AI generativa (Genai) está transformando o desenvolvimento de software. A tecnologia não apenas está mudando a maneira como o código pode ser escrito, mas também está reformulando todas as etapas do ciclo de vida do desenvolvimento - da coleta de requisitos, design do sistema e desenvolvimento de soluções para o design, teste e implantação da experiência do usuário. Quando lançado em escala, a Genai mudará a qualidade, a velocidade e a economia da inovação, o que pode resultar em um ponto de inflexão estratégico no setor. Eles estão lutando para que suas equipes de desenvolvimento os adotem; E mesmo que eles os usem, eles não descobriram como capitalizar os ganhos de produtividade. Vários fatores profundamente entrincheirados - como conforto dos desenvolvedores com ferramentas existentes e inexperiência com Genai, as dificuldades de gerenciar mudanças organizacionais e impedimentos estruturais, como as bases de código herdado e a curva de aprendizado acentuada - prevendo essas empresas de que respondemos aos benefícios de Genai. Mostramos que as empresas precisam ir além da implantação de assistentes de codificação baseados em Genai e transformar suas organizações se desejarem desbloquear o valor total que a nova tecnologia oferece. Especificamente, uma empresa de software deve criar uma jornada de aprendizado eficaz, gerenciar a mudança cuidadosamente, alterar seus modos de trabalhar e repensar o ciclo de vida do desenvolvimento do produto para otimizar os benefícios de Genai. Nossos aprendizados decorrem da indústria de software, mas nossa experiência mostra que se aplicam a empresas em qualquer setor e em qualquer função. Três complicações impedem as empresas de implantá -lo. (Consulte o Anexo 1). Apenas 30% das empresas de software globalmente implantaram ferramentas da Genai, de acordo com pesquisas da Stack Overflow e Alteryx. A BCG Research revela ainda que em aproximadamente 75% desses primeiros adotantes, menos da metade de seus desenvolvedores começaram a usar as ferramentas. (Veja a Figura 2.) Em uma empresa de software com quem trabalhamos, menos de 25% dos desenvolvedores estavam usando a tecnologia, embora mais de 80% deles tenham dito que estavam otimistas em aumentar a produtividade com a Genai. Este não é um exemplo isolado; Nossa pesquisa mostra que a lacuna entre intenções e adoção é difundida.
However, many software companies are finding it difficult to produce results from GenAI tools. They’re struggling to get their development teams to adopt them; and even if they use them, they haven’t figured out how to capitalize on the productivity gains. Several deeply entrenched factors—such as developers’ comfort with existing tools and inexperience with GenAI, the difficulties of managing organizational change, and structural impediments such as legacy code bases and the steep learning curve—prevent these firms from fully capitalizing on GenAI’s benefits.
In this article, we answer the tough questions about GenAI in software development. We show that companies have to go beyond merely deploying GenAI-based coding assistants and transform their organizations if they want to unlock the full value the new technology affords. Specifically, a software firm must create an effective learning journey, manage change carefully, alter its ways of working, and rethink the product development life cycle to optimize GenAI’s benefits. Our learnings stem from the software industry, but our experience shows that they apply to companies in any sector and in any function.
Detect the Barriers
GenAI is creating a lot of buzz, but its use isn’t as widespread as the hype would suggest. Three complications prevent companies from deploying it. (See Exhibit 1).
The (Non) Adoption Paradox
Despite the excitement, GenAI’s use in software development is still limited. Only 30% of software firms globally have deployed GenAI tools, according to surveys by Stack Overflow and Alteryx. BCG research further reveals that in roughly 75% of those early adopters, fewer than half of their developers have started using the tools. (See Exhibit 2.) At one software firm we worked with, fewer than 25% of developers were using the technology, although over 80% of them said they were optimistic about boosting productivity with GenAI. This isn’t an isolated example; our research shows that the gap between intentions and adoption is pervasive.
Vários fatores, encontramos, estão combinando para impedir a adoção de Genai.
contexto. Nem todas as equipes de desenvolvimento de software colhem os mesmos ganhos de produtividade ao usar o Genai: alguns geram mais valor, outros muito menos. Os benefícios dependem de:
- Maturidade da base de código. Sua utilidade é mais limitada quando eles trabalham com bases de código maduras. Na falta de entendimento contextual, Genai ainda luta com bibliotecas internas e interfaces de programação de aplicativos, depuração complexa e refatoração. Em um dos pilotos que realizamos, mesmo usando a capacidade da ferramenta de ser ajustada em uma base de código completa não abordou completamente esses desafios - embora haja melhorias ao longo do tempo. GenAI tools work well at present for writing new code, helping to develop new features and products and generating code for freshly conceptualized components. Their usefulness is more limited when they work with mature codebases. Lacking contextual understanding, GenAI still struggles with internal libraries and application programming interfaces, complex debugging, and refactoring. In one of the pilots we conducted, even using the tool’s ability to be tuned on a full codebase didn’t completely address these challenges—although there are bound to be improvements over time.
- Use Case. As ferramentas genai podem lidar com tarefas de codificação de rotina, como a criação de código de boilerplate e o design de aplicativos e interfaces padrão da Web. No entanto, atualmente, eles não podem lidar com cenários que envolvem alta complexidade algorítmica, gerenciamento da dívida técnica e refatorando código complexo, onde a compreensão da base de código herdada é crucial. No entanto, à medida que os recursos dos modelos de idiomas grandes melhoram, as ferramentas genai se tornarão mais eficazes na execução de uma variedade maior de tarefas relacionadas ao software.
- Experiência do desenvolvedor. Nossos programas piloto mostraram que, embora todos os desenvolvedores vejam ganhos de produtividade, a extensão varia sutilmente de acordo com o nível de experiência e posse. Os desenvolvedores de nível médio colheram os maiores benefícios das ferramentas da Genai, porque possuíam experiência suficiente para utilizar e refinar efetivamente o código gerado pela IA. Os desenvolvedores juniores também se beneficiaram, mas menos devido à sua relativa falta de experiência na avaliação da qualidade do código. Os desenvolvedores seniores, proficientes em estruturas e idiomas específicos, experimentaram os menores ganhos incrementais. (Veja a Figura 3.) A familiaridade de um desenvolvedor com um idioma ou estrutura também desempenhou um papel. Por exemplo, um desenvolvedor sênior, que não integrou a Genai na rotina para os idiomas que ele conhecia, achou útil ao trabalhar com linguagens de codificação desconhecidas.
- Technology Stack. Os produtos genai funcionam bem com pilhas de tecnologia populares que aproveitam linguagens como JavaScript, C ++, Java e Python, além de estruturas padrão como Spring e React. Isso ocorre porque os repositórios de código aberto e outros conjuntos de dados usados para treinar esses modelos têm um maior volume de código em idiomas mais populares e estruturas bem estabelecidas. As ferramentas são geralmente menos eficazes com estruturas emergentes; Idiomas desatualizados como Fortran e Cobol (a menos que esses modelos tenham sido construídos ou sintonizados em idiomas especializados; por exemplo, IBM Watsonx para Z para modernizar as aplicações de COBOL); e idiomas de nicho como Erlang e Rust. Esses recursos menos populares geralmente produzem sugestões e alucinações abaixo do ideal. As capacidades de Genai podem estar avançando rapidamente, mas são prejudicadas por vários problemas. No nível C, as preocupações com as vulnerabilidades de segurança e questões de propriedade intelectual relacionadas ao código gerado persistem, tornando as empresas cautelosas sobre o uso da tecnologia. Os desenvolvedores enfrentam seus próprios desafios. Por um lado, há suporte inconsistente de ambientes de desenvolvimento integrados para ferramentas genai. Por outro lado, os riscos de saídas e alucinações abaixo do ideal mencionadas acima também dificultam a adoção.
Technical Limitations. GenAI’s capabilities may be advancing rapidly, but they’re hampered by several issues. At the C-level, concerns about security vulnerabilities and intellectual property issues related to generated code persist, making firms cautious about using the technology. Developers face their own challenges. For one thing, there’s inconsistent support from integrated development environments for GenAI tools. For another, the risks of suboptimal outputs and hallucinations mentioned above also hinder adoption.
Muitas dessas limitações serão superadas no futuro. A análise de código estático e as ferramentas de análise de composição de software abordarão as preocupações de segurança cibernética e uso de IP. Os acordos de licenciamento também devem mudar; Alguns fornecedores da Genai já oferecem algum tipo de indenização para mitigar preocupações legais. E com o tempo, os modelos subjacentes ao Genai se tornarão capazes de gerar código de alta qualidade. Mas há um longo caminho a percorrer.
Curva de aprendizado. A adoção é mais lenta do que o esperado na maioria das organizações de software, encontramos. Os desenvolvedores precisam se adaptar a novas ferramentas, aprender engenharia imediata eficaz e alterar os fluxos de trabalho por, digamos, usando o bate -papo para revisão de código, refatoração, descoberta de código e depuração. Enfrentando as pressões do prazo, a maioria dos desenvolvedores reverta para os métodos que já conhecem, o que dificulta a implementação de Genai em escala. Climbing the GenAI learning curve takes time. Adoption is slower than expected in most software organizations, we find. Developers have to adapt to new tools, learn effective prompt engineering, and change workflows by, say, using chat for code review, refactoring, code discovery, and debugging. Facing deadline pressures, most developers revert to the methods they already know, which hinders implementation of GenAI at scale.
O fator humano. pessoas e vieses também geram resistência à implantação. Os desenvolvedores seniores, percebidos pelos colegas como modelos, às vezes podem descartar os recursos das ferramentas, influenciando os sentimentos de suas equipes contra a Genai. Quando entrevistamos os executivos de engenharia de software, alguns também expressaram preocupação com a possibilidade de excesso de confiança dos engenheiros juniores no código gerado, o que pode levar a problemas de baixa produção e futuros problemas de manutenção. Nossa experiência também sugere que há uma sensação subjacente de desconforto entre alguns desenvolvedores, que se preocupam com o fato de as ferramentas genaies substituí-las e, assim, recuar contra a adoção.
A codificação é apenas uma pequena parte do desenvolvimento de software
The assumption that GenAI-based coding will lead to greater, and quicker, value capture isn’t accurate. Sure, using GenAI assistants reduces the time required for coding, but in our experience, coding accounts for only 10% to 15% of the time from when an idea joins the queue to when the product gets into customers’ hands. (See Exhibit 4.) In contrast, strategy, planning, and conceptualization account for a lot of the lead time. And at the other end of the process, release times—which include product introduction and launch as well as implementing pricing changes, tech support, and sales enablement—account for 30% to 40% of the development life cycle. That’s why GenAI’s impact on the product development process is limited in many early pilots. In all our pilots, while developers reported saving time and generating code faster by using GenAI, the velocity of innovation or time to market didn’t change much over a three-month period.
Thus, if it takes a long time to deliver a product to customers after its development, the time to market will be a handicap even if GenAI did speed up the coding. Companies that want to use the technology to produce business results must therefore look beyond using GenAI for just coding and deploy it across the entire product development and delivery life cycle.
Efficiency Gains Aren’t Being Tracked or Repurposed
Our research shows that about 50% of the software companies leveraging GenAI are not really capturing much benefit from these new tools. Specifically, 15% of these companies report a lack of visibility into the benefits they yield. Furthermore, 32% have no plan for reallocating the efficiency gains realized by their software engineers. This suggests that many organizations are not fully capturing the potential ROI that GenAI tools can offer, as they have yet to repurpose the freed-up developer resources effectively. (See Exhibit 5.)
, enquanto mais da metade das empresas pesquisadas reivindicam aproveitar os benefícios de Genai, o escrutínio mais próximo revela que essas são geralmente reais previstos reais ou intenções de custo reais. Na realidade, muitas das vantagens projetadas de Genai permanecem não realizadas, levando a uma lacuna significativa entre os resultados esperados e os resultados reais. De acordo com nossa pesquisa, a maioria das empresas que tentam gerar valor a partir de seus investimentos na tecnologia acharam difícil mudar os hábitos de trabalho dos desenvolvedores. Setenta e cinco por cento de nossos entrevistados relataram que o maior desafio na adoção de ferramentas genai era a “inércia na mudança de maneiras de trabalhar”-não questões técnicas. O impacto depende muito do contexto, como apontamos anteriormente, escolhemos os casos de uso certos ao iniciar e priorizar sua sequência com cuidado. O Genai será mais valioso no desenvolvimento de um novo código em uma linguagem de programação amplamente usada, por exemplo, do que tentar refatorar bases de código legado ou funcionalidade de escrita em linguagens de programação de nicho. Incentivar os desenvolvedores a usar a Genai para fazer o primeiro resultará em vitórias rápidas e iniciais. Em um cliente, dobramos as taxas de adoção de aproximadamente 25% a 50%, orientando os desenvolvedores a usar o Genai para o desenvolvimento de novos códigos, em vez de usá -lo para a correção de bugs em sua base de código existente.
Overcome the Challenges
To take full advantage of GenAI, software companies must treat its introduction as just one piece of an organizational transformation. According to our research, most companies trying to generate value from their investments in the technology have found it difficult to change developers’ work habits. Seventy-five percent of our respondents reported that the biggest challenge in adopting GenAI tools was the “inertia in changing ways of working”—not technical issues.
Against that background, software companies can take several steps to encourage GenAI’s adoption at three stages.
Lay the Foundations
Choose and sequence use cases. Since GenAI’s impact depends heavily on context, as we pointed out earlier, pick the right use cases when starting out and prioritize their sequence carefully. GenAI will be more valuable in developing new code in a widely used programming language, for instance, than trying to refactor legacy codebases or writing functionality in niche programming languages. Encouraging developers to use GenAI to do the former will result in quick and early wins.
Just as important, picking the right use cases will prevent developers from hitting stumbling blocks that make them question GenAI’s value and discard it before the effort get off the ground. At one client, we doubled adoption rates from roughly 25% to 50% by guiding developers to use GenAI for new code development, as opposed to using it for bug fixing in their existing codebase.
meça e gerencie. Começando com as métricas básicas - como taxas de adoção, dados de uso, taxas de aceitação, código produzido e tempo salvo - é lógico. Para entender o impacto da tecnologia, as empresas de software devem avaliar as métricas de engenharia e processar, como tempos de ciclo e qualidade do código, bem como métricas operacionais, como frequência de implantação e tempo médio para reparar. As métricas certas diferirão para cada organização e até para cada equipe, dependendo do tipo de software; o modelo de implantação; E o trabalho - por exemplo, desenvolvimento de recursos ou remediação de dívida técnica - que a equipe está fazendo. Companies can’t manage what they don’t measure, so develop a 360-degree approach to track GenAI’s impact. Starting with the basic metrics—such as adoption rates, usage data, acceptance rates, code produced, and time saved—is logical.
Adoption metrics, such as the number of daily active users and the number of lines of code generated and accepted, are necessary, but not sufficient. To understand the technology’s impact, software firms must assess engineering and process metrics such as cycle times and code quality as well as operational metrics such as deployment frequency and mean time to repair. The right metrics will differ for each organization and even for each team, depending on the software type; the deployment model; and the work—for example, feature development or technical debt remediation—that the team is doing.
Finalmente, as empresas também devem medir a satisfação dos desenvolvedores com a Genai. Mais do que apenas impulsionar a visibilidade de nível executivo, as métricas de experiência dos funcionários serão fundamentais para entender a adoção e os retornos da tecnologia. Eles ajudarão a identificar onde girar e realocar recursos. Em nossos pilotos, a configuração de uma estrutura de medição de 360 graus que incluía verificações de pulso quinzenal foi instrumental para manter as organizações ágeis, entendendo onde a adoção estava acontecendo (e onde não estava) e dirigindo intervenções gerenciais. Pilotos, a capacidade e a motivação insuficientes dos desenvolvedores de software era uma barreira real à adoção. Para superar isso, as empresas devem iniciar uma transformação centrada no desenvolvedor e investir fortemente no gerenciamento de mudanças. Três ações ajudarão a combater a inércia organizacional de frente:
Manage the Change
Keep the developer at the center of transformation. In our pilots, software developers’ insufficient ability and motivation was a real barrier to adoption. To overcome this, companies must kick off a developer-centered transformation and invest heavily in change management. Three actions will help tackle organizational inertia head-on:
- Configurar uma equipe central ou um centro de excelência. Esta função planejará, sequência e implementará pilotos da Genai em toda a organização. É mais eficaz quando liderado por um desenvolvedor ou um líder sênior da equipe de produtos/engenharia que entende a base de código e as opções de tecnologia da empresa; tem uma visão de todos os seus casos de uso; mantém o respeito dos colegas; e está confortável em defender a tecnologia. Em um cliente, quando os líderes da organização de desenvolvimento, os protagonistas de engenharia e o diretor de produtos me apoiaram no piloto, sua defesa imediatamente levou a um maior envolvimento. Também resultou em uma melhor compreensão do contexto em que Genai funcionou melhor, o que ajudou os líderes da empresa a escolher novos casos de uso com mais eficiência. Por exemplo, enfatizar o desenvolvimento de novas habilidades e proporcionar tempo para desenvolver recursos mais recentes e tarefas de valor agregado, como projetar arquiteturas de próxima geração, gerará mais interesse na adoção. Os líderes podem demonstrar que, reduzindo o ônus das tarefas de rotina dos desenvolvedores, mais tempo pode ir para um valor mais alto-e provavelmente mais interessante e motivador-trabalho. Infelizmente, a conversa inicial geralmente é apenas sobre a produtividade, o que acende medos e não inspira desenvolvedores.
- Create demand for GenAI from developers. Start the transformation with use cases that resonate with engineers. For instance, emphasizing new skill development and affording the time to develop newer features and value-added tasks, such as designing next-gen architectures, will generate more interest in adoption. Leaders can demonstrate that, by reducing developers’ burden of routine tasks, more time can go toward higher-value—and likely more interesting and motivating—work. Unfortunately, the initial conversation is often only about productivity, which ignites fears and doesn’t inspire developers.
- Help employees elevate their purpose and capability with GenAI. Uma barreira crítica à aplicação de Genai no desenvolvimento de software (ou para outros fins) surge quando uma tarefa que Genai é capaz de executar os desafios dos funcionários humanos. Muitos desenvolvedores acham que sua capacidade principal é codificar e questionar a qualidade do código criado por Genai. Os líderes podem catalisar a adoção pelos desenvolvedores apenas se eles conectarem os pontos sobre como o objetivo e os modos de trabalhar da organização serão elevados pelo uso de Genai.
Foco no aprendizado intencional. Duas das três empresas de software que adotaram Genai admitem que a falta de treinamento é um problema. E pelo menos 50% indicam que a falta de tempo suficiente para aprender é uma barreira de adoção. Além de novas habilidades, como engenharia imediata e habilidades aumentadas, como revisão de código e segurança cibernética, trabalhar com Genai exige um ritmo de trabalho diferente, às vezes em conjuntos de ferramentas muito diferentes. Por exemplo, um desenvolvedor que entrevistamos usou o VIM para toda a sua edição e relutava em mudar para o Visual Studio por causa dos custos de aprendizagem. Vários desenvolvedores expressaram preocupações sobre as cargas de trabalho, indicando que a diminuição da produtividade inicial associada à adaptação a novos fluxos de trabalho torna difícil mudar para as ferramentas da Genai. Para resolver esse problema, as organizações devem incorporar três fatores em sua abordagem de aprendizado: As noted above, implementing GenAI in software development comes with a steep learning curve. Two out of three software firms that have adopted GenAI admit that lack of training is a problem. And at least 50% indicate that the lack of sufficient time for learning is an adoption barrier. In addition to new skills, such as prompt engineering, and augmented skills, such as code reviewing and cybersecurity, working with GenAI demands a different work rhythm, sometimes on vastly different tool sets.
Many developers are reluctant to adopt GenAI tools because of the switching costs. For instance, one developer we interviewed used Vim for all his editing and was reluctant to switch to Visual Studio because of the learning costs. Several developers expressed concerns about workloads, indicating that the initial productivity decrease associated with adapting to new workflows makes it challenging to switch to GenAI tools. To address this issue, organizations must incorporate three factors into their learning approach:
- Crie uma jornada de aprendizado multifuncional. Para desenvolvedores de software, o aprendizado não ocorrerá apenas durante sessões formais ou programas orientados a fornecedores. Uma jornada de aprendizado eficaz consistirá em uma mistura de ambos, incluindo um evento de kickoff que aborda o objetivo e a estratégia de Genai no contexto do trabalho de uma equipe e da tecnologia; uma série de sessões de treinamento assíncronas orientadas por fornecedores; Fóruns informais de aprendizagem, como horários de expediente e prefeituras; e tempo de experimentação individual. Descobrimos que as sessões informais de ponto a ponto, onde os desenvolvedores compartilharam experiências e práticas recomendadas, receberam o feedback mais positivo. De fato, os desenvolvedores que haviam sido convidados convites para sessões de pares para outras pessoas, que se juntaram a eles. Um desenvolvedor nos disse que ingressou em grupos focais que deveriam compartilhar feedback sobre as ferramentas simplesmente para saber como outros desenvolvedores usavam as ferramentas. Os desenvolvedores acharam o treinamento mais aplicável quando era relevante para seus fluxos de trabalho. Essa abordagem de aprendizagem segmentada evita o risco de prosseguir os benefícios da tecnologia para as coortes de desenvolvedores que veem valor limitado, como um desenvolvedor sênior que corrige bugs embutidos em uma base de código. Embora os desenvolvedores juniores precisem de treinamento em estruturas de programação e padrões de arquitetura para usar efetivamente a Genai, os desenvolvedores seniores terão que reimaginar seus papéis e modelar o uso de Genai para os juniores. No piloto em que identificamos esse desafio, usamos sprints de aprendizado - um período direcionado entre uma semana e duas semanas - para dar aos desenvolvedores de software o tempo para aprender sem precisar gerenciar suas cargas de trabalho regulares. Na prática, isso significava reduzir o número de prioridades para um único sprint em pelo menos 50% ou dobrar os cronogramas de sprint para acomodar a queda da produtividade. Isso aliviou a pressão sobre os desenvolvedores, que se tornaram mais hábeis no uso das ferramentas genai nesse tempo. Nossa pesquisa descobriu que, em papéis, até 70% das habilidades existentes nas organizações serão aumentadas ou interrompidas por Genai. Por exemplo, os pilotos que conduzimos destacaram o fato de que os desenvolvedores de software exigirão novas habilidades, como engenharia imediata, para gerar código, a capacidade de revisar o código gerado pela IA para qualidade e segurança e um entendimento das implicações legais e éticas do uso desse código. Os desenvolvedores gastarão menos tempo com codificação iterativa e mais sobre o design, a solução de problemas e a criação de novos recursos. Os gerentes de produto farão menos esforço na elaboração de documentos de requisitos do produto e desenvolverão a capacidade de criar rapidamente protótipos. O exercício do julgamento comercial e outras habilidades de liderança se tornará cada vez mais importante à medida que os gerentes determinarem como integrar as ferramentas da Genai, abordando questões como viés contra a tecnologia e a conformidade com os regulamentos. Os papéis evoluirão de maneiras que geram melhores resultados. Os gerentes de produto, por exemplo, podem expandir sua missão de se concentrar no design e prototipagem, além de se envolver de perto com equipes multifuncionais. Os desenvolvedores podem se tornar mais centrados no cliente, assumindo desafios como mitigar dívidas técnicas e aumentar a escalabilidade do sistema mais cedo e com mais eficiência. Nossos pilotos nos levam a acreditar que todos os aspectos da estratégia de recursos humanos de uma empresa de software corporativo - da estrutura da organização até os desenvolvedores de contratação e integração, desde o desenvolvimento focado na segurança cibernética até as novas definições e responsabilidades de função - será impactada.
- Each developer’s learning should be customized by role, tenure, coding activity, and application because how a developer uses GenAI tools as well as their effectiveness vary according to these factors. Developers found training more applicable when it was relevant to their workflows. Such a segmented learning approach avoids the risk of overpromising the technology’s benefits to developer cohorts that see limited value from it such as a senior developer fixing inline bugs in a codebase. While junior developers will need training in core programming frameworks and architecture patterns to effectively use GenAI, senior developers will have to reimagine their roles and model GenAI’s use for juniors.
- Companies must create and protect learning capacity to drive faster adoption. When developers were under tight deadline pressure, they were less likely to invest the time to learn GenAI. In the pilot where we identified this challenge, we used learning sprints—a targeted period of between one week and two weeks—to give software developers the time to learn without having to manage their regular workloads. In practice, this meant reducing the number of priorities for a single sprint by at least 50% or doubling the sprint timelines to accommodate the productivity dip. Doing so alleviated the pressure on the developers, who became more adept in the use of the GenAI tools in that time.
Reimagine the Future
Rethink talent and structure. Most companies are just beginning to consider GenAI’s likely impact on their talent strategies. Our research found that across roles, up to 70% of existing skills in organizations will be augmented or disrupted by GenAI. For example, the pilots we conducted underscored the fact that software developers will require new skills such as prompt engineering to generate code, the ability to review AI-generated code for quality and security, and an understanding of the legal and ethical implications of using such code.
As GenAI is increasingly integrated into the software development process, how the product development organization spends its time will change. Developers will spend less time on iterative coding and more on designing, problem solving, and building new features. Product managers will spend less effort on crafting product requirement documents and develop the ability to rapidly create prototypes themselves. Exercising business judgment and other leadership skills will become increasingly important as managers determine how to integrate GenAI tools while addressing issues such as bias against the technology and compliance with regulations.
In the short run, software firms can focus on developing the needed skills in their existing workforces. Roles will evolve in ways that drive better outcomes. Product managers, for instance, may expand their remit to focus on design and prototyping as well as engage closely with cross-functional teams. Developers may become more customer-centric, taking on challenges such as mitigating technical debt and boosting system scalability earlier and more effectively.
At the organization level, the transition will require rethinking the intake funnel for junior developers as well as determining how GenAI will affect optimal team sizes and tenure mixes. Our pilots lead us to believe that all aspects of an enterprise software firm’s human resources strategy—from organization structure to hiring and onboarding developers, from development focused on cybersecurity to new role definitions and responsibilities—will be impacted.
Seja incansavelmente o valor focado. Trata -se de realizar benefícios comerciais tangíveis - acelerar a inovação, acelerar a entrega do mercado, aumentar a satisfação do cliente e melhorar o desempenho financeiro. Hoje, muitas empresas que investem em Genai para o desenvolvimento de software não são claras sobre suas metas de negócios e não estão se preparando adequadamente para realizar os benefícios da tecnologia, que geralmente estão ocultos e ainda não afetam o objetivo final da entrega mais rápida do produto. The aim of integrating GenAI in software development extends beyond usage; it’s about realizing tangible business benefits—accelerating innovation, speeding up market delivery, enhancing customer satisfaction, and improving financial performance. Many companies investing in GenAI for software development today aren’t clear about their business goals, and aren’t adequately preparing to realize the technology’s benefits, which are often hidden and not yet impacting the ultimate goal of faster product delivery.
Vemos três estratégias para resolver esses problemas. Primeiro, ao procurar valor, amplie a abertura para o uso de Genai além da codificação, formulando uma estratégia que abrange todo o espectro de desenvolvimento de software - gerenciamento de produtos; projeto; desenvolvimento; garantia de qualidade; segurança e operações; e até suporte de nível 3. Em nossa experiência, há potencial para que as organizações economizem 10% a 20% do tempo de P&D - metade da qual virá da codificação. (Consulte Anexo 6.) Também é importante antecipar e investir proativamente em melhorias na automação na segurança (por exemplo, análise de código estático) e testando a automação para explicar a velocidade acelerada de desenvolvimento de software. O desenvolvimento de software é responsável por apenas uma fração do ciclo de vida do desenvolvimento do produto, como apontamos anteriormente. As empresas devem renovar seus processos de pré-desenvolvimento-como planejamento e priorização-, assim como processos de pós-desenvolvimento-novas introdução de produtos, capacitação de vendas e parceiros e marketing de produtos-que atuam como pontos de estrangulamento. A economia de tempo e o desenvolvimento de software mais rápido são as vantagens imediatas; portanto, as organizações devem ser intencionais para alavancar essas eficiências por maior valor, adaptando sua alocação de recursos, planos de contratação e roteiros. À medida que a tecnologia amadurece, as organizações que se envolvem com ela imediatamente poderão aprender, adaptar e inovar mais cedo, transformando possíveis interrupções em oportunidades de negócios. Aqueles que atrasam o risco de ficarem para trás porque a diferença de impacto entre os métodos tradicionais e a Genai só aumentará com o tempo. Perceber que o potencial de Genai exige uma abertura à alteração não apenas das ferramentas que os desenvolvedores de software usam, mas também de suas formas de trabalho, estruturas da organização e mentalidades. O'Neil, Renee Laverdiere, Derek Kennedy, Sesh Iyer, Allison Bailey, Pedro Couto, Tim Lattimer, Purva Chopra e Ian MacDonald para suas contribuições para este artigo. Inscreva -se
Second, reinvent workflows. Software development accounts for only a fraction of the product development life cycle, as we pointed out earlier. Companies must revamp their pre-development processes—such as planning and prioritization—as well as post-development processes—new product introduction, sales and partner enablement, and product marketing—that act as choke points.
Finally, it is essential for companies to capture the benefits they realize. Time savings and faster software development are the immediate advantages, so organizations must be intentional in leveraging those efficiencies for greater value by adapting their resource allocation, hiring plans, and roadmaps.
GenAI is likely to bring about disruptive changes in software development, so it’s imperative that companies start on the journey today. As the technology matures, organizations that engage with it right away will be able to learn, adapt, and innovate sooner, turning potential disruptions into business opportunities. Those that delay risk falling behind because the impact gap between traditional methods and GenAI will only widen over time. Realizing GenAI’s potential calls for an openness to changing not just the tools that software developers use, but also their ways of working, organization structures, and mindsets.
As we step forward, the real work begins in driving adoption and reshaping the future of software development.
Acknowledgments
The authors would like to thank Amit Kumar, Clark O’Neil, Renee Laverdiere, Derek Kennedy, Sesh Iyer, Allison Bailey, Pedro Couto, Tim Lattimer, Purva Chopra, and Ian Macdonald for their contributions to this article.
