De todos los departamentos empresariales, los departamentos de producto e ingeniería son, de lejos, los que más gastan en tecnología de inteligencia artificial. Hacerlo de manera efectiva puede generar un enorme valor, los desarrolladores pueden completar ciertas tareas hasta un 50% más rápido con inteligencia artificial generativa, según McKinsey.
Pero no es tan fácil como simplemente lanzar dinero a la inteligencia artificial y esperar lo mejor. Las empresas necesitan entender cuánto presupuestar en herramientas de inteligencia artificial, cómo sopesar los beneficios de la inteligencia artificial versus nuevas contrataciones, y cómo asegurarse de que su formación esté en el punto correcto. Un estudio reciente también encontró que quién está utilizando herramientas de inteligencia artificial es una decisión comercial crítica, ya que los desarrolladores menos experimentados obtienen muchos más beneficios de la inteligencia artificial que los experimentados.
No realizar estos cálculos podría llevar a iniciativas poco prometedoras, un presupuesto desperdiciado e incluso a una pérdida de personal.
En Waydev, hemos pasado el último año experimentando la mejor manera de utilizar inteligencia artificial generativa en nuestros propios procesos de desarrollo de software, desarrollando productos de inteligencia artificial y midiendo el éxito de las herramientas de inteligencia artificial en equipos de software. Esto es lo que hemos aprendido sobre cómo las empresas necesitan prepararse para una inversión seria en inteligencia artificial en el desarrollo de software.
Realizar una prueba de concepto
Cuando su director de información esté decidiendo si debe gastar su presupuesto en más contrataciones o en herramientas de desarrollo de inteligencia artificial, primero debe llevar a cabo una prueba de concepto. Nuestros clientes empresariales que están agregando herramientas de inteligencia artificial a sus equipos de ingeniería están realizando una prueba de concepto para establecer si la inteligencia artificial está generando un valor tangible, y cuánto. Este paso es importante no solo para justificar la asignación de presupuesto, sino también para promover la aceptación en todo el equipo.
El primer paso es especificar qué está buscando mejorar dentro del equipo de ingeniería. ¿Es la seguridad del código, la velocidad o el bienestar del desarrollador? Luego use una plataforma de gestión de ingeniería (EMP) o una plataforma de inteligencia en ingeniería de software (SEIP) para rastrear si su adopción de inteligencia artificial está haciendo avanzar los indicadores de esas variables. Las métricas pueden variar: Puede estar rastreando la velocidad utilizando el tiempo de ciclo, el tiempo de sprint o la relación de planificado a realizado. ¿Disminuyó el número de fallos o incidentes? ¿Ha estado mejorando la experiencia del desarrollador? Siempre incluya métricas de seguimiento de valor para asegurarse de que los estándares no se estén reduciendo.
Asegúrese de evaluar los resultados en una variedad de tareas. No restrinja la prueba de concepto a una etapa o proyecto de codificación específico; utilícelo en diversas funciones para ver cómo las herramientas de inteligencia artificial funcionan mejor en diferentes escenarios y con programadores de diferentes habilidades y roles laborales.
Las capacidades de hardware son una consideración esencial en su prueba de concepto. Incluso puede descubrir que su potencia informática solo cubre una integración experimental de inteligencia artificial, pero no sería capaz de manejar la carga de una implementación completa del proyecto. En cuyo caso, debe tener en cuenta CPUs adicionales y otros hardware en el presupuesto hipotético de inteligencia artificial.
Ahora puede calcular el valor del proyecto de inteligencia artificial en relación con las ganancias, ahorros en salarios de empleados, tiempo recuperado, productividad adicional, y gastos en software y hardware. Establezca objetivos sobre cómo los ahorros monetarios y/o las ganancias de productividad harían que la inversión en inteligencia artificial valiera la pena. Si no se cumplen, tal vez sería más eficiente para la empresa explorar una estrategia de inteligencia artificial alternativa o simplemente satisfacer sus necesidades con personal adicional.
Construya un marco de formación y intercambio de conocimientos para su equipo
Ya sea que mantenga su equipo principal o expanda su equipo mientras integra herramientas de inteligencia artificial, necesita hacer de la inteligencia artificial un pilar del proceso de incorporación y mejora de habilidades. Muchas herramientas de inteligencia artificial emergentes hoy para equipos de ingeniería se basan en tecnología completamente nueva, por lo que necesitará hacer gran parte del trabajo de integración, incorporación y formación interna. No subestime cuánto esfuerzo implicará este marco.
Una vez que haya decidido las herramientas que integrará, o desarrollará internamente, elabore sus propios documentos y pautas internas sobre cómo usar mejor la inteligencia artificial. Estos deben incluir cuándo y dónde puede usar las herramientas, qué tipo de datos puede y no puede cargar en la plataforma (por ejemplo, qué hacer con datos sensibles o no anonimizados de clientes), riesgos a tener en cuenta, y más.
Al incorporar una nueva herramienta, asegúrese de dar a todos los nuevos empleados acceso inmediato a las herramientas de inteligencia artificial dentro de su propio entorno de pruebas para que puedan comenzar a experimentar con ellas sin afectar el flujo de trabajo. Esto permite una formación más rápida y también da a los empleados la oportunidad de hacer preguntas y señalar problemas.
Invierta en el intercambio de conocimientos en todo su equipo. Cree mecanismos y plataformas para que las personas compartan no solo desarrollos internos sobre inteligencia artificial, sino también lo que están aprendiendo sobre diferentes herramientas de inteligencia artificial, y noticias que ofrecen contexto sobre tecnología de inteligencia artificial relevante. Un mecanismo es tener una reunión de presentación de equipos regular. Recuerde que toda la empresa necesita involucrarse. Por ejemplo, GitHub tiene un equipo de investigación específico dedicado a explorar el futuro del desarrollo de software, pero no están aislados. Se comunican con personas de todos los equipos, desde producto hasta ingeniería, obteniendo ideas y comentarios de todos.
Toma inspiración de lo que otros están haciendo
Especialmente cuando se trata de inteligencia artificial generativa (o predictiva), este es un mundo completamente nuevo para las empresas, por lo que ayuda considerar cómo se ve el éxito en otras empresas. Siga empresas similares que estén hablando abiertamente sobre cómo están aprovechando la inteligencia artificial en el desarrollo de software, desde herramientas integradas de entorno de desarrollo de software (IDE) hasta chatbots generales. ¿Puedes usarlos como ejemplos?
Joe Welch, principal y líder tecnológico de Launch Consulting, ha dado ejemplos probados de cómo utilizar la inteligencia artificial en el desarrollo de software, por ejemplo, utilizando la inteligencia artificial para crear resúmenes de subsistemas y módulos para facilitar la integración de nuevos desarrolladores, con los desarrolladores capaces de hacer preguntas específicas sobre código a la inteligencia artificial. O para facilitar la migración de una base de código de un lenguaje más antiguo a uno más nuevo, que es difícil porque requiere que los desarrolladores dominen ambos idiomas.
GitHub también tiene un chatbot que permite a los usuarios escribir y entender código en cualquier lenguaje, y también está disponible en dispositivos móviles. Backstage construyó un chatbot de código abierto en una versión local de su portal de desarrolladores.
Sea cual sea su camino para integrar la inteligencia artificial en el desarrollo de software, no es un proceso de 0 a 1. Cada paso requerirá una planificación cuidadosa para asegurarse de que su tiempo y dinero se destinen a una mejor experiencia y rendimiento general de los desarrolladores, no se desperdicien.
