Dynata زمان توسعه نرم‌افزار را با AI-DLC کاهش داد

به گزارش وبلاگ معماری AWS، شرکت Dynata با به‌کارگیری روش AI-Driven Development Lifecycle یا AI-DLC و محیط توسعه Kiro، زمان مرحله توسعه قابلیت‌های فول‌استک را از سه تا چهار اسپرینت به حدود یک اسپرینت رسانده است. این تجربه برای تیم‌های مهندسی و مدیران فناوری اهمیت دارد، زیرا هوش مصنوعی در آن فقط ابزار تولید کد نیست و از تدوین نیازمندی تا طراحی و پیاده‌سازی در فرایند توسعه حضور دارد.

هوش مصنوعی از کدنویسی به کل چرخه توسعه رسید

Dynata این تغییر را مرحله‌به‌مرحله اجرا کرد. توسعه‌دهندگان ابتدا از Amazon Q Developer برای تولید کد، نوشتن آزمون و سرعت‌بخشیدن به پیاده‌سازی استفاده کردند. سپس ابزارهای هوش مصنوعی به منابع دانشی پروژه مانند Jira، Confluence، Lucid و اسناد طراحی متصل شدند تا تیکت‌ها، مشخصات فنی، نمودارهای معماری و کد موجود در تصمیم‌های مهندسی لحاظ شوند. در مرحله بعد، این شرکت AI-DLC را با Kiro IDE وارد فرایند تحویل نرم‌افزار کرد. این روش، نیازمندی‌ها، طراحی، برنامه‌ریزی وظایف و پیاده‌سازی را در یک جریان ساختاریافته قرار می‌دهد و در هر مرحله بازبینی و تأیید انسانی را حفظ می‌کند. Dynata ابتدا یک پایلوت محدود با توسعه‌دهندگان علاقه‌مند اجرا کرد و پس از تنظیم فایل‌های راهنما، آماده‌سازی ورودی‌ها و آشنایی رهبران جلسه، آن را به کارگاه‌های میان‌تیمی گسترش داد.

خروجی یک کارگاه سه‌روزه چه بود؟

در روز نخست، تیم محصول، مدیر پروژه، رهبران فنی و توسعه‌دهندگان نیازمندی‌های پراکنده را یکپارچه کردند و ابهام‌ها و حالت‌های مرزی را پیش از شروع کدنویسی بررسی کردند. روز دوم به طراحی مرز اجزا، رابط سرویس‌ها، مدل‌های داده، قراردادهای API و تقسیم وظایف اختصاص یافت. در روز سوم نیز کد بر پایه اسناد تأییدشده تولید شد و توسعه‌دهندگان پیش از تولید هر بخش، برنامه پیشنهادی را بازبینی کردند. در پایان، یک نسخه قابل نمایش از قابلیت آماده بود؛ هرچند آزمون، مقاوم‌سازی حالت‌های مرزی و آماده‌سازی انتشار همچنان باقی می‌ماند. برآورد Dynata از اجرای کامل این روش، کاهش تقریبی ۷۰ درصدی زمان مرحله توسعه است. این شرکت همچنین از کاهش باگ‌ها و اصلاحات پس از انتشار، توافق بر سر نیازمندی‌ها در یک جلسه و هماهنگی هم‌زمان تیم‌ها خبر داده است. کیفیت خروجی نیز با بهبود تدریجی فایل‌های راهنما افزایش یافته و AI-DLC در آزمایش‌های این شرکت محدود به Kiro نبوده؛ تیم‌ها آن را با Cursor و Claude نیز اجرا کرده‌اند. در مجموع، تجربه Dynata نشان می‌دهد بیشترین ارزش هوش مصنوعی زمانی ایجاد می‌شود که زمینه پروژه، استانداردهای فنی و نقاط تأیید انسانی از ابتدا مشخص باشند. این شرکت اکنون استفاده از AI-DLC را به خطوط محصول و پروژه‌های پیچیده‌تر یکپارچه‌سازی و زیرساخت توسعه می‌دهد.