ο Ευκίνητη κίνηση — που ενθαρρύνει τη στενή, επαναληπτική εργασία μεταξύ των ομάδων τεχνολογίας και επιχειρήσεων — παίρνει μια ενδιαφέρουσα τροπή. Τεχνητή νοημοσύνη (AI) έχει την υπόσχεση να παρέμβει, να βοηθήσει τους πάντες να είναι συγχρονισμένοι και να ελευθερώσει προγραμματιστές και επαγγελματίες πληροφορικής, ώστε να μπορούν να αφιερώνουν περισσότερο χρόνο στη διαχείριση της επιχείρησης.
Ο αντίκτυπος της τεχνητής νοημοσύνης έχει τη δυνατότητα να είναι η πιο ενδιαφέρουσα εξέλιξη στο Agile από τότε που η πρακτική περιγράφηκε για πρώτη φορά πριν από δύο δεκαετίες. Στο μέλλον, μπορεί να μιλάμε για ένα άλλο είδος AI — Agile Intelligence.
Επίσης: Πέντε τρόποι για να χρησιμοποιήσετε την τεχνητή νοημοσύνη υπεύθυνα
Είναι σημαντικό ότι ο αντίκτυπος της τεχνητής νοημοσύνης στο Agile λειτουργεί αμφίδρομα. Όπως το AI επηρεάζει το Agile, χρειάζεστε επίσης μια φιλοσοφία Agile για να δημιουργήσετε και να εκτελέσετε συστήματα που βασίζονται σε AI. Όμως, όπου το AI και το Agile χρησιμοποιούνται σε συνδυασμό, υπάρχει η δυνατότητα για τις επιχειρήσεις να υπερφορτίσουν τις διαδικασίες σχεδιασμού και ανάπτυξης λογισμικού τους.
«Η τεχνητή νοημοσύνη φέρνει τους προγραμματιστές, τις λειτουργίες και τους χρήστες πιο κοντά μέσω ταχύτερης πρόσβασης στη γνώση, βελτιωμένων ροών εργασίας και αυτοματοποιημένων διαδικασιών», λέει. Μάργκαρετ Λιανώτερος αντιπρόεδρος και γενικός διευθυντής διαχείρισης ψηφιακών υπηρεσιών και λειτουργιών στην BMC.
Επίσης: Τα καλύτερα chatbot AI: ChatGPT και άλλες αξιοσημείωτες εναλλακτικές λύσεις
Ίσως το πιο επιτακτικό όφελος από Συνεργασία ενισχυμένη με AI είναι ο χρόνος που δίνεται πίσω τόσο στις ομάδες τεχνολογίας όσο και στους χρήστες. «Το AI μπορεί να βοηθήσει σε πολλές διοικητικές δραστηριότητες, επομένως μας δίνει αυτόματα περισσότερο χρόνο για συνεργασία», λέει Κιθ Φάρλεϊανώτερος αντιπρόεδρος στο Aflac.
Λέει ότι η τεχνητή νοημοσύνη ουσιαστικά χρησιμεύει “ως ένας τύπος συνεργάτη υπερδυνάμεων”: “Για παράδειγμα, όταν φέρνεις δύο ανθρώπους κοντά, έχεις τις σκέψεις, τις εμπειρίες και τις προσωπικότητες δύο ανθρώπων να συνεισφέρουν στη συζήτηση. Αν έχεις τέσσερα άτομα, τότε είναι τέσσερα, Και ούτω καθεξής. Αλλά όταν σηκώνετε μια θέση για το gen AI, είναι σαν να προσθέτετε τις σκέψεις και τις στάσεις ενός εκατομμυρίου διαφορετικών ανθρώπων στη συζήτησή σας.”
Η μεταφορά αυτών των ποικίλων σκέψεων σε συζητήσεις “θα μας επιτρέψει να εξετάσουμε ευρύτερα και να κατανοήσουμε διαφορετικές απόψεις πέρα από τις δικές μας προκαταλήψεις, κάτι που μπορεί να οδηγήσει σε καλύτερα προϊόντα και αποτελέσματα”, προσθέτει η Farley.
Πολλοί επαγγελματίες πληροφορικής ενδιαφέρονται για τις δυνατότητες της ενισχυμένης με AI συνεργασία και ήδη πειραματίζονται, λέει ο Lee της BMC. «Οι καινοτομίες της τεχνητής νοημοσύνης και οι περιπτώσεις χρήσης, είτε γενεσιουργές, αιτιώδεις, συσχετιστικές, προγνωστικές – ή όλες που συνεργάζονται μέσω σύνθετης τεχνητής νοημοσύνης – συμβαίνουν επί του παρόντος», λέει.
“Η αυτοματοποίηση με τεχνητή νοημοσύνη βελτιώνει την εμπειρία των προγραμματιστών απλοποιώντας και επιταχύνοντας τη δουλειά τους με βελτιωμένη διαχείριση αλλαγών. Η τεχνητή νοημοσύνη μοιράζεται αυτόματα πληροφορίες σε ομάδες, όπως DevOps και SRE, για να ενισχύσει τη μεγαλύτερη συνεργασία για νέες εφαρμογές και βελτιώσεις διαδικασιών.”
Επίσης: Η τεχνητή νοημοσύνη φέρνει πολύ περισσότερα στα DevOps από όσα φαίνονται στο μάτι
Η τεχνητή νοημοσύνη μπορεί να βοηθήσει στην «οδήγηση της συνεργασίας και της καινοτομίας σε κλίμακα», συμφωνεί Varun Parmar, Διευθύνων Σύμβουλος της Miro. “Τα μεγαλύτερα εμπόδια στην καινοτομία είναι οι τεχνολογικές προκλήσεις, όπως εργαλεία παλαιού τύπου και οργανωτικές προκλήσεις, ειδικά αυτές που σχετίζονται με τη διαλειτουργική συνεργασία. Ο φόβος παρεμποδίζει την καινοτομία και οι εταιρείες φοβούνται να δώσουν προτεραιότητα στην καινοτομία.”
Ένα παράδειγμα συνεργασίας με ενισχυμένη τεχνητή νοημοσύνη σε δράση είναι η «συνεργασία μεταξύ ομάδων μέσω προγνωστικού εντοπισμού και αυτόματης αποκατάστασης περιστατικών προτού συμβούν, ενώ ταυτοποιείται η ανάλυση της βασικής αιτίας των προβλημάτων», λέει ο Lee. «Το AI βελτιώνει επίσης τη συνεργασία με αυτοματοποίηση διαχείρισης ροής εργασιών σε όλα τα τμήματα, όπως η επιβίβαση υπαλλήλων HR.”
Το καθαρό αποτέλεσμα αυτής της προσπάθειας είναι ότι η τεχνητή νοημοσύνη «εξαλείφει τις κουραστικές γενικές εργασίες που συχνά μαστίζουν τις ομάδες σε όλες τις εταιρείες», λέει η Parmar του Miro. “Αυτό σημαίνει την εύρεση του καλύτερου λογισμικού για την εκτέλεση εργασιών όπως η δημιουργία τεχνικών διαγραμμάτων, η ερμηνεία κώδικα και η ομαδοποίηση και σύνοψη περιεχομένου.”
Με την τεχνητή νοημοσύνη στο μείγμα, «οι ομάδες ξοδεύουν λιγότερο χρόνο σε διοικητικές εργασίες που εξαντλούν τη δυναμική και τη συγκέντρωση, και περισσότερο χρόνο στις φάσεις καινοτομίας και συνεργασίας ενός έργου», προσθέτει η Parmar. “Βοηθά στην εξάλειψη των κενών γνώσης για τους συμμετέχοντες κατά τη διάρκεια του καταιγισμού ιδεών και διευκολύνει μια βαθύτερη έρευνα στις τάσεις της συμπεριφοράς των καταναλωτών που διαμορφώνουν τις επιχειρηματικές αποφάσεις ή τις αποφάσεις προϊόντων. Εξαλείφει την ανθρώπινη προκατάληψη της έρευνας σε λίγα δευτερόλεπτα και όχι σε ώρες ή ημέρες.”
Επίσης: Η γενετική τεχνητή νοημοσύνη και η μηχανική μάθηση σχεδιάζουν το μέλλον σε αυτούς τους 9 κλάδους
Ο Lee λέει ότι ένα από τα πιο σημαντικά αναδυόμενα εργαλεία για τα τμήματα πληροφορικής είναι τεχνητή νοημοσύνη για λειτουργίες πληροφορικής (AIOps). Το AIOps βοηθά στην “παρακολούθηση του περιβάλλοντος λειτουργίας σε πραγματικό χρόνο, βλέποντας και ανταποκρινόμενο αυτόματα σε περιστατικά πριν επηρεάσουν την επιχείρηση”, λέει. Ως μέρος της διαδικασίας, το AIOps επιτρέπει την ανάλυση της βασικής αιτίας και τη συσχέτιση περιστατικών σε πραγματικό χρόνο.
Η τεχνητή νοημοσύνη προωθεί επίσης τη διαχείριση αλλαγών, «αναλύοντας σχετικά δεδομένα και διαδικασίες, μετριάζοντας τον κίνδυνο και προάγοντας τα DevOps», συνεχίζει ο Lee. Η ενσωμάτωση με τα εργαλεία DevOps, “συνδέει αιτήματα αλλαγής με τον κύκλο ζωής ανάπτυξης λογισμικού και εισάγει στάδια διοχέτευσης CI/CD, επιτρέποντας την άμεση επικοινωνία μεταξύ διαχειριστών αλλαγών και προγραμματιστών”.
Ωστόσο, η τεχνητή νοημοσύνη ενέχει ορισμένους κινδύνους στις λειτουργίες πληροφορικής, προειδοποιεί ο Lee. «Αν κοιτάξεις γενετικό AIυπόσχεται να αυτοματοποιήσει διαδικασίες που μειώνουν το έργο της συλλογής και συσχέτισης δεδομένων μεταξύ των βιομηχανιών”, λέει. “Οι οργανισμοί και οι πελάτες μπορούν να επιτύχουν ένα επίπεδο ψηφιακής λειτουργικής αποτελεσματικότητας που δεν έχει ξαναδεί, αλλά, στην περίπτωση των περιπτώσεων εταιρικής χρήσης, μοντέλα τεχνητής νοημοσύνης πρέπει να εκπαιδευτούν σε εσωτερικά σύνολα δεδομένων.”
Ενώ η γενετική τεχνητή νοημοσύνη «προσφέρει σημαντικά οφέλη, όπως η εμπειρία των πελατών και ο εξορθολογισμός των λειτουργιών πληροφορικής, πρέπει να εφαρμοστεί προσεκτικά», λέει ο Lee. «Πρέπει να κατανοήσετε τα όρια της τεχνητής νοημοσύνης και να εξασφαλίσετε την κατάλληλη εκπαίδευση για να αποφύγετε τις προκλήσεις στο δρόμο».
Ο Lee ανησυχεί ιδιαίτερα για τις επιπτώσεις στην ποιότητα και την ακεραιότητα των δεδομένων. «Εάν οι εταιρείες εφαρμόζουν AI και ChatGPT Σε περιπτώσεις λανθασμένης χρήσης και με κακά δεδομένα, μπορεί να υπάρξουν σοβαρές συνέπειες, όπως κακή χρήση, εσφαλμένα αποτελέσματα ή διαρροή ευαίσθητων δεδομένων», προειδοποιεί. Υπάρχουν επίσης ζητήματα με τον τρόπο με τον οποίο εκπαιδεύονται τα μοντέλα με την πάροδο του χρόνου — εάν τροφοδοτούνται από δεδομένα που δημιουργούνται μόνοι τους, θα μπορούσε να οδηγήσει σε κατάρρευση του μοντέλου».
Ωστόσο, ο Lee προβλέπει ότι τα περισσότερα τεχνολογικά προϊόντα και υπηρεσίες θα ενσωματώσουν δυνατότητες παραγωγής τεχνητής νοημοσύνης κατά τους επόμενους 12 μήνες, “παρουσιάζοντας τρόπους συνομιλίας δημιουργίας και επικοινωνίας με τεχνολογίες, που θα οδηγήσουν στον εκδημοκρατισμό τους. Οι τεχνολογίες λύσεων τεχνητής νοημοσύνης μπορούν να παρέχουν στις ευέλικτες ομάδες σαφείς, αξιόπιστες πληροφορίες. κινδύνους και να παρέχει συστάσεις για την επίλυση προβλημάτων».