De impact van AI op agile werken – 3 positieve effecten
Er is veel geschreven over AI voor softwareontwikkelaars, maar weinig over de impact op agile werken. Wat betekent de komst van AI voor agile werken? Hoe kun je het toepassen? En wat zijn dan de voordelen hiervan? In dit blog beschrijf ik 3 voordelen van het toepassen van AI in agile werken.
1. AI laten meeschrijven aan een User Story
We kennen het allemaal wel. Een User Story (in Scrum Product Backlog Item) waarbij de titel is gevuld, er nauwelijks een omschrijving te vinden is en acceptatiecriteria al helemaal niet beschreven zijn. Tijdens een refinement sessie proberen we duidelijkheid te krijgen maar dat schrijven we niet op, en we gaan vaak toch aan de slag met de slecht beschreven User Story.
Met behulp van de bekende AI-tools zoals bijvoorbeeld Microsoft Copilot, ChatGPT, maar ook GitHub Copilot kun je het schrijven van de een goede User Story samen met AI doen. De eindverantwoordelijkheid ligt natuurlijk bij de persoon die de User Story schrijft, maar als je het ook zo gebruikt is AI een hele waardevolle aanvulling! Het zorgt voor een goede en uitgebreide beschrijving en kan ook meehelpen bij het opstellen van de acceptatiecriteria bijvoorbeeld.
2. AI documentatie laten schrijven
Een van de agile principes is “Working software over comprehensive documentation”. Vaak is dit opgevat door teams die agile werken dat documentatie niet meer nodig is als je agile werkt. Dit is natuurlijk niet het geval, het is nog steeds belangrijk wanneer je software ontwikkelt. Het is echter een onderdeel waar de meeste teamleden niet heel gelukkig van worden en misschien ook wel niet heel goed in zijn. Ook hier kan AI je bij helpen.
Bijvoorbeeld door een bestaande code base om te laten zetten naar documentatie. Handig als je een achterstand hebt, twijfelt aan de volledigheid en/of opnieuw wil beginnen met het schrijven van de documentatie. Voor het genereren van documentatie zijn verschillende oplossingen. Bijvoorbeeld GitHub Copilot kan gebruikt worden om de documentatie te laten genereren op basis van de codebase. Als je dit op deze manier doet weet je in ieder geval dat de documentatie bestaat uit de functionaliteit die beschikbaar is (in plaats van functionaliteit die beschikbaar zou moeten zijn).
Je kunt de gegenereerde documentatie ook weer opslaan in bijvoorbeeld een markdown file en bij de code opslaan. Voordeel van dit laatste is dat deze documentatie door GitHub Copilot gebruikt wordt bij ondersteuning van het schrijven van de code. GitHub Copilot begrijpt dan beter wat de bedoeling van de applicatie is en geeft dus ook betere suggesties en feedback. Ook bij het schrijven van de documentatie ligt de eindverantwoordelijkheid van de juistheid en volledigheid van de documentatie bij de persoon die de documentatie schrijft, maar het kan je heel goed op weg helpen en veel tijd besparen.
Lees ook:
– IT verandert als de wereld instabieler wordt
– Best practices voor dependency management in .NET
– Beveligingssoftware is nog geen security
3. AI zorgt voor snellere feedback
In agile werken is er altijd aandacht voor focus en flow. In de huidige manier van werken maakt een teamlid een Pull Request (PR) aan als er een commit wordt gedaan (dit kan zijn voor het realiseren van een User Story of het oplossen van een bug). Deze PR wordt door een ander teamlid bekeken, van feedback voorzien en dan kan hij of door of gaat terug naar de indiener om nog een aanpassing te doen. Je kunt je voorstellen dat deze feedback niet direct gegeven wordt. Teamleden zijn druk en het kan wel eens uren duren voordat een PR wordt goedgekeurd. Waarschijnlijk ben je een andere taak begonnen en moet je, als je de feedback ontvangt, weer terugschakelen wat je ook alweer gedaan hebt om de feedback te begrijpen en te verwerken. Deze zogenaamde context-switching zorg voor een verlies van focus en flow.
GitHub Copilot kun je gebruiken om een PR te laten reviewen, dit is misschien niet de enige die dat moet doen maar zorgt wel voor vrijwel directe feedback. GitHub Copilot gaat direct aan de slag als je hem vraagt een PR te beoordelen. En aangezien GitHub Copilot ook de context van de applicatie kent, en de best practices et cetera, krijg je vrij goede feedback en bijna direct. Veel organisaties zullen ervoor kiezen ook nog een teamlid ernaar te laten kijken, maar je zou dit zo kunnen inrichten dat dit bij laag risicowijzigingen niet hoeft. Dit versnelt de feedback loop en zorgt ervoor dat je als developer snel door kunt naar de volgende taak en de kans klein is dat je nog andere feedback krijgt wanneer een ander teamlid naar de PR kijkt.
Conclusie
AI biedt ook voor agile werken waardevolle elementen die teams helpen om effectiever en prettiger samen te werken. De User Stories zijn van goede kwaliteit, bevatten voldoende en relevante informatie. De documentatie is up-to-date en eenvoudig bij te houden en ook de feedback loop voor developers wordt verkort waardoor er minder verlies van focus is. Ben je op zoek naar meer slimme toepassingen van AI? Neem snel contact op!
Deel dit bericht