In Kürze: Anwendungsfälle für agile KI-Agenten
Ich habe den neuen Agentenmodus von ChatGPT ausprobiert: Handelt es sich wirklich um agile KI-Agenten, der selbstständig bemerkenswerte Signale im täglichen Kommunikations- und Datenrauschen erkennt? Oder handelt es sich um einen glorifizierten, automatisierten Prompt-Ausführungsmechanismus?
Lassen Sie es uns herausfinden. (Hinweis: Ich habe nur ein Plus-Konto, was die Erfahrung einschränkt.)
Was mir zu den Anwendungsfällen für agile KI-Agenten einfällt
Als ich mit meiner Erkundung begann, dachte ich an ein paar unterhaltsame Anwendungen, zum Beispiel:
- Der Produktentdeckungs-Agent: Wann immer ein neues Kundeninterview oder eine Feature-Anfrage aufgezeichnet wird, analysieren dieser den Inhalt und vergleichen ihn mit der aktuellen Produktstrategie oder dem Produktziel. Wenn die neuen Informationen diese unterstützt, interessant oder innovativ ist, schlagen er dem zuständigen Teammitglied eine Hypothese vor. Andernfalls schlägt er vor, diese Erkenntnis mit einer Beschreibung zu archivieren. (Das Anti-Produkt-Backlog ist ein guter Ort für nutzlose Vorschläge.)
- Der End-of-Sprint Berichtsagent: Analysiert am Ende eines Sprints oder eines anderen geeigneten (Berichts-)Zeitraums, was erreicht wurde, wie sich dadurch der gelieferte Kundennutzen erhöht und ob das Team Fortschritte in Richtung seines nächsten Ziels oder Meilensteins macht hat oder ob dieses Ziel überprüft werden muss. Der KI-Agent berücksichtigt echtes Feedback von Kunden und Benutzern und begnügt sich nicht mit der Zusammenfassung in Jira. Aktualisiert die Risikoanalyse und verpacken alles in einen Bericht, der den Erwartungen der Stakeholder und wahrscheinlich auch den Anforderungen der Unternehmensführung entspricht. Legt den Entwurf für den Bericht zunächst dem zuständigen Mitarbeiter zur Änderung oder Genehmigung vor.
- Sprint Planning Risikoberater: Vor der nächsten Sprint-Planung analysiert der agile KI-Agent typische Einschränkungen für die anstehende Planung: Verfügbarkeit von Teamkollegen, Tools und Fähigkeiten, Abhängigkeiten von anderen Teams oder externen Anbietern, Zustand des Produkt-Backlogs oder des Planungsartefakts Ihres Teams und frühere Teamleistungen. Auf der Grundlage der Analyse erstellt er einen Beratungsbericht für das Team, bevor die Planung beginnt.
- Organisatorischer Anti-Muster-Aufspürer: Unser agiler KI-Agent scannt kontinuierlich Kommunikation, Artefakte, Meetings und andere nützliche Quellen nach wiederkehrenden organisatorischen Anti-Mustern, die die Produktivität Ihrer Teams einschränken. Wenn diese regelmäßig gemeldet werden, können die Coaches darauf reagieren.
Beobachtungen zu agilen KI-Agenten in der Praxis
Im Gegensatz zu den agilen KI-Agenten-Phantasien, siehe oben, fallen meine Beobachtungen als OpenAI Plus-Kontoinhaber in Bezug auf agile KI-Agenten-Anwendungsfälle jedoch anders aus:
Die Aufgabe für den Agenten von ChatGPT
Ich habe den KI-Agenten damit beauftragt, kritische Daten zur Teamleistung eines fiktiven Teams zu analysieren und mithilfe von Retromat eine Retrospektive zu entwerfen, die dem Team helfen soll, einen wichtigen Meilenstein zu erreichen. Der Kontext des Teams ist dem Agenten bekannt.
Beobachtungen und die Antwort des Agenten
Meine Ergebnisse:
- In einem Custom-GPT können Sie den Agentenmodus nicht verwenden.
- Um Kontext bereitzustellen, verwenden Sie stattdessen einen normalen Chat und das Web, verbundene Quellen oder laden die Daten manuell hoch.
- Da ich weder ein Pro- noch ein Team-Konto habe, ist die einzige verbundene Quelle derzeit GitHub. 🤷♂️
- Während des Tests hat der Agent auf TeamRetro umgeschaltet, da Cloudflare den Zugriff auf Retromat auf eine Weise blockiert hat, die der Agent nicht überwinden konnte. (Mein Lob für die Initiative.)
- Allerdings war das Ergebnis dieses Retrospektiven-Tests bestenfalls mittelmäßig. (Ich hätte mit einem gewöhnlichen Prompt in meinem Scrum Anti-Patterns Guide GPT in kürzerer Zeit ein wesentlich nuancierteres Ergebnis erzielen können.)
- Sie können keine AI Agent-Aufgaben zeitlich planen.
- Sie können einen KI-Agenten nicht wiederholt oder regelmäßig eine Aufgabe ausführen lassen.
- Der Agent scheint als Forschungsagent nützlich zu sein, aber warten Sie: Wir hatten schon Deep Research. (Siehe den Screenshot unten; in einem zweiten Versuch habe ich den Agenten beauftragt, innerhalb definierter Grenzen nach einem Oldtimer, einem Citroën 2CV6, zu suchen.)
Das Ausprobieren des neuen Agentenmodus von ChatGPT war eine ernüchternde Erfahrung. Ich bin sicher, dass sich die Fähigkeiten verbessern werden, aber bis dahin scheinen alle interessanten Anwendungsfälle für agile KI-Agenten in weiter Ferne zu liegen, wenn man nicht über Programmierkenntnisse verfügt.
Ich werde diesen Anwendungsfall weiter erforschen, auch mit anderen LLMs, und Sie auf dem Laufenden halten.
Realistische, zeitnahe Anwendungen
In dem oben beschriebenen Kontext schlage ich vor, statt auf autonome Aufgabenerfüllung zu setzen, die aktuellen KI-Fähigkeiten, die keine Programmierkenntnisse erfordern, anders zu nutzen: Setzen Sie die KI als analytische Assistenten ein. Einige Ideen, wie man generative KI mit unmittelbarem Nutzen einsetzen kann, sind:
Mustererkennungsunterstützung
- Identifizieren Sie wiederkehrende Themen in Retrospektiven über mehrere Teams hinweg.
- Analysieren Sie das Volumen von Kundenfeedback und Tendenzen in der Kundenstimmung.
- Verfolgen Sie die Muster von Hindernissen für das Organisationscoaching.
.
Dokumentation und Wissenssynthese
- Pflegen und aktualisieren Sie Teamarbeitsvereinbarungen auf der Grundlage von TEam-Entscheidungen.
- Synthetisieren Sie verteiltes Wissen in zugänglichen Formaten.
- Erstellen von ersten Entwürfen der Prozessdokumentation zur Optimierung durch Menschen.
.
Unterstützung bei Recherchen und Vorbereitungen
- Sammeln Sie relevante Frameworks und Techniken für spezifische Teamherausforderungen.
- Zusammenstellung von Branchendaten für strategische Planungssitzungen.
- Vorbereitung für die Kommunikation mit Stakeholdern durch Hintergrundrecherche.
Diese Anwendungen nutzen die Stärken der KI bei der Informationsverarbeitung und bewahren gleichzeitig das menschliche Urteilsvermögen bei komplexen Entscheidungen.
Schlussfolgerung
Ich erwarte von einem agilen KI-Agenten, dass er vernünftige Prompts akzeptiert und die notwendigen Überlegungen anstellt, um eine Aufgabe zu erfüllen, und dann dem zuständigen Menschen Bericht erstattet. Außerdem würde er keine Kodierung erfordern oder No-Code-Tools wie n8n verwenden.
Natürlich können Sie alternativ zu KI-Agenten auch zu einem agentenbasierten Workflow-Design übergehen, bei dem Sie das Reasoning und die Programmierung übernehmen. (Ich denke, diese Möglichkeit hatten wir schon vorher.)
Haben Sie den KI-Agenten von ChatGPT bereits ausprobiert?
🗞 Soll ich Sie über Artikel wie diesen informieren? Großartig! Sie können sich hier für den Newsletter „Food for Agile Thought“ anmelden und sich über 40.000 Abonnenten anschließen.