Gerakan Agile – yang mendorong kerja yang erat dan berulang antara tim teknologi dan bisnis – mengalami perkembangan menarik. Kecerdasan buatan (AI) memiliki potensi untuk membantu menjaga semua orang tetap sejalan dan membebaskan pengembang dan profesional IT, sehingga mereka dapat menghabiskan lebih banyak waktu untuk menjalankan bisnis.
Dampak AI memiliki potensi menjadi perkembangan paling menarik dalam Agile sejak praktik tersebut pertama kali diuraikan dua dekade yang lalu. Di masa depan, kita mungkin akan berbicara tentang jenis AI lainnya – Agile Intelligence.
Selain itu, dampak AI pada Agile bekerja dua arah. Sama seperti AI mempengaruhi Agile, Anda juga membutuhkan filosofi Agile untuk membangun dan menjalankan sistem berbasis AI. Namun, ketika AI dan Agile digunakan secara kombinasi, ada potensi bagi bisnis untuk mengoptimalkan desain dan pengembangan perangkat lunak mereka.
“Kecerdasan buatan membawa pengembang, operasi, dan pengguna lebih dekat melalui akses yang lebih cepat ke pengetahuan, alur kerja yang efisien, dan proses otomatis,” kata Margaret Lee, wakil presiden senior dan manajer umum layanan digital dan manajemen operasi di BMC.
Salah satu manfaat paling menarik dari kolaborasi yang ditingkatkan oleh AI adalah waktu yang diberikan kembali kepada tim teknologi dan pengguna. “AI dapat membantu dalam banyak kegiatan administratif, sehingga secara otomatis memberi kita lebih banyak waktu untuk berkolaborasi,” kata Keith Farley, wakil presiden senior di Aflac.
Dia mengatakan AI pada dasarnya berfungsi “sebagai jenis rekanan super”: “Misalnya, ketika Anda mengumpulkan dua orang, Anda memiliki pemikiran, pengalaman, dan kepribadian dua orang untuk berkontribusi dalam diskusi. Jika Anda memiliki empat orang, maka itu empat orang, dan seterusnya. Tetapi ketika Anda melibatkan AI generasi, itu seperti menambahkan pemikiran dan sikap dari jutaan orang yang beragam ke dalam diskusi Anda.”
Membawa pemikiran-pemikiran beragam ini ke dalam diskusi “akan memungkinkan kita melihat dengan lebih luas dan memahami sudut pandang yang beragam di luar biasa kita sendiri, yang dapat menghasilkan produk dan hasil yang lebih baik,” tambah Farley.
Banyak profesional IT tertarik dengan potensi kolaborasi yang ditingkatkan oleh AI dan sudah melakukan percobaan, kata Lee dari BMC. “Inovasi dan kasus penggunaan AI, baik yang generatif, kausal, korelasi, prediktif – atau semuanya bekerja bersama melalui AI komposit – saat ini sedang terjadi,” katanya.
“Automasi yang didukung AI meningkatkan pengalaman pengembang dengan menyederhanakan dan mempercepat pekerjaan mereka dengan perbaikan manajemen perubahan yang lebih baik. AI secara otomatis membagikan wawasan di antara tim, seperti DevOps dan SRE, untuk mendorong kolaborasi yang lebih besar dalam pengembangan aplikasi baru dan perbaikan proses.”
AI dapat membantu “mendorong kolaborasi dan inovasi secara besar-besaran,” kata Varun Parmar, chief operating officer di Miro. “Hambatan terbesar untuk inovasi adalah tantangan teknologi, seperti alat warisan, dan tantangan organisasi, terutama yang terkait dengan kolaborasi lintas fungsi. Ketakutan menghalangi inovasi, dan perusahaan takut untuk memprioritaskan inovasi.”
Salah satu contoh kolaborasi yang ditingkatkan oleh AI adalah “kolaborasi antar tim melalui identifikasi prediktif dan perbaikan otomatis insiden sebelum terjadi sambil mengidentifikasi analisis akar penyebab masalah,” kata Lee. “AI juga meningkatkan kolaborasi dengan mengotomatiskan manajemen alur kerja di departemen, seperti onboarding karyawan HR.”
Hasil dari upaya ini adalah AI “menghilangkan tugas administratif yang membosankan yang sering mengganggu tim di perusahaan,” kata Parmar dari Miro. “Ini berarti menemukan perangkat lunak terbaik untuk melakukan tugas seperti membuat diagram teknis, menginterpretasikan kode, serta mengelompokkan dan menyimpulkan konten.”
Dengan adanya AI, “tim menghabiskan lebih sedikit waktu untuk tugas administratif yang menguras momentum dan konsentrasi, dan lebih banyak waktu dalam fase inovasi dan kolaborasi dalam sebuah proyek,” tambah Parmar. “Ini membantu menghilangkan kesenjangan pengetahuan bagi peserta dalam sesi brainstorming dan memfasilitasi penyelaman penelitian yang lebih dalam tentang tren perilaku konsumen yang membentuk keputusan bisnis atau produk. Ini menghilangkan bias penelitian manusia dalam hitungan detik, bukan jam atau hari.”
Lee mengatakan bahwa salah satu alat yang paling penting dan baru bagi departemen IT adalah artificial intelligence for IT Operations (AIOps). AIOps membantu “memantau lingkungan operasional secara real-time, secara otomatis melihat dan merespons insiden sebelum mempengaruhi perusahaan,” katanya. Sebagai bagian dari proses tersebut, AIOps memungkinkan analisis akar penyebab dan korelasi insiden secara real-time.
AI juga mempromosikan manajemen perubahan, “menganalisis data dan proses yang relevan, mengurangi risiko, dan memajukan DevOps,” lanjut Lee. Integrasi dengan alat-alat DevOps, “menghubungkan permintaan perubahan dengan siklus pengembangan perangkat lunak, dan mengimpor tahapan pipeline CI/CD, memungkinkan komunikasi langsung antara manajer perubahan dan pengembang.”
Namun, AI juga membawa risiko bagi operasi IT, kata Lee. “Jika Anda melihat AI generatif, ia menjanjikan untuk mengotomatisasi proses yang mengurangi pekerjaan pengumpulan dan korelasi data di berbagai industri,” katanya. “Organisasi dan pelanggan dapat mencapai tingkat efisiensi operasional digital yang belum pernah terjadi sebelumnya, tetapi dalam kasus penggunaan di perusahaan, model AI harus dilatih dengan kumpulan data internal.”
Sementara AI generatif “menawarkan manfaat yang signifikan, seperti pengalaman pelanggan dan penyederhanaan operasi IT, itu harus diimplementasikan dengan bijaksana,” kata Lee. “Anda perlu memahami batasan AI dan memastikan pelatihan yang tepat untuk menghindari tantangan di masa depan.”
Lee khususnya khawatir tentang implikasi bagi kualitas dan integritas data. “Jika perusahaan menerapkan AI dan ChatGPT dalam kasus penggunaan yang salah dan dengan data yang buruk, dapat ada konsekuensi serius, seperti penyalahgunaan, hasil yang cacat, atau kebocoran data sensitif,” katanya. “Hal ini dapat menyebabkan gangguan bisnis, integritas data yang terancam, dan ketidakpuasan pelanggan. Ada juga masalah dengan bagaimana model dilatih dari waktu ke waktu – jika mereka menggunakan data yang dihasilkan sendiri, hal itu dapat menyebabkan keruntuhan model.”
Namun, Lee memprediksi sebagian besar produk dan layanan teknologi akan menggabungkan kemampuan AI generatif dalam 12 bulan ke depan, “memperkenalkan cara berbicara yang konversasional dalam menciptakan dan berkomunikasi dengan teknologi, menuju demokratisasinya. Teknologi solusi AI dapat memberikan wawasan yang jelas dan dapat dilaksanakan kepada tim Agile, mengidentifikasi risiko, dan memberikan rekomendasi untuk menyelesaikan masalah.”