На кінець тижня скажу, що всім, хто воліє втриматися у бізнес-аналізі, потрібно готуватися до подальшого занурення використання штучного інтелекту 🤖 і нарощувати свою ефективність, адже все несеться і дуже сильно 🚀.Сьогодні був такий насичений ШІ день 💡.По-перше, з БА проводив живу сесію по використанню ШІ для одразу кількох задач БА і прямо на реальному проєкті 🛠.По-друге, побував на зустрічі-демо зі стартапом, що розробляє софт для агентизації процесів БА ("агентизація" — так можна назвати цю "автоматизацію 2.0", що просто колосальною хвилею 🌊 пройде по кожній компанії до кінця 20-х; ну і звучить краще, ніж ШІзація 😅). Такі системи як Confluence чи Jira будуть просто сховищем вимог, і зовсім скоро ми будемо працювати з інтерфейсами, нашпигованими ШІ-агентами, що будуть: - Аналізувати вхідні дані клієнтів 🕵️♂️- Підготовлювати вас до зустрічей, комунікувати та інтегрувати результати виявлення 📅- Декомпозувати та специфікувати вимоги 📝- Моделювати вимоги, прототипувати 🖌І все інше по-максимуму, що можна згенерувати ⚡️Ось не можу не поділитися демо іншого схожогу продукту CopilotForDevops — Badass BA нещодавно зробили огляд-демонстрацію основних функцій:https://www.youtube.com/watch?v=cWgwSxjTBlkОсновна боротьба буде, звісно, за якість і портфоліо агентів 🎯.Звісно, до того моменту, як роботу БА повністю не агентизують)) 🤖.Гарних вихідних! 🌞#AIforBA
Як народжується “асистент”: шлях від базової моделі до ChatGPT 🤖Навіть найпотужніша LLM після тренування — це просто базова модель, яка вміє “доповнювати” текст. Вона може продовжити будь-яку послідовність токенів, але ще не розуміє, як ввічливо відповідати, допомагати, відмовляти чи вести діалог.⠀Щоб із “чернетки” зробити справжнього асистента, запускають post-training — донавчання моделі на спеціальних діалогах. На цьому етапі залучаються люди — лейблери (human labelers) 🧑💻. Вони створюють приклади “ідеальних” відповідей на питання, пишуть інструкції та моделюють багатокрокові діалоги (людина питає — асистент відповідає). Саме завдяки цим “еталонним” розмовам модель вчиться бути не просто автозаповнювачем, а дійсно корисним помічником 🤝.Як саме “програмують” поведінку мовних моделей?Цей процес нагадує навчання за зразком 📚. Люди створюють SFT (Supervised Fine-Tuning) датасети — це величезні набори діалогів, де кожна відповідь асистента ретельно підібрана експертами. Якість тут критично важлива: лейблери не лише придумують хороші відповіді, а й отримують докладні інструкції, як саме має поводитись майбутній асистент — бути коректним, корисним, безпечним і не розповсюджувати шкідливу чи неправдиву інформацію.Наприклад, одним із завдань для лейблерів може бути створення ось таких пар “запитання — відповідь”:— “Назви топ-5 визначних місць Парижа”— “1. Ейфелева вежа… 2. Лувр…”Або ще складніше: “Поясни економічний термін простою мовою для школяра”.Лейблер спочатку формулює якісний приклад відповіді, а потім перевіряє, чи асистент дотримується принципів допомоги, безпечності та правдивості.І от, коли ви ставите питання в чаті, відповідь генерується не “магічною AI-сутністю”, а є статистичною імітацією колективного досвіду тих експертів і лейблерів, які створювали датасети й писали інструкції. Модель прогнозує, яку відповідь дав би “ідеальний” асистент у такій ситуації, спираючись на мільйони зразків і настанов.🫂🤖⠀Отже, такі моделі як ChatGPT — це не таємничий розум, а складна “статистична симуляція” роботи досвідчених людей, які програмують стиль, поведінку та корисність своїми текстами та прикладами ✨.#AIforBA
Інференція: як моделі “говорять” з нами 🗣💡Після тренування нейромережі на мільярдах фрагментів тексту настає етап інференції (inference) — тобто генерація моделлю або використання моделі. Це той момент, коли ви пишете щось у ChatGPT, натискаєте Enter — і починаєте отримувати відповідь. 👨💻Чим відрізняється інференція від тренування?Під час тренування модель навчається і змінює свої параметри, щоб краще “вгадувати” наступний токен. А під час інференції усі параметри вже зафіксовані, і модель просто застосовує свої знання: на основі твоїх слів (токенів) вона статистично “добирає” наступний токен, потім ще один, і так — поки не сформує відповідь.⚡️По суті, модель працює як ультрапросунута функція автозаповнення: вона підбирає наступне слово (токен), спираючись на мільярди прикладів з інтернету. Кожна відповідь — це результат мільйонів обчислень і “кидання монетки” (бо вибір може бути випадковим у певних межах).Тому ChatGPT — це справді дуже потужне й дороге “автозавершення”, яке будує відповідь крок за кроком, не запам’ятовуючи нічого нового після завершення тренування.#AIforBA
Токени та токенізація: як LLM “розуміє” текст? 🧩Коли ми пишемо щось у ChatGPT чи Gemini — для моделі це не просто букви чи слова. Щоб комп’ютер міг “переварити” текст, його треба поділити на маленькі шматочки — токени.Токен — це не обов’язково слово. Часто це частинка слова, а інколи — навіть пробіл чи знак пунктуації. Наприклад, “Hello world” може бути двома токенами (“Hello” та “ world”), а “Hello, world!” — вже трьома чи навіть чотирма, бо кома чи пробіл теж рахуються окремо.👀 До речі, можна самому погратися з цим процесом і побачити, як текст перетворюється на послідовність номерів токенів: tiktokenizer.vercel.appНавіщо це потрібно?Комп’ютер працює з послідовністю чисел — кожен токен має унікальний номер. Перед навчанням усі тексти переводяться у “мову токенів”. Так значно простіше аналізувати величезні обсяги даних і знаходити закономірності у текстах.У сучасних моделях, таких як GPT-4, “словник” токенів може містити понад 100 тисяч різних символів! Завдяки цьому можна стискати текст та ефективно працювати з багатьма мовами й контекстами.Отже, ще раз токенізація — це як перетворити довгу фразу на маленькі і зручні пазли, з яких модель і “складає” нові відповіді.І вся подальша “магія” моделей відбується саме з токенами, завдяки токенам. ✨#AIforBA
Ну, що, цього розберемо відео і роботу LLM в цілому і українською. 🎥🤖Якщо я щось пропустив або щось є додати цікаве з інших джерел — не соромтеся писати, ділитися, обговорювати. 💬👇Перше розкажу, звідки інструменти типу ChatGPT беруть інфу.Основне джерело — ресурс Common Crawl. 🌐Common Crawl — це неприбуткова організація, яка сканує інтернет і надає свої архіви та набори даних усім охочим безкоштовно. Робін Гуд для даних. 🏹Звісно, не все, що збирається, підходить для навчання — відсіюються шкідливі, рекламні, сумнівні сайти, а також усе зайве з HTML-коду.Також видаляють персональні дані (адреси, номери, паролі тощо). 🔒 Далі автоматично визначається мова — більшість LLM практикуються на англомовних даних. 🌍✨І це призводить до того, що вони краще розуміють і генерують текст саме англійською.🇺🇸🇬🇧Але не все так погано — українські твори, біографії, історія беруться саме українською🇺🇦На виході ж розробники LLM отримують величезний, чистий і корисний масив тексту. 📚Саме з такого “фільтрованого інтернету” LLM і навчаються бути такими розумними.🧠#AIforBA
От нещодавно почув на дейлі від ПМа до одного розробника:“Ти краще не роби три речі одночасно тиждень, а зроби одну і покажи результат вже завтра.”І мені це дуже відгукується у світлі того, як я зараз підходжу до останніх викликів у вирі мультизадачності та часткової залученості у клієнтському проєкті 😵💫Я останнім часом полюбляв і намагався брати якомога більше скоупу якогось завдання (а часто вони реально жирні, дуже великі й довгі — система зріла, маленька зміна часто зачіплює різні місця в системі, і все це треба досліджувати, створювати відповідно нові задачі тощо).І от я зрозумів, що це призводить до довгих очікувань фінальних результатів, і це більше негативна історія, аніж позитивна. 🔴Тому зараз я кажу собі:“Зроби сьогодні тут щось одне і добре, щоб завтра вже показати прогрес.”Дейліки в цілому до цього й мотивують 💡Це, наче, і звучить очевидно, але знаєте, буває — закрутишся, збиваєшся з ритму…І от просто вирішив з вами поділитися, як я до цього повертаюся і коригую свою роботу — щоб бути краще, робити більше, крутіше 💪Якщо у вас за останній час були якісь такі виклики — велком, пишіть 👇Гарного тижня! ✌️#mood
Порада на цей тиждень: отримуйте переваги перевикористовуваних вимог (reusable requirements) 🔄У більшості контекстів ви завжди їх знайдете:аутентифікація, 2FA, верифікації користувачів та їх дій, вимоги до звітності, форм, списків, сповіщень — і ще багато чого 📋Як працювати з перевикористовуваними вимогами?Задокументуйте вимоги, використовуючи певний рівень абстракції (наприклад, вкажіть точну логіку чи послідовність, яка буде завжди виконуватися, але залиште місце та пропишіть змінні або місця, де можуть бути відхилення) 🧩Зберігайте їх в одному місці, доступному для всіх зацікавлених сторін. Краще за все — у Вікі типу Confluence 📚Посилайтеся на перевикористовувані вимоги у ваших нових або похідних вимогах 🔗Вказуйте значення змінних або відхилення, актуальні для конкретного випадку ✍️Це дозволить зекономити час, а також (при правильній комунікації) спонукає розробників працювати над перевикористовуваними компонентами — наприклад, логікою на фронтенді чи темплейтами листів для верифікацій/сповіщень ⚙️📬Але не забувайте про важливість пропрацювання змін у таких вимогах!Зміни у вимогах, що використовуються повторно в кількох місцях, вимагають глибокого аналізу впливу — наприклад, через матрицю залежностей або відстежування вимог 🔍📊P.S. Хочу подякувати нашому колезі — Олегу за підготовку та комунікацію повторно використовуваних вимог у нашому офісі БА 🙌 Та й, власне, за натхнення на цей пост 💡#geniuseeBAO #tipsforBAs
Продовжую тему діскавері, а саме підхід "gap analysis" 🔍Це дуже крута штука, вона в цілому повторює описане у BABOK Guide v6 у розділі Strategy Analysis.Ми аналізуємо аспекти бізнесу у його поточному стані, визначаємо його потреби. Т.з. стан поточний (current state) або "як є" ("as-is" state) 📍Ми визначаємо майбутній стан бізнесу — тобто що ми хочемо отримати у майбутньому, як ми будемо бачити бізнес. Т.з. майбутній стан (future state) або "як бути" (або "як треба", "як буде") ("to-be" state). По суті, це — критерії прийняття цього проєкту 🚀Ми шукаємо прогалини (gaps) — тобто речі, які нам потрібно буде покрити, щоб досягти майбутнього стану 🔧Саме основне, на що хочеться наголосити — це все-таки фокус на аналізі станів бізнесу, не тільки продукту 📊Бо часто заходить зміна продукту, чи нова фіча, чи новий продукт, і тут сходу хочеться все описати і віддати команді. Але для успіху програмного забезпечення (software) важливий успіх рішення (solution)💡У BABOK Guide розрізняють ці два поняття:Рішення — це те, що створює кінцеву цінність, наприклад, збільшення доходів, зменшення витрат 💰Сам продукт чи фіча далеко не завжди це гарантує.І тому треба аналізувати аспекти бізнесу, які впливають на успішність реалізації всього рішення: - Потреби / цілі бізнесу 🎯 - Організаційна структура та культура 🏛 - Функції бізнесу та процеси 🔁 - Технології та інфраструктура (ось ІТ-продукти, фічі знаходяться тут) 💻 - Політики, бізнес-правила 📜 - Внутрішні активи (це може бути як устаткування чи фінанси, так і дані, патенти, бренди підприємства тощо) 📦 - Бізнес-архітектура (ну, по суті, як все вище перелічене працює разом) 🧩 - Зовнішній контекст (індустрія, конкуренти, споживачі — не тільки наші поточні, постачальники, регуляції, політичні та макроекономічні ситуації, технологічний розвиток) 🌍Можливо щось з цього буде цікаво розглянути конкретно - пишіть свої побажання у коментарях. 💬
Отже, діскавері за загальними визначеннями — це набір активностей, пов’язаний з вивченням потреб і контексту проєкту для його успішного виконання. Таким проєктом може бути як створення нового продукту (у нас це 70%+ випадків для нових проєктів, що в цілому веселіше 😎), або якісь зміни у поточному рішенні (в продуктах, процесах, міграції, переписуванні, оптимізації і т.д.).В обох випадках це потрібно робити, адже без т.з. діскавері-активностей ви, команда, будете працювати всліпу 🙈, клієнт буде нести фічі, буде нестися хаос, буде це неприємне часте відчуття "що ми тут робимо? навіщо це взагалі зробили?" 😵💫 тощо. І до речі, буде наростати питання цінності БА — він стане таким самим заручником цієї ситуації, як і всі, і не зможе давати цінність на повну.Звісно, діскавері може бути окремою фазою, окремим міні-проєктом, послугою, але якщо ви заходите на новий проєкт і попереднього діскавері не було, то вам не вдасться оминути цей процес 🧐 - Активності діскавері будуть зазвичай включати: - Аналіз контексту продукту/бізнесу 📊 - Аналіз користувачів/покупців продукту 👤 - Аналіз їх проблем 😟 - Аналіз створення цінності для них 💡 - Аналіз моделі продукту/бізнесу 📈 - Визначення і декомпозиція вимог 🧩 - Планування релізів / ітерацій 🗓Є ще пару моментів, які розпишу, але можливо вам цікаво щось почитати більш детально про щось вищеперелічене — пишіть, більш інтерактивно розберемо цю тему 💬
6. Яка ж роль БА у прісейлі? Бізнес-аналітик в цілому часто виступає особою, що спілкується з клієнтом найбільше. Адже саме він виявляє вимоги, опитує клієнта стосовно потреб, користувачів, бенефіціарів та інших дійових осіб, виводить різні припущення і бачення клієнта та багато іншого. 🤝7. Задачі БА: правильно зрозуміти клієнта, зрозуміти його потреби і справити найкраще враження клієнта про себе (в цілому як професіонала, комунікатора). А також окремий шмат роботи: прокомунікувати з командою, визначити для них обсяг робіт, вимоги, які можна буде оцінити і з цього сформувати бюджет. Як БА може впливати на бюджет проєкту? - Yes! Тех команда оцінює вимоги і якщо вимоги нечіткі, неправильні, то й оцінка буде сумнівною, необгрунтованою, зависокою, занизькою тощо. Наслідки розумієте самі. 📈8. Інструменти та підходи БА. Не буду звісно розкривати наших карт (але можливо у когось з вас є шанси до нас доєднатися на прісейли😜 і тоді...), але логічно, що якщо взяти BABOK Guide, то ми говоримо в першу чергу про аналіз стратегії (6. Strategy Analysis), виявлення (4.1-4.3 Elicitation), іноді, оцінку рішення (8. Solution Evaluation). Ну і відповідні техніки, моделі тощо.🛠 Специфікація вимог відрізняється, адже ми не можемо вдаватися в деталі за короткий проміжок часу - рівень абстрації інший. 🧠Та й таке.🙃 Діліться своїм досвідом наскільки це можливо - радий буду почитати. 👀#presale
TGLIST.COM.UA
