Falamos com regularidade nos impactos da StackSpot no ciclo de desenvolvimento de software, acelerando a codificação e etapas fundamentais como avaliação de qualidade e segurança. Mas sabia que a StackSpot também pode ajudar na gestão de produtos digitais? Pois neste artigo, vamos apresentar um caso de uso de gestão de produto ao fazer um refinamento de backlog inteligente com a StackSpot AI.
E os resultados foram impressionantes. O tempo médio de refinamento de cada user story passou de 9 dias para apenas 2 dias, ou seja, uma redução de 72%. Além disso, a média de histórias entregues por mês do time passou de 20 para 27, um aumento de 35%.
A StackSpot AI tem se tornado uma valiosa aliada na gestão de produtos, mais especificamente durante o refinamento de backlog, melhorando a qualidade das stories, apoiando na construção de um backlog consistente que é fundamental para o sucesso do desenvolvimento do produto (Sutherland, J. 2014). Quer saber como? Então continue lendo.
Inteligência artificial e gestão de produto
O uso de inteligência artificial (AI) na gestão de produtos tem se tornado cada vez mais prevalente, oferecendo ferramentas poderosas para otimizar processos, melhorar a qualidade das entregas e ajudar na tomada de decisões estratégicas. (SMITH, 2021).
Segundo o Agile Alliance e Scrum Guide, 2023 para melhorar a qualidade das entregas, uma etapa essencial da Gestão de Produto é o refinamento de backlog.
O refinamento de backlog é um processo contínuo no qual a equipe de desenvolvimento e a pessoa Product Manager revisam e detalham os itens do backlog do produto. O objetivo é garantir que os itens estejam prontos para serem trabalhados. Durante o refinamento, os itens do backlog são analisados, priorizados, detalhados e estimados.
A seguir teremos alguns dos principais aspectos do refinamento de backlog:
- Priorização: Os itens do backlog são ordenados com base em seu valor para o negócio, urgência e dependências.
- Detalhamento: Os itens são detalhados com informações suficientes para que a equipe de desenvolvimento possa entendê-los e implementá-los. Isso pode incluir descrições, critérios de aceite, mockups, etc.
- Estimativa: A equipe de desenvolvimento estima o esforço necessário para completar cada item do backlog.
- Divisão: Itens grandes ou complexos são divididos em itens menores e mais gerenciáveis.
- Discussão: A equipe discute os itens do backlog para esclarecer dúvidas e alinhar expectativas.
Utilizando a inteligência artificial nessa etapa do processo temos a possibilidade de tornar o refinamento de backlog mais eficiente agregando qualidade e agilidade. E é aqui que a StackSpot AI se torna uma grande aliada da gestão de produto.
Melhorando a qualidade das stories com StackSpot AI
A StackSpot AI é um produto inovador com foco em otimizar o processo de desenvolvimento de software através da automação e da inteligência artificial. O objetivo é capacitar pessoas desenvolvedoras, equipes de TI e organizações a melhorar a eficiência, a qualidade do código e acelerar a entrega de projetos de software.
Mas o impacto da StackSpot AI vai muito além! A ferramenta está transformando a maneira como Gerentes de Produto (PMs) realizam a escrita de funcionalidades (features) e user stories (histórias do usuário), deixando o resultado mais claro, conciso e alinhado com os objetivos do produto.
A qualidade das user stories é fundamental para o sucesso do produto, da velocidade da esteira de desenvolvimento e da qualidade da entrega. Quando a qualidade da feature e user story é comprometida, o entendimento do time sobre as histórias é afetado, resultando em execuções mais demoradas, retrabalho, defeitos e, consequentemente, atrasos nas entregas. (Sutherland, 2014)
Utilizando técnicas de processamento de linguagem natural (NLP), a StackSpot AI pode sugerir, fatiamento de entregas de valor com base em metodologias específicas e de acordo com o contexto e necessidade de cada produto. Por exemplo, a técnica INVEST criada por William C. Wake e apresentado no livro Extreme Programming Explored apontam importantes características necessárias de uma história.
A StackSpot AI também melhora a redação das features e stories, garantindo que elas sejam compreensíveis para toda a equipe, independentemente de seu background técnico ou de negócio. Além disso, a ferramenta ajuda a identificar lacunas ou ambiguidades nas descrições, sugerindo ajustes para garantir que as expectativas sejam claramente definidas.
Quick Commands: o que são e como usar esse recurso da StackSpot AI para melhorar a criação de features e user stories
Para elevar a qualidade de features e user stories em desenvolvimento de software, a StackSpot AI apresenta uma abordagem inovadora. A plataforma integra Quick Commands são instruções predefinidas que podem ser enviadas para a linguagem de larga escala (LLM) para executar ações específicas. Fornecem maneiras rápidas e eficientes de contextualizar a LLM. São muito fáceis de usar e podem ser acessados simplesmente clicando com o botão direito do mouse.
Essa combinação promove a adoção de práticas ágeis e aprimora a qualidade do software, assegurando que features e stories estejam alinhadas aos objetivos do projeto e sejam eficazmente implementadas.
Aqui estão alguns exemplos de como usar Quick Commands para a criação de features e user stories:
1. Utilize Quick Commands com templates de user story
A StackSpot AI pode ter Quick Commands que incluem templates para a criação de user stories. Esses templates podem ajudar a garantir que todas as stories sigam um formato consistente, facilitando a compreensão e a implementação por parte da equipe de desenvolvimento. Para a criação de um template é possível que a pessoa Product Manager escolha o template conforme a metodologia que fique mais adequada ao seu contexto.
A seguir, vamos acompanhar um exemplo que usa a metodologia INVEST Bill Wake, 2003 e Product Backlog Building (PBB) de Pichler, Roman, 2010.
# Exemplo de Quick Command para Story
Você é a pessoa Product Manager e deverá fatiar histórias de desenvolvimento para engenheiros de software. O insumo para você criar será a descrição de uma FEATURE:
As histórias devem seguir os seguintes critérios:
Independente: ser uma user story independente de outras, ou seja, que não depende de outras ações para acontecer. Ser uma ação isolada, se possível.
Negociável: ser negociável está ligada à essência da história, pois o que é importante para a user story é sua essência, sendo os detalhes negociáveis.
Valioso: ela precisa agregar valor. Sendo assim, para ser considerada uma boa história precisa agregar valor ao produto final e principalmente ao cliente, caso contrário não faz sentido sua existência.
Estimável: ser estimável, em diversos sentidos como tempo, agregação de valor, custo de mão de obra.
Pequena: deve caber em uma sprint de 2 semanas , ser pequeno é importante para realizar isso. Além disso, seu tamanho também influencia no objetivo de ser simples e direto.
Testável: adicieature.
Todas devem conter descrição com no mínimo 100 caracteres e no máximo 300.
[[select_Code}}
2. Defina critérios de aceitação claros
Utilize Quick Commands para definir critérios de aceitação claros e mensuráveis para cada story. Isso pode incluir a utilização de ferramentas de Behavior-Driven Development (BDD) de Smart, John (2014) que permitem descrever o comportamento esperado do software em uma linguagem acessível.
#{{story-description.answer}}
cada história deve conter critérios de aceite com no mínimo 100 caracteres. Siga conceito do Behavior -Driven Development (BDD)
[[select_Code}}
Além de orientar o desenvolvimento, os critérios de aceitação desempenham um papel crucial em assegurar diversos aspectos que contribuem para a qualidade final do produto, incluindo a conformidade com requisitos funcionais, usabilidade, performance e segurança.
Essa abordagem holística não apenas simplifica a comunicação dentro da equipe, mas também estabelece um padrão de qualidade que permeia todas as fases do projeto, desde a concepção até a entrega.
Caso de uso: refinamento de backlog com StackSpot AI
Este caso de uso detalha as etapas cruciais do processo, abordando, por exemplo:
- as dificuldades enfrentadas;
- as estratégias implementadas para superá-las;
- os objetivos definidos;
- os resultados notáveis alcançados, incluindo uma expressiva redução de 72% no tempo médio de refinamento de cada user story.
Acompanhe a jornada completa, desde a identificação dos desafios até a obtenção de sucessos significativos, e veja como a StackSpot AI pode impactar a gestão do seu backlog, comprovado por dados e experiências reais.
Contexto
Um time de gestão de produto composto por 11 profissionais de engenharia de dados, enfrentam desafios significativos na gestão de três produtos de plataforma de dados. O time, ainda em curva de aprendizagem com a arquitetura AWS, entrega em média 20 stories por mês.
A leitura de contexto foi iniciada em outubro de 2023. A primeira tentativa foi analisar os dados, porém nos deparamos com a falta de backlog, o que resultou em dados de eficiência de fluxo inconsistentes. O backlog existente não estava documentado nas ferramentas corporativas e sim apenas na mente de algumas pessoas do time. Consequentemente, a performance deste time era baixa.
Com a necessidade de entregar um novo produto em três meses, surgiu a urgência de organizar o fluxo de trabalho, definir práticas ágeis para melhorar o fluxo e trabalhar objetivos claros.
Leitura de contexto e avaliação da maturidade do time
Para a leitura de contexto e avaliação da maturidade do time, utilizamos o Kanban Maturity Model (KMM) (David Anderson, 2018) e o Sensemaking (WEICK, Karl E., 1995). As ações definidas para atuação respeitaram o contexto e foram priorizadas utilizando o Cynefin Framework (Snowden, 2007).
A seguir, veremos os temas priorizados:
- Processo de refinamento do backlog: o time leva em média 9 dias para refinar cada história, um processo consideravelmente demorado.
- Conhecimento técnico limitado de profissionais Product Manager: PMs com conhecimento técnico limitado tem dificuldades em entender e comunicar requisitos técnicos, o que pode levar a mal-entendidos e expectativas irrealistas.
- Conexão frágil entre negócio e tecnologia: existe uma lacuna de comunicação entre as equipes de negócios e tecnologia, resultando em features que podem não estar alinhadas com as necessidades do mercado ou que são tecnicamente inviáveis.
- Backlog inexistente ou incompleto: a ausência de um backlog estruturado ou a presença de um backlog incompleto nas ferramentas corporativas dificulta a priorização e o planejamento.
- Dependência de planilhas de controle: o uso excessivo de planilhas para controle e gestão de tarefas aumenta a complexidade, o risco de erros e a dificuldade na visualização do progresso e prioridades.
- Alto custo de planejamento: o planejamento de Roadmap, Releases e Backlog torna-se um processo oneroso, consumindo tempo e recursos valiosos, muitas vezes sem alcançar os resultados desejados.
- Sobrecarga de profissionais Product Manager: com a acumulação de responsabilidades e a falta de ferramentas adequadas para gestão eficiente, PMs podem sofrer com sobrecarga, comprometendo a qualidade do trabalho e a capacidade de tomar decisões estratégicas.
Consequências
As consequências deste cenário são significativas e impactam tanto a entrega quanto a qualidade dos produtos, além de afetar diretamente a equipe envolvida.
A seguir, temos as principais consequências deste cenário:
- Atrasos na entrega: a falta de um processo de desenvolvimento claro e estruturado contribui para atrasos significativos na entrega dos produtos. Isso não apenas impacta os cronogramas de lançamento, mas também pode afetar a competitividade e a capacidade de atender às demandas do mercado em tempo hábil.
- Desalinhamento com o mercado: a ausência de uma comunicação eficaz entre as equipes de negócios e tecnologia pode resultar em produtos que não estão alinhados com as necessidades reais do mercado. Isso pode levar ao desenvolvimento de funcionalidades que não atendem às expectativas das pessoas usuárias, resultando em falhas em capturar uma parcela significativa do mercado.
- Baixa qualidade do produto: a comunicação ineficaz e o planejamento inadequado podem levar ao desenvolvimento de produtos de baixa qualidade. Isso não apenas afeta a satisfação de clientes, mas também pode prejudicar a reputação da empresa, tornando mais difícil a aquisição de novas pessoas e empresas clientes e a retenção das existentes.
- Estresse e baixa moral da equipe: a sobrecarga de trabalho, combinada com processos ineficientes, pode criar um ambiente de trabalho estressante. Isso não afeta apenas a saúde e o bem-estar da equipe, mas também pode levar a uma diminuição na produtividade e na moral, dificultando ainda mais a entrega de produtos de alta qualidade.
Em resumo, as consequências desse cenário são profundas, afetando não apenas a capacidade de entrega e a qualidade dos produtos, mas também a saúde organizacional e a moral da equipe. Por isso, é crucial abordar esses desafios para garantir o sucesso a longo prazo dos produtos e da equipe envolvida.
Objetivo
Para endereçar esses desafios, implementamos a StackSpot AI para gestão de produto com o intuito de aprimorar a criação, distribuição e consumo de stacks tecnológicos. A meta foi integrar práticas ágeis, metodologias e padrões de desenvolvimento para melhorar a comunicação entre equipes, estruturar eficientemente o backlog, e otimizar o planejamento e execução de projetos.
Isso visa aliviar a carga sobre a pessoa Product Manager, elevar a qualidade e a velocidade de entrega dos produtos, e garantir que as features desenvolvidas estejam alinhadas com as necessidades do mercado e sejam tecnicamente viáveis.
Espera-se que a implementação da StackSpot AI proporcionará uma abordagem estruturada e automatizada para o gerenciamento e refinamento de backlogs, facilitando a criação, priorização e refinamento de histórias de desenvolvimento, e permitirá uma integração perfeita com a arquitetura AWS e outras ferramentas corporativas, promovendo uma comunicação mais eficaz entre as equipes de negócios e tecnologia.
Resultados alcançados com a StackSpot AI no refinamento do backlog
A implementação da StackSpot AI proporcionou uma transformação notável no processo de refinamento, otimizando significativamente a eficiência e a qualidade da escrita das features e stories. A seguir, detalhamos as etapas reestruturadas e os resultados alcançados com o refinamento de backlog inteligente:
Processo reestruturado com a StackSpot AI
- Detalhamento inicial de features/funcionalidades realizado pelas pessoas Product Managers: utilizando a StackSpot, se inicia o processo detalhando as features de forma precisa, definindo claramente as necessidades, o público-alvo e os resultados esperados para cada uma delas.
- Refinamento e distribuição das tarefas: a plataforma facilita a distribuição das tarefas, onde cada pessoa engenheira de dados, apoiada pela StackSpot, é encarregada de refinar as features em histórias da pessoa usuária bem detalhadas. Esse processo assegura a consideração de todos os aspectos técnicos e de negócios.
Resultados do refinamento de backlog inteligente
Redução significativa no tempo de refinamento: redução no tempo médio de refinamento de histórias, passando de 9,1 dias para apenas 2,2 dias, ou seja, uma diminuição de 72%.
- Comparativo de eficiência no desenvolvimento: a eficiência no processo de desenvolvimento de software melhorou significativamente, como ilustrado na comparação entre janeiro e março. A otimização na etapa de pré-decisão (Pré-DEC) é evidente, com uma redução substancial no tempo dedicado a esta fase, destacando o impacto positivo das melhorias implementadas.
- Aumento na eficiência de entrega: com o processo de refinamento mais ágil e eficiente proporcionado pela StackSpot, a equipe elevou a média de histórias entregues por mês de 20 para 27, melhorando a produtividade sem comprometer a qualidade.
- Melhoria na qualidade das histórias: a clareza e o alinhamento das histórias da pessoa usuária com os objetivos de negócio foram significativamente aprimorados, graças à estruturação e ao detalhamento facilitados pela StackSpot. Isso não apenas facilitou o desenvolvimento, mas também a entrega de valor de forma eficaz.
Para avaliar a qualidade de uma user story, consideramos os seguintes critérios:
- Critério de Aceite: define claramente o que é necessário para que a história seja considerada concluída.
- Contagem de BCP (para histórias Funcionais): avalia a complexidade e o esforço necessário para implementar a história.
- Descrição: fornece um resumo claro e conciso do que a história envolve.
- Duração Estimada: uma estimativa de quanto tempo a equipe acredita que levará para completar a história.
- Pontuação: uma avaliação geral da história, considerando todos os critérios acima.
O resultado? Uma elevação notável e impressionante na avaliação de qualidade dessas histórias. Como pode ser observado na imagem a seguir:
Média Geral 8,19 | Time avaliado 1 | Total de Histórias 122 | Ano 2023/2024 |
Assista este tutorial em vídeo com o StackSpot Demos.
Conclusão
A implementação da StackSpot no processo de refinamento de backlog impactou positivamente a dinâmica de trabalho do time de produto, conferindo maior agilidade, eficiência e elevando a qualidade em todas as fases do desenvolvimento de software.
Demonstrando ser uma ferramenta indispensável, a StackSpot facilitou a organização e distribuição de tarefas de maneira eficaz, possibilitando que a equipe pudesse focar em aumentar a entrega de valor de forma ágil e precisa..
Além disso, a integração da StackSpot AI emergiu como uma solução promissora na esfera da gestão de produtos, abrindo caminhos para exploração e aplicação em quatro pilares fundamentais da gestão de produto: estratégia, discovery, delivery e métricas.
Os esforços futuros serão direcionados para desvendar e demonstrar o potencial pleno da ferramenta nesses domínios, prometendo transformações significativas na maneira como os produtos são concebidos, desenvolvidos e aprimorados.
O que achou desse uso da StackSpot AI para gestão de produtos e refinamento de backlog inteligente? Deixe um comentário!
Referências
“Este texto foi gerado com a assistência da StackSpot AI, nosso assistente de código de inteligência artificial é capaz de usar seu contexto, bases de conhecimento e decisões tecnológicas para gerar sugestões mais assertivas e de alta qualidade.”
Agile Alliance. Disponível em Agile Alliance Acesso em: 10 out. 2023.
Cynefin Framework: SNOWDEN, David J.; BOONE, Mary E. A Leader’s Framework for Decision Making. Harvard Business Review, v. 85, n. 11, p. 68-76, 2007.
Kanban Maturity Model (KMM): ANDERSON, David J.; TEIXEIRA, Teodora Bozheva. Kanban Maturity Model: Evolving Fit-for-Purpose Organizations. 1. ed. Seattle: Lean-Kanban University Press, 2018.
Mountain Goat Software. Disponível em Mountain Goat Software. Acesso em: 10 out. 2023.
Pichler, Roman. Agile Product Management with Scrum: Creating Products that Customers Love. 1. ed. Addison-Wesley Professional, 2010.
RUBIN, Kenneth S. Essential Scrum: A Practical Guide to the Most Popular Agile Process. 1. ed. Upper Saddle River: Addison-Wesley, 2012.
Sensemaking: WEICK, Karl E. Sensemaking in Organizations. Thousand Oaks: SAGE Publications, 1995.
Scrum Guides. Disponível em Scrum Guides. Acesso em: 10 out. 2023.
Smart, John. BDD in Action: Behavior-Driven Development for the whole software lifecycle. 1. ed. Shelter Island: Manning Publications, 2014.
SMITH, Johnathan; ZHAO, Linda. Artificial Intelligence for Product Management: Techniques for Predicting Market Trends and Making Better Decisions. Springer, 2021.
Sutherland, J. (2014). Scrum: The Art of Doing Twice the Work in Half the Time. Crown Business.WILDT, Daniel; MOURA, Dionatan; LACERDA, Guilherme; HELM, Rafael. eXtreme Programming: Práticas para o dia a dia no desenvolvimento ágil de software. [S.l.]: [s.n.], 2004. E-book.