به عنوان سازمان های مهندسی ، آنها به ناچار لایه هایی از فرآیندها را جمع می کنند که باعث کاهش سرعت توسعه می شوند. هر رهبر مهندسی که سازمانی را فراتر از اندازه مشخص کرده است ، این الگوی را می داند: ابتدا اسکرام اساسی می شود ، به زودی وابستگی های بین تیم به جلسات هماهنگی نیاز دارند ، و در نهایت ، خود را در نظر می گیرید که چارچوب هایی مانند ایمن را برای مدیریت همه آنها در نظر می گیرد. من یک بار خودم را پیدا کردم که یک ارگ مهندسی با یک ماتریس سازمانی سه بعدی (عدم شمارش محصول جداگانه) در حال اجرا است. نتیجه؟ VP ها با کند شدن سرعت ناامید شدند ، مهندسان مقصر “فرآیند سربار” برای تأخیر و خرد شدن نوآوری به خزیدن در زیر وزن بوروکراسی.
برای کسانی که در آنجا بوده اند ، مالیات فرایند نوآوری واقعی و پرهزینه است. هوش مصنوعی اکنون یک مسیر فرار را ارائه می دهد-نه فقط از طریق اثرات آشکار مرتبه اول ، کدگذاری مهندسین سریعتر بلکه از طریق اثرات عمیق مرتبه دوم که اساساً می تواند نحوه عملکرد سازمان های مهندسی را تغییر دهد.
فراتر از بهره وری: تأثیر سازمانی
در حالی که توجه زیادی به آن توجه شده است توانایی هوش مصنوعی در تسریع در کارهای برنامه نویسی فردی، پتانسیل تحول آمیز تر در نحوه کاهش نیاز به پیچیدگی سازمانی نهفته است. با افزایش قابلیت های فردی ، هوش مصنوعی به طور سیستماتیک بسیاری از مشکلات هماهنگی را که فرآیندها برای حل و فصل در وهله اول طراحی شده اند ، از بین می برد.
ایده آل “مهندس کامل” را در نظر بگیرید. از نظر تاریخی ، در ارگان های مقیاس پذیر ، این اغلب آرزوی بیشتر از واقعیت بود ، و اغلب ساختارهای موازی ارگ را برای تیم های اسکرام ایجاد می کرد. امروز ، هوش مصنوعی این معادله را به طرز چشمگیری تغییر می دهد. مهندسان می توانند به طور موثری در قسمت های ناآشنایی پایگاه کد یا پشته فناوری کار کنند ، با شکاف دانش در زمان واقعی. نتیجه؟ تیم ها به دست کمتری نیاز دارند و هماهنگی را که سازمانهای بزرگی را گرفتار می کند ، کاهش می یابد.
این گسترش قابلیت به معماری نیز گسترش می یابد. مهندسان به جای انتظار برای جلسات رسمی بررسی معماری ، می توانند از هوش مصنوعی به عنوان “شریک اسپار زدن” برای توسعه و تصفیه ایده ها استفاده کنند. یک مهندس می تواند برای به چالش کشیدن فرضیات ، شناسایی موضوعات بالقوه و تقویت پیشنهادات قبل از رسیدن به یک داور انسانی ، با هوش مصنوعی درگیر شود. در بسیاری از موارد ، این پیشنهادات با کمک AI می توانند به صورت ناهمزمان به اشتراک گذاشته شوند ، و اغلب نیاز به جلسات رسمی را از بین می برد. این معماری هنوز هم دقیق است ، اما بدون تأخیر در تقویم و سردردهای هماهنگی.
تضمین کیفیت فرصتی دیگر برای ساده سازی فرآیند است. چرخه های توسعه سنتی شامل چندین راه حل بین توسعه و QA است که اشکالات باعث چرخه جدید بررسی و کار مجدد می شوند. هوش مصنوعی در حال فشرده سازی این چرخه با کمک به توسعه دهندگان برای ادغام آزمایش های جامع-از جمله واحد ، ادغام و تست های پایان به پایان-به گردش کار روزانه آنها است. هوش مصنوعی با رسیدگی به مسائل زودتر و با اطمینان بیشتر ، عقب و جلو را کاهش می دهد که به طور سنتی آزاد می شود. تیم ها می توانند استانداردهای با کیفیت بالا را با میزگردهای کمتری حفظ کنند.
شاید از همه مهمتر ، این پیشرفت های توانایی فردی باعث ساده سازی سازمانی می شود. تیم هایی که قبلاً به هماهنگی پیچیده در چندین گروه اعتماد داشتند ، اکنون می توانند به طور مستقل تر فعالیت کنند. پروژه هایی که زمانی به چندین تیم تخصصی نیاز داشتند ، می توانند به طور فزاینده ای توسط گروه های کوچکتر و خودکفا انجام شوند. چارچوبهای مقیاس بندی پیچیده ای که بسیاری از سازمان های بزرگ از آن استفاده کرده اند – غالباً با اکراه – دیگر لازم نیست وقتی تیم ها هوش مصنوعی را تقویت کنند ، توانایی های خود را تقویت می کنند.
قانون 15 دقیقه ای: مجدداً فرآیندهای چابک
این تحولات فرصتی برای ساده سازی فرآیندهای سنتی اسکرام ایجاد می کند. در نظر بگیرید که بهره وری شخصی “قانون 2 دقیقه ای” برای تیم های پیشرفته AI را تطبیق دهید: “اگر کمتر از 15 دقیقه طول بکشد تا یک عامل هوش مصنوعی را به درستی مجبور کند تا کاری را انجام دهد ، بلافاصله این کار را انجام دهید تا اینکه آن کار را در کل روند عقب نشینی/برنامه ریزی قرار دهید.”
این رویکرد به طرز چشمگیری کارآیی را افزایش می دهد. در حالی که AI کار می کند ، مهندسان می توانند روی اولویت های دیگر تمرکز کنند. اگر راه حل هوش مصنوعی کوتاه باشد ، می تواند یک داستان کاربر مناسب برای عقب نشینی ایجاد کند. با ادغام مناسب ، پیشرفت های کوچک به طور مداوم و بدون مراسم اتفاق می افتد ، در حالی که تلاش های بزرگتر هنوز از برنامه ریزی مناسب بهره می برد.
الگویی که ما می بینیم حاکی از ظهور یک مدل جدید و لاغر از توسعه نرم افزار است-که اصول انسانی محور چابک را حفظ می کند و در عین حال بخش عمده ای از فرآیند را که طی سالها انباشته شده است ، از بین می برد.
پیشرو در دوره مهندسی پیشرفته
برای رهبران مهندسی ، این تحول نیاز به تجدید نظر اساسی در طراحی سازمانی دارد. رفلکس برای افزودن مکانیسم های فرآیند ، تخصص و هماهنگی با رشد تیم ها ممکن است دیگر رویکرد درستی نباشد. در عوض ، رهبران باید در نظر بگیرند:
- سرمایه گذاری زیاد در قابلیت های هوش مصنوعی که دامنه مهارت های مؤثر مهندسین را گسترش می دهد
- فرضیات چالش برانگیز در مورد اندازه و تخصص تیم لازم
- آزمایش با مدل های فرآیند ساده که از اثرات کاهش دهنده هماهنگی AI استفاده می کنند
- اندازه گیری و بهینه سازی برای کاهش “زمان فرآیند” علاوه بر معیارهای توسعه سنتی
سازمان هایی که شکوفا می شوند ، آنهایی خواهند بود که AI را نه فقط به عنوان یک تشخیص می دهند ابزار بهره وری، اما به عنوان یک توانمند سازه های سازمانی اساساً ساده تر. هوش مصنوعی با مسطح کردن سلسله مراتب ، کاهش دست و پا و از بین بردن هماهنگی سربار ، پتانسیل ترکیب سرعت نوآوری استارتاپ ها را با توانایی حل مسئله سازمانهای بزرگ مهندسی ارائه می دهد.
پس از دو دهه افزایش پیچیدگی فرآیند در توسعه نرم افزار ، AI ممکن است در نهایت به ما اجازه دهد تا به روح اصلی مانیفست چابک برگردیم: ارزش گذاری افراد و تعامل بر فرآیندها و ابزارها. آینده مهندسی فقط سریعتر نیست – به طرز چشمگیری ساده تر است.