V članku povzemam ugotovitve obširne (142 strani) raziskave DORA State of AI-assisted Software Development Report. Ta je bila izvedena na vzorcu več kot 5000 razvojnikov. Zaradi novosti subjekta je letošnja šele druga po vrsti.
Glede na lansko, je raziskava razkrila precej pozitivnih in nekaj negativnih posledic uvedbe AI v software razvojna okolja. Najpomembnejši rezultat raziskave pa je identifikacija sedmih dobrih praks, ki omogočajo učinkovito vključevanje AI v organizacijski razvojni ekosistem.
Poglejmo si najpomembnejše ugotovitve, nato pa še sedem omenjenih faktorjev.
Najpomembnejše ugotovitve
2025
- 90% anketiranih razvojnikov uporablja pri svojem delu AI
- Od teh jih 80% smatra, da so z AI dvignili svojo produktivnost
- 30% razvojnikov AI kodi ne zaupa popolnoma
- Vključevanje Value Stream Mapping praks eksponentno zvišuje pozitivne učinke vključevanja AI v proces razvoja programske opreme
- AI zvišuje hitrost pretoka razvijanih funkcionalnosti skozi razvojni proces (throughput)
- Uporaba AI ima še vedno negativni vpliv na stabilnost releasov
- 90% organizacij uporablja standardizirane razvojne platforme. Kvalitetna platforma je eden od pogojev učinkovite integracije AI.
- Uspešna integracija AI je organizacijsko, ne tehnološko vprašanje
Glede na leto 2024
- Percepcija, da razvojnikom AI omogoča delo na pomembnih stvareh, se je prevesila iz negative v pozitivo.
- Količina pretoka funkcionalnosti skozi razvojni proces se je pod vplivom AI iz zmanjšanja, prevesila v povečanje.
- Percepcija AI vpliva na učinkovitost razvitih rešitev se je prevesila iz negativne v nevtralno.
Ostali zaključki
AI v razvoju programske opreme deluje kot ojačevalec (multiplier). To pomeni, da dodaja vednost visoko učinkovitim organizacijam in razkriva disfunkcije tistih s sistemskimi problemi. Primarna prednost naložb v AI ne izhaja iz samih orodij, temveč iz strateške osredotočenosti na temeljni organizacijski sistem.
Ta vključuje med drugim:
- Kvaliteto internih platform
- Transparentne workflowe
- Usklajenost razvojnih teamov
Brez teh osnov, AI pogosto kreira silose višje produktivnosti, ki pa zaradi procesnih ozkih grl ne prispevajo k skupnemu rezultatu.
Sedem faktorjev učinkovite implementacije AI v organizacijo
1. Jasno in komunicirano stališče glede AI
Organizacija mora zaposlenim posredovati razumljivo in ozaveščeno uradno stališče glede tega, kako naj razvijalci uporabljajo, oziroma smejo uporabljati orodja za razvoj programske opreme, ki so podprta z AI.
Po anketah, naj bi to stališče vsebovalo 4 postavke:
- V kolikšni meri se od razvojnikov pričakuje uporaba AI pri delu.
- V kolikšni meri organizacija podpira eksperimentiranje razvojnikov z različnimi AI orodji in pristopi.
- Katera AI orodja so dovoljena.
- V kolikšni meri se organizacijska politika v zvezi z AI neposredno nanaša na določene zaposlene.
Organizacija z jasnim in komuniciranim stališčem glede AI je torej takšna, ki spodbuja in pričakuje uporabo AI pri svojih razvojnikih, podpira njihovo eksperimentiranje z AI, jasno določa, katera orodja so dovoljena in kako se politika AI nanaša na zaposlene.
2. Zdravi podatkovni ekosistemi
Postavka naslavlja splošno kakovost notranjih podatkovnih sistemov v organizaciji. Po raziskavi, je zdravje podatkovnih ekosistemov kot dejavnik, sestavljen iz treh posameznih kazalnikov, ki merijo zaznave anketirancev o:
- splošni kakovosti notranjih virov podatkov;
- dostopnosti notranjih virov podatkov;
- medsebojni izolaciji notranjih virov podatkov (silosih).
Organizacijo z zdravim podatkovnim ekosistemom lahko torej razumemo kot okolje, v katerem so notranji podatki visoke kakovosti, enostavno dostopni in med seboj povezani.
Raziskava z visoko stopnjo gotovosti ugotavlja, da so pozitivni učinki uvajanja AI odvisni od tega, ali imajo organizacije zdrave podatkovne ekosisteme.
Pogosto slišimo, da so modeli umetne inteligence le tako dobri, kot so podatki, na katerih se učijo. V tem primeru kaže, da ta splošno sprejeta modrost velja tudi na lokalni, organizacijski ravni.
Ko organizacije vlagajo v vzpostavljanje in vzdrževanje kakovostnih, dostopnih in povezanih podatkovnih ekosistemov s tem dodatno potencirajo uspešnost uvajanja AI orodij.
3. Interni podatki, dostopni umetni inteligenci
Dejavnik, ki logično izhaja iz prejšnjega. Nanaša se na stopnjo, do katere so AI orodja povezana z notranjimi podatkovnimi viri in organizacijskimi sistemi. Dostopnost internih podatkov je merjena kot dejavnik, sestavljen iz štirih posameznih kazalnikov, ki merijo zaznave anketirancev o:
- tem, v kolikšni meri imajo AI orodja, ki jih uporabljajo pri delu, dostop do notranjih informacij podjetja;
- tem, v kolikšni meri odgovori AI orodij temeljijo na kontekstu notranjih informacij organizacije;
- pogostosti vnosa internih informacij organizacije v AI poizvedbe;
- pogostosti uporabe AI orodij za pridobivanje internih organizacijskih informacij.
Organizacijo z interno podatkovno bazo, dostopno AI, lahko torej razumemo kot tako, kjer zaposleni opažajo, da so notranji podatki na voljo njihovim AI sistemom, in jih ta orodja tudi uporabljajo.
Raziskava z visoko stopnjo gotovosti ugotavlja, da se z izpolnjenimi zgornjimi pogoji:
- poveča individualna učinkovitost
- izboljša kvaliteta kode
Čeprav orodja AI, trenirana na splošnih datasetih (ChatGPT), pomagajo razvijalcem, da se počutijo bolj učinkovite in ustvarjajo kakovostnejšo kodo, ta ugotovitev nakazuje, da se pozitivni vpliv še stopnjuje, kadar ima AI dostop do notranjih virov podatkov za kontekstualne rešitve.
Maksimiranje koristi AI na področju individualne učinkovitosti in kakovosti kode tako zahteva večjo naložbo, kot je zgolj pridobitev AI licenc.
4. Kvalitetni version control
V dobi generativne AI, ko se količina in hitrost generiranja kode dramatično povečujeta, se pomen te prakse še dodatno povečuje. Raziskava kaže na močno sinergijo med zrelostjo uporabe nadzora različic (pa sem uporabil slovenski izraz 😊) in uporabo AI. To dokazuje, da so te prakse ključne za maksimiranje koristi AI in hkratno zmanjševanje njenih tveganj.
Raziskava z visoko stopnjo gotovosti ugotavlja, da so pozitivni učinki uvajanja AI odvisni od pogostosti, s katero razvojniki izvajajo “commite” v version control sistem. Ob pogostih commitih se pozitivni vpliv AI na individualno učinkovitost okrepi.
Isto velja za “rollback”. Ob pogostejših razveljavitvah se pozitivni vpliv AI na teamsko uspešnost poveča.
Ključni vidik version control je njegova funkcija “psihološke varnostne mreže”. Ta varnostna mreža omogoča razvojnim teamom, da eksperimentirajo in inovirajo z večjo samozavestjo, saj vedo, da se lahko kadar koli enostavno vrnejo v stabilno stanje.
5. Delo v majhnih paketih
To je stopnja do katere teami razbijajo funkcionalnosti na obvladljive enote, ki jih je mogoče hitro oceniti glede zahtevnosti in testirati. Delo v majhnih paketih je merjeno kot dejavnik, sestavljen iz treh posameznih kazalnikov, ki merijo:
- povprečno število vrstic kode, ki so bile commitane v zadnji verziji trunka;
- število sprememb, ki so običajno združene v en sam release;
- čas, ki ga razvojnik potrebuje, da zaključi eno nalogo (task).
Team, ki dosega višjo učinkovitost, je tisti, ki izvaja manj vrstic kode na commit, manj sprememb na release in razbija delo na manjše kose.
Raziskava z visoko stopnjo gotovosti ugotavlja, da so pozitivni učinki uvajanja AI odvisni od tega, ali teami prakticirajo delo v majhnih paketih. Posledici takšnih praks sta:
- povečan vpliv AI na uspešnost produkta;
- zmanjšanje trenja znotraj teama in med deležniki.
Po drugi strani raziskava ugotavlja, da se koristi uvajanja AI na področju individualne učinkovitosti nekoliko zmanjšajo pri teamih, ki delajo v majhnih paketih.
Delo v majhnih paketih povečuje poročano uspešnost produkta, hkrati pa zmanjšuje zaznano trenje v teamih, ki uporabljajo AI. Avtorji menijo, da te koristi odtehtajo morebitno manjšo individualno učinkovitost pri delu v majhnih paketih. Navsezadnje individualna učinkovitost ni ključni dejavnik učinkovitosti teama.
6. Osredotočenost na uporabnika
Nanaša se na stopnjo, do katere teami razmišljajo o izkušnji končnih uporabnikov svoje aplikacije ali storitve.
Tukaj ni kaj dodati, saj se ta mantra dokazuje še iz časov pred pojavom AI v razvojnih procesih.
Raziskava z visoko stopnjo gotovosti ugotavlja, da je ROI uvajanja AI odvisen od stopnje teamske osredotočenosti na končne uporabnike. Natančneje, kadar AI uporabljajo teami z izrazito osredotočenostjo na uporabnika, se njen pozitiven vpliv na poročano timsko uspešnost poveča.
Pomembna pa je tudi ugotovitev, da če team ni osredotočen na končne uporabnike, ima uvajanje AI negativen vpliv na timsko uspešnost, saj le ojača obstoječe disfunkcije.
Te ugotovitve nakazujejo, da bodo organizacije, ki spodbujajo uvajanje AI, imele največ koristi, če bodo v svoje produktne načrte in strategije vključile poglobljeno razumevanje končnih uporabnikov, njihovih ciljev in povratnih informacij. Hkrati pa predstavljajo pomembno opozorilo: brez osredotočenosti na uporabnika, lahko uvajanje AI škodi uspešnosti teamov.
7. Kakovostne notranje platforme
Izraz “platforme” se nanaša na skupek zmožnosti, ki so skupne več aplikacijam ali storitvam in so široko dostopne (in uporabljane) znotraj organizacije.
Raziskava z visoko stopnjo gotovosti ugotavlja, da se v organizacijah s kakovostnimi notranjimi platformami pozitiven vpliv AI na organizacijsko uspešnost poveča.
Po drugi strani anketiranci poročajo o več trenja v organizacijah s kakovostnimi notranjimi platformami. Kaj bi temu lahko bil razlog?
Kakovostne notranje platforme povečujejo individualno učinkovitost, saj razvojnim teamom zagotavljajo enoten nabor zmožnosti, na katerih lahko enostavno gradijo. Vendar pa standardi, ki jih te platforme določajo, hkrati postavljajo meje glede uporabe razvojnih orodij – na primer z definiranjem notranjih API-jev, ki imajo strožje varnostne kontrole kot zunanji.
Na ta način notranje platforme izpolnjujejo svojo funkcijo tako, da po eni strani povečujejo dostop do željenih funkcionalnosti, po drugi strani pa omejujejo dostop do neželenih. To bi lahko pojasnilo povečano trenje pri intenzivnejših uporabnikih AI, kar pa za organizacijo ni nujno negativna posledica.
Zaključek
AI je tukaj in bo ostal. Razvojniki za svojo službo ne tekmujejo z AI, ampak s strokovnjaki istega področja, ki ga uporabljajo. Organizacije, pa konkurenčno tekmujejo z drugimi, ki AI vpeljujejo na pravilnejši način in na bolj zdrave osnove.
