كان قياس إنتاجية المطورين يشكل تحديًا كبيرًا قبل فترة طويلة من تقديم أدوات المطورين التي تعمل بالذكاء الاصطناعي. فقد وجدت دراسة حديثة أن معظم المديرين التنفيذيين يعتقدون أن قياس إنتاجية المطورين يمكن أن يساعد أعمالهم، لكن 51% أفادوا بأن أساليبهم الحالية لقياس إنتاجية المطورين معيبة، وقال 45% إنهم لا يقيسون إنتاجية المطورين مقابل نتائج الأعمال. وتشير هذه التقارير إلى الحاجة المتزايدة لتطوير أنظمة لقياس الإنتاجية، خاصة مع تقديم الذكاء الاصطناعي في تطوير البرمجيات.
تسمح أدوات الترميز المدعومة بالذكاء الاصطناعي للمطورين بالتركيز على عمل أكثر استراتيجية من خلال تحريرهم من روتين أداء المهام المتكررة. ومع ذلك، تحتاج المؤسسات إلى المساعدة في قياس تأثير تطوير البرامج المدعوم بالذكاء الاصطناعي بدقة. لقياس تأثيرات الذكاء الاصطناعي بنجاح، يجب على فرق DevSecOps إعادة تقييم المقاييس التقليدية التي استخدمتها لقياس مخرجات المطورين لضمان أن استثماراتهم تساعد في دفع نتائج الأعمال.
المقاييس القديمة غير كافية
يتطلب إعداد التقارير عن مكاسب الإنتاجية التي تحققها الذكاء الاصطناعي اتباع نهج دقيق يتجاوز أسطر التعليمات البرمجية المنتجة، أو عدد عمليات الالتزام بالرمز، أو إكمال المهام. ويتطلب الأمر التحول إلى تقييم نتائج الأعمال في العالم الحقيقي التي توازن بين سرعة التطوير وجودة البرامج والأمان. في العام الماضي، شركة ماكينزي آند كومباني ووصف قياس إنتاجية المطورين بأنه “صندوق أسود”، مشيرا إلى أنه في تطوير البرمجيات، “يكون الارتباط بين المدخلات والمخرجات أقل وضوحا إلى حد كبير” من الوظائف الأخرى.
على الرغم من أن استخدام الذكاء الاصطناعي لإنتاج المزيد من التعليمات البرمجية بشكل أسرع قد يكون مفيدًا، إلا أنه قد يؤدي أيضًا إلى ديون فنية إذا لم يكن التعليمات البرمجية الناتجة عالية الجودة وآمنة. غالبًا ما يتطلب التعليمات البرمجية التي يتم إنشاؤها بواسطة الذكاء الاصطناعي مزيدًا من الوقت للمراجعة والاختبار والصيانة. على سبيل المثال، قد يوفر المطورون الوقت باستخدام الذكاء الاصطناعي لكتابة التعليمات البرمجية، ولكن من المرجح أن يتم إنفاقه في وقت لاحق في دورة حياة تطوير البرامج. بالإضافة إلى ذلك، فإن أي خلل أمني في التعليمات البرمجية التي يتم إنشاؤها بواسطة الذكاء الاصطناعي سوف يتطلب مشاركة من فرق الأمن ووقتًا إضافيًا للتخفيف من الحوادث الأمنية المحتملة.
عند تقييم القيمة التي يضيفها الذكاء الاصطناعي إلى تطوير البرمجيات، من الضروري أن نأخذ في الاعتبار أن الذكاء الاصطناعي يجب أن يتم تنفيذه وتقييمه كمكمل للمطورين البشريين، وليس بديلاً لهم.
قياس الجودة وليس الكمية
بدلاً من التركيز على معدلات القبول أو أسطر التعليمات البرمجية المولدة، ينبغي للمؤسسات أن تهدف إلى رؤية أكثر شمولاً لتأثير الذكاء الاصطناعي على الإنتاجية ونتائجها النهائية. ويضمن هذا النهج تحقيق الفوائد الفعلية لتطوير البرمجيات بمساعدة الذكاء الاصطناعي وتقديرها بالكامل.
إن أفضل نهج هو دمج البيانات الكمية من دورة حياة تطوير البرمجيات (SDLC) مع الرؤى النوعية من المطورين فيما يتعلق بالتأثير الحقيقي للذكاء الاصطناعي على عملهم اليومي وتأثيره على استراتيجيات التطوير طويلة الأجل. على سبيل المثال، يقضي المطورون حوالي 75٪ من وقتهم في مهام أخرى غير إنشاء التعليمات البرمجية، مما يعني أن الاستخدام الأكثر إنتاجية للذكاء الاصطناعي يمكن أن يمكن المطورين من قضاء وقت أقل في مراجعة التعليمات البرمجية واختبارها وصيانتها.
بالإضافة إلى ذلك، ينبغي على الفرق أن تفكر في الاستفادة من تحليلات تدفق القيمة لتقييم سير العمل بالكامل من المفهوم إلى الإنتاج. لا تعتمد تحليلات سلسلة القيمة على مقياس منفرد؛ فهي تراقب باستمرار مقاييس مثل وقت التسليم ووقت الدورة وتكرار النشر وعيوب الإنتاج. يحافظ هذا النهج على التركيز على نتائج الأعمال بدلاً من تصرفات المطورين.
إحدى التقنيات الموصى بها للقياس هي إطار عمل DORA، والذي ينظر إلى أداء فريق التطوير على مدى فترة زمنية محددة. تقيس مقاييس DORA تكرار النشر، ووقت التسليم للتغييرات، ومتوسط الوقت اللازم للاستعادة، ومعدل فشل التغيير، والموثوقية لتوفير رؤية واضحة لمرونة الفريق وكفاءته التشغيلية وسرعته كمؤشر على مدى نجاح منظمة الهندسة في تحقيق التوازن بين السرعة والجودة والأمان.
تنفيذ الذكاء الاصطناعي بشكل مستدام
لا يزال الذكاء الاصطناعي تقنية جديدة، وينبغي للمؤسسات أن تتوقع الصعوبات المتزايدة المعتادة مع التحول مع إدراك أن فرق التطوير والأمان قد لا تزال بحاجة إلى الثقة في الذكاء الاصطناعي. قد يتطلب تقديم أدوات الذكاء الاصطناعي الجديدة إلى سير العمل الحالي تغييرات إضافية في العملية، مثل مراجعات التعليمات البرمجية والاختبار والتوثيق.
للبدء، يجب على الفرق بناء أفضل الممارسات من خلال العمل في قطاع أقل خطورة قبل توسيع تطبيقات الذكاء الاصطناعي الخاصة بهم لضمان توسعها بأمان واستدامة. على سبيل المثال، يساعد إنشاء أكواد الذكاء الاصطناعي في إنتاج السقالات وتوليد الاختبارات وتصحيحات بناء الجملة والتوثيق. بهذه الطريقة، يمكن للفرق بناء الزخم والدافع من خلال رؤية نتائج أفضل وتعلم كيفية استخدام الأداة بشكل أكثر فعالية. في البداية، قد تنخفض الإنتاجية مع تكيف الفرق مع تدفقات العمل الجديدة هذه. يجب على المنظمات منح فرقها فترة سماح لتحديد أفضل طريقة تناسب الذكاء الاصطناعي مع عملياتها.
توفر أدوات البرمجة القائمة على الذكاء الاصطناعي إمكانية تحويل سير العمل اليومي للمطورين. ومع ذلك، فإن النتائج التجارية لهذه الاستثمارات سوف تحدد مدى استدامتها على المدى الطويل.
من خلال تبني نهج شامل لقياس الإنتاجية يحلل النتائج في العالم الحقيقي، يمكن للفرق إثبات قيمة الذكاء الاصطناعي لـ DevSecOps، وعلى نطاق أوسع، للمنظمة.
