El proceso de incorporación de nuevos desarrolladores a un equipo puede resultar costoso y frustrante tanto para la empresa como para los implicados. Las nuevas incorporaciones se enfrentan al reto de familiarizarse con un entorno de trabajo desconocido, con la preocupación de no obstaculizar el trabajo de sus colegas veteranos si piden ayuda.
Las nuevas incorporaciones pueden enfrentarse a estas barreras al unirse a un nuevo proyecto:
- Personales: Pueden ser reacias a pedir ayuda por miedo a hacer perder el tiempo a otros.
- Interpersonales: Pueden surgir problemas de comunicación al encontrarse con desarrolladores con distintos objetivos, culturas y habilidades interpersonales.
- De proceso: Pueden tener dificultades para obtener una visión global del software al que van a contribuir y para decidir por dónde empezar.
- Técnicas: Pueden surgir problemas debido a la complejidad del software en desarrollo, falta de conocimiento técnico o dominio del ámbito en el que se está desarrollando.
Para mitigar estas barreras existen herramientas como la mentoría. Se ha demostrado que tener mentores mejora la productividad de las personas que se incorporan, preguntan más y les permite adaptarse mejor a las prácticas de la organización. Además, ayudan a que la persona que se incorpora conozca al resto de miembros de la organización y sus respectivas responsabilidades. Sin embargo, la mentoría conlleva un coste asociado, ya que el mentor dedica su tiempo a ayudar a la nueva incorporación, pudiendo provocar así retrasos en proyectos. Es necesario buscar estrategias que reduzcan el compromiso de tiempo de los mentores, para que puedan mantener su productividad mientras guían adecuadamente a la persona que se incorpora.
En este contexto, LKS Next ha desarrollado «I Need a Hero» (INAH*), una herramienta que utiliza la Inteligencia Artificial generativa para resolver el problema de identificar qué persona de una organización específica puede ayudarnos en un momento concreto. Utiliza el API de GPT de OpenAI, uno de los Large Language Models, sistemas de aprendizaje automático que aprenden de datos y producen escritura sofisticada e inteligente después de haber sido entrenados con un conjunto masivo de textos.
INAH se alimenta de los CVs de los trabajadores de la organización y extrae sus datos personales junto con un array de habilidades de cada uno de los empleados. Así, cuando una persona se incorpora a LKS Next, puede realizar una pregunta en INAH en texto plano, que se envía a GPT para extraer las habilidades relevantes necesarias para responderla. Posteriormente, se busca en la base de datos de INAH qué empleado posee las habilidades necesarias para responder la pregunta, y se muestran ordenados por el número de habilidades que coinciden. De esta forma podemos responder a la pregunta, ¿quién sabe qué en esta organización? y conseguiremos a nuestro héroe en un instante.
INAH está en plena evolución, por lo que en el futuro próximo, además de dar la lista de personas que saben sobre un tema, mostrará los recursos existentes en la organización relacionados con ese tema y cómo han sido puntuados por quienes lo han utilizado para resolver dudas similares.
(*) INAH es parte del proyecto Universidad-Empresa- Sociedad entre EHU-UPV y LKS Next: Mejorando los procesos onboarding en empresas que desarrollan software con ingeniería DevOps: un enfoque fundamentado en la calidad del software (US22/017)
Aritz Galdos
Responsable de Proyectos de IA Generativa en LKS Next.
