Tekoälyn käyttötapaukset IT-alalla, jotka pitäisi ottaa laajasti käyttöön

Lyhyesti

• Thoughtworksin tekoälypohjainen CodeConcise-työkalu analysoi vanhaa koodia, poimii liiketoimintasäännöt ja nopeuttaa keskustietokoneympäristöjen modernisointia. Tähän mennessä se on lyhentänyt moduulikohtaista muunnosaikaa neljällä viikolla ja säästänyt laajamittaisessa uudistuksessa 240 henkilötyövuotta.
• Finastran tekoälypohjaiset suunnittelutyön pulssikyselyt tunnistivat seuraamattoman kuuden tunnin viikoittaisen työkuormapiikin. Tämä oivallus auttoi johtoa tarkentamaan työnkulkuja, optimoimaan tehtävien jakamista ja vähentämään loppuunpalamisen riskejä. Tekoälypohjaiset IDE-ympäristöt, älykkäät koodiehdotukset ja automatisoidut työnkulut vähentävät kognitiivista kuormitusta.
• CreateFuture hyödynsi tekoälypohjaista työjonon seurantaa vähentääkseen käyttäjätarinoiden hallintaan käytettyä aikaa 30 prosentilla ja vapauttaakseen 4–8 tuntia sprinttiä kohden. Tekoäly auttaa tiimejä havaitsemaan laajuuden hallitsemattoman kasvun, automatisoimaan sprinttiraportoinnin ja ennustamaan liian suppeasti määritellyt ominaisuudet ennen kuin ne häiritsevät kehitystä.
• Chamomile.ai:n suurten kielimallien käyttöön perustuva lokianalyysi havaitsee hienovaraiset poikkeamat, ennustaa häiriöitä ja automatisoi korjaavat toimet. Tämä on vähentänyt manuaaliseen tutkimiseen kuluvaa aikaa ja auttanut tiimejä ratkaisemaan ongelmat ennen kuin ne kasvavat merkittäviksi käyttökatkoiksi.

Tekoäly on levinnyt lähes jokaiseen IT:n ja kehityksen osa-alueeseen. Kuulemme, kuinka se tehostaa suunnittelutyötä, parantaa työn ja vapaa-ajan tasapainoa sekä tarjoaa älykkään, kaiken tietävän ja aina käytettävissä olevan avustajan. Se riittää pyörryttämään kenet tahansa.

Vaikka tekoäly on käytännössä kaikkialla, se ei kuitenkaan tuota aivan sitä, mitä odotimme – tai edes mitään. Yli puolet IT-johtajista kamppailee todistaakseen tekoälyinvestointien tuoton ja polttaa samalla miljardeja. 

Johtoryhmissä keskitytään toiminnalliseen tekoälyyn, riskeihin ja uusimpaan DeepSeek-hypetykseen, mutta suurempi kysymys jää näköjään esittämättä: ratkommeko tekoälyn avulla todella oikeita ongelmia? Ehkä todellinen haaste ei ole itse teknologiassa vaan siinä, että tiedämme, mihin sitä kannattaa soveltaa. 

Kaikki ei kuitenkaan ole synkkää. Jotkin tiimit ovat ratkaisseet tämän. Keskustelimme muutamien tekoälyn edelläkävijöiden kanssa, jotka saavat aikaan todellisia vaikutuksia yllättävän yksinkertaisilla, mutta tehokkailla liiketoimintasovelluksilla. Tässä ovat tekoälyn käyttötapaukset, joihin he luottavat eniten:

1. Vanhan IT-ympäristön modernisointi 

Tekoäly ratkaisee vanhojen järjestelmien modernisoinnissa pitkään jatkuneen haasteen: vanhentuneen logiikan päätymisen uusiin järjestelmiin. ”Julkishallinnon organisaatiot käyttävät edelleen valtavia, monoliittisia järjestelmiä”, sanoo Noel Hara, NTT DATAn julkisen sektorin varatoimitusjohtaja ja teknologiajohtaja. ”Vaikka liiketoimintalogiikka poimitaan tai koodi uudistetaan, se sisältää usein vanhentunutta logiikkaa, joka on piilossa syvällä koodissa.” 

Noelin tiimi käyttää nyt tekoälyä poimittujen sääntöjen analysointiin ja niiden älykkääseen ristiinvertaamiseen nykyisten käytäntöjen kanssa. Vielä parempaa on, että työkalut voivat ehdottaa älykkäitä päivityksiä tilanteissa, joissa käytännöt ovat muuttuneet, ilman että liiketoiminnasta vastaavat henkilöt kuormittuvat liikaa. ”Tämä lähestymistapa pitää modernisointiprosessin sujuvana ja estää teknisen velan kasautumisen uuteen järjestelmään.” 

Thoughtworks on kehittänyt CodeConcisen, sisäisen tekoälypohjaisen kiihdyttimen, joka purkaa monimutkaisia koodirakenteita, kartoittaa riippuvuuksia ja paljastaa tärkeitä oivalluksia silloinkin, kun keskeiset kehittäjät ovat jo kauan sitten poistuneet. Työkalu voi myös kääntää vanhaa koodia nykyaikaisille kielille varmistaakseen vaatimustenmukaisuuden ja yhteensopivuuden kehitystiimin kanssa. 

Tähän mennessä sisäinen käyttöönotto on onnistunut melko hyvin: se on jo lyhentänyt modernisointiin moduulia kohden kuluvaa aikaa neljällä viikolla ja säästänyt hämmästyttävät 240 henkilötyövuotta täysimittaisessa keskustietokoneympäristön muunnoksessa. 

On kuitenkin syytä huomata, että yksi vaihtoehto vanhojen järjestelmien modernisointiin voi olla yhteistyö oikean lähialueella toimivan ohjelmistokehityskumppanin kanssa.

2. Työntekijöiden tuottavuuden parantaminen 

Jo ennen nykyistä kultaryntäystä tekoäly hoiti jo kaavakoodin tuottamisen ja testitapausten hallinnan kaltaisia rutiinitehtäviä – tehtäviä, jotka veivät aiemmin IT-tiimeiltä tuntikausia. Nyt tekoälyohjattujen IDE-ympäristöjen, kuten Tabninen ja JetBrains AI:n, avulla näihin tehtäviin yhdistyvät älykkäät koodikatselmoinnit, asiayhteyteen perustuvat yhteenvedot ja automaattinen tietämyksen dokumentointi. Kehittäjien ei enää tarvitse tasapainoilla loputtomien asiayhteyden vaihtojen välillä tai etsiä dokumentoimattomia korjauksia. 

Cycode-yhtiön teknologiajohtaja Jimmy Xu näkee tekoälyavusteisen suunnittelutyön tulevaisuuden kehittyvän niin lupaavasti, että hän kutsuu tekoälyä keinoksi kymmenkertaistaa kehittäjien tuottavuuden. Hän on oikeassa. Kun asiaa tarkastellaan etäämmältä, tekoäly alkaa näyttää vähemmän työkalulta ja enemmän nykyaikaisen ohjelmistokehityksen yhdistävältä kudokselta.

Se voi yhdistää pirstaleiset työnkulut, toteuttaa älykkäämpiä työnvaihdoksia, tarjota yksityiskohtaista näkyvyyttä ja tuoda esiin tehottomuuksia, joiden olemassaoloa tiimit eivät välttämättä edes tiedosta. Finastra sai tästä omakohtaista kokemusta otettuaan käyttöön mukautetun tekoälytyökalun kehittäjäkokemuksen seuraamiseen. 

Aluksi johto käytti tekoälypohjaisia pulssikyselyjä teknisen henkilöstön hyvinvoinnin arviointiin, mutta pian esiin nousi unohdettu ongelma: kehittäjät kirjasivat (aiemmin seuraamatta jääneitä) kuutta ylimääräistä työtuntia viikossa jatkuvien vaatimusten ja jatkuvien tuotepäivitysten vuoksi.

Uupumusriskin tiedostaessaan johto hyödynsi tekoälyä työkuormien optimoimiseen, keskittymistuntien varmistamiseen ja viestintäaikojen hienosäätämiseen tarpeettomien keskeytysten vähentämiseksi. Nyt insinöörit pystyivät keskittämään energiansa innovointiin ilman jatkuvan asiayhteyden vaihtamisen aiheuttamaa kuormitusta.

3. Hallitse tuotteen laajuutta, jotta se ei ”hiivi” kaaokseksi  

”Ohjelmistoinsinöörillä koodaaminen vie vain pienen osan työviikosta – noin kaksi tuntia päivässä”, kommentoi CreateFuturen teknologiajohtaja Jeff Watkins. Suurin osa viikosta kuluu käyttäjätarinoiden, eeposten, hyväksymiskriteerien, laadunvarmistuksen työnkulkujen ja, jos ei olla tarkkana, jatkuvasti kasvavan laajuuden hallitsemattoman paisumisen kanssa.

Onneksi juuri tässä tekoäly on tuonut CreateFuturelle merkittävimpiä hyötyjä. ”Olemme vähentäneet eeposten, tarinoiden ja hyväksymiskriteerien kirjoittamiseen, tarkistamiseen ja yhteensovittamiseen käytettyä aikaa noin 30 prosenttia”, hän kertoo korostaen, kuinka tekoäly on terävöittänyt heidän tuotekehityksen työnkulkuaan.

Hänen tiiminsä hyödyntää nyt tekoälyä seuraaviin tarkoituksiin:

• Kokousmuistioiden automatisointi keskeisten keskustelujen ja alkuperäisestä laajuudesta poikkeamisten seuraamiseksi sekä toimenpideluettelon laatimiseksi suunnan korjaamista varten. 
• Edistymisraporttien luominen seuraamalla valmistuneita tehtäviä, työjonon muutoksia ja kehittyviä vaatimuksia – näin tiimit voivat havaita laajuuden hallitsemattoman paisumisen ennen kuin se suistaa edistymisen raiteiltaan.
• Ennakoivan analyysin toteuttaminen aiemmista projekteista liian suppeasti määriteltyjen ominaisuuksien havaitsemiseksi varhaisessa vaiheessa.
• Palautesilmukoiden rakentaminen vertaisten näkemysten tiivistämiseksi ja kehittymismahdollisuuksien tuomiseksi esiin.

Jeff pitää tekoälyä tuotteen laajuuden ”kumiankkana”: se esittää oikeat kysymykset, paljastaa esteet ja yhdistää tekniset investoinnit liiketoiminnan tavoitteisiin. ”Kun tekoäly hoitaa edistymisraportit ja dokumenttien tarkistukset, saamme takaisin neljästä kahdeksaan tuntia sprinttiä kohden.” 

4. Ota käyttöön itsekorjautuva IT-infrastruktuuri 

Käyttökatkos on IT-tiimeille kallis kriisi. Hyvinäkin päivinä käyttökatkos voi maksaa suurille organisaatioille jopa $9,000 minuutilta. Kun mukaan lasketaan sääntelyyn liittyvät sakot, tietojen menettäminen ja säännellyillä toimialoilla aiheutuva mainehaitta, kokonaisvaikutus voi nousta yli $5 miljoonaan. Tästä huolimatta useimmat IT-valvontatyökalut ovat edelleen reaktiivisia: ne havaitsevat tapahtumat, mutta eivät estä niiden toistumista, ja niiden skaalaaminen on vaikeaa. Kuten Jimmy toteaa, ”Skaalaus ja toimitus muodostuvat kriittisiksi haasteiksi yhä monimutkaisemmassa ympäristössä.”

Itsekorjautuva infrastruktuuri paikkaa nämä aukot autonomisilla valvontatyökaluilla. Chamomile.ai:n toimitusjohtajalle Tirath Ramdasille lokianalyysi on erinomainen esimerkki siitä, kuinka tekoäly voi helpottaa kehittäjien työkuormaa ja samalla vahvistaa autonomisia IT-järjestelmiä. ”Virheraporttien analysointi on työlästä, harvoin mieluisaa ja tapahtuu usein kovan paineen alla, kun häiriöt tai käyttökatkokset alkavat vaikuttaa loppukäyttäjiin”, Tirath sanoo. Todellinen perussyyn analysointi vaatii kuitenkin muutakin kuin ERROR-lokien etsimistä. 

”Se tarkoittaa useiden lokien korrelointia ja hienovaraisten poikkeamien havaitsemista.” Hän hyödyntää LLM:iä työläiden lokihakujen nopeuttamiseen ja asiayhteyteen liittyvien mallien nopeaan yhdistämiseen. ”Ne ovat erinomaisia termien sumeassa täsmäytyksessä, lokien älykkäässä vertailussa ja epätavallisen toiminnan merkitsemisessä.” Vielä parempaa on, että ne voivat havaita automaattisesti pienet häiriöt lokeissa ja vähentää manuaalisten tutkimusten tarvetta, mikä nopeuttaa häiriöiden ratkaisemista. 

Lokianalyysin lisäksi tekoälytyökalut voivat myös korjata pienet häiriöt automaattisesti. Autonomiset tekoälypohjaiset järjestelmät seuraavat jatkuvasti reaaliaikaisia mittareita – suorittimen käyttöä, verkon viivettä ja muistin kulutusta – havaitakseen poikkeamia, vähentääkseen vääriä positiivisia havaintoja ja toimiakseen kynnysarvojen ylittyessä.

Jos järjestelmän mittari ylittää ennalta määritetyn vertailuarvon, tekoäly voi käynnistää automaattisen korjausprotokollan. “Korjaustoimia varten tekoäly voi tarjota räätälöityjä ohjeita ja luoda ehdotettuja koodikorjauksia automaatiotyönkulkujen avulla. Sen jälkeen voit käyttää tekoälyä erilaisten löydösten normalisoidun riskipistemäärän määrittämiseen ja luokittelun automatisointiin”, Jimmy kommentoi. 

Tekoäly saa aikaan muutoksen, jos organisaatiokulttuurisi tukee sitä

Tekoäly voi todella säästää aikaa ja tuoda täydellisen näkyvyyden työnkulkuihin suunnittelu- ja IT-tiimeille – mutta vain, jos organisaatiokulttuuri on valmis tukemaan sitä. “Et tarvitse hienoa uutta teknologiaa näiden tulosten saavuttamiseen”, Jeff sanoo. Kaikki tämä on mahdollista jo toimistosi ohjelmistopakettiin sisältyvillä tekoälytyökaluilla, kuten Microsoft Copilot 365:llä tai Google Gemini Advancedilla. 

“Todella tärkeää on ihmisiin investoiminen. Näytä heille, miten he saavat tarvitsemansa näistä työkaluista”, hän lisää. Pienissäkin tiimeissä muutaman tunnin käyttäminen kunkin henkilön valmentamiseen kasautuu nopeasti, ja yhtäkkiä näet sijoitukselle todellista tuottoa. 

Suuremmat tiimit voivat kokeilla kokeellisia projekteja, kuten pahamaineisia ’laajuuden haastamispäiviä’. Anna suunnittelijoillesi epäselvä projekti, kasa dataa ja tekoälytyökaluja ongelmien, kuten riskien ennustamisen tai epicsuunnitelmien luonnin, ratkaisemiseksi. Paras ratkaisu voittaa kerskumisoikeudet, kannustimia seuraavan pilottiprojektin aloittamiseen ja todennäköisesti myös liioitellun suuren palkinnon.

“Joten johtopäätökseni on, että opettele käyttämään edessäsi olevia työkaluja hyvin ennen kuin ostat lisää – muuten vaarana on joutua vanhan sanonnan ‘paljon varusteita, mutta ei lainkaan ideoita’ uhriksi.”

Tilaa CTO Clubin uutiskirje, niin saat lisää näkemyksiä tekoälystä, liiketoiminnan ja suunnittelun yhteensovittamisesta sekä itsekorjautuvasta IT:stä.