści otrzymają więcej uwagi i opieki niż specjaliści o neutralnym nastawieniu.

Uwzględnianie złożoności projektów rzeczywistych

Drugim najbardziej utrudniającym wyzwaniem było dokładne pomiarowanie wpływu GenAI na produktywność, biorąc pod uwagę złożoność projektów rzeczywistych. W kontrolowanych środowiskach łatwiej jest ocenić wpływ GenAI – jednak, jak wcześniej wspomniano, takie testy nie uwzględniają pewnych zmiennych i nieścisłości. Projekty nie są statyczne. Ciągle ewoluują. Organizacja może mieć sytuację, w której specjaliści są wymieniani z powodu urlopów i dni chorobowych lub nagłych zmian priorytetów. Specjaliści nie zawsze pracują nad konkretnymi działaniami projektowymi, gdzie wpływ GenAI może być najbardziej korzystny, ponieważ mają spotkania, które muszą odbyć, maile do odpowiedzi i inne zadania poza zakresem sprintu, które często są pomijane w pomiarach produktywności. Te nieścisłości i zmienne muszą być brane pod uwagę przy obiektywnym pomiarze wpływu GenAI na rozwój oprogramowania.

Inne najlepsze praktyki obejmują integrację narzędzi do zarządzania zadaniami w procesach pracy, aby zobaczyć, jak długo zadania pozostają w każdym statusie, w celu określenia produktywności i wydajności specjalistów niebędących specjalistami od techniki. Podobnie, rozwiązania analityczne mogą automatycznie gromadzić punkty danych, redukując błędy i oszczędzając czas. Ponadto organizacje mogą złagodzić złożoność projektów rzeczywistych i zapewnić bardziej dokładną ocenę wpływu GenAI na produktywność, stosując staranne praktyki czyszczenia danych.

Mapa drogowa na skalę całej firmy: Pomiar dokładny

To dużego rozmiaru wdrożenie GenAI również podkreśliło wartość mapy drogowej na skalę całej firmy, która wyznacza początek i koniec integracji. Przedsiębiorstwa powinny zauważyć, że kluczowym elementem tej mapy drogowej jest określenie metryk, które będą używane do etapu bazowego i końcowego raportowania. Dziesiątki różnych metryk mogą pomóc w ocenie wpływu GenAI na produktywność, w tym, ale nie tylko, prędkość w czasie, przepływ, średni czas ponownej pracy i przeglądu kodu, wskaźniki niepowodzenia i akceptacji kodu, czas spędzony na naprawie błędów itp.

Po zdefiniowaniu tych metryk firmy powinny je sklasyfikować na kategorie obiektywne i subiektywne. Przedsiębiorstwa mogą również wykorzystywać dane z narzędzi do śledzenia zadań, takich jak Jira, do metryk obiektywnych. Podobnie, muszą utrzymywać i przestrzegać przepływów jakości, terminowych aktualizacji zadań i starannego ukończenia etapu. Przypomnij, że metryki subiektywne, takie jak ankiety specjalistów i pilotów, pomogą firmom zrozumieć poziomy adopcji i korelacje z pomiarami obiektywnymi. Z punktu widzenia częstotliwości pomiarów powinny być rutynowe i zaplanowane, a nie rzadkie i losowe. Co więcej, ustalenia projektu podkreślają użyteczność metryk, takich jak średni dzienny wpływ, postrzegana biegłość, zmiany wydajności, pokrycie pracy, wykorzystanie narzędzi AI i nieprzerwany przepływ pracy, w celu pomiaru postępów adopcji.

Mapa drogowa na skalę całej firmy – kontynuacja: Rozwój uczenia się i kultury na skalę

Oprócz skutecznego pomiaru wpływu GenAI, innym ważnym składnikiem udanej mapy drogowej jest to, że napędza ciągłe uczenie się i biegłość AI za pomocą różnych strategii szkoleniowych i trenerskich. Te inicjatywy ostatecznie wspierają kulturę uczenia się na skalę całej firmy, umożliwiając adopcję AI na skalę całej firmy. Różne strategie obejmują tworzenie grup roboczych, które koncentrują się na tym, gdzie i jak firma może wykorzystać GenAI, a także zachęcanie osób do dzielenia się tym, co działa, a co nie. Ponadto pomocne jest ustanowienie priorytetów rozwoju i ścieżek rozwoju na poziomie indywidualnym i zespołowym.

Inny sposób, w jaki firmy mogą budować kulturę, która chętnie przyjmuje nowe technologie GenAI, to podkreślanie szybkich przypadków użycia. Będą one demonstrować moc GenAI dla większej organizacji i niechętnych sceptyków. Przedsiębiorstwa powinny również ustanowić wytyczne bezpieczeństwa i reguły korzystania z AI, aby umożliwić zespołom eksperymentowanie i poszukiwanie nowych podejść bez narażania firmy na ryzyko. Podobnie, organizacje muszą egzekwować przestrzeganie standardów branżowych i innych najlepszych praktyk, jednocześnie zajmując się zarządzaniem zmianą wśród osób i zespołów na poziomie zadania i narzędzi.

Trzymanie ludzi w centrum

Dwa najważniejsze wnioski z tego wdrożenia w świecie rzeczywistym są: po pierwsze, GenAI może prowadzić do znacznych zysków produktywności w ramach właściwej strategii i mapy drogowej; po drugie, taka integracja ma niezaprzeczalny element ludzki, który firmy muszą odpowiednio rozwiązać. GenAI na zawsze zmieni sposób, w jaki specjaliści wykonują codzienne zadania. Jest również prawdopodobne, że GenAI może sprawić, iż niektórzy specjaliści będą czuć się zagrożeni przez tę technologię, co może powodować opór wobec adopcji. Ostatecznie kluczem do udanej implementacji GenAI pozostaje wyraźnie ludzki. Jest to kluczowe dla firm, aby zrozumieć głębię tego, ponieważ to ludzie operacjonalizują technologię, odblokowując jej praktyczną wartość.