Med ett snabbt föränderligt digitalt landskap som fortsätter att introducera vågor av osäkerhet, kämpar både företag och organisationer för tydlighet och medvetenhet i den organisatoriska leveransen av kundvärde.
Det är ingen överraskning att de många rörliga delarna bidrar till en alltmer otydlig värld för programvaruleveranser. Med en mängd olika produkter och tjänster som företag levererar till sina kunder har Value Stream Management (VSM) aldrig varit viktigare för modern programvaruleverans.
VSM är en uppsättning managementmetoder som fokuserar på att maximera flödet av affärsvärde inom en organisation med slutkunden i åtanke. Dessa utgör "värdeströmmar" som representerar ett teams flöde av sammanhängande arbete från kundförfrågan till produktleverans. Alla grupper som lider av växtvärk i samband med skalning av programvaruleveranser kan intyga detta värde. Men samtidigt som det ökande antalet företag som använder VSM har förändrat hur teamen bygger från projekt till produkt, har en ny innovativ metod hamnat i rampljuset: generativ AI (genAI).
Med förmågan att analysera och tolka komplexa data har genAI möjliggjort både en mer utbredd användning av VSM och övergripande produktivitet och effektivitet på arbetsplatsen. Innan vi går djupare, låt oss fastställa vad genAI är.
Vad är genAI?
GenAI har blivit ett brett begrepp och beskrivs som en typ av AI-teknik (artificiell intelligens) som kan producera många olika typer av innehåll, till exempel text, video, bilder och till och med musik. I grund och botten kan AI-modeller ta emot input i olika former och generera nytt innehåll baserat på modellens modalitet. Till exempel är en stor språkmodell (LLM), en typ av generativ förutbildad transformator (GPT), en form av textbaserat genAI som kan producera stora mängder kreativ text som om den vore skriven av en människa.
Med textbaserad generering kommer mer flerdimensionell avancerad teknik som, som man kan föreställa sig, producerar en mängd olika innehållsformat. Med all öppen källkod och tillgängliga sammanhang på internet kan AI-modeller generera programvarukod och hjälpa programutvecklare att felsöka sitt arbete.
AI-teknik för text-till-bild, som OpenAI:s DALL-E, utnyttjar en multimodal implementering av AI-modeller som kan producera häpnadsväckande bilder, konst och till och med realistiska bilder som lätt kan misstas för att vara äkta vara. Text-till-videotekniken tar detta ett steg längre, där video- och bilddata genomgår träning för att generera AI-videor med medelhög till hög noggrannhet.
Den snabba utvecklingen av genAI har förändrat många områden inom både företags- och konsumentmiljöer. Det har inte bara påverkat hur vi ser på produktivitet och effektivitet, utan även förmågan att bearbeta värdefulla data för beslutsfattande. AI-modeller har snabbt bevisat sitt värde och möjliggjort produktifiering. Organisationer har börjat anamma denna omvälvande teknik på ett sätt som kan gynna alla. Ett av de mest djupgående exemplen finns därför i VSM-världen.
Fördelar med GenAI i VSM
Grunden i VSM handlar om att optimera leveransen för kundvärde. I varje steg på vägen passar fördelarna med genAI som hand i handske.
För det första har du tillgång till förutsägbar analys. Organisations- och projektdata är avgörande för att skapa förståelse för kundleveranser och för att fungera som en baslinje för varje team för att förstå deras nuvarande och förväntade utsikter vid varje kapacitet. Att integrera genAI i analysen av organisationsdata för att förutse viktiga trender, identifiera flaskhalsar och möjliggöra välgrundat beslutsfattande kommer att revolutionera takten i genomförandet och införandet av VSM.
Tänk dig till exempel att du är chef för ett ingenjörsteam som migrerar till en VSM-plattform som Planview Viz. Med alla tillgängliga projektdata (t.ex. Jira-arbetsobjekt, teknisk kapacitet och tid för att slutföra arbetet) kan genAI omedelbart ta fram insikter och analytiska trender för snabbare beslutsfattande, vilket leder till den andra punkten.
Beslutsfattandet i VSM sker på alla nivåer i en organisation, från taktiska lösningar till strategi på högre nivå. Ledare för alla ingenjörsteam kan dra nytta av ett mer robust beslutsfattande och på så sätt utnyttja varje uns av värde som VSM ger.
Oavsett om en scrum master vill identifiera och validera dolda flaskhalsar i teamets arbetsflöde eller om en chef behöver analysera ROI-data för att avgöra om teamet behöver investera mer kapacitet, kan genAI spara timmar av tid för att göra analysen. Snabbare beslutsfattande påverkar naturligtvis alla i en värdekedja positivt genom en kaskadeffekt.
Med förväntningen att VSM kan hjälpa team att identifiera sina svagaste punkter, kan genAI förbättra mjukvaruutvecklingscykler genom att automatisera repetitiva uppgifter och ge handlingsbara förslag på hur ett team kan producera optimerat kundvärde.
Tänk dig till exempel att ett team av ingenjörer behöver göra en manuell granskning av sina prestationer i slutet av varje sprint. Tänk om en AI-assistent, som Planview Copilot, kunde analysera deras data och ge handlingsbara förslag för att förbättra deras resultat inför nästa sprint?
3 Användningsfall för GenAI i VSM
Naturligtvis är ovanstående bara ett axplock. En värld av genAI i VSM kommer att introducera fler användningsfall för att ytterligare förbättra kundernas produkter och tjänster. Nedan följer några användningsområden som förväntas spela en nyckelroll i hur VSM kommer att forma det tekniska landskapet.
- Optimera resursfördelningen. Organisationer har i årtionden lidit av suboptimal resursallokering. I grunden syftar VSM till att ta fram all information som behövs för att fatta rätt beslut om resurser och kapacitet. genAI, som man kan föreställa sig, gör detta steg betydligt mindre besvärligt, både med att identifiera vilka data som behövs för att fatta beslut om resurser och att analysera själva datan.
- Automatiserad generering av dokumentation, rapporter och releasenotiser. Med ett modernt programvaruutvecklingsteam följer moderna rutiner för dokumentation, antingen för interna och/eller externa ändamål. På samma sätt kan rapportering för chefer och versionsinformation för kunder vara lika viktiga för både företag och konsumenter. Att minska det tråkiga, ytliga arbete som krävs för dessa sammanställningar kan vara avgörande för att förbättra både teamets prestation och moral.
- Snabbare prototypframtagning och experiment. Särskilt när det gäller team som behöver bygga nya funktioner eller testa idéer har genAI och dess förmåga att producera innehåll i olika former helt förändrat processen. Oavsett om det handlar om att hjälpa produkt- och portföljchefer att besluta om nästa lösning eller att generera kod för att bygga ut koncept, kommer genAI att spela en avgörande roll för snabb prototypframtagning och smidig programvaruutveckling.
Utmaningar och överväganden
Den kanske viktigaste pusselbiten när det gäller AI är datasekretess, säkerhet och etik - ämnen som fortsätter att väcka debatt i takt med att AI-baserade produkter utvecklas.
GenAI, på grund av sin komplicerade utbildningsprocess och implementering, orsakar alltid oro när det gäller hanteringen av individ- och företagsdata. Läckage eller återanvändning kan skada intellektuella hemligheter, särskilt på företagsnivå. De bästa metoderna för integritet och säkerhet fortsätter att utvecklas.
En blomstrande industri och ett samhälle med bästa praxis för att minimera potentiella skador från användningen av AI kommer att gynna den tekniska scenen i hög grad. Etik, ett separat men lika viktigt ämne, kan medföra oförutsägbara men potentiellt skadliga effekter på alla organisatoriska nivåer.
GenAI bygger på kreativitet och omfattande data, vilket ibland kan vara ett tveeggat svärd. AI-modeller kan till exempel generera innehåll som är stötande, kränkande eller oetiskt, vilket leder till en våg av negativa konsekvenser. Detta kan skada ryktet för en organisation eller individ och även ha negativa mentala effekter på alla som stöter på det.
En annan utmaning som är värd att notera är den pågående kampen om modeller och prissättning, som har drivit på en intensiv konkurrens mellan AI-producenterna på marknaden. Det är viktigt för företag - särskilt de som genomgår VSM-transformationer - att anta AI-produkter och/eller modeller som passar specifika användningsfall eller behov bäst. Olika modeller på dagens AI-marknad tränas på olika datamängder och har anpassats och skräddarsytts för olika ändamål.
Slutsats
Utan tvekan har den snabba utvecklingen av genAI, som omfattar text-, bild- och videogenerering, lett till omvälvande förändringar inom olika sektorer. I den allt snabbare VSM-världen medför AI betydande fördelar och revolutionerar genomförandet och införandet av VSM-metoder som har en positiv inverkan på kundvärdet.
Fördelarna med att integrera genAI i VSM är mångfacetterade. AI har redan bevisat sin oändliga kapacitet, oavsett om det handlar om förutsägbara analyser för att förbättra beslutsfattandet på alla organisatoriska nivåer eller automatisering och förslag på handlingsbara steg för att övervinna teamets största flaskhalsar.
Med fler användningsområden som resursoptimering och snabba experiment på horisonten kommer både genAI och VSM att fungera som stöttepelare under de kommande åren. Konvergensen av båda utlovar oöverträffade framsteg i effektivitet, beslutsfattande och ökad företagsproduktion i kvalitet och kvantitet.
För att förbli konkurrenskraftiga på dagens dynamiska marknad uppmuntras organisationer att utforska AI-drivna VSM-lösningar, som Planview Copilot, för att frigöra den fulla potentialen hos denna omvälvande teknik för ökad produktivitet och strategiska fördelar. Titta på demonstrationen och gå med i Planviews Early Access-program för att lära dig mer.
