Meer functies duurzaam geleverd krijgen: net zo eenvoudig als verbinding maken met Jira

Softwareontwikkelaars vinden de ontwikkeling van nieuwe functies vaak het leukste aspect van hun werk. Ze kunnen er hun creativiteit in kwijt, interessante problemen oplossen en tastbare resultaten afleveren. Bovendien richt de product owner zich meestal op nieuwe functies. Dat is immers wat klanten willen, en wat omzet oplevert.

In deze context geven ontwikkelaars vaak voorrang aan features boven bugs oplossen of code optimaliseren. Want "we worden betaald voor features, niet voor bugs". Gelukkig is er nu een oplossing beschikbaar die net zo eenvoudig is als een verbinding met Jira: Agile Analytics Sprint Insights!

Deze focus op de ontwikkeling van nieuwe functies kan op de lange termijn echter nadelige gevolgen hebben. Software die voortdurend nieuwe functies toevoegt zonder de nodige aandacht voor kwaliteit en stabiliteit kan traag, onstabiel en onveilig worden. Wie bugs laat liggen en technische schuld opbouwt, krijgt een codebase die verslechtert en steeds complexer wordt. Na verloop van tijd is de software dan moeilijk te onderhouden en te verbeteren. Bovendien kunnen kwetsbaarheden in de beveiliging ontstaan door overhaaste ontwikkeling, gebrek aan goede tests of onvoldoende aandacht voor potentiële risico's.

Om deze problemen aan te pakken, is het van cruciaal belang om een balans te bewaren tussen feature-ontwikkeling en niet-feature-werk. Wie een duurzaam en robuust softwareproduct wil bouwen, moet tijd en mensen reserveren voor fouten oplossen, code optimaliseren en beveiliging verbeteren. Dat begint met inzien hoe belangrijk dat werk is.

Agile Analytics gebruikt GPT en Large Language Models om feature-werk van niet-feature-werk te onderscheiden. Dat doet het door de inhoud en structuur van werkitems of tickets te analyseren. Door de tekstuele informatie in deze items te verwerken, kan het model de werkcategorie bepalen die het beste overeenkomt met elk item.

Het onderliggende taalmodel, zoals GPT, is getraind op een enorme hoeveelheid tekstgegevens en heeft geleerd om de context en betekenis van woorden en zinnen te begrijpen. Toegepast op Agile Analytics kan het model de beschrijvingen, titels en andere relevante informatie in de werkitems interpreteren. Door deze tekst te analyseren, kan het model patronen, trefwoorden of specifieke taal identificeren die aangeven of het werkitem feature-ontwikkeling vertegenwoordigt of niet-feature-werk, zoals bug fixing of code refactoring.

Agile Analytics Sprint Insights breidt deze mogelijkheid verder uit door teams in staat te stellen het model te trainen en de prestaties ervan te verfijnen.

Het platform levert analyses voor Sprint Review-sessies of als tweewekelijks sprintrapport. Daarmee beoordeelt het team de stabiliteit en duurzaamheid van zijn software. Laat ons uw softwareoperatie superchargen!