Jedna nedavna promjena u PLAYGRND-u počela je s četiri fotografije zapisnika poslane preko WhatsAppa. Utakmice su već bile unesene, a fotografije pravilno priložene. Pošiljatelj je svejedno dobio četiri poruke da AI obrada trenutačno nije dostupna.

Prema zapisu rada, od zahtjeva za popravkom do završetka, uključujući provjere i deploy, prošlo je oko devetnaest minuta. Upload i podaci utakmica već su postojali, pa je trebalo doraditi određeno ponašanje u postojećem proizvodu. AI je pomogao pronaći uzrok, napraviti izmjenu i provjeriti rezultat.

Željeno ponašanje proizašlo je iz samog posla: priloži zapisnik utakmici, pitaj ako nije jasno o kojoj se utakmici radi i nemoj nakon uspješnog prijenosa slati grešku koju čovjek mora tumačiti.

To je dio razvoja uz AI kojem se stalno vraćam u HILLS Labu. Brža implementacija daje mi više prilika da isprobam neku odluku. I dalje moram dobro razumjeti posao koji tom odlukom pokušavam olakšati.

Što čovjek već radi prije nego otvori aplikaciju

PLAYGRND čuva nogometne rezultate, sastave i zapisnike utakmica. Te podatke stvaraju ljudi koji već imaju svoj način rada. Rezultat mogu unijeti ručno prije slanja fotografije. Nakon večeri na terenu mogu poslati više zapisnika odjednom.

Taj redoslijed određuje kako izgleda uspješno korištenje aplikacije. Kad je utakmica već potpuno unesena, prilaganje zapisnika može biti cijeli posao. Novi poziv na pregled istih podataka dodaje korak. Suvišna poruka o AI grešci stvara dojam da uspješan upload još nije gotov.

Nakon ove izmjene sustav prije detaljne obrade provjerava zadnjih trideset utakmica iste organizacije. Ako utakmica ostane nejasna, može postaviti konkretno pitanje. Uklonjene su nepotrebne poruke o grešci nakon uspješnog prilaganja, a sva četiri zapisnika provjerena su na javnim stranicama utakmica.

Koristan zahtjev opisao je što je čovjek već napravio i što sada želi završiti. Iz toga je bilo jasno dokle implementacija treba ići.

Vrijeme na terenu pomaže mi bolje opisati problem

Igram nogomet i snimam utakmice, pa kroz PLAYGRND imam razloga biti među ljudima kojima proizvod treba pomoći. Želim da taj kontakt ostane dio razvoja dok softver postaje sve lakše mijenjati.

Na terenu je zapisnik papir koji netko ispunjava dok se utakmica igra. Poslije postaje fotografija u razgovoru i prilog javnom zapisu utakmice. Kad razumijem te prijelaze, lakše mi je razumjeti zašto netko šalje više fotografija zajedno ili očekuje da sustav prepozna već unesenu utakmicu.

Razgovor s ljudima koji obavljaju posao pomaže mi odlučiti što tražiti od softvera. Kad pogledam kojim redom rade, mogu vidjeti gdje bi predložena funkcionalnost ponovila posao ili im stvorila novu odluku.

AI mi može pomoći razraditi i sam zahtjev. Mogu ga tražiti da provjeri postojeće ponašanje u kodu, usporedi moguća rješenja i pronađe rubne slučajeve. Detalji iz stvarnog korištenja daju tom razgovoru konkretnu podlogu.

Uz bržu isporuku treba ostaviti vrijeme za povratne informacije

Kraći razvojni ciklus omogućuje male pokuse. Mogu promijeniti poruku, pojednostavniti jedan dio postupka ili isprobati drukčiju zadanu postavku bez pretvaranja svake ideje u velik projekt.

Pritom moram odlučiti kako rasporediti vrijeme. Ako sve što uštedim potrošim na novu implementaciju, mogu objavljivati promjene brže nego što razumijem njihov učinak. Treba se vratiti ljudima i pogledati je li im posao postao lakši.

Kod promjene vezane uz zapisnike želim provjeriti jesu li podaci točni i može li pošiljatelj završiti bez dodatnog objašnjavanja. Ta mi pitanja više govore od broja dodanih ekrana ili redaka koda.

Slično vidim u PLAYGRND video pilotu. Tehničke provjere mogu potvrditi dimenzije, trajanje i zvuk. Gledanje utakmice pokaže ostaje li razvoj akcije u kadru. Obje vrste pregleda pridonose odluci o objavi.

Kako želim razvijati proizvod uz AI

Želim da opažanje iz stvarnog korištenja dovede do konkretne izmjene. AI mi pomaže provesti implementaciju, provjere i isporuku. Zatim trebam ponovno pogledati kako posao izgleda u praksi, dok još mogu doraditi odluku.

Ponekad tako nastane nova mogućnost. Ponekad je rezultat mirniji razgovor, razumna zadana postavka ili jedan korak manje. Veličina implementacije malo mi govori o tome koliko posla promjena uklanja čovjeku koji je koristi.

U HILLS Labu tako želim procjenjivati razvoj uz AI: koliko brzo stvarno opažanje možemo pretvoriti u nešto upotrebljivo i kako ćemo saznati je li pomoglo? Brzina razvoja daje nam više prilika za odgovor. Vrijeme s ljudima koji obavljaju posao pomaže nam izabrati što vrijedi isprobati.