En ramme for AI-drevet agil projektledelse

Forskere ved University of Wollongong, Deakin University, Monash University og Kyushu University har udviklet en ramme, der kunne bruges til at bygge en smart, AI-drevet agil projektledelsesassistent. Deres papir, forudgivet på arXiv, er blevet accepteret den 41 ^st International Conference on Software Engineering (ICSE) 2019, i sporet Nye ideer og nye resultater.

"Vores forskning var drevet af vores erfaring med at arbejde i og med industrien, "Hoa Khanh Dam, en af ​​de forskere, der har udført undersøgelsen, fortalte TechXplore . "Vi så de reelle udfordringer i at køre agile softwareprojekter og den alvorlige mangel på meningsfuld support til softwareteams og praktikere. Vi så også potentialet i AI i at tilbyde betydelig support til styring af agile projekter, ikke kun i automatisering af rutineopgaver, men også i at lære og høste værdifuld indsigt fra projektdata til at lave forudsigelser og estimeringer, planlægge og anbefale konkrete handlinger."

Ifølge forskerne, Værktøjer til kunstig intelligens (AI) kan snart revolutionere projektledelse, øge produktiviteten ved at automatisere gentagne, store opgaver. AI-værktøjer kan også levere analysedrevne risikoforudsigelser og -estimater, udføre grundlæggende administrative opgaver, og give konkrete anbefalinger.

"Vores mål er at sikre, at AI bliver en game changer, transformation af softwareprojektledelsespraksis for at øge softwarekvaliteten og produktiviteten, " sagde Dam.

Undersøgelsen udført af Dam og hans kolleger udforsker den potentielle brug af kunstig intelligens til agil projektledelse, som er blevet mere og mere populært i løbet af de seneste år. Brug af agile projektledelsesmetoder som Scrum, softwareteams kan hurtigt levere kvalitetssoftware ved hjælp af en iterativ tilgang til at guide og planlægge projektprocesser. Forskerne foreslog en ny ramme for brugen af ​​AI-teknologier, herunder dyb læring, forstærkende læring, naturlig sprogbehandling, evolutionær søgning, og intelligente agenter, inden for rammerne af agil projektledelse.

"Denne kombination af AI-teknologier kan tilbyde support på næsten hvert trin i et agilt projekts livscyklus, " sagde Dam. "Det kan hjælpe produktejere med at identificere produktbacklog-elementer (f.eks. brugerhistorier og opgaver), forfine dem (f.eks. dekomponere et epos i en række brugerhistorier, opdele brugerhistorier i små historier, og opdele en brugerhistorie i en række opgaver), og opdage dubletter og afhængigheder. Det kunne også hjælpe agile teams med sprintplanlægning, for eksempel, ved at vælge varer i produktbacklog til den kommende sprint, anbefale optimale sprintplaner, eller forudsige fremtidige risici og begrænsninger."

Rammen udviklet af forskerne adresserer fire hovedområder inden for agil projektledelse, som er særligt udfordrende, på grund af mangel på effektive værktøjer. Disse omfatter:identifikation af efterslæb, finpudsning af efterslæb og sprintplanlægning, samt proaktiv overvågning af sprintforløb og risikostyring.

"Vores vigtigste bidrag her er at udstikke et stort, ambitiøs køreplan for fremtidig forskning og udvikling af en AI-værktøjspakke til agil projektledelse, " sagde Dam. "Som vi bemærkede i avisen, AI vil hjælpe, ikke erstatning, menneskelige teams. enkeltpersoner, interaktioner, og samarbejde er stadig nøgleelementerne for projektsucces som beskrevet i det agile manifest. AI kan fungere som en markant accelerator for agile teams og dermed være med til at øge succesraterne for projekter."

Forskerne forestiller sig en AI-drevet agil projektassistent, der kan tale med brugerne og støtte dem i deres arbejde. Dette AI-system vil have en analysemotor, en planlægningsmotor, en optimeringsmotor og en samtaledialogmotor.

Dam og hans kolleger arbejder nu på at udvikle prototypeværktøjer til hver af de komponenter, der er skitseret i deres rammer. Når alle disse komponenter er færdige, de planlægger at evaluere deres system på et datasæt med 150 open source-projekter.

"Vi har allerede udviklet flere komponenter i vores rammeværk, herunder sprint planlægning, story point estimering og forsinkelsesrisiko estimering, " sagde Dam. "At realisere visionen i vores papir er et stort projekt, og vi leder aktivt efter industripartnere til at samarbejde med os om at udvikle dele eller den fulde ramme."

© 2019 Science X Network