Praktyczne sposoby na usprawnienie realizacji projektów dzięki AI według liderki inżynierii platformowej
Adora Nwodo jest liderką inżynierii platformowej, autorką, prelegentką i założycielką NexaScale. Koncentruje się na wykorzystywaniu AI do usprawniania realizacji projektów — przede wszystkim poprzez ograniczanie powtarzalnych procesów i przeciążenia poznawczego.
Adora Nwodo
Menedżerka ds. inżynierii platformowej w Stack Overflow
AI przenosi realizację zadań z administracji na przywództwo: AI przejmuje powtarzalną pracę o dużej skali (tworzenie podsumowań, sortowanie zgłoszeń, zbieranie kontekstu), dzięki czemu liderzy mogą skupić się na architekturze, zapewnianiu zgodności działań, mentoringu i jakości podejmowanych decyzji.
Największe korzyści daje nałożenie AI na istniejące narzędzia: Wzrost produktywności nie wymaga nowych platform — dodanie AI do Jira, Slacka, procesów ciągłej integracji i spotkań znacząco zmniejsza obciążenie poznawcze i przyspiesza podejmowanie decyzji.
AI zapewnia przewidywalną realizację: Sześciotygodniowe cykle, mniejsza liczba rytuałów, ponownie wykorzystywane polecenia oraz kontekst dostarczany przez AI zastępują rozbudowane zarządzanie projektami przejrzystością, dynamiką i zaufaniem.
Usiedliśmy z Adorą, aby dowiedzieć się, jak wykorzystuje sztuczną inteligencję i jak w praktyce wpływa ona na jej systemy oraz rytuały. Oto, co miała do powiedzenia.
Kariera w budowaniu przewidywalnej realizacji projektów
Jestem liderką inżynierii platformowej, prelegentką, autorką siedmiu książek i założycielką NexaScale — inicjatywy mającej na celu wspieranie rozwoju oraz wzrostu entuzjastów technologii. W swojej obecnej roli koncentruję się na budowaniu solidnych fundamentów inżynieryjnych, które pomagają zespołom szybko i z pewnością dostarczać niezawodne produkty.
Blisko współpracuję z programistami, specjalistami SRE i zespołami produktowymi, aby usuwać przeszkody, usprawniać procesy dostarczania oraz tworzyć takie środowisko platformowe, które wspiera spójną i przewidywalną realizację projektów w całej organizacji.
Continue Reading for Free
Create a free account to finish this article, plus get ongoing access to timely insights and practical resources.
Have an account? Log In
Jak sztuczna inteligencja zmienia realizację projektów i przywództwo inżynieryjne
Sztuczna inteligencja zmienia moją rolę w bardzo konkretny i praktyczny sposób. Jako liderka inżynierii platformowej patrzę teraz na realizację projektów z dwóch równoległych perspektyw:
- Jedna dotyczy tradycyjnych fundamentów, takich jak niezawodność, automatyzacja i doświadczenia deweloperów.
- Druga dotyczy tego, jak sztuczna inteligencja staje się częścią samego przepływu pracy.
Znacznie mniej czasu poświęcam na ręczne przeglądanie powtarzalnej pracy, przeszukiwanie dzienników czy koordynowanie przekazywania zadań, które można zautomatyzować. Narzędzia wykorzystujące sztuczną inteligencję wykonują dużą część pracy wstępnej, na przykład generowanie dokumentacji, tworzenie szkieletów testów, konfigurację środowisk i obsługę licznych alertów operacyjnych. Mniej czasu poświęcam również na odpowiadanie na te same pytania operacyjne, ponieważ agenci AI udzielają teraz wskazówek bezpośrednio inżynierom wewnątrz platformy wewnętrznej.
Najwięcej uwagi poświęcam teraz kształtowaniu bezpiecznego i strategicznego sposobu wykorzystywania sztucznej inteligencji przez zespoły. Obejmuje to wybór odpowiednich narzędzi AI, projektowanie odpowiedzialnych przepływów pracy, tworzenie mechanizmów ochronnych oraz zastanawianie się nad tym, jak sztuczna inteligencja zmienia kulturę inżynieryjną.
Więcej czasu poświęcam również architekturze systemów na wysokim poziomie, uzgadnianiu działań między zespołami oraz ludzkiej stronie realizacji, ponieważ sztuczna inteligencja tworzy przestrzeń do głębszego myślenia:
- Architektura systemów na wysokim poziomie: Zamiast reagować na pojedyncze problemy, myślę o długoterminowych wzorcach i współdzielonych elementach, które sprawiają, że realizacja projektów jest szybsza i bardziej odporna. W tym celu całościowo analizuję, jak nasze usługi, przepływy pracy i platformy skalują się wraz z rozwojem firmy.
- Uzgadnianie działań między zespołami: W moim przypadku przejawia się to w bardzo osobisty sposób. Ponieważ moje własne wykorzystanie sztucznej inteligencji wyprzedza obecny poziom całego zespołu, poświęcam więcej czasu na przekładanie doświadczeń zdobytych dzięki przepływom pracy wspomaganym przez AI na usprawnienia naszej platformy, dokumentacji i narzędzi wewnętrznych. Dzięki temu inni mogą stopniowo czerpać z tych korzyści, bez wymuszania zmian, zanim będą na nie gotowi.
- Ludzka strona realizacji: Sztuczna inteligencja uwalnia przestrzeń, dlatego więcej czasu inwestuję w mentoring inżynierów, zrozumienie ich wyzwań oraz tworzenie środowiska, w którym mogą koncentrować się na pracy o większym wpływie, zamiast zajmować się powtarzalnymi zadaniami.
Ogólnie rzecz biorąc, realizacja projektów coraz mniej polega na doprowadzaniu zadań do końca, a coraz bardziej na tworzeniu środowiska, w którym inteligentna automatyzacja, solidne platformy i wykwalifikowani ludzie współpracują ze sobą przy znacznie mniejszych przeszkodach.
Realizacja projektów coraz mniej polega na doprowadzaniu zadań do końca, a coraz bardziej na tworzeniu środowiska, w którym inteligentna automatyzacja, solidne platformy i wykwalifikowani ludzie współpracują ze sobą przy znacznie mniejszych przeszkodach.
Jak rozpoznać przepływy pracy inżynieryjnej najbardziej gotowe na automatyzację za pomocą AI
Najbardziej oczywiste możliwości wykorzystania sztucznej inteligencji w realizacji projektów dotyczą obecnie pracy wykonywanej na dużą skalę, która pochłania czas, ale w rzeczywistości nie wymaga głębokiego osądu. Czytanie dzienników, segregowanie zgłoszeń, porządkowanie dokumentacji, sprawdzanie zależności i podsumowywanie długich wątków technicznych to idealni kandydaci. Są to obszary, w których sztuczną inteligencję można wdrożyć bezpośrednio za pomocą wielokrotnego użytku promptów, zautomatyzowanych agentów w portalach deweloperskich lub nawet prostych integracji działających wewnątrz CI i prezentujących spostrzeżenia, zanim człowiek będzie musiał wkroczyć do działania.
Sztuczna inteligencja dobrze sprawdza się również w przygotowywaniu spotkań i dzieleniu się wiedzą. Narzędzia takie jak Gemini już pomagają mi przekształcać długie dyskusje w jasne punkty działań, a tę samą koncepcję można rozszerzyć na przeglądy sprintów, retrospektywy i rejestry decyzji. Zapewnia to zespołom lepsze wspólne zrozumienie bez typowych nakładów pracy.
Obszary, które nadal wymagają ludzkiego podejścia, to te, w których znaczenie mają kontekst, zaufanie i intuicja. Należą do nich ustalanie kierunku technicznego, ocena kompromisów wpływających na ludzi, podejmowanie decyzji podczas niejednoznacznych incydentów czy wspieranie inżynierów w mierzeniu się z wyzwaniami. Te momenty zależą od osądu i doświadczenia, a sztuczna inteligencja może je jedynie wspierać — nie zastępować.
Podział jest więc prosty. Pozwól, aby sztuczna inteligencja w zarządzaniu projektami zajęła się powtarzalną pracą, która spowalnia realizację. Ludziom pozostaw kreatywne, strategiczne i skoncentrowane na człowieku decyzje, które przyspieszają realizację.
Jak AI zmienia sposób myślenia
To niesamowite, jak szybko AI w automatyzacji zadań projektowych przestaje być postrzegane jako miły dodatek, a staje się częścią podstawowego przepływu pracy. Spodziewałam się wzrostu efektywności, ale nie spodziewałam się, że zmieni to mnie.
Kiedyś poświęcałam dużo energii na gromadzenie kontekstu i starałam się przechowywać w głowie każdy szczegół, aby móc z pewnością siebie przewodzić zespołowi. Gdy AI zaczęło wspierać mnie w tej pracy, szybko zauważyłam zmianę sposobu myślenia. Zaczęłam działać spokojniej i być lepiej przygotowana, ponieważ nie musiałam gorączkowo próbować wszystkiego zapamiętać. Mogłam skupić się na kierunku działań, klarowności i jakości decyzji zamiast na mechanice gromadzenia informacji.
To była naprawdę pozytywna zmiana. Praca stała się bardziej przemyślana i mniej reaktywna. Przyszło mi to również naturalnie, ponieważ niemal od razu dostrzegłam korzyści. Nie planowałam zmiany sposobu myślenia. Po prostu nastąpiła, gdy używałam AI do usuwania szumu informacyjnego i tworzenia większej przestrzeni na przywództwo.
Jak lekki, sześciotygodniowy cykl usprawnia realizację
Odchodzę od tradycyjnych metod zarządzania projektami, które opierają się na ciągłych spotkaniach statusowych, sztywnych harmonogramach i obszernej dokumentacji. Zamiast tego korzystam z lżejszego systemu opartego na jasno określonych cyklach i wysokiej jakości kontekście. Przejście następowało stopniowo — z czasem ograniczyłam liczbę spotkań kontrolnych, udostępniałam krótsze aktualizacje, a dyskusje koncentrowałam na decyzjach zamiast na raportowaniu.
Jednym z filarów tego systemu jest przegląd naszej sześciotygodniowej mapy drogowej. Zamiast próbować zarządzać postępami z tygodnia na tydzień za pomocą szczegółowego planu projektu, co sześć tygodni dokładnie uzgadniamy działania, ustalamy priorytety i określamy oczekiwania interesariuszy. Pomiędzy tymi cyklami skupiamy się na utrzymywaniu tempa, a nie na dokumentacji.
Ponieważ współpracujemy z wieloma interesariuszami, największa zmiana dotyczy sposobu, w jaki zarządzam przepływem informacji. Zamiast tworzyć długie raporty statusowe lub uczestniczyć w wielu spotkaniach synchronizacyjnych, używam narzędzi AI, takich jak Gemini, do podsumowywania wątków na Slacku, notatek ze spotkań, dokumentów i aktualizacji z Jira. Dzięki temu mam jasny obraz tego, co posuwa się naprzód, co jest zablokowane i jakie decyzje wymagają uwagi, bez spędzania wielu godzin na gromadzeniu kontekstu.
Oczywiście oznacza to również, że nasze rytuały stają się lżejsze, dzięki czemu zespół może skupić się na realizacji zamiast na ciągłym raportowaniu.
Rezultatem jest lżejszy proces i większa klarowność. Interesariusze uzyskują lepszy wgląd, ponieważ informacje są zwięzłe i przekazywane na czas, inżynierowie mają mniej przerw w pracy, a ja mogę poświęcać energię na wyznaczanie kierunku i rozwiązywanie problemów zamiast na zadania administracyjne. Sześciotygodniowy cykl zapewnia strukturę, a AI daje codzienną jasność, która pozwala wszystkim posuwać się naprzód.
Jak wielokrotnego użytku polecenia dla inżynierów ograniczają powtarzalną pracę
Mój zespół zaczął używać wielokrotnego użytku poleceń dla inżynierów. Stworzyliśmy niewielką bibliotekę poleceń wspierających typowe zadania inżynierskie, takie jak pisanie testów jednostkowych, ulepszanie komunikatów o błędach, podsumowywanie działania usług czy przeglądanie zmian pod kątem potencjalnych problemów z niezawodnością. Te polecenia są tworzone raz, testowane, a następnie wykorzystywane ponownie, dzięki czemu inżynierowie nie zaczynają od zera za każdym razem, gdy proszą asystenta o pomoc.
Przykładowo jedno z poleceń służy do tworzenia uporządkowanych informacji o wydaniu na podstawie żądań scalenia. Wymaga ono konkretnych danych wejściowych, takich jak numer zgłoszenia, obszar bazy kodu, poziom ryzyka i wpływ na klienta. Inne koncentruje się na tłumaczeniu alertów operacyjnych na prosty język oraz wskazywaniu najbardziej prawdopodobnych przyczyn źródłowych na podstawie wcześniejszych incydentów.
Na początku konfiguracja była prosta i znajdowała się we współdzielonym dokumencie, a my stopniowo przenosimy polecenia na naszą wewnętrzną platformę, aby łatwiej było je znajdować i utrzymywać. Nakład pracy potrzebny do stworzenia i dopracowania każdego polecenia jest niewielki w porównaniu z czasem oszczędzanym w dłuższej perspektywie, ponieważ za każdym razem, gdy ktoś z niego korzysta, wynik jest bardziej klarowny, szybszy i spójniejszy.
Znacznie ogranicza to powtarzalną pracę i pomaga ludziom sprawniej przechodzić przez proces realizacji z większą pewnością siebie.
Jak dodanie warstwy AI do codziennych narzędzi inżynierskich przyspiesza realizację
Obecnie mój zestaw narzędzi do realizacji jest dość prosty. Korzystam z Gemini, Jiry, Slacka, Google Workspace i standardowych narzędzi inżynierskich, z których mój zespół już korzysta — na przykład GitHub do kontroli wersji, naszego potoku CI do kompilacji i wdrożeń oraz Datadog do monitorowania i wysyłania alertów.
To, co zmieniło się w ciągu ostatniego roku, to nie same narzędzia AI do zarządzania projektami; lecz sposób, w jaki z nich korzystam.
- Gemini wywarł największy wpływ. Używam go do przygotowywania się do spotkań, podsumowywania obszernych dokumentów, uzyskiwania szybkich informacji z dzienników oraz przekształcania notatek w przejrzyste zadania. Zastąpił wiele ręcznego gromadzenia kontekstu i pomaga mi znacznie szybciej podejmować decyzje.
- Jira nadal stanowi podstawę śledzenia pracy. Nie zastąpiłam jej. Zmieniło się to, że efektywniej zarządzam własnym przepływem pracy wokół niej, ponieważ mogę używać Gemini do analizowania dużych epików, szybkiego rozumienia postępów i przygotowywania się do sesji planistycznych bez spędzania wielu godzin na czytaniu wszystkiego.
- Slack nadal odgrywa kluczową rolę w komunikacji. Zamiast jednak próbować nadążać za każdym wątkiem, korzystam z podsumowań AI w Slacku, aby wyodrębnić najważniejsze informacje i nie utonąć w wiadomościach. AI w Slacku odpowiada również na pytania i automatyzuje zadania w ramach platformy.
Same narzędzia w dużej mierze pozostały takie same, ale mój przepływ pracy ewoluował. Największą zmianą było dodanie warstwy AI do codziennie używanych narzędzi. Innymi słowy, chodzi o sposób, w jaki łączę Gemini z narzędziami, z których już korzystam każdego dnia, aby interpretować zawarte w nich informacje.
Największą zmianą było dodanie warstwy AI do codziennie używanych narzędzi. Innymi słowy, chodzi o sposób, w jaki łączę Gemini z narzędziami, z których już korzystam każdego dnia, aby interpretować zawarte w nich informacje.
Jak Gemini usprawnia spotkania, odtwarzanie informacji i podejmowanie decyzji
Przyjrzyjmy się bliżej Gemini.
Jedną z najbardziej niedocenianych obecnie możliwości jest po prostu wykorzystanie AI do podsumowywania spotkań, długich wątków na Slacku, dokumentów, a nawet tego, co wydarzyło się w ciągu tygodnia. Brzmi to niepozornie, ale dla osób zarządzających jest ogromną oszczędnością czasu.
Nie jest to efektowna funkcja, ale jej wpływ jest realny. Pozwala odzyskać czas, zmniejsza stres i umożliwia sprawną realizację zadań bez opóźnień spowodowanych nadmiarem informacji. Dla osób zarządzających było to jedno z największych usprawnień.
W praktyce intensywnie korzystam z Gemini podczas spotkań — głównie jako narzędzia wspierającego odtwarzanie informacji ze spotkań, a nie systemu, który myśli za mnie. Używam go do przygotowywania agend, podsumowywania dyskusji, śledzenia decyzji oraz wyciągania wniosków z długich wątków lub dokumentów.
Większość moich spotkań jest nagrywana, a Gemini automatycznie tworzy podsumowania, dzięki czemu nie muszę ponownie oglądać długich nagrań, aby zebrać najważniejsze informacje. Kiedy przeglądam podsumowanie, dopracowuję je, wyjaśniam wszystko, co zostało źle zrozumiane, oraz wyodrębniam decyzje i działania, które naprawdę mają znaczenie.
Używam go również do szybkiego przeszukiwania wielu nagrań, gdy muszę potwierdzić wcześniejszy kontekst, znaleźć pierwotny powód podjęcia decyzji lub wydobyć szczegóły z dyskusji, która odbyła się kilka tygodni wcześniej. Pozwala mi to uniknąć przeszukiwania wielu godzin materiałów, ale to ja nadal interpretuję informacje i wyznaczam kolejne kroki.
Wszystko to pomaga mi przychodzić na spotkania z pełnym kontekstem i wychodzić z nich z konkretnymi, zwięzłymi zadaniami. A ponieważ szybciej zyskuję jasność sytuacji, szybciej podejmuję decyzje.
Praktyczne eksperymentowanie z przepływami pracy opartymi na agentach
Eksperymentujemy z przepływami pracy opartymi na agentach, ale w bardzo praktyczny sposób. Obecnie koncentrujemy się przede wszystkim na firmowym wyzwaniu związanym z AI, które jest raczej inicjatywą typu „hackuj i ucz się” niż formalnym przedsięwzięciem dotyczącym platformy. Cała firma tworzy małe projekty AI, aby zdobyć praktyczne doświadczenie i zrozumieć, jak przepływy pracy oparte na agentach mogłyby wyglądać w naszym kontekście.
Osobiście, w pracy związanej z realizacją projektów, zwracam uwagę na pomysły dotyczące agentów, które pomagają w takich obszarach jak podsumowywanie kontekstu, ograniczanie powtarzalnych zadań czy usprawnianie podejmowania decyzji.
To wciąż wczesny etap, ale wszystko przebiega pomyślnie. Ludzie szybko się uczą, a my już dostrzegamy wzorce, które z czasem mogłyby przerodzić się w bardziej uporządkowane przepływy pracy oparte na agentach.
Dlaczego AI przesunie zarządzanie projektami z administracji w stronę przywództwa
W niedalekiej przyszłości realizacja projektów przejdzie od modelu zarządzanego przez kierownika do modelu opartego na kontekście. AI w raportowaniu statusu projektu zajmie się większością pracy związanej ze śledzeniem postępów, podsumowywaniem i koordynacją, co oznacza, że zespoły będą działać na podstawie informacji w czasie rzeczywistym, a nie zaplanowanych spotkań kontrolnych. Kierownicy poświęcą znacznie mniej czasu na prowadzenie procesów, a znacznie więcej na wyznaczanie kierunku strategicznego, rozwijanie ludzi i podejmowanie decyzji wymagających oceny.
Również idea kierownika projektu jako głównego źródła aktualizacji zacznie zanikać. AI automatycznie przedstawi postępy, zagrożenia i zależności. Zespoły będą współpracować z agentami AI w taki sam sposób, w jaki dziś współpracują z narzędziami. Rezultatem będą szybsze decyzje, mniej rozbudowane rytuały i systemy realizacji, które będą bardziej elastyczne niż ustrukturyzowane.
Rola człowieka nie zniknie, ale przesunie się w stronę przywództwa, klarowności i podejmowania decyzji zamiast administracji.
Dlaczego AI nie zmieni z dnia na dzień naszego sposobu pracy
Moja rada to zacząć od małych kroków, zachować ciekawość i skupić się na klarowności zamiast na kontroli.
Nie chodzi teraz o zastąpienie z dnia na dzień naszego sposobu pracy. Chodzi o to, by pozwolić AI przejąć powtarzalne elementy realizacji, dzięki czemu liderzy będą mogli skupić się na ludziach, kierunku działania i podejmowaniu decyzji.
Największe możliwości pojawiają się podczas eksperymentowania z prostymi zastosowaniami, takimi jak podsumowania, przygotowanie do spotkań czy gromadzenie kontekstu. Te małe sukcesy budują zaufanie i tworzą przestrzeń na głębsze zmiany.
A przede wszystkim angażuj swoje zespoły i utrzymuj lekki proces. AI działa najlepiej, gdy wspiera kulturę, którą już masz, a nie gdy staje się kolejną warstwą złożoności.
Śledź nas
Możesz obserwować Adorę Nwodo na LinkedInie, w serwisie X lub na jej osobistej stronie internetowej. Zajrzyj także na stronę NexaScale.
Wkrótce kolejne wywiady z ekspertami na The Digital Project Manager!
