Identyfikacja obszarów marnotrawstwa w procesach SDLC za pomocą AI

Kilka lat temu sięgnąłem po egzemplarz książki "The Toyota Way" autorstwa Jeffreya K. Likera, która dogłębnie analizuje i wyjaśnia filozofię zarządzania, przyjętą przez firmę Toyota. Ta lektura była nie tylko ciekawa, ale również pełna praktycznych wskazówek. Jednakże to, co najbardziej zapadło mi w pamięć, to opis słynnego Toyota Production System (TPS), który koncentruje się na eliminacji marnotrawstwa, just in time, dążeniu do autonomii pracowników oraz ciągłym doskonaleniu procesów. W tym krótkim poście nie zamierzam wchodzić w szczegóły funkcjonowania podejścia lean, ani systemu TPS. Raczej, chciałbym zainicjować dyskusję na temat sposobów eliminacji marnotrawstwa w procesach SDLC (Software Development Life Cycle). Ponadto, zastanawiam się, w jaki sposób można to osiągnąć, wykorzystując AI, i serdecznie zapraszam Cię do włączenia się w ten proces twórczy😉

Najpierw zastanówmy się nad definicją marnotrawstwa... marnotrawstwo obejmuje wszelkie działania lub czynności, które nie przyczyniają się bezpośrednio do dostarczenia wartości dla klienta. Czyli w procesach SDLC są to często nasze strefy komfortu, brak refleksji nad sensem wykonywanych działań, to nasze nawyki, to chodzenie na skróty, to nadmierne jaranie się technologią, a nie wartością z niej płynącą. Zgodnie z podejściem lean istnieje siedem rodzajów marnotrawstwa, które krótko opiszę poniżej, próbując zestawić je z przykładami z procesu SDLC. Starając się dobrać narzędzia oparte na AI, które mogłyby pomóc w eliminacji marnotrawstwa, napotkałem pewne trudności – dlatego też gorąco zachęcam Cię do udziału w tej dyskusji i wsparcia 😉  

1. Nadprodukcja – czyli np. niepotrzebny kod, albo produkty z nadmiarem funkcjonalności, które nie są wymagane przez użytkownika końcowego. Choć narzędzia do statycznej analizy kodu, jak np. SonarQube, Copilot czy CodeClimate, są dostępne od dawna, wyłapanie nadmiaru funkcjonalności może być trudne. Jak zatem zidentyfikować te zbędne elementy, kiedy biznes bardzo potrzebuje tych wszystkich featuerów? Czy masz jakiś pomysł?

2. Nadmiar procesów - to np. 15 rodzajów spotkań na których musisz być, z których nic nie wynika, a które można by podsumować za pomocą AI i rozesłać minutki do wszystkich członków projektu. Choć narzędzia takie jak Fireflies.ai czy Otter.ai są obiecujące, ograniczenia prawne mogą stanowić problem. Jak radzicie sobie z tym wyzwaniem?

3. Oczekiwanie – np. testerzy czekają na programistów i vice versa, albo czekamy na biznes aż wreszcie określi wymagania danego featura. Jak lepiej planować z AI? Przydałoby się narzędzie, które planuje dostępność zespołu, wykazuje powiązania między ticketami, alarmuje o zbliżającym się braku zadań za np. 2 sprinty itd. .. marzenia szybują jak ptaki 😊  

4. Nadmierne ruchy - czyli aktywności które nikomu nie służą... na zasadzie biegania z pustą taczką, bo nie było czasu załadować. Czyli np. nadmierne zmiany w wymaganiach, dokumentacja, kontrola jakości, wspomniana już ilość spotkań.. 

5. Koszty błędów - brak testów, dług techniczny, słabe wymagania... tutaj musimy chyba jeszcze poczekać na bardziej rozwinięte AI, czy nie?  

6. Nadmiar zapasów -  np. niepotrzebne kopie zapasowe, niepotrzebne subskrypcje Azure, za dużo środowisk, za dużo dokumentacji, brak mentalności FinOps etc.  

7. Nadmierny transport – czyli np. przenoszenie zadań lub informacji między zespołami deweloperskimi = nadmiar/brak komunikacji, brak automatyzacji procesów. 

Potencjał identyfikacji obszarów, w których tracimy czas, pieniądze i energię, jest ogromny, a równie ogromne są możliwości eliminacji marnotrawstw w tych obszarach. Jestem przekonany, że startup, który podejmie wyzwanie eliminacji marnotrawstwa w procesach SDLC na zasadzie strategii błękitnego oceanu, może odnieść ogromny sukces. Co sądzisz na ten temat? Czy znasz inne narzędzia, które mogą być wykorzystane do eliminacji marnotrawstwa w obszarach SDLC? Podziel się opinią w komentarzu.

Skrócona wersja na LinkedIn: https://www.linkedin.com/feed/update/urn:li:activity:7183355574263177216/