斯坦迪什集团跟踪信息技术项目成果已有30多年。
数字几乎没有变化:只有31%的信息技术项目成功,要求不完整或定义不明确,始终是失败的主要原因。 这不是技术问题。
创用大赦国际没有解决它,而是放大了它。AI工具会很快和有信心地将你的业务要求分解为功能性和非功能性规格。
他们无法知道他们生产的东西是完整、正确还是悄悄地丢失了没有你的解决办法是不可能建立起来的。 这一判断仍然属于人类。
课程就是如何发展判断。为什么各科的顺序是第2和第3节的关键部分? 通过练习和真实世界的例子,教授我们经过证明的分解技术。
您将致力于通过将要求声明和用户故事分解为功能性要求(解决方案必须做什么)、数据要求(它必须处理什么)以及无法使用的要求的过程。
(业绩门槛、可用性标准、可靠性限制以及行为管理的商业规则)。
我和安吉拉 四十年来在多个大陆上数百个项目中 开发和完善了这些技术
它们是实地测试而不是理论性的,这种区分往往在项目是真实的、利害关系不是假设的情况下才重要。
New:为支持你的工作,课程现在包括“完整的“不平等”指南:121 NFR质量属性、测试标准和AI整合标准简而言之!”
它将121个NFR质量属性分类,包括简单语言描述、可测试的接受标准和AI整合标准。大多数团队从8或10个属性列表中开展工作。现在你们有121个。
保存在安全的地方。 您会希望它打开 在第4节的AI演示期间, 一旦您掌握了基本知识, 第4节将展示如何将基因性AI引入工作流程。
使用您选择的AI工具来建议已经分解的功能性和非功能性要求(快速,规模),然后做出“人行道”判断,评估回来的东西。
在实践中,这意味着将AI建议与实际商业环境进行比较,并标出缺失或错误。 AI工具产生幻觉,其基调与其他所有工具所使用的一样自信。
你的任务是在他们进入发育之前抓住他们
为什么AI工具无法了解你们组织的具体限制、利益攸关方的未说明的假设或你们的解决办法必须在其范围内运作的监管环境。
拥有扎实分解技能的执业医师可以用分钟时间评价人工智能输出,
没有这个基础,你基本上就赞同工具决定所说的任何话——而且误解往往出现在最坏的时间(例如系统测试或更糟糕的是生产)。
注意: 本课程是工具不可知性。 特定AI产品来去去。 AI促进在此教授的技能, 将我们组织恰好使用的工具转移到任何工具上 。
为了最大限度地发挥学习效果,该课程包括每项技术的派任。这些不是常规意义上的测试。
其目的在于在更接近现实生活的环境中展示每一种技术,而仅靠解释是无法做到的。 如果你通过这些方法来工作,那么这些技术就会被坚持下去。
技术仍会有意义 — — 他们只需要再多一点时间才能成为工作上的第二性。