Ocena zakłada pracę przez asystenta AI z dostępem do kodu (Claude Code i podobne narzędzia). Poniżej sześć bloków technik z BABOK/Wiegersa.
1. Zbieranie wymagań
Elicytacja wymagań
| Technika | Poziom | Co robi AI | Co zostaje człowiekowi |
|---|---|---|---|
| Wywiady | Niski | Generuje scenariusze wywiadów i listy pytań dla danej domeny, transkrybuje i streszcza notatki | Prowadzenie samego wywiadu, czytanie reakcji rozmówcy, pytania uzupełniające na żywo |
| Warsztaty / JAD | Niski | Przygotowuje agendę, wstępnie analizuje materiały, streszcza wyniki, szkicuje podsumowania | Moderacja, dynamika grupy, rozwiązywanie konfliktów, synteza na bieżąco |
| Grupy fokusowe | Niski | Przygotowuje scenariusz dyskusji, analizuje transkrypcje | Prowadzenie sesji, obserwacja reakcji |
| Obserwacja | Brak | - | Fizyczna obserwacja użytkowników w ich środowisku |
| Ankiety / kwestionariusze | Średni | Szkicuje pytania, analizuje wyniki, znajduje wzorce w odpowiedziach, proponuje poprawki | Dystrybucja, dobór grupy, interpretacja w kontekście |
| Analiza dokumentów | Wysoki | Czyta i streszcza istniejące dokumenty (Confluence, specyfikacje, polityki), wyciąga wymagania, porównuje je między sobą | Decyzja, które dokumenty mają znaczenie, sprawdzanie wyciągniętych treści pod kątem intencji |
| Analiza interfejsów | Wysoki | Analizuje kontrakty API, interfejsy systemów i formaty danych wprost z kodu, znajduje punkty integracji | Zrozumienie kontekstu biznesowego interfejsów |
| Prototypowanie | Wysoki | Generuje prototypy HTML/CSS z opisu, szybko iteruje | Walidacja z prawdziwymi użytkownikami, decyzje UX |
| Burza mózgów | Średni | Generuje pomysły, rozwija koncepcje, gra rolę adwokata diabła, znajduje luki | Twórcze skoki, intuicja domenowa, energia zespołu |
| Inżynieria odwrotna | Pełny | Czyta istniejący kod i wyciąga reguły biznesowe, przepływy danych i logikę; odtwarza nieudokumentowane zachowania | Sprawdzenie, czy wyciągnięte reguły zgadzają się z intencją biznesu |
2. Analiza wymagań
Analiza wymagań
| Technika | Poziom | Co robi AI | Co zostaje człowiekowi |
|---|---|---|---|
| Przypadki użycia i scenariusze | Wysoki | Generuje opisy scenariuszy, ścieżki alternatywne i wyjątki, warunki wstępne i końcowe z wymagań | Sprawdzenie kompletności, zgodność z biznesem |
| User stories | Wysoki | Generuje historyjki z kryteriami akceptacji z epików i funkcji, stosuje INVEST, dodaje przypadki brzegowe | Priorytetyzacja, ocena wartości biznesowej |
| Analiza reguł biznesowych | Wysoki | Wyciąga reguły z kodu, dokumentów, polityk; formalizuje je w tabele decyzyjne | Weryfikacja, czy reguły odzwierciedlają rzeczywistą politykę firmy |
| Modelowanie danych | Wysoki | Generuje diagramy ER, analizuje istniejące schematy baz, proponuje normalizację | Decyzje domenowe o relacjach |
| Diagramy przepływu danych | Wysoki | Generuje DFD z analizy kodu, śledzi dane między systemami | Walidacja z rzeczywistymi procesami biznesowymi |
| Modelowanie stanów | Pełny | Generuje diagramy stanów z kodu lub wymagań, znajduje brakujące stany | Sprawdzenie przypadków brzegowych z ekspertami |
| Modelowanie procesów (BPMN) | Wysoki | Generuje BPMN z opisu, analizuje istniejące procesy | Walidacja z rzeczywistością, decyzje o optymalizacji |
| Modelowanie decyzji (DMN) | Wysoki | Tworzy tabele decyzyjne, sprawdza kompletność, znajduje sprzeczności | Walidacja logiki biznesowej |
| Modelowanie pojęć | Średni | Generuje glosariusz, wyciąga pojęcia domenowe z dokumentów i kodu | Precyzja semantyczna języka domeny |
| Dekompozycja funkcjonalna | Wysoki | Rozbija funkcje na podfunkcje, wiąże je z komponentami w kodzie | Decyzja, gdzie leżą granice dekompozycji |
| Wymagania pozafunkcjonalne | Średni | Wyłapuje wymagania pozafunkcjonalne z kodu (wzorce wydajności, bezpieczeństwo), proponuje standardy | Ustalanie akceptowalnych progów, kompromisy biznesowe |
| Kryteria akceptacji | Pełny | Generuje Given/When/Then, przypadki brzegowe, sprawdza kompletność | Ostateczna walidacja biznesowa |
| Modelowanie zakresu | Średni | Generuje diagramy kontekstowe, identyfikuje granice systemu z kodu | Decyzja, co jest w zakresie, a co nie (polityka i strategia) |
3. Specyfikowanie wymagań
Specyfikacja wymagań
| Technika | Poziom | Co robi AI | Co zostaje człowiekowi |
|---|---|---|---|
| Dokument SRS | Wysoki | Generuje ustrukturyzowany SRS, dba o zgodność z IEEE 830, składa sekcje w całość | Przegląd, akceptacja biznesowa |
| Słownik danych | Pełny | Wyciąga dane ze schematów baz, kodu, API; automatycznie składa pełne słowniki danych | Walidacja opisów biznesowych |
| Glosariusz | Wysoki | Wyciąga terminy domenowe z dokumentów i kodu, generuje definicje, znajduje rozbieżności | Uzgadnianie kanonicznych definicji z interesariuszami |
| Katalog reguł biznesowych | Wysoki | Wyciąga i katalogizuje reguły z kodu i dokumentów, wyłapuje duplikaty i konflikty | Sprawdzenie z rzeczywistą polityką biznesową |
| Atrybuty wymagań | Pełny | Automatycznie uzupełnia atrybuty (wskazówki priorytetu, złożoność, śledzenie źródła) w Jira | Priorytet i wartość biznesową ustala człowiek |
| Diagramy sekwencji | Pełny | Generuje z kodu z pełną dokładnością: czyta rzeczywiste wywołania metod i interakcje | Walidacja względem zamierzonego zachowania |
4. Walidacja wymagań
Walidacja wymagań
| Technika | Poziom | Co robi AI | Co zostaje człowiekowi |
|---|---|---|---|
| Przeglądy / inspekcje | Wysoki | Sprawdza niejednoznaczność, niekompletność, sprzeczności, testowalność; automatycznie stosuje checklistę DoR | Ostateczna akceptacja, ocena kontekstu i polityki |
| Prototypy do walidacji | Wysoki | Szybko generuje klikalne prototypy do walidacji z interesariuszami | Prowadzenie samej sesji walidacyjnej |
| Generowanie przypadków testowych | Pełny | Generuje przypadki testowe z kryteriów akceptacji, analizy wartości brzegowych, podziału na klasy równoważności | Decyzje o strategii testów |
| Macierz śledzenia (RTM) | Pełny | Buduje i utrzymuje RTM między kodem, Jirą i testami; automatycznie znajduje luki | Decyzja o szczegółowości śledzenia |
| Checklisty DoR / DoD | Pełny | Automatycznie sprawdza każdą historyjkę względem checklisty i zgłasza problemy | Ustalenie, co trafia do samej checklisty |
| Porównanie z baseline | Wysoki | Porównuje wymagania między wersjami, wskazuje zmiany zakresu | Decyzja, czy zmiany są akceptowalne |
5. Zarządzanie wymaganiami
Zarządzanie wymaganiami
| Technika | Poziom | Co robi AI | Co zostaje człowiekowi |
|---|---|---|---|
| Analiza wpływu zmian | Wysoki | Śledzi wpływ przez kod, znajduje dotknięte komponenty, szacuje zasięg zmiany | Ocena wpływu biznesowego, decyzje go / no-go |
| Kontrola wersji | Pełny | Śledzi wszystkie zmiany, różnice i historię - wbudowane w IDE | - |
| Śledzenie (traceability) | Pełny | Automatycznie łączy wymagania, kod, testy i Jirę | Wstępna konfiguracja powiązań |
| Priorytetyzacja (MoSCoW, RICE) | Średni | Stosuje strukturę frameworku, ocenia i szereguje pozycje; oznacza zależności | Wartość biznesowa i głos interesariuszy |
| Analiza ryzyka | Średni | Wskazuje ryzyka techniczne z kodu, proponuje środki zaradcze, oznacza ryzyka zależności | Ocena ryzyk biznesowych i ich prawdopodobieństwa |
| Szacowanie | Średni | Analizuje złożoność kodu i historyczną prędkość; proponuje story points na podstawie podobnych historyjek | Pojemność zespołu, ukryta złożoność, czynnik ludzki |
6. Strategia i ocena rozwiązania
BABOK: Strategia i ocena rozwiązania
| Technika | Poziom | Co robi AI | Co zostaje człowiekowi |
|---|---|---|---|
| Analiza interesariuszy | Średni | Generuje szablony RACI, buduje persony z danych o organizacji | Zrozumienie realnych wpływów i gry wewnętrznej polityki |
| Analiza SWOT | Średni | Generuje analizę z dostarczonego kontekstu, bada konkurentów | Osąd strategiczny |
| Business Model Canvas | Średni | Generuje kanwę z danych wejściowych, wskazuje luki | Wizja strategiczna |
| Business case | Średni | Porządkuje analizę finansową, wykonuje obliczenia ROI na szablonie | Rzeczywiste dane finansowe, decyzje strategiczne |
| Balanced Scorecard | Niski | Generowanie szablonów, propozycje KPI | Zgodność ze strategią, wyznaczanie celów |
| Benchmarking | Średni | Wyszukuje i zbiera benchmarki, analizuje dane konkurencji | Ocena, czy są istotne dla Twojego kontekstu |
| Ocena dostawcy | Średni | Porównuje dokumenty dostawców, buduje macierze oceny | Relacje, zaufanie, dopasowanie strategiczne |
| Analiza przyczyn źródłowych | Wysoki | Analizuje kod pod kątem błędów, śledzi błędy, buduje diagramy Ishikawy z logów i danych | Przyczyny organizacyjne |
| Wnioski (lessons learned) | Średni | Streszcza dane ze sprintów i projektów, wyłapuje wzorce z Jiry | Prowadzenie retro zespołu |
| Metryki i KPI | Wysoki | Liczy na podstawie danych z Jiry i kodu, buduje dashboardy, analizuje trendy | Decyzja, które metryki mają znaczenie |
| Ocena rozwiązania | Średni | Porównuje rzeczywisty kod z wymaganiami, przeprowadza analizę luk | Ocena wartości biznesowej po wdrożeniu |
Najważniejszy wniosek dla analityków
AI radzi sobie najlepiej tam, gdzie chodzi o coś tekstowego i strukturalnego (generowanie, analiza, sprawdzanie dokumentów), związanego z kodem (wszystko, co korzysta z czytania realnej implementacji) i opartego na wzorcach (dobrze znane frameworki: INVEST, Given/When/Then, tabele decyzyjne).
AI nie zastąpi tego, co wymaga bezpośredniej interakcji (moderacja, wywiady, obserwacja), osądu politycznego i strategicznego (priorytety, zarządzanie interesariuszami, granice zakresu) i twórczego zrozumienia domeny (wiedza, dlaczego biznes działa tak, a nie inaczej).
Rola analityka przesuwa się z „tworzenia artefaktów" na „walidowanie artefaktów wytworzonych przez AI wobec rzeczywistości biznesu". Wartość nie leży już w pisaniu SRS czy diagramu - leży w wyłapywaniu, gdzie AI podało coś wiarygodnego, ale błędnego.
Tego właśnie uczy AI Sandbox Lab: budowania specyfikacji i MVP przez asystenta AI i sprawdzania wyniku, zamiast przepisywania wszystkiego ręcznie. Zapisz się do nowej grupy.