الذكاء الاصطناعي على نطاق واسع: كيفية إدارة التبني والمقاييس وتحويل الفرق بين أكثر من 500 مطور

يوري كاتسر، مالك المنتج في مكتب البيانات التابع للمديرية التشغيلية، وفياتشيسلاف غوتش، مدير منتج الذكاء الاصطناعي، يشاركان رؤى من أكثر من عام من تطبيق الهندسة الوكيلة في بنك يضم أكثر من 500 مطور، ومهندس بيانات، ومحلل، ومهندس دعم. اكتشفا أن التعلم التقليدي لا يساهم كثيرًا في زيادة التبني، وأن عدد المستخدمين لا يشير إلى الأثر التجاري. انتقلا من مقياس واحد للاستخدام اليومي إلى أربعة مقاييس للتبني: اختراق الذكاء الاصطناعي، المستخدمون النشطون، W50+، وW80+، حيث يمثل الأخيران حصة الموظفين الذين يستخدمون الذكاء الاصطناعي في أكثر من 50% و80% من أيام العمل في الشهر. لا يهدف البنك إلى أتمتة كل شيء، بل يستهدف حالة باريتو المثلى حيث تتم معالجة 80% من المهام بواسطة الوكلاء، مما يحقق 80% من النتائج. وجدا أن كتابة الكود لم تعد العائق الرئيسي؛ بدلاً من ذلك، فإن جودة المواصفات، والسياق المتاح للوكلاء، والتكاملات، وقدرة الفريق على إعادة هيكلة عمليات العمل هي الأكثر أهمية. قدما مقاييس بديلة مثل حصة المهام المدعومة بالذكاء الاصطناعي والمهام المنجزة ذاتيًا لتتبع التقدم نحو التطوير المستقل، مع الاستمرار في مراقبة مقاييس الهندسة الكلاسيكية مثل معدل العيوب، وزمن الدورة، وزمن الإنجاز، والإنتاجية. لاحظا أن الأدوار تتحول: يتقارب المطورون نحو مهندس شامل أو مهندس منتج، وأدوار البيانات نحو مهندس منتج البيانات. في تجربة تجريبية، أكمل فريق مصغر من مطورين وخبير أعمال خدمة تكامل في نفس الوقت الذي استغرقه فريق من خمسة أشخاص، مع الحفاظ على الجودة وزيادة الإنتاجية، لكن زمن الإنجاز ظل دون تغيير. يؤكدان أن الاستعداد التكنولوجي أمر حاسم، ويحددان أربع ركائز للهندسة الوكيلة، حيث تشكل السياق والتكاملات الطبقات الأوسع والأكثر تجزؤًا. اختبرا منسق BMAD، الذي كشف عن مفاجآت، بما في ذلك أن البنية المصممة حول القيود غالبًا ما تعمل بشكل أفضل من محاولة إزالتها.