Spis treści
O czym jest odcinek podcastu?
W tym odcinku podcastu AI w Produkcji rozmawiamy z Nadine Kant, IT Managerką w Saxoprint, o praktycznym wdrożeniu sztucznej inteligencji w organizacji. Tematem rozmowy jest połączenie transformacji Agile z wykorzystaniem narzędzi AI, takich jak GitHub Copilot, oraz ich wpływ na codzienną pracę zespołu deweloperskiego.
To case oparty na realnym projekcie, w którym zmiana sposobu pracy i wdrożenie nowych technologii przełożyły się na konkretne wyniki biznesowe.
Problem: brak przewidywalności i chaos w IT
Na początku zespół mierzył się z problemami typowymi dla wielu organizacji IT. Trudno było określić, kiedy zadania zostaną zakończone, wymagania często nie były w pełni doprecyzowane przed rozpoczęciem prac, a zakres projektów zmieniał się w trakcie ich realizacji.
Dodatkowo brakowało przejrzystości dla biznesu. Pojawiało się pytanie, nad czym właściwie pracuje IT i jakie są postępy.
Efektem był wysoki Lead Time, sięgający około 90 dni oraz narastająca frustracja zarówno po stronie zespołu, jak i interesariuszy.
Najpierw Agile, potem AI
Jednym z kluczowych wniosków z projektu jest to, że wdrożenie AI nie ma sensu bez uporządkowanego procesu. Dlatego pierwszym krokiem była zmiana podejścia do pracy w modelu Agile.
Zespół przeszedł na wyższy poziom planowania, wprowadzając strukturę Initiatives, Epics i User Stories. Zadania zaczęto dzielić na mniejsze, bardziej precyzyjne elementy. Poprawiono także przygotowanie pracy przed rozpoczęciem sprintu.
Dzięki temu możliwe było stworzenie stabilnego fundamentu pod późniejsze wdrożenie narzędzi opartych na AI.
Co naprawdę zmieniło sposób pracy zespołu
Największa zmiana nie dotyczyła technologii, lecz sposobu pracy. Zadania stały się bardziej granularne i lepiej opisane. Planowanie przestało być deklaratywne, a zaczęło opierać się na realnych danych i możliwościach zespołu.
Poprawiła się przewidywalność, zmniejszyła liczba poprawek, a współpraca z biznesem stała się bardziej transparentna.
Zespół zyskał większą kontrolę nad procesem, co przełożyło się na wyższą efektywność.
GitHub Copilot w praktyce
Dopiero po uporządkowaniu procesów wdrożono GitHub Copilot. Dla zespołu stał się on realnym wsparciem w codziennej pracy.
Programiści wykorzystują go do generowania kodu, optymalizacji istniejących rozwiązań oraz szybszego rozwiązywania problemów. Dzięki temu mogą skupić się na bardziej złożonych zagadnieniach, takich jak architektura systemów.
Rola developera nie została zastąpiona, lecz przesunięta w stronę bardziej wymagających i wartościowych zadań.
Przełom: krótszy Lead Time i lepsze planowanie
Najbardziej wymiernym efektem transformacji było znaczące skrócenie Lead Time. Z poziomu około 90 dni udało się zejść do mniej niż 20 dni.
Równocześnie skrócił się Cycle Time, czyli czas realizacji zadania od momentu rozpoczęcia prac do ich zakończenia.
Lepsze planowanie, mniejsze zadania i większa przejrzystość procesu przełożyły się bezpośrednio na szybkość dostarczania wartości.
Wyzwania przy wdrożeniu AI
Wdrożenie AI nie było pozbawione trudności. Na początku pojawił się opór w zespole, związany z obawą o zastąpienie ludzi przez technologię.
Kluczowe okazały się działania edukacyjne oraz stopniowe wprowadzanie narzędzia do pracy. Z czasem, wraz z poprawą jakości wyników generowanych przez AI, rosła również akceptacja wśród pracowników.
Ważną rolę odegrała także nauka odpowiedniego korzystania z narzędzia, w tym umiejętność formułowania zapytań.
Efekty biznesowe i oszczędności
Transformacja przyniosła konkretne rezultaty biznesowe. Projekt został zakończony około cztery tygodnie szybciej niż pierwotnie zakładano.
Przełożyło się to na oszczędności na poziomie około 40 000 euro miesięcznie.
Pokazuje to, że połączenie uporządkowanego procesu i odpowiednio wykorzystanej sztucznej inteligencji może mieć bezpośredni wpływ na wyniki finansowe organizacji.
Co dalej: skalowanie rozwiązania
Po zakończeniu etapu Proof of Concept firma planuje rozszerzenie rozwiązania na kolejne zespoły. GitHub Copilot ma zostać udostępniony szerzej, a wypracowane praktyki Agile będą wdrażane w całej organizacji.
Dzięki zdobytemu doświadczeniu kolejne wdrożenia powinny przebiegać szybciej i sprawniej.
Posłuchaj odcinka podcastu
Jeśli interesuje Cię praktyczne wykorzystanie AI w organizacji oraz realne efekty transformacji Agile, warto zapoznać się z pełnym odcinkiem.
Jeśli chcesz lepiej zrozumieć cały proces transformacji oraz zobaczyć więcej szczegółów dotyczących wdrożenia, przygotowaliśmy pełne case study na naszej stronie. Znajdziesz tam dokładny opis wyzwań, przebiegu projektu oraz osiągniętych rezultatów, w tym wpływu na efektywność zespołu i wyniki biznesowe.
