Päänavigointi

Tekoälylähtöisen ohjelmistokehityksen toimintamalli

Ohjelmistotuotanto halpenee, ja etu siirtyy organisaatioille, jotka tekevät parempia päätöksiä ja todentavat tulokset turvallisesti.

Keskeiset havainnot johdolle

  • Kun tekoäly laskee ohjelmistotuotannon kustannuksia, kilpailuedun saavuttaminen vaatii toimintamallin muutosta. Tiimien työtapoja uudistavat organisaatiot saavuttavat pysyviä hyötyjä todennäköisemmin kuin pelkkiä tekoälyavustajia käyttöön ottavat.

  • Tekoälylähtöinen kehitystyö tarvitsee kahta toisiaan täydentävää valmiutta: asiakkaita ja ongelmia lähellä toimivia sovellustiimejä sekä alusta- tai ”arviointikehystiimejä”, jotka tarjoavat yhteisen kontekstin, suojarajat, arvioinnit ja hallinnan ihmisten ja tekoälyagenttien turvalliseen toimintaan laajassa mittakaavassa.

  • Teknologiajohtaminen siirtyy tuotantokapasiteetin hallinnasta tuotantojärjestelmän suunnitteluun. Johdon on päätettävä selkeästi sovellustiimien vastuista, yhteisestä kontekstista ja kontrolleista, agenttien tarvitsemista ihmisen hyväksynnöistä sekä todennetun oppimisen ja asiakasarvon mittaamisesta.

Vanhassa mallissa toteutuskapasiteetti oli päärajoite

Suuri osa nykyisistä kehityskäytännöistä syntyi maailmassa, jossa ohjelmistojen luominen oli kallista. Toimintaa ohjasi kysymys: miten useammat tiimit voivat toimittaa enemmän ohjelmistoja ennakoitavammin? Tämä oletus muovasi tiimirakenteita, alustojen rahoitusta ja tuotannon mittaamista. Laajentaminen tarkoitti usein lisähenkilöstöä, ja onnistumista kuvattiin järjestelmän läpi kulkevan työn määrällä.

Tekoäly muuttaa tätä oletusta. Mielestämme tekoälylähtöinen kehitystyö ei ole perinteistä kehitystyötä paremmilla työkaluilla. Se vaatii uuden toimintamallin: pienemmät sovellustiimit toimivat lähellä asiakkaiden ongelmia alusta- tai ”arviointikehystiimien” tuella. ”Arviointikehys” tarkoittaa hallittua toimintaympäristöä, joka antaa ihmisille ja agenteille kontekstin, työkalut, käyttöoikeudet, palautesyklit ja rajat tekoälyn turvalliseen laajamittaiseen käyttöön.

Teknologia- ja datajohdolle tämä on tärkeää: yksilöiden tuottavuushyödyt eivät yksin takaa turvallista käyttöönottoa koko organisaatiossa. Ilman harkittua toimintamallia uhkaavat hajanaiset työkalut, päällekkäiset ratkaisut, epäselvät vastuut, hallitsematon tietojen paljastuminen ja vaihteleva laatu.

Yritysten on vaihdettava kysymys ”Miten autamme kehittäjiä käyttämään tekoälyä?” kysymykseen ”Miten uudistamme kehitysjärjestelmän niin, että ihmiset ja agentit luovat arvoa turvallisesti koko yrityksen mittakaavassa?”

Tuotannon halventuessa päätösten merkitys kasvaa

Tekoäly auttaa kehittäjiä tutkimaan useampia ideoita, luomaan prototyyppejä nopeammin ja testaamaan useampia lähestymistapoja. Enemmän tuotoksia ei silti automaattisesti tarkoita enemmän arvoa. Ilman hyvää harkintaa, olennaista kontekstia ja tehokasta arviointia työmäärä voi kasvaa nopeammin kuin kyky päättää, mihin luottaa, mitä ottaa käyttöön ja mistä oppia.

Tekoäly voi laskea koodin tuottamisen ja kokeilujen kustannuksia. Kokonaiskustannusten lasku riippuu siitä, paljonko työtä ohjelmiston tarkistus, integrointi, käyttö, ylläpito ja korjaukset yhä vaativat.

Odotamme kehitystyön kilpailuedun riippuvan yhä enemmän neljästä kyvystä:

  • Päätetään, mitä rakennetaan, miten ja miten valinnat kirjataan.

  • Sidotaan ihmisten ja tekoälyjärjestelmien toiminta oikeaan organisaatiotietoon.

  • Laajennetaan turvallisesti yhteisten alustojen, kontrollien ja arvioinnin avulla.

  • Suunnitellaan arkkitehtuureja, joihin uudet työkalut ja komponentit sopivat ilman toistuvia häiriöitä.

Niukka voimavara ei siis enää ole tuotantokyky vaan kyky lisätä tuotosten hyötyä: valita oikea työ, sitoa se kontekstiin, testata toimivuus ja tunnistaa, mitä ei pidä julkaista.

Kokeilujen halventuessa myös päätösten dokumentoinnin arvo kasvaa. Organisaatioiden on tiedettävä, mitä kokeiltiin, missä epäonnistuttiin, mitä opittiin ja miksi yksi polku valittiin toisen sijaan.

Kehitysjärjestelmien on painotettava nopeaa todentamista, turvallisia kehityskierroksia ja dokumentoitua oppimista, ei vain toimitusnopeutta. Tämä muuttaa sekä kehittäjän roolia että ympäröivää tiimiä.

Kehittäjät ohjaavat yhä laajempaa kokonaisuutta

Kehittäjät eivät niinkään siirry pois rakentamisesta vaan kohti rakennettavien ratkaisujen muotoilua, arviointia ja työn ohjausta.

Tekoälyn tuottamat ohjelmistot eivät poista kehittäjien tarvetta. Ne korostavat osaajia, jotka ymmärtävät järjestelmien rajoitteet, määrittelevät rajapinnat, suunnittelevat arvioinnit ja koordinoivat ihmisten ja agenttien työtä. Teknisen syväosaamisen harkintaan, tuoteymmärrykseen ja arviointitaitoihin yhdistävät kehittäjät luovat usein enemmän arvoa kuin vain yksittäisten komponenttien toteuttajat.

Tekoäly tehostaa tuote- ja kehitystiimien oppimissykliä

Ennen tuotetiimit päättivät, mitä rakennetaan, ja kehitystiimit selvittivät, miten. Nykyään monet organisaatiot yhdistävät tuotehallinnan, suunnittelun ja kehitystyön. Tekoäly muuttaa tiimin sisäistä työtä: halvemmat prototyypit vievät ideat ongelman määrittelystä toteutukseen ja arviointiin saman syklin aikana. Tiimit voivat testata useampia vaihtoehtoja, hylätä heikot ideat aiemmin ja viedä toimiviksi todettuja ideoita pidemmälle tuotantoon.

Tämä suosii pieniä monialaisia tiimejä, joissa tuote-, suunnittelu-, kehitys- ja toimiala-asiantuntijat toimivat samassa oppimissyklissä. Tuoteharkinta ja tekninen harkinta eivät sulaudu yhdeksi rooliksi, mutta niiden on oltava lähempänä toisiaan. Tuotejohtajat tarvitsevat riittävän teknisen osaamisen prototyyppien luomiseen ja vaihtoehtojen arviointiin. Kehittäjät tarvitsevat riittävästi asiakas- ja liiketoimintatietoa ongelman määrittelyyn, eivät vain valmiin vastauksen toteuttamiseen.

Organisaation kontekstista tulee strategista pääomaa

Kehitysorganisaatiot ovat perinteisesti pitäneet koodia keskeisenä pääomana. Koodin tuottamisen helpottuessa pysyvää arvoa on yhä enemmän sen taustalla: toimialaosaamisessa, asiakasymmärryksessä, käyttökokemuksessa, omassa datassa, arviointiaineistoissa, koneluettavissa säännöissä ja arkkitehtuuripäätösten historiassa, joka selittää järjestelmien toimintatavat.

Koodipohjien arvo perustuu osin niihin kiteytyneeseen, vaivalla hankittuun liiketoiminta- ja asiakastietoon. Tekoäly muuttaa koodin tuottamisen työmäärää mutta ei poista tiedon hankkimisen vaatimaa työtä. Organisaatioiden on katsottava koodimäärän ohi ja panostettava arvoaan kasvattavaan pääomaan: hyvin hallittuun omaan dataan, käytettäviin tietojärjestelmiin, syvään asiakasymmärrykseen ja selkeisiin päätöskirjauksiin.

Tietohallinto- ja datajohtajille tämä nostaa tietoarkkitehtuurin ja datan hallinnan kehitystyön suorituskyvyn ytimeen. Tekoälyagentit voivat käyttää vain kontekstia, johon niillä on pääsyoikeus ja jota ne osaavat tulkita. Hajanaiset tiedot, epäselvä datan omistajuus ja ristiriitaiset käyttöoikeudet ovat siksi kehitystyön rajoitteita, eivät vain tiedonhallinnan ongelmia.

Kun konteksti on osa tuotantojärjestelmää, se ei voi jäädä passiiviseksi dokumentaatioksi. Siitä tulee alustan valmius.

Hajauta tekoälytuotanto: paikalliset tiimit, yhteiset suojarajat

Tekoälytuotantoa ei voi jättää täysin yksittäisille tiimeille, kun konteksti, arviointi ja hallinta ovat osa tuotantojärjestelmää. Sitä ei myöskään pidä keskittää niin, että tiimit menettävät yhteyden asiakkaiden todellisiin ongelmiin.

Hajautettu yhteistoimintamalli tasapainottaa nämä tarpeet. Itsenäiset sovellustiimit pysyvät lähellä ongelmaa. Yhteiset alusta- ja arviointikehysvalmiudet tarjoavat uudelleenkäytettävät työkalut, hallitun kontekstin saannin, arviointimallit, käyttöoikeudet ja hallinnan. Malli toimii vain selkein vastuin: sovellustiimit vastaavat työnkulusta ja tuloksista, arviointikehystiimit yhteisistä turvallisen toiminnan valmiuksista. Riskienhallinta, tietoturva ja hallinta säilyttävät riippumattoman valvontansa.

Sovellustiimien ja toimiala-asiantuntijoiden tulee määritellä tehtäväkohtaiset arviointitapaukset ja hyväksymistaso. Arviointikehystiimin tulee tarjota infrastruktuuri, yhteiset kontrollit ja raportointi arviointien yhdenmukaiseen suorittamiseen.

Osa-alue

Sovellustiimi

Arviointikehystiimi

Riskienhallinta, tietoturva ja hallinta

Tuote ja tulos

Valitsee ongelman, työnkulun, käyttäjäkokemuksen ja onnistumismittarit; vastaa asiakas- ja liiketoimintatuloksista

Tarjoaa uudelleenkäytettävät ratkaisumallit, työkalut ja telemetrian

Asettaa rajat käyttötapauksille, joihin liittyy olennainen riski

Konteksti ja pääsyoikeudet

Määrittää työnkulun tarvitsemat tiedot ja toimet

Tarjoaa kontekstirajapinnat, agentin identiteetin ja työkaluoikeudet

Hyväksyy arkaluonteisten tietojen pääsyoikeudet ja valvontarajat

Arviointi ja julkaisu

Määrittää hyväksymiskriteerit ja tarkastaa tulokset

Ylläpitää arviointitestistöjä, auditointilokeja ja hyväksyttyjä käyttöönottopolkuja

Hyväksyy suuren riskin käyttötapaukset, poikkeukset ja olennaiset muutokset

Rahoitus ja vastuuvelvollisuus

Saa rahoituksen sovelluksen tulosten tuottamiseen ja vastaa niistä

Saa rahoituksen yhteisenä valmiutena; mittareina uudelleenkäyttö, kattavuus ja aika turvalliseen tuotantokäyttöön

Vastaa riippumattomasta valvonnasta ja kontrollipäätöksistä

Työrytmi ja oppiminen

Kehittää yhdessä toimiala-asiantuntijoiden kanssa ja tarkastelee tuloksia, ohituksia ja häiriöitä

Muuntaa opit uusiksi testeiksi, kontrolleiksi ja uudelleenkäytettäviksi valmiuksiksi

Tarkastelee häiriöitä ja muutoksia sovituissa hyväksyntäpisteissä

Tämä muuttaa myös johdon tapaa ajatella tiimikokoa. Enemmän ohjelmistoja pienemmillä tiimeillä ei ole tavoite itsessään. Tavoitteena on keskittää ihmisen harkinta sinne, missä se luo eniten arvoa: lähelle ongelmaa sovellustiimeissä sekä yhteisiin valmiuksiin, joiden turvin tiimit etenevät nopeasti mutta hallitusti.

Alustasta tulee ihmisten ja agenttien arviointikehys

Sovellustiimien pienentyessä ja tekoälyn käytön kasvaessa organisaatiot tarvitsevat vahvempia yhteisiä valmiuksia turvalliseen, yhtenäiseen ja vastuulliseen ohjelmistotuotantoon.

Alustakehitys on perinteisesti parantanut kehittäjien tuottavuutta, ja pääkäyttäjiä ovat olleet ihmiset. Tekoälylähtöisen alustan on tuettava sekä ihmisiä että agentteja.

Agentti ei käytä kehittäjäalustaa samoin kuin ihminen. Se tarvitsee koneellisesti käytettäviä ohjeita ja työkaluja, selkeät käyttöoikeudet ja luotettavat työn arviointitavat. Arviointikehyksen on huomioitava myös havainnoitavuus, tietoturva, vaatimustenmukaisuus ja tiedonhallinta. Se tekee autonomiasta hyödyllistä rajaamalla sen selkeästi ja valvottavasti.

Käytännön esimerkki: tekoälyavusteinen asiakastuki säännellyssä pankissa

Pankki ottaa käyttöön tekoälyavusteisen työnkulun korttireklamaatioita koskeviin kyselyihin. Sovellustiimi aloittaa rajatusta tehtävästä: tapauksen luokittelusta, sovellettavan ohjeen hausta ja vastausluonnoksesta asiakaspalvelijalle. Tiimi vastaa työnkulusta, käyttäjäkokemuksesta, eskalointikynnyksistä ja onnistumisen mittareista. Se ei määritä sääntelyohjeita eikä myönnä agentille uusia käyttöoikeuksia.

Agentit voisivat tukea toteutusta, suorittaa tehtäväkohtaisia testejä ja valmistella julkaisun. Ihmiset hyväksyisivät yhä tuotantoonviennin, ja tuotannon tulokset ohjaisivat seuraavaa arviointi- ja kehityskierrosta. Ajonaikaiset kontrollit ovat erillisiä: asiakastukiagentti saa käyttää vain hyväksyttyjä työkaluja ja tietoja määritetyin oikeuksin ja eskalointipoluin.

  • Konteksti: agentti näkee käsiteltävän tapauksen, ratkaisun vaatimat vähimmäisasiakastiedot, hyväksytyt tuote- ja reklamaatio-ohjeet sekä koneluettavat eskalointisäännöt. Se ei pääse varsinaisiin maksutunnuksiin tai asiaan liittymättömiin asiakastietoihin eikä voi kirjoittaa asianhallintajärjestelmään.

  • Arviointi: ennen julkaisua edustavista aiemmista tapauksista ja asiantuntijoiden luokittelemista rajatapauksista kootuilla testeillä on varmistettava luokittelutarkkuus, ohjeiden noudattaminen, asianmukainen pidättäytyminen, henkilötietovuotojen esto sekä valitusten ja taloudellisesti arkaluonteisten tapausten eskalointi.

  • Hyväksyntä: sovellustiimi vastaa tuotepäätöksestä. Riskienhallinta, tietoturva ja vaatimustenmukaisuudesta vastaavat hyväksyvät tiedonsaannin, ohjeiden soveltamisen ja käyttöönottopolun. Asiakaspalvelija hyväksyy jokaisen lähtevän viestin. Asiakkaan rahoihin tai oikeuksiin vaikuttavat päätökset eivät kuulu agentin autonomiaan.

  • Arviointikehyksen loki: jokaisesta ajosta tallennetaan agentin tunniste, malliversio, haettu konteksti ja lähteet, työkalukutsut, sääntötarkistukset, arviointitulokset, ihmisen muutokset tai ohitukset sekä häiriöt. Tiimi jalostaa toimivat ratkaisut uudelleenkäytettäviksi kontekstirajapinnoiksi, arviointitapauksiksi, käyttöoikeusmalleiksi ja hyväksytyiksi käyttöönottopoluiksi. Virheistä ja ohituksista syntyy uusia testejä ja työnkulun parannuksia.

Näin agentille voidaan antaa toimintatilaa vain hyväksytyn kontekstin ja työkalujen kautta. Jokainen tärkeä raja tuottaa tarkasteltavaa ja uudelleenkäytettävää näyttöä. Ihmiset vastaavat yhä merkittävistä päätöksistä. Pankki voi ajan mittaan hyödyntää agentin onnistumisia, ihmisten puuttumisia ja epäonnistumisia työnkulun parantamiseen ja sen laajentamisesta päättämiseen. Tätä rajattu autonomia ja todennettu oppiminen tarkoittavat käytännössä.

Sama työnjako näkyy arviointikehystiimin ylläpitämissä järjestelmissä ja kontrolleissa. Arviointikehystiimit voivat vastata seuraavista:

  • Agentin identiteetti: palvelutunnusten myöntäminen, omistajuuden ja ympäristön kirjaaminen sekä agentin malli-, kehote- ja työkaluversioiden seuranta.

  • Työkaluoikeudet: luku- ja kirjoitusoikeudet, tiedonsaannin rajat, käyttörajoitukset, hyväksyntäpisteet ja agentin toimet oletuksena estävät säännöt.

  • Kontekstirajapinnat: hyväksytyn tiedon tarjoaminen versioitujen, käyttöoikeudet huomioivien rajapintojen kautta niin, että alkuperä ja ajantasaisuus ovat selviä.

  • Arviointitestistöt: edustavien esimerkkien, rajatapausten, turvallisuus-, tietoturva- ja regressiotestien sekä julkaisukynnysten ylläpito.

  • Auditointilokit ja havainnoitavuus: agentin tunnisteen, haetun kontekstin, työkalukutsujen, tuotosten, hyväksyntöjen, ihmisen ohitusten, virheiden ja häiriöiden kirjaaminen asianmukaisin säilytysajoin ja käyttöoikeuksin.

  • Hyväksytyt käyttöönottopolut: eristetyt, varjo-, vaiheistetut ja tuotantokäytön polut automaattitarkistuksineen, palautusmekanismeineen ja muutoksenhallintoineen.

Arviointikehystiimi ei ole uusi nimi kaikille nykyisille alustatoiminnoille. Koneoppimisen operointi-, tietoturva-, hallinta- ja alustatiimeillä on yhä omat vastuunsa. Arviointikehystiimi yhdistää kontrollit tekoälytyönkulkujen kehitykseen ja käyttöön: käyttöoikeudet ja hyväksyntäpisteet sääntöihin, hallitut rajapinnat kontekstiin ja testistöt arviointiin. Lokit tekevät agenttien toiminnasta auditoitavaa ja uudelleenkäytettävää.

Kaavio tekoälylähtöisen ohjelmistokehityksen toimintamallista, jossa yhteinen alusta ja arviointikehys tukevat sovellustiimejä.

Henkilöstön, johtamisen ja mittareiden on muututtava

Kun kehitystyö jakautuu sovellustuotantoon ja yhteisiin tukivalmiuksiin, henkilöstön, johtamisen ja mittaamisen on muututtava mukana.

Sovellustiimit tarvitsevat tuote-, kehitys- ja toimialaharkintaa lähellä ratkaistavaa ongelmaa. Alusta- ja arviointikehystiimit tarvitsevat osaajia suunnittelemaan ja ylläpitämään ihmisiä ja agentteja laajasti tukevaa yhteistä ympäristöä.

Teknologiajohtajista tulee ohjelmistotuotannon järjestelmän suunnittelijoita

Teknologia-, data- ja tietohallintojohtajien on päätettävä, mitä tuetaan keskitetysti ja mitä jätetään tiimeille.

Sovellustiimit tarvitsevat vapauden toimia nopeasti ja lähellä asiakkaita. Niiden ei pitäisi joutua rakentamaan uudelleen turvallista tiedonsaantia, havainnoitavuutta, arviointia ja hallintaa.

Tekoälylähtöisessä organisaatiossa teknologiajohtajien on siirrettävä huomiota tuotantokapasiteetin hallinnasta tuotantojärjestelmän suunnitteluun. Tähän kuuluu:

  • rekrytointi ja osaamisen kehittäminen harkinta- ja päätöksentekokyvyn pohjalta;

  • panostaminen yhteisiin tekoälyalustoihin, arviointeihin, suojarajoihin, hyväksyttyihin polkuihin, tietovirtoihin ja tiedonsaantimalleihin;

  • toimintarajojen määrittely agenteille, ihmisille ja yhteisille työnkuluille;

  • todennetun oppimisen, luotettavuuden, asiakasvaikutuksen ja turvallisen uudelleenkäytön mittaaminen; sekä

  • teknologian riittävä tuntemus, jotta ymmärretään, missä tekoäly todella muuttaa tuotannon taloudellisia edellytyksiä.

Hyvin toteutettu järjestelmä helpottaa sopivan kontekstin saantia, tekoälyn työn testausta, toimivien mallien uudelleenkäyttöä ja ihmisen hyväksyntää vaativien kohtien tunnistamista.

Nykyiset kehitysmittarit kertovat vain osan

Monet kehitysmittarit syntyivät aikana, jolloin ohjelmistotuotanto oli keskeinen rajoite. Kehitysnopeus, tarinapisteet, suoritusteho ja julkaisutiheys ovat yhä hyödyllisiä mittareita. Yksin ne kertovat kuitenkin vähemmän, kun tekoäly vähentää ohjelmistotuotannon vaatimaa työtä.

Tiimi voi tuottaa enemmän koodia ja kokeiluja mutta silti tehdä huonoja päätöksiä, luoda turhaa monimutkaisuutta tai lisätä riskiä.

Teknologiajohtajien on siksi kysyttävä muutakin kuin tuotetun ohjelmiston tai tekoälytyökalujen käytön määrää. Heidän on ymmärrettävä, nopeuttaako tekoäly oppimista, parantaako se asiakkaiden tuloksia ja tukeeko se luotettavaa toimintaa sovituissa rajoissa.

Sovellustiimien hyödyllisiä mittareita voivat olla:

  • todennettuun oppimiseen kuluva aika;

  • asiakkaiden tulosten paraneminen;

  • tuotettu liiketoiminta-arvo;

  • käyttöönotto ja käyttäytymisen muutos; sekä

  • näyttöön perustuviin päätöksiin johtavien kokeilujen osuus.

Todennetun oppimisen ajan tulee kattaa koko jakso kokeilun alusta siihen, kun päätökselle on riittävästi näyttöä. Maanantaina aloittavan, keskiviikkona julkaisevan ja perjantaina perusteltuun päätökseen päätyvän tiimin oppimissykli kestää viikon, ei kahden päivän toimitussykliä.

Alusta- ja arviointikehystiimien hyödyllisiä mittareita voivat olla:

  • hyväksyttyjen tekoälyratkaisumallien uudelleenkäyttö;

  • arviointien kattavuus ja vaikuttavuus;

  • tekoälyyn liittyvät häiriöt ja korjaustyö;

  • aika ideasta turvalliseen tuotantokäyttöön;

  • agenttien toimien havainnoitavuus; sekä

  • auditointi- ja vaatimustenmukaisuusvalmius.

Kustannusmittarien tulee kattaa mallin käyttö, ihmisen tarkistus, epäonnistuneet yritykset, korjaustyö ja käytön tuki kutakin onnistunutta tulosta kohti.

Mittarit vaativat silti selkeät määritelmät, lähtötasot ja arviointimenetelmät. Tavoitteena ei ole vaihtaa yhtä yleismittaristoa toiseen, vaan mitata, tuottaako tuotantojärjestelmä luotettavia tuloksia.

Tämäkin toimintamalli voi jäädä väliaikaiseksi

Sovellus- ja arviointikehystiimien malli on yksi vastaus tekoälylähtöisen kehityksen nykyvaiheeseen. Sitä ei tule pitää pysyvänä lopputilana.

Kehitystyön perusyksikköä voivat jälleen muuttaa monet kehityskulut:

  • agentit ottavat vastuun kokonaisista työnkuluista;

  • osa ohjelmistoista jää tilapäisiksi vuosien ylläpidon sijaan;

  • käyttäjät siirtyvät sovelluskäyttöliittymistä agenttien ohjaamiin kokemuksiin;

  • perusmallit omaksuvat yhä enemmän alustojen valmiuksia; sekä

  • sääntely nostaa auditoitavuuden ja vastuuvelvollisuuden kehitystyön määrääviksi reunaehdoiksi.

Nämä ovat mahdollisuuksia, eivät varmoja lopputuloksia. Jos ne toteutuvat, jopa jako sovellus- ja alustatiimeihin voi osoittautua liian kapeaksi.

Epävarmuuteen parhaiten varautuneet organisaatiot pitävät toimintamallinsa mukautuvana. Ne rakentavat toimintansa selkeille periaatteille, vahvalle kontekstille, rajatulle autonomialle ja nopealle oppimiselle, eivät kiinteille tiimirakenteille tai työkaluvalinnoille.

Luotettava edistyminen on kehitystyön uusi laatukriteeri

Tekoäly ei vähennä kehitysjärjestelmien merkitystä. Se kasvattaa hyvän suunnittelun arvoa.

Ohjelmistotuotannon halventuessa etu siirtyy organisaatioille, jotka tekevät parempia päätöksiä, kartuttavat hyödyllistä kontekstia ja toimivat turvallisesti. Tekoälylähtöinen kehitystyö ei tarkoita vain tekoälytyökalujen käyttöä. Se uudistuu uusien reunaehtojen pohjalta: päätösten laatu, yhteinen konteksti, rajattu autonomia ja nopea oppiminen.

Teknologiajohtajat voivat aloittaa tekemällä neljä selkeää päätöstä:

  1. Mitkä asiakas- ja tuotepäätökset on pidettävä lähellä sovellustiimejä?

  2. Mikä konteksti ja mitkä kontrollit ja arviointivalmiudet kannattaa jakaa?

  3. Missä agentit voivat toimia itsenäisesti ja missä tarvitaan ihmisen hyväksyntä?

  4. Mitkä mittarit osoittavat todennettua oppimista, asiakasarvoa ja turvallista toimintaa?

Vastaukset ratkaisevat tekoälyn käyttöönoton arvon vahvemmin kuin organisaation käyttöön ottamien avustajien määrä.

Authors

Abbie Manning, Saurabh Singh