Tanke ledare
Navigera i utmaningarna med GenAI-implementering
Generativ AI (GenAI)-aktiverad mjukvaruutveckling kommer att förbĂ€ttra produktiviteten och arbetseffektiviteten â frĂ„gan Ă€r hur mycket? De flesta marknadsundersökningar om detta Ă€mne visar pĂ„ betydande produktivitetsvinster. Forskning frĂ„n Harvard fann att specialister, beroende pĂ„ uppgift och tjĂ€nstgöringstid, sĂ„g en 43% produktivitetsökning. LikasĂ„ antyder en rapport frĂ„n Goldman Sachs att produktiviteten kan öka med 1.5 procentenheter med GenAI efter tio Ă„r av bred anvĂ€ndning, vilket motsvarar nĂ€stan dubbelt sĂ„ hög produktivitetstillvĂ€xt i USA. Ăven om de Ă€r insiktsfulla kommer de flesta av dessa fynd frĂ„n kontrollerade instĂ€llningar som inte nödvĂ€ndigtvis Ă„terspeglar nyanserna i verkliga anvĂ€ndningsfall.
För att bÀttre svara pÄ hur mycket GenAI kan förbÀttra produktiviteten inom mjukvaruutveckling, beslutade ett ledande företag inom digital transformation och produktutveckling att spela in sina praktiska resultat och insikter frÄn ett nyligen genomfört storskaligt GenAI-implementeringsprojekt med en av sina kunder. Den hÀr klienten ville anvÀnda GenAI i arbetsprocesserna för 10 utvecklingsteam i tre arbetsflöden, med över 100 specialister. Dessa rön i verkligheten avslöjar de olika utmaningarna som företag kommer att stöta pÄ under resan; dessutom understryker de nödvÀndigheten av en företagsomfattande fÀrdplan för att skala GenAI-anvÀndningen.
Ta itu med specialisternas negativa attityder och förvÀntningar
MÄnga utmaningar kan försena framgÄngen för ett GenAI-projekt, som t.ex juridiska och regulatoriska frÄgor, bristande behandlingskapacitet, sÀkerhet och integritet, etc. Den viktigaste vÀgspÀrren man stötte pÄ under denna storskaliga implementering var dock specialisternas attityder och förvÀntningar kring teknikerna. Under implementeringen observerade ingenjörsföretaget att kundens specialister hade vissa förvÀntningar pÄ GenAI och hur det skulle förstÀrka deras arbete. NÀr dessa initiala förvÀntningar inte stÀmde överens med resultaten angÄende kvalitet eller genomförandetid, skulle de utveckla negativa attityder till teknikerna. I synnerhet nÀr GenAI inte, med sina ord, "Gör jobbet Ät mig", svarade de med kommentarer som: "Jag förvÀntade mig bÀttre och vill inte slösa bort min tid lÀngre."
Företag mÄste Àndra uppfattningar och övergÄ till en ny arbetskultur som förhindrar dessa negativa attityder frÄn att manifestera och hindra adoption och korrekta mÀtningar. Undersökningar och bedömningar Àr ett effektivt sÀtt att kartlÀgga och kategorisera sina specialisters attityder och upplevda engagemang. DÀrifrÄn bör företag gruppera specialister baserat pÄ deras kÀnslor för GenAI. Sedan kan företag skapa skrÀddarsydda förÀndringshanteringsmetoder för varje grupp för att frÀmja framgÄngsrik AI-integration; till exempel kommer de mest skeptiska specialisterna att fÄ mer uppmÀrksamhet och vÄrd Àn neutrala specialister.
Redovisning för komplexiteten i verkliga projekt
Den nĂ€st mest obstruktiva utmaningen var att noggrant mĂ€ta effekten av GenAI pĂ„ produktiviteten samtidigt som man tog hĂ€nsyn till komplexiteten i verkliga projektförhĂ„llanden. I kontrollerade miljöer Ă€r det lĂ€ttare att mĂ€ta pĂ„verkan av GenAI â men som tidigare nĂ€mnts tar sĂ„dana tester inte hĂ€nsyn till vissa variabler och inkonsekvenser. Projekten stĂ„r inte stilla. De utvecklas hela tiden. En organisation kan ha en situation dĂ€r de har roterande specialister pĂ„ grund av semesterscheman och sjukdagar eller plötsliga förĂ€ndringar i prioriteringar. Specialister arbetar inte heller alltid med specifika projektaktiviteter dĂ€r GenAI-pĂ„verkan kan vara mest fördelaktig eftersom de har möten att delta i, e-postmeddelanden att svara pĂ„ och andra uppgifter utanför sprintomfĂ„nget som ofta förbises i produktivitetsmĂ€tningar. Dessa inkonsekvenser och variabler mĂ„ste beaktas nĂ€r man objektivt mĂ€ter effekten av GenAI pĂ„ mjukvaruutveckling.
Andra bÀsta praxis inkluderar att integrera uppgiftshanteringsverktyg i arbetsflöden för att se hur lÀnge uppgifter stannar i varje status för att faststÀlla icke-tekniska specialisters produktivitet och effektivitet. PÄ samma sÀtt kan business intelligence-lösningar automatiskt samla datapunkter, vilket minskar fel och sparar tid. Dessutom kan organisationer mildra komplexiteten i verkliga projektförhÄllanden och sÀkerstÀlla en mer exakt utvÀrdering av GenAI:s inverkan pÄ produktiviteten genom att anvÀnda grundliga metoder för datarensning.
Företagsövergripande fÀrdplan: MÀtning exakt
Denna storskaliga GenAI-implementering lyfte ocksÄ fram vÀrdet av en företagsomfattande fÀrdplan som markerar början och slutet av integrationen. Företag bör notera att en avgörande del av denna fÀrdplan Àr att definiera de mÄtt som de kommer att anvÀnda för baslinje- och slutrapporteringsstadierna. Dussintals olika mÀtvÀrden kan hjÀlpa till att bedöma GenAI:s inverkan pÄ produktiviteten, inklusive, men inte begrÀnsat till, hastighet i tid, genomströmning, genomsnittlig omarbetning och kodgranskningstid, kodgranskning misslyckande och acceptansfrekvens, tid som Àgnas Ät buggfixning, etc.
Efter att ha definierat dessa mÄtt bör företagen klassificera dem i objektiva och subjektiva kategorier. Företag kan ocksÄ anvÀnda data frÄn uppgiftsspÄrningsverktyg som Jira för objektiva mÀtvÀrden. LikasÄ mÄste de upprÀtthÄlla och följa kvalitetsflöden, aktuella uppgiftsuppdateringar och noggrant slutförande av steg. Kom ihÄg att subjektiva mÀtvÀrden, som specialist- och pilotundersökningar, kommer att hjÀlpa företag att förstÄ anvÀndningsnivÄer och samband med objektiva mÀtningar. Ur ett frekvensperspektiv bör mÀtningarna vara rutinmÀssiga och schemalagda, inte sparsamma och slumpmÀssiga. Dessutom betonar projektets resultat anvÀndbarheten av mÀtvÀrden som genomsnittlig daglig pÄverkan, upplevd skicklighet, prestandaförÀndringar, arbetstÀckning, anvÀndning av AI-verktyg och oavbrutet arbetsflöde för att mÀta adoptionsförlopp.
Företagsomfattande fÀrdplan fortsÀttning: LÀrande och kulturutveckling i skala
Förutom att effektivt mÀta effekten av GenAI, Àr en annan viktig komponent i en framgÄngsrik fÀrdplan att den driver kontinuerligt lÀrande och AI-flytande genom olika utbildnings- och coachningsstrategier. Dessa initiativ kommer i slutÀndan att frÀmja en företagsomfattande inlÀrningskultur, vilket möjliggör anvÀndning av AI i stor skala över hela företaget. Olika strategier inkluderar att skapa arbetsgrupper som fokuserar pÄ var och hur företaget kan utnyttja GenAI samt att uppmuntra individer att dela med sig av vad som fungerar och inte fungerar. Det Àr ocksÄ bra att sÀtta upp tillvÀxt- och utvecklingsprioriteringar Ätföljda av inlÀrningsvÀgar pÄ individ- och teamnivÄ.
Ett annat sÀtt som företag kan bygga en kultur som lÀtt tar till sig ny GenAI-teknik Àr genom att lyfta fram snabba anvÀndningsfall. Dessa kommer att visa kraften i GenAI för den större organisationen och motvilliga skeptiker. Företag bör ocksÄ upprÀtta sÀkerhetsriktlinjer och regler för engagemang med AI för att ge team möjlighet att experimentera och utforska nya tillvÀgagÄngssÀtt utan att utsÀtta företaget för risker. PÄ samma sÀtt mÄste organisationer genomdriva efterlevnad av branschstandarder och andra bÀsta praxis samtidigt som de hanterar förÀndringshantering bland individer och team pÄ uppgifts- och verktygsnivÄer.
Att hÄlla mÀnniskor i centrum
De tvÄ viktigaste fördelarna med denna verkliga implementering Àr: För det första kan GenAI leda till betydande produktivitetsvinster inom ramarna för en riktig strategi och fÀrdplan; för det andra har en sÄdan integration ett obestridligt mÀnskligt element som företag mÄste ta itu med dÀrefter. GenAI kommer för alltid att förÀndra hur dessa specialister utför dagliga uppgifter. Det Àr ocksÄ troligt att GenAI kan fÄ vissa specialister att kÀnna sig hotade av tekniken som kan orsaka motstÄnd mot adoption. I slutÀndan förblir nyckeln till en framgÄngsrik GenAI-implementering distinkt mÀnsklig. Det Àr avgörande för företag att förstÄ djupet av detta, eftersom det Àr mÀnniskor som operationaliserar tekniken och lÄser upp dess praktiska vÀrde.
