Tässä artikkelissa käymme läpi käytännön vinkkejä siitä, miten tekoälyä voi hyödyntää vaatimusmäärittelyssä.

Vaatimusmäärittelytyössä käytetään monia erilaisia ohjelmistoja, joista yksi yleisesti käytetyistä on Atlassian Intelligence. Se tuo tekoälyavustajan suoraan työkaluihin, kuten Confluenceen ja Jiraan, jolloin sitä voi hyödyntää luontevasti osana vaatimusmäärittelytyötä. Käytännössä tämä tarkoittaa esimerkiksi sitä, että käyttäjä voi luonnostella tarpeita tai kuvauksia ja tekoäly jäsentää niistä selkeämpiä käyttäjätarinoita (storyja), tehtäviä tai hyväksymiskriteerejä. Näin ideat saadaan nopeasti sellaiseen muotoon, jota tiimi pystyy jalostamaan eteenpäin.

Lisäksi tekoäly auttaa tiedonhaussa ja yhteenvetojen tekemisessä. Se voi esimerkiksi poimia laajoista dokumenteista olennaiset kohdat tai selittää monimutkaista teknistä tekstiä yksinkertaisemmalla kielellä. Tämä tukee sekä analyytikoita että liiketoimintapuolen edustajia siinä, että kaikki ymmärtävät vaatimukset samalla tavalla. Koska ominaisuudet sisältyvät suoraan Atlassianin pilviversioon, erillisiä hankintoja ei tarvita, vaan tekoäly on heti käytettävissä siellä, missä vaatimuksia joka tapauksessa hallitaan.

Listasimme joitakin vinkkejä tekoälyn hyödyntämiseen vaatimusmäärittelyssä. Confluencen ja Jiran lisäksi näitä vinkkejä voi hyödyntää muillakin työkaluilla.

Käytännön vinkkejä tekoälyn hyödyntämiseen vaatimusmäärittelyssä

Tiivistelmät

Tekoälyllä saat tehtyä nopeasti tiivistelmät pitkistä dokumenteista, kun käsitellään suuria määriä vaatimuksia tai määrittelyjä, joiden läpikäynti käsin olisi työlästä.

Esimerkki:

Projektin alussa tiimi voi koota vaatimuksia useilta eri sidosryhmiltä Confluence-sivulle. Yhteenvedon avulla saa nopeasti yleiskuvan siitä, mistä tarpeista keskustellaan ilman, että täytyy lukea koko sivu läpi.

Sama toiminto on hyödyllinen myös projektin edetessä, kun halutaan tarkistaa, mitä päätöksiä tai muutoksia dokumenttiin on kertynyt. Tiivistelmän saa luotua yhdellä klikkauksella ”Yhteenveto”-painikkeesta, jolloin Atlassian Intelligence kokoaa keskeiset asiat esiin.

Uuden sisällön luominen

Luo uusia vaatimuksia ja määrittelyjä varmistaen, että kaikki tarpeelliset asiat tulevat huomioiduksi. Sen avulla voi esimerkiksi tunnistaa raakatekstistä potentiaalisia epicejä, featureja tai storyja ja muuttaa ne suoraan seurattaviksi Jira-asioiksi.

Esimerkki:

Projektin suunnittelupalaverin muistiot kootaan Confluence-sivulle. Määrittelijä voi valita tekstistä kuvauksen, kuten ”käyttäjien pitää pystyä palauttamaan unohtunut salasana helposti”, ja painaa ”Jira-asia”-painiketta. Tämän jälkeen valitaan projekti ja asiatyyppi (esim. epic, feature tai story), ja tekoäly muotoilee kuvauksen Jira-asiaksi suoraan Confluencesta käsin. Tämä nopeuttaa vaatimusten jäsentämistä ja helpottaa tehtävien siirtämistä toteutukseen.

Tekstin muotoilu ja sisällön muokkaaminen

Muokkaa raakatekstiä selkeämmäksi ja yhtenäisempään muotoon sekä paranna olemassa olevaa sisältöä korjaamalla kirjoitusasua, hiomalla kielioppia tai muuttamalla tekstin sävyä tilanteeseen sopivaksi.

Esimerkki:

Kun Confluence-sivulle on kirjoitettu vaatimusluonnos, määrittelijä voi avata editointitilan ja valita Atlassian Intelligencen ”Kirjoita”-toiminnon. Sen avulla teksti voidaan muuttaa esimerkiksi virallisempaan ja täsmällisempään muotoon, tai vaihtoehtoisesti pyytää tekoälyä muokkaamaan tekstin sävyä empaattisemmaksi, jos sisältö on tarkoitettu asiakasviestintään.

Termien ja lyhenteiden selkeyttäminen

Tekoäly auttaa määrittämään epäselviä termejä ja lyhenteitä. Tämä on tärkeää erityisesti monimutkaisten teknisten vaatimusten kanssa, joissa sama termi voi merkitä eri asioita eri ihmisille.

Esimerkki:

Jos Confluence-sivulla mainitaan lyhenne ”SLA” (Service Level Agreement eli palvelutasosopimus), määrittelijä voi maalata sanan ja painaa ”Määritä”-painiketta. Atlassian Intelligence hakee kontekstiin liittyvän selityksen joko projektin dokumentaatiosta tai yleisistä tietolähteistä ja näyttää sen heti sivulla. Tämä vähentää väärinymmärryksiä ja säästää aikaa, kun selitystä ei tarvitse erikseen etsiä.

Storyjen ja tehtävien luonti

Jäsennä epämääräisistä toiveista konkreettisia käyttäjätarinoita tai Jira-tehtäviä.

Esimerkki:

Kun sidosryhmä kirjoittaa ”haluamme raportteja eri osastoille”, tekoäly voi muuttaa tämän muotoon: ”Käyttäjänä haluan nähdä raportin oman osastoni kuluista, jotta voin seurata budjettia.” Samalla se voi ehdottaa hyväksymiskriteerejä. Tämä säästää aikaa ja auttaa varmistamaan, että kaikki tarinat ovat yhtenäisessä muodossa.

Kielen kääntäminen

Tekoäly voi kääntää vaatimuksia ja määrittelyjä, mikä helpottaa, kun projektissa on eri kieliä puhuvia tiimiläisiä. Väärinymmärrykset vähenevät ja säästetään aikaa ja rahaa, kun erillisiä käännöksiä ei tarvitse tilata tai tehdä manuaalisesti.

Esimerkki:

Jos projektissa on mukana sekä suomea että englantia puhuvia asiantuntijoita, Confluence-sivulle kirjoitettu vaatimus voidaan valita ja kääntää suoraan ”Käännä”-toiminnolla. Tekoäly muuttaa tekstin halutulle kielelle, esimerkiksi suomeksi tai englanniksi, jolloin kaikki tiimin jäsenet voivat lukea sisällön omalla kielellään.

Vaatimusten luominen kokousmuistiinpanoista

Muuta kokouksissa syntyneet muistiinpanot tai litteroidut keskustelut konkreettisiksi vaatimuksiksi. Näin keskustelu ja päätökset eivät jää pelkäksi tekstimassaksi, vaan niistä saadaan epicejä, featureita ja storyja, joita voidaan suoraan hyödyntää projektin hallinnassa. Lisäksi tekoälytyökaluilla voidaan hienosäätää sisältöä, esimerkiksi yhtenäistää muotoilua tai lisätä hyväksymiskriteerejä.

Esimerkki:

Projektipalaveri litteroidaan Confluence-sivulle. Tekoäly tunnistaa tekstistä kohtia, joissa mainitaan uusia tarpeita, kuten ”käyttäjän pitää saada ilmoitus, kun maksu epäonnistuu”, ja ehdottaa niistä storyja Jiraan.

Määrittelijä voi tämän jälkeen tarkentaa ehdotusta, lisätä kriteerejä ja luoda Jira-asian yhdellä klikkauksella. Kokousmuistiinpanot muuttuvat nopeasti konkreettisiksi tehtäviksi ilman manuaalista kirjoittamista.

Vaatimusten hakeminen luonnollisella kielellä

Tekoälyllä vaatimuksia ja tehtäviä voidaan etsiä ja suodattaa arkikieltä käyttäen, ilman monimutkaisia hakulausekkeita. Tämä helpottaa erityisesti niitä käyttäjiä, jotka eivät tunne Jiran JQL-hakusyntaksia.

Esimerkki:

Määrittelijä voi kirjoittaa Jiraan hakukenttään luonnollisella kielellä: ”Näytä kaikki luomani featuret viimeisen kuukauden ajalta” tai ”Etsi kaikki käyttäjätarinat, joissa on keskeneräisiä tehtäviä”. Tekoäly tulkitsee pyynnön ja hakee vastaavat tiketit esiin. Näin vaatimusten etsiminen on nopeaa ja sujuvaa myös niille, joille JQL-haku ei ole tuttua.

Tekoälyn käytön haasteet

Vaikka tämä on monelle jo tuttua, on hyvä muistaa, että tekoäly voi yhdistellä tietoja virheellisesti tai tuottaa epätarkkaa sisältöä. Siksi sen tuottamaan aineistoon tulee aina suhtautua kriittisesti ja tarkistaa faktat. Myös tekoälyn tietopohja voi olla osin vanhentunut, joten ajantasaisen tiedon varmistamiseen kannattaa hyödyntää esimerkiksi perinteisiä hakukoneita. Tekoälypalvelut kuitenkin kehittyvät nopeasti, ja tiedon ajantasaisuuteen liittyvä riski pienenee koko ajan.