Mākslīgais intelekts pēdējos gados ir no teorētiska koncepta pārvērties par praktisku instrumentu, kas strauji transformē gandrīz visas nozares. Tomēr visredzamākās pārmaiņas šobrīd notiek tieši IT jomā. Vietā, kur šīs tehnoloģijas ne tikai tiek izmantotas, bet arī radītas.
Ja vēl nesen automatizācija nozīmēja atsevišķu uzdevumu vienkāršošanu, tad šodien mēs runājam par pilna cikla transformāciju. No prasību analīzes līdz koda ģenerēšanai, testēšanai un pat izvietošanai – arvien vairāk šo soļu var veikt ar AI palīdzību. Parādās AI aģenti, kas spēj darboties patstāvīgi, pieņemt lēmumus un izpildīt uzdevumus ar minimālu cilvēka iesaisti.
Šīs pārmaiņas būtiski ietekmē arī to, kā mēs organizējam izstrādes darbu.
Līdz šim programmatūras izstrāde lielā mērā balstījās uz Agile pieeju. Sprinti, kas ilgst vienu vai divas nedēļas, story points novērtēšana, regulāra plānošana un retrospekcja, tas viss tika veidots, lai strukturētu cilvēku darbu, nodrošinātu prognozējamību un pakāpenisku vērtības piegādi.
Taču šī pieeja balstās uz vienu būtisku pieņēmumu: ka izstrādes ātrums ir ierobežots ar cilvēka kapacitāti. Brīdī, kad šo ierobežojumu sāk pārņemt mākslīgais intelekts, viss modelis sāk plaisāt.
Ja uzdevums, kas iepriekš prasīja divas nedēļas, tagad var tikt izpildīts vienas vai divu dienu laikā, tad rodas pamatots jautājums – vai sprinti joprojām ir nepieciešami? Kāda ir nozīme detalizēti plānot darbu uz divām nedēļām, ja izpilde notiek daudzkārt ātrāk? Vai story points vispār vēl spēj atspoguļot realitāti, ja “piepūle” vairs nav tieši saistīta ar rezultātu?
Šeit sākas interesantākā daļa – nevis tehnoloģiskā, bet filozofiskā.
Mēs vairs nerunājam tikai par to, kā strādāt ātrāk. Mēs runājam par to, kā mainās darba organizācija un vērtības radīšanas modelis. Ja kodēšana ar AI palīdzību kļūst ievērojami ātrāka, tas nenozīmē, ka tās vērtība pazūd – tā maina savu vietu kopējā procesā. Līdz ar to pieaug citu aktivitāšu nozīme:
- spēja definēt pareizo problēmu un biznesa mērķi;
- spēja saprast klienta un lietotāja vajadzības;
- spēja pieņemt arhitektūras un dizaina lēmumus;
- spēja validēt rezultātu kvalitāti un drošību.
Fokuss pārvietojas no individuāla izpildes ātruma uz kopējo komandas un organizācijas kapacitāti.
Ja agrāk viens no galvenajiem ierobežojumiem bija izstrādes ātrums, tad tagad tas kļūst par spēju efektīvi pārvaldīt vairākus projektus, pieņemt kvalitatīvus lēmumus un nodrošināt konsekventu kvalitāti visā piegādes procesā.
Tas nozīmē arī izmaiņas veiktspējas uztverē:
- mazāk fokusa uz velocity;
- vairāk fokusa uz capacity un caurlaidspēju (throughput);
- spēja vienlaicīgi apkalpot vairāk iniciatīvu, nezaudējot kvalitāti.
Šādā kontekstā Agile principiem var būt jauna interpretācija. Sprintu vietā arvien biežāk var parādīties nepārtraukta darba plūsma. Plānošanas vietā, elastīgāka prioritāšu pārvaldība un biežāka validācija.
Savukārt story points vietā svarīgāks kļūst jautājums – kādu biznesa ietekmi konkrētais darbs rada un cik efektīvi mēs spējam to piegādāt. Vienlaikus pieaug arī nozares ekspertu nozīme. Jo ātrāk AI spēj ģenerēt risinājumus, jo kritiskāka kļūst spēja tos izvērtēt:
- vai risinājums ir korekts;
- vai tas atbilst specifikai;
- vai tas ir drošs, uzturams un mērogojams.
Tāpēc nākotnē konkurētspējīgi būs ne tikai tie, kas izmanto AI, bet tie, kuri spēj to kombinēt ar spēcīgu nozares ekspertīzi un kvalitatīvu validāciju. AI nevis aizstāj izstrādes uzņēmumus, bet ļauj tiem strādāt citā līmenī – ar lielāku kapacitāti, plašāku ietekmi un augstāku pievienoto vērtību.
Ko tas nozīmē klientam?
- ātrāku piegādi bez kompromisiem kvalitātē;
- iespēju vienlaicīgi attīstīt vairākas iniciatīvas;
- lielāku elastību mainīgā biznesa vidē;
- fokusu uz reālu biznesa vērtību, nevis tikai izstrādes apjomu.
LTECH jau šobrīd savos projektos aktīvi izmanto AI risinājumus izstrādes procesos – nevis kā eksperimentu, bet kā praktisku instrumentu, kas ļauj mūsu klientiem sasniegt rezultātus ātrāk un gudrāk.