Навігація у викликах реалізації GenAI

Розробка програмного забезпечення з використанням технології генерації штучного інтелекту (GenAI) покращить продуктивність та ефективність роботи – питання полягає в тому, наскільки великими будуть ці здобутки. Більшість досліджень на цю тему показують значні здобутки в продуктивності. Дослідження Гарвардського університету показало, що спеціалісти, залежно від завдання та рівня кваліфікації, побачили 43% збільшення продуктивності. Аналогічно, звіт Goldman Sachs свідчить, що продуктивність може збільшитися на 1,5 процентних пунктів з використанням GenAI після десяти років широкого впровадження, що еквівалентно майже подвійній темпу зростання продуктивності в США. Хоча ці висновки досить цікаві, більшість з них отримані в контрольованих умовах, які не обов’язково відображають нюанси реальних випадків.

Щоб краще відповісти на питання, наскільки GenAI може покращити продуктивність у розробці програмного забезпечення, провідна компанія з цифрової трансформації та інженерії продукції вирішила записати свої практичні висновки та інсайти з недавнього великомасштабного проекту впровадження GenAI з одним із клієнтів. Цей клієнт хотів впровадити GenAI у робочі процеси 10 команд розробників у трьох потоках, що включало понад 100 спеціалістів. Ці висновки з реальної практики показують різні виклики, з якими зіштнуться підприємства під час цього шляху; крім того, вони підкреслюють необхідність компанії-широкого плану для масштабування впровадження GenAI.

Вирішення негативних настроїв та очікувань спеціалістів

Багато викликів можуть затримати успіх проекту GenAI, таких як юридичні та нормативні проблеми, відсутність обробної потужності, питання безпеки та конфіденційності тощо. Однак найбільш суттєвою перешкодою, з якою зіштовхнулися під час цього великомасштабного впровадження, стали настрої та очікування спеціалістів щодо технологій. Під час впровадження інженерна компанія спостерігала, що спеціалісти клієнта мали певні очікування щодо GenAI та того, як воно покращить їхню роботу. Коли ці початкові очікування не збігалися з результатами щодо якості або часу виконання, вони розвивали негативні настрої щодо технологій. Зокрема, коли GenAI, на їхню думку, не “робило роботу за них”, вони відповідали коментарями типу: “Я очікував кращого та не хочу марнувати свій час nữa”.

Підприємства повинні змінити сприйняття та перейти до нової культури роботи, яка запобігатиме появі цих негативних настроїв та перешкоджатиме впровадженню та точному вимірюванню. Опитування та оцінки є ефективним засобом для картування та категоризації настроїв та сприйняття спеціалістів. Звідти компанії повинні згрупувати спеціалістів за їхніми настроями до GenAI. Потім підприємства можуть створити індивідуальні підходи до зміни для кожної групи з метою успішної інтеграції штучного інтелекту; наприклад, найбільш скептичні спеціалісти отримають більше уваги та піклування, ніж нейтральні спеціалісти.

Врахування складностей реальних проєктів

Другим найбільш суттєвим викликом було точне вимірювання впливу GenAI на продуктивність з урахуванням складностей реальних умов проєктів. У контрольованих середовищах легше оцінити вплив GenAI – однак, як згадувалося раніше, такі тести не враховують певні змінні та несучості. Проєкти не є статичними. Вони постійно еволюціонують. Організація може мати ситуацію, коли в неї є спеціалісти, які змінюються через графіки відпусток та хворобливі дні чи раптові зміни пріоритетів. Спеціалісти також не завжди працюють над конкретними проєктними завданнями, де вплив GenAI може бути найбільш вигідним, оскільки вони мають зустрічі, на які потрібно відвідувати, електронні листи, які потрібно відповідати, та інші завдання поза межами сфери проєкту, які часто залишаються поза увагою при вимірюванні продуктивності. Ці несучості та змінні повинні бути враховані при об’єктивному оцінюванні впливу GenAI на розробку програмного забезпечення.

Інші найкращі практики включають інтеграцію інструментів управління завданнями у робочі процеси для визначення часу, протягом якого завдання залишаються у кожному статусі, для визначення продуктивності та ефективності неспеціалізованих спеціалістів. Аналогічно, рішення бізнес-інтелекту можуть автоматично зібрати дані, зменшуючи помилки та зберігаючи час. Крім того, організації можуть пом’якшити складності реальних умов проєктів та забезпечити більш точну оцінку впливу GenAI на продуктивність шляхом застосування ретельних практик очистки даних.

Компанії-широкий план: вимірювання точно

Це великомасштабне впровадження GenAI також підкреслило значення компанії-широкого плану, який позначає початок та кінець інтеграції. Підприємства повинні звернути увагу на те, що важливим елементом цього плану є визначення метрик, які будуть використовуватися для базових та кінцевих етапів звітності. Десятки різних метрик можуть допомогти оцінити вплив GenAI на продуктивність, включаючи, але не обмежуючись, швидкість у часі, продуктивність, середній час переробки та огляду коду, рівень відмов та прийняття коду, час, витрачений на виправлення помилок тощо.

Після визначення цих метрик компанії повинні класифікувати їх на об’єктивні та суб’єктивні категорії. Підприємства можуть використовувати дані з інструментів управління завданнями, таких як Jira, для об’єктивних метрик. Аналогічно, вони повинні підтримувати та дотримуватися потоків якості, своєчасних оновлень завдань та ретельного завершення етапів. Напам’ятайте, що суб’єктивні метрики, такі як опитування спеціалістів та пілотів, допоможуть підприємствам зрозуміти рівні впровадження та кореляції з об’єктивними вимірюваннями. З точки зору частоти вимірювань повинні бути регулярними та запланованими, а не рідкими та випадковими. Крім того, висновки проєкту підкреслюють корисність метрик, таких як середній щоденний вплив, сприйнята кваліфікація, зміни продуктивності, покриття роботи, використання інструментів штучного інтелекту та безперервний робочий процес, для вимірювання прогресу впровадження.

Компанії-широкий план продовжено: навчання та розвиток культури на масштабі

Крім ефективного вимірювання впливу GenAI, іншим важливим компонентом успішного плану є те, що він забезпечує безперервне навчання та розвиток культури штучного інтелекту через різні стратегії навчання та тренінгів. Ці ініціативи в кінцевому підсумку створять компанії-широку культуру навчання, що дозволить впровадити штучний інтелект на масштабі всього підприємства. Різні стратегії включають створення робочих груп, які зосереджуються на тому, де та як компанія може використати GenAI, а також заохочення окремих осіб до обміну тим, що працює, а що ні. Крім того, корисно встановити пріоритети зростання та розвитку, супроводжувані навчальними шляхами на індивідуальному та командному рівнях.

Іншим способом, яким компанії можуть створити культуру, яка легко приймає нові технології GenAI, є підкреслення швидких випадків використання. Це продемонструє силу GenAI всій організації та скептикам. Підприємства повинні також встановити керівні принципи безпеки та правила взаємодії з штучним інтелектом, щоб дати командам можливість експериментувати та досліджувати нові підходи без піддавання компанії ризику. Аналогічно, організації повинні забезпечити дотримання галузевих стандартів та інших найкращих практик, одночасно вирішуючи питання зміни серед окремих осіб та команд на рівні завдань та інструментів.

Тримання людей у центрі

Два найважливіші висновки з цього реального впровадження полягають у тому, що, по-перше, GenAI може привести до суттєвих здобутків у продуктивності в межах належної стратегії та плану; по-друге, таке впровадження має невід’ємний людський елемент, який компанії повинні вирішувати відповідним чином. GenAI назавжди змінить той спосіб, яким ці спеціалісти виконують щоденні завдання. Також ймовірно, що GenAI може зробити деяких спеціалістів відчувати загрозу від технології, що може викликати опір впровадженню. У кінцевому підсумку, ключ до успішного впровадження GenAI залишається явно людським. Для підприємств важливо зрозуміти глибину цього питання, оскільки це люди, які оперативно використовують технологію, відкриваючи її практичну цінність.