Modelo de maturidade em IA para delivery ágil: checklist com modelo Excel
Muitos modelos de maturidade em IA são escritos para CIOs ou programas corporativos. Esse nível de abstração é, para engineering managers, muitas vezes demasiado genérico e muito distante do dia a dia no desenvolvimento ágil de software.
Este artigo traduz modelos de maturidade em IA existentes para um modelo pragmático de desenvolvimento ágil de software. Não seguimos o hype de IA, mas sim o bom senso, ao longo da tese:
A maturidade em IA no desenvolvimento ágil de software mostra-se no facto de a IA acelerar e melhorar o fluxo de valor, desde a compreensão do problema até ao feedback do utilizador.
Aqui você recebe 6 dimensões, cada uma com 3 itens de health check para pesquisas e retrospectivas de equipa. No final, você também encontrará um modelo em Excel que resume todos os itens como base para a sua matriz de maturidade.
TL;DR
- Modelos clássicos de maturidade em IA medem mais de forma abstrata estratégia, dados, governação, engenharia, operating model, cultura e contribuição de valor.
- Para o desenvolvimento ágil de software, estas dimensões devem ser traduzidas em capacidades concretas de equipas ágeis: clareza de objetivos, contexto de conhecimento, verificação, sistema de delivery, colaboração e melhoria contínua.
- A melhor medição da maturidade em IA não é um relatório em Excel, mas sim uma base para retrospectivas de equipa, para implementar melhorias concretas e tangíveis.
O que os modelos de maturidade em IA existentes normalmente medem
Os modelos de maturidade em IA geralmente seguem um padrão semelhante: medem a capacidade de uma organização de incorporar a IA de forma estratégica, segura e eficaz em sistemas de trabalho.
1. Níveis de capacidade tecnológica
A KPMG descreve um modelo de capacidade de IA com seis níveis, desde prontidão dos dados, prompting e contextualização até fiabilidade, integração e operacionalização em operação escalada. Isso é tecnicamente útil, porque deixa claro que ainda não é preciso pensar em agentes autónomos e na operação escalada enquanto faltar uma base sólida de dados e contexto.
Fonte: KPMG: AI Capability Maturity Assessment
2. Governação, risco e ciclo de vida
O OWASP AIMA é especialmente relevante para equipas de software, porque observa a maturidade em IA ao longo de um ciclo de vida. O modelo de maturidade nomeia estratégia, design, implementação, operação e governação como domínios centrais. O toolkit em Excel ligado vai ainda mais ao detalhe e trabalha com 8 áreas de prática: Responsible AI Principles, Governance, Data Management, Privacy, Design, Implementation, Verification e Operations.
Fontes: OWASP AI Maturity Assessment, OWASP AIMA PDF, OWASP AIMA Excel Toolkit
3. Pilares, heatmaps e roadmaps priorizados
A Gartner descreve a maturidade em IA como um diagnóstico sobre vários pilares centrais: estratégia, dados, governação, engenharia, operating model, cultura, bem como produto de IA e contribuição de valor. O núcleo prático é um heatmap entre o nível de maturidade atual e o desejado, a partir do qual surgem iniciativas e roadmaps priorizados.
Fonte: Gartner: AI Maturity Model and AI Roadmap Toolkit
4. Assessment, análise e workshop conjunto
A AI Sweden descreve a medição da maturidade como um processo em três etapas: assessment, análise e workshop. Especialmente útil é a terceira etapa: as partes interessadas discutem os resultados em conjunto e elaboram um roadmap. É precisamente essa lógica de follow-up que falta em muitos templates de Excel (mas, claro, não no nosso).
Fonte: AI Sweden: AI Maturity Assessment
Para equipas ágeis, isso significa: a retrospetiva não é um “add-on” após a medição da maturidade. A retrospetiva é o espaço central onde, a partir da medição da maturidade, são geradas perceções e iniciadas mudanças.
5. Ambição, capacidades, casos de uso e implementação
Holisticon descreve a avaliação próxima da appliedAI através de quatro dimensões: Ambitions, Capabilities & Enablers, Use Cases e Execution. Isso é um bom lembrete de que a maturidade em IA não se resume à governança. É preciso ambição, capacidades e casos de uso relevantes.
Fonte: Holisticon: AI Maturity Assessment
A Accenture também enquadra a maturidade em IA como um tema de transformação (e não apenas como introdução de uma ferramenta). Essa perspectiva é sobretudo uma confirmação do nosso artigo sobre a transformação por IA: A maturidade em IA tem de ser medida pela capacidade de mudança.
Fonte: Accenture: The Art of AI Maturity
O que falta aos modelos existentes de maturidade em IA para o desenvolvimento de software ágil
Os modelos enterprise são bons para orientação. Para Engineering Managers, porém, eles têm três fraquezas:
- Estão muitas vezes demasiado distantes do dia a dia da equipa.
- Medem muitos pré-requisitos, mas comportamento de entrega insuficiente.
- Geram facilmente um dashboard de maturidade, sem melhorar a próxima decisão da equipa.
Por isso, traduzo os modelos em 6 dimensões que uma equipa de produto ou engineering pode de facto discutir em retrospectivas. Cada dimensão responde exatamente a uma pergunta-guia:
| Dimensão | Pergunta-guia | Função no sistema de delivery |
|---|---|---|
| Clareza de objetivo | Estamos a trabalhar nos problemas certos? | Direção |
| Contexto de conhecimento compartilhado | A IA consegue entender o nosso produto e o nosso domínio? | Contexto |
| Verificação e confiança | Podemos usar os resultados da IA com segurança? | Confiança |
| Sistema de entrega adaptativo à IA | A equipa melhora como sistema? | Fluxo |
| Colaboração | A IA torna-se uma capacidade da equipa em vez de otimização individual? | Alinhamento |
| Melhoria contínua & Governança | A organização e as regras melhoram a cada iteração? | Loop de aprendizagem |
O sistema por trás disto é simples:
- Os objetivos determinam para que a IA é usada.
- O contexto de conhecimento determina quão bem a IA pode მუშაობar.
- A verificação determina se os resultados são utilizáveis.
- O sistema de delivery determina se disso surge valor mais rapidamente.
- A colaboração determina se a equipa melhora em conjunto.
- A melhoria contínua e a governança determinam se as melhorias se sustentam a longo prazo.
Lógica do modelo de maturidade em IA: 6 dimensões e 3 níveis para uma priorização clara
Para retrospectivas de equipe, recomendo 3 níveis simples. O importante é: os níveis não avaliam primeiro o uso de IA. Eles avaliam primeiro a capacidade de entrega subjacente.
| Nível | Significado | Padrão típico |
|---|---|---|
| Nível 1: Capacidade existente | A equipa domina a dimensão, em termos gerais. | Baseline |
| Nível 2: Prática de equipa estabelecida | A equipa tem uma prática مشترa para esta dimensão. | Repetibilidade |
| Nível 3: IA integrada | A IA reforça esta capacidade de forma sistemática. | Impacto de delivery apoiado por IA |
Como usar estes níveis: Se o Nível 1 de uma dimensão já for problemático, identifique primeiro o problema com ele e resolva-o. Quando existir uma baseline saudável, pode avançar para o Nível 2 e ancorar a capacidade nas formas de trabalho das equipas. Só quando os Níveis 1 e 2 tiverem ambos bom desempenho é que faz sentido focar na “integração da IA”. Claro que pode acontecer a IA já oferecer boas soluções para os Níveis 1 e 2, mas a IA ainda não deve ser o foco mental aí.
Aqui estão então os itens para medir a dimensão com a possibilidade de iniciar a medição diretamente com uma retrospectiva no Echometer:
Modelo para medir o grau de maturidade em IA
Dimensão 1: 🎯 Clareza de objetivos
Esta dimensão verifica se a IA melhora o trabalho no problema certo. Muitas equipas usam IA para mais output, embora o problema, a necessidade do utilizador ou o critério de sucesso estejam pouco claros. Nesses casos, a IA apenas escala a incerteza.
Maturidade em IA: 🎯 Clareza de objetivo: Como funciona a retrospetiva
Quebra-gelo aleatório (2-5 minutos)
O Echometer fornece um gerador de perguntas aleatórias de check-in.
Revisão das medidas em aberto (2-5 minutos)
Antes de começar com novos tópicos, deve falar sobre o que aconteceu com as medidas das retrospetivas anteriores para verificar a sua eficácia. O Echometer lista automaticamente todos os itens de ação em aberto das retrospetivas anteriores.
Health Check
Todos os membros da equipa podem responder aos Health Checks anonimamente numa escala. Em seguida, reveja os resultados dos Health Checks em conjunto e registe quaisquer comentários adicionais, se necessário. Se utilizar os mesmos Health Checks em várias retrospetivas, também pode acompanhar as tendências ao longo do tempo no Echometer.
- Nível 1: Nas nossas tarefas, geralmente é claro se foram atingidos os seus objetivos ou não.
- Nível 2: Antes de implementar temas, criamos sempre um entendimento comum do problema, da solução e do critério de sucesso.
- Nível 3: A IA ajuda-nos sistematicamente a compreender os problemas dos utilizadores, a ponderar opções de solução e a definir critérios de sucesso.
Discutir tópicos retro
Utilize as seguintes perguntas abertas para recolher as suas principais conclusões. Primeiro, todos individualmente em segredo. O Echometer permite que cada coluna do quadro retro seja revelada individualmente para apresentar e agrupar o feedback posteriormente.
- O que atualmente está nos impedindo nesta dimensão?
- Qual é a próxima melhor medida ou o próximo experimento para nos melhorarmos nesta dimensão?
Pergunta genérica (Recomendado)
Para que outros tópicos também tenham um lugar:
- Sobre o que mais gostarias de falar na retrospetiva?
Priorização / Votação (5 minutos)
No quadro retro no Echometer, pode priorizar facilmente o feedback com a votação. A votação é, obviamente, anónima.
Definir medidas (10-20 minutos)
Pode criar uma medida ligada através do símbolo de mais num feedback. Ainda não tem a certeza de qual a medida certa? Em seguida, abra um quadro branco sobre o tópico através do símbolo de mais para fazer um brainstorming sobre as causas principais e as possíveis medidas.
Checkout / Encerramento (5 minutos)
O Echometer permite-lhe recolher feedback anónimo da equipa sobre o quão útil foi a retrospetiva. Isto resulta na pontuação ROTI ("Retrun On Time Invested"), que pode acompanhar ao longo do tempo.
Maturidade em IA: 🎯 Clareza de objetivo
Perguntas de verificação de saúde (escala)
Perguntas abertas
Boas discussões costumam surgir aqui quando a pergunta é: “Que trabalho acelerado por IA teríamos feito melhor em nem ter começado?”
Modelo para medir o grau de maturidade em IA
Dimensão 2: 🧠 Contexto de conhecimento compartilhado
Esta dimensão substitui de forma intencional o termo mais restrito “qualidade dos dados”. Para a entrega ágil, não se trata apenas de dados, mas de conhecimento do produto, conhecimento do domínio, entendimento da arquitetura, padrões de qualidade e decisões compartilhadas. A IA só pode fazer um bom trabalho quando esse contexto está disponível e é confiável.
Nível de maturidade em IA: 🧠 Contexto de conhecimento compartilhado: Como funciona a retrospetiva
Quebra-gelo aleatório (2-5 minutos)
O Echometer fornece um gerador de perguntas aleatórias de check-in.
Revisão das medidas em aberto (2-5 minutos)
Antes de começar com novos tópicos, deve falar sobre o que aconteceu com as medidas das retrospetivas anteriores para verificar a sua eficácia. O Echometer lista automaticamente todos os itens de ação em aberto das retrospetivas anteriores.
Health Check
Todos os membros da equipa podem responder aos Health Checks anonimamente numa escala. Em seguida, reveja os resultados dos Health Checks em conjunto e registe quaisquer comentários adicionais, se necessário. Se utilizar os mesmos Health Checks em várias retrospetivas, também pode acompanhar as tendências ao longo do tempo no Echometer.
- Nível 1: O conhecimento relevante sobre o produto e o domínio está facilmente disponível para o meu trabalho.
- Nível 2: Como equipe, investimos em um contexto de conhecimento compartilhado que está atualizado e utilizável para todos.
- Nível 3: A IA nos ajuda sistematicamente a identificar lacunas e ambiguidades no conhecimento e a melhorar o contexto.
Discutir tópicos retro
Utilize as seguintes perguntas abertas para recolher as suas principais conclusões. Primeiro, todos individualmente em segredo. O Echometer permite que cada coluna do quadro retro seja revelada individualmente para apresentar e agrupar o feedback posteriormente.
- O que atualmente está nos impedindo nesta dimensão?
- Qual é a próxima melhor medida ou o próximo experimento para nos melhorarmos nesta dimensão?
Pergunta genérica (Recomendado)
Para que outros tópicos também tenham um lugar:
- Sobre o que mais gostarias de falar na retrospetiva?
Priorização / Votação (5 minutos)
No quadro retro no Echometer, pode priorizar facilmente o feedback com a votação. A votação é, obviamente, anónima.
Definir medidas (10-20 minutos)
Pode criar uma medida ligada através do símbolo de mais num feedback. Ainda não tem a certeza de qual a medida certa? Em seguida, abra um quadro branco sobre o tópico através do símbolo de mais para fazer um brainstorming sobre as causas principais e as possíveis medidas.
Checkout / Encerramento (5 minutos)
O Echometer permite-lhe recolher feedback anónimo da equipa sobre o quão útil foi a retrospetiva. Isto resulta na pontuação ROTI ("Retrun On Time Invested"), que pode acompanhar ao longo do tempo.
Nível de maturidade em IA: 🧠 Contexto de conhecimento compartilhado
Perguntas de verificação de saúde (escala)
Perguntas abertas
Minha opinião: Para muitas equipes, o contexto de conhecimento é a alavanca subestimada. Treinamentos de prompt ajudam pouco se o conhecimento da equipe estiver disperso, desatualizado ou contraditório.
Modelo para medir o grau de maturidade em IA
Dimensão 3: ✅ Verificação e confiança
Esta dimensão é o núcleo da maturidade em IA em equipes de software. A IA pode acelerar código, testes, critérios de aceitação, análise e documentação. Mas somente resultados verificáveis podem entrar no fluxo de valor.
Nível de maturidade em IA: ✅ Verificação e confiança: Como funciona a retrospetiva
Quebra-gelo aleatório (2-5 minutos)
O Echometer fornece um gerador de perguntas aleatórias de check-in.
Revisão das medidas em aberto (2-5 minutos)
Antes de começar com novos tópicos, deve falar sobre o que aconteceu com as medidas das retrospetivas anteriores para verificar a sua eficácia. O Echometer lista automaticamente todos os itens de ação em aberto das retrospetivas anteriores.
Health Check
Todos os membros da equipa podem responder aos Health Checks anonimamente numa escala. Em seguida, reveja os resultados dos Health Checks em conjunto e registe quaisquer comentários adicionais, se necessário. Se utilizar os mesmos Health Checks em várias retrospetivas, também pode acompanhar as tendências ao longo do tempo no Echometer.
- Nível 1: Consigo avaliar com confiabilidade a qualidade do meu trabalho.
- Nível 2: Temos na equipe um padrão estabelecido de bom trabalho, ao qual todos aderem.
- Nível 3: Com a IA, identificamos riscos, erros e lacunas de qualidade mais cedo e os corrigimos mais rapidamente.
Discutir tópicos retro
Utilize as seguintes perguntas abertas para recolher as suas principais conclusões. Primeiro, todos individualmente em segredo. O Echometer permite que cada coluna do quadro retro seja revelada individualmente para apresentar e agrupar o feedback posteriormente.
- O que atualmente está nos impedindo nesta dimensão?
- Qual é a próxima melhor medida ou o próximo experimento para nos melhorarmos nesta dimensão?
Pergunta genérica (Recomendado)
Para que outros tópicos também tenham um lugar:
- Sobre o que mais gostarias de falar na retrospetiva?
Priorização / Votação (5 minutos)
No quadro retro no Echometer, pode priorizar facilmente o feedback com a votação. A votação é, obviamente, anónima.
Definir medidas (10-20 minutos)
Pode criar uma medida ligada através do símbolo de mais num feedback. Ainda não tem a certeza de qual a medida certa? Em seguida, abra um quadro branco sobre o tópico através do símbolo de mais para fazer um brainstorming sobre as causas principais e as possíveis medidas.
Checkout / Encerramento (5 minutos)
O Echometer permite-lhe recolher feedback anónimo da equipa sobre o quão útil foi a retrospetiva. Isto resulta na pontuação ROTI ("Retrun On Time Invested"), que pode acompanhar ao longo do tempo.
Nível de maturidade em IA: ✅ Verificação e confiança
Perguntas de verificação de saúde (escala)
Perguntas abertas
Uma equipe madura não pergunta: “Podemos usar IA para isso?”. Ela pergunta: “Que evidências precisamos para usar este resultado de forma responsável?”
Modelo para medir o grau de maturidade em IA
Dimensão 4: 🔁 Sistema de entrega adaptativo à IA
Esta dimensão verifica se a IA melhora o fluxo de valor. Pessoas individuais podem ficar mais rápidas, enquanto o sistema como um todo mal melhora. Nesse caso, a IA permanece como otimização individual. A maturidade só surge quando a equipe adapta sua forma de trabalhar às novas possibilidades.
Nível de maturidade em IA: 🔁 Sistema de entrega adaptativo à IA: Como funciona a retrospetiva
Quebra-gelo aleatório (2-5 minutos)
O Echometer fornece um gerador de perguntas aleatórias de check-in.
Revisão das medidas em aberto (2-5 minutos)
Antes de começar com novos tópicos, deve falar sobre o que aconteceu com as medidas das retrospetivas anteriores para verificar a sua eficácia. O Echometer lista automaticamente todos os itens de ação em aberto das retrospetivas anteriores.
Health Check
Todos os membros da equipa podem responder aos Health Checks anonimamente numa escala. Em seguida, reveja os resultados dos Health Checks em conjunto e registe quaisquer comentários adicionais, se necessário. Se utilizar os mesmos Health Checks em várias retrospetivas, também pode acompanhar as tendências ao longo do tempo no Echometer.
- Nível 1: Nossa equipe entrega regularmente incrementos utilizáveis pelos clientes.
- Nível 2: Ciclos de feedback com clientes e a análise de dados de uso são parte integrante do fluxo de valor da nossa equipe.
- Nível 3: Usamos a IA ativamente para transformar mais rapidamente dados de uso e feedback dos usuários em impacto.
Discutir tópicos retro
Utilize as seguintes perguntas abertas para recolher as suas principais conclusões. Primeiro, todos individualmente em segredo. O Echometer permite que cada coluna do quadro retro seja revelada individualmente para apresentar e agrupar o feedback posteriormente.
- O que atualmente está nos impedindo nesta dimensão?
- Qual é a próxima melhor medida ou o próximo experimento para nos melhorarmos nesta dimensão?
Pergunta genérica (Recomendado)
Para que outros tópicos também tenham um lugar:
- Sobre o que mais gostarias de falar na retrospetiva?
Priorização / Votação (5 minutos)
No quadro retro no Echometer, pode priorizar facilmente o feedback com a votação. A votação é, obviamente, anónima.
Definir medidas (10-20 minutos)
Pode criar uma medida ligada através do símbolo de mais num feedback. Ainda não tem a certeza de qual a medida certa? Em seguida, abra um quadro branco sobre o tópico através do símbolo de mais para fazer um brainstorming sobre as causas principais e as possíveis medidas.
Checkout / Encerramento (5 minutos)
O Echometer permite-lhe recolher feedback anónimo da equipa sobre o quão útil foi a retrospetiva. Isto resulta na pontuação ROTI ("Retrun On Time Invested"), que pode acompanhar ao longo do tempo.
Nível de maturidade em IA: 🔁 Sistema de entrega adaptativo à IA
Perguntas de verificação de saúde (escala)
Perguntas abertas
O teste prático: Se a IA desaparecesse do trabalho de vocês, o fluxo de valor pioraria ou apenas a produtividade percebida?
Modelo para medir o grau de maturidade em IA
Dimensão 5: 🤝 Colaboração
Esta dimensão é o ponto cego de muitos modelos de maturidade em IA. O desenvolvimento ágil de software vive de entendimento compartilhado, comunicação, decisões e ownership. Se a IA for usada apenas individualmente, ela pode até enfraquecer o trabalho em equipe: menos contexto comum, menos discussão, mais otimização paralela individual.
Nível de maturidade em IA: 🤝 Colaboração: Como funciona a retrospetiva
Quebra-gelo aleatório (2-5 minutos)
O Echometer fornece um gerador de perguntas aleatórias de check-in.
Revisão das medidas em aberto (2-5 minutos)
Antes de começar com novos tópicos, deve falar sobre o que aconteceu com as medidas das retrospetivas anteriores para verificar a sua eficácia. O Echometer lista automaticamente todos os itens de ação em aberto das retrospetivas anteriores.
Health Check
Todos os membros da equipa podem responder aos Health Checks anonimamente numa escala. Em seguida, reveja os resultados dos Health Checks em conjunto e registe quaisquer comentários adicionais, se necessário. Se utilizar os mesmos Health Checks em várias retrospetivas, também pode acompanhar as tendências ao longo do tempo no Echometer.
- Nível 1: Tenho uma boa visão geral do que está acontecendo atualmente na equipe.
- Nível 2: Nossa comunicação na equipe permite que todos trabalhem de forma eficaz e estejam atualizados.
- Nível 3: A IA ajuda a distribuir conhecimento relevante para as pessoas certas e reduz o esforço desnecessário de informação.
Discutir tópicos retro
Utilize as seguintes perguntas abertas para recolher as suas principais conclusões. Primeiro, todos individualmente em segredo. O Echometer permite que cada coluna do quadro retro seja revelada individualmente para apresentar e agrupar o feedback posteriormente.
- O que atualmente está nos impedindo nesta dimensão?
- Qual é a próxima melhor medida ou o próximo experimento para nos melhorarmos nesta dimensão?
Pergunta genérica (Recomendado)
Para que outros tópicos também tenham um lugar:
- Sobre o que mais gostarias de falar na retrospetiva?
Priorização / Votação (5 minutos)
No quadro retro no Echometer, pode priorizar facilmente o feedback com a votação. A votação é, obviamente, anónima.
Definir medidas (10-20 minutos)
Pode criar uma medida ligada através do símbolo de mais num feedback. Ainda não tem a certeza de qual a medida certa? Em seguida, abra um quadro branco sobre o tópico através do símbolo de mais para fazer um brainstorming sobre as causas principais e as possíveis medidas.
Checkout / Encerramento (5 minutos)
O Echometer permite-lhe recolher feedback anónimo da equipa sobre o quão útil foi a retrospetiva. Isto resulta na pontuação ROTI ("Retrun On Time Invested"), que pode acompanhar ao longo do tempo.
Nível de maturidade em IA: 🤝 Colaboração
Perguntas de verificação de saúde (escala)
Perguntas abertas
Na minha perspectiva, esta é a diferença mais interessante em relação a muitos modelos empresariais: um modelo ágil de maturidade em IA precisa medir se a IA torna a equipe melhor, e não apenas especialistas individuais.
Modelo para medir o grau de maturidade em IA
Dimensão 6: ☯️ Melhoria contínua e governança
A governança é importante, mas não pode engolir tudo. Neste modelo, governança significa: a equipe pode decidir de forma responsável, tornar riscos visíveis e melhorar regras com base em experiências reais. Melhoria contínua e governança andam juntas, porque regras rígidas envelhecem rapidamente em um campo tão dinâmico.
Maturidade de IA: ☯️ Melhoria contínua e governança: Como funciona a retrospetiva
Quebra-gelo aleatório (2-5 minutos)
O Echometer fornece um gerador de perguntas aleatórias de check-in.
Revisão das medidas em aberto (2-5 minutos)
Antes de começar com novos tópicos, deve falar sobre o que aconteceu com as medidas das retrospetivas anteriores para verificar a sua eficácia. O Echometer lista automaticamente todos os itens de ação em aberto das retrospetivas anteriores.
Health Check
Todos os membros da equipa podem responder aos Health Checks anonimamente numa escala. Em seguida, reveja os resultados dos Health Checks em conjunto e registe quaisquer comentários adicionais, se necessário. Se utilizar os mesmos Health Checks em várias retrospetivas, também pode acompanhar as tendências ao longo do tempo no Echometer.
- Nível 1: Para o meu trabalho, responsabilidades e limites de risco estão sempre claros.
- Nível 2: Como equipe, ajustamos regularmente nossas formas de მუშაობar com base em novos conhecimentos e nas experiências que tivemos.
- Nível 3: A IA nos ajuda sistematicamente a questionar e desenvolver nossas formas de trabalhar.
Discutir tópicos retro
Utilize as seguintes perguntas abertas para recolher as suas principais conclusões. Primeiro, todos individualmente em segredo. O Echometer permite que cada coluna do quadro retro seja revelada individualmente para apresentar e agrupar o feedback posteriormente.
- O que atualmente está nos impedindo nesta dimensão?
- Qual é a próxima melhor medida ou o próximo experimento para nos melhorarmos nesta dimensão?
Pergunta genérica (Recomendado)
Para que outros tópicos também tenham um lugar:
- Sobre o que mais gostarias de falar na retrospetiva?
Priorização / Votação (5 minutos)
No quadro retro no Echometer, pode priorizar facilmente o feedback com a votação. A votação é, obviamente, anónima.
Definir medidas (10-20 minutos)
Pode criar uma medida ligada através do símbolo de mais num feedback. Ainda não tem a certeza de qual a medida certa? Em seguida, abra um quadro branco sobre o tópico através do símbolo de mais para fazer um brainstorming sobre as causas principais e as possíveis medidas.
Checkout / Encerramento (5 minutos)
O Echometer permite-lhe recolher feedback anónimo da equipa sobre o quão útil foi a retrospetiva. Isto resulta na pontuação ROTI ("Retrun On Time Invested"), que pode acompanhar ao longo do tempo.
Maturidade de IA: ☯️ Melhoria contínua e governança
Perguntas de verificação de saúde (escala)
Perguntas abertas
O objetivo não é máxima liberdade nem máximo controle. O objetivo é um sistema em que as equipes possam aprender rapidamente sem ignorar riscos.
Dica: Gráfico radar de maturidade em IA simples e heatmap com Echometer
Assim que tiver tratado todos os itens com sua equipe, você pode preparar e visualizar os dados. O Echometer faz isso até automaticamente para você:
Se você realizar a medição da maturidade em IA para várias equipes ao mesmo tempo, no Echometer você também recebe uma avaliação de maturidade em IA adequada como matriz / heatmap para a organização:
Portanto, minha recomendação: em vez de pesquisas manuais e Excel, use o Echometer para se beneficiar não apenas de análises profissionais e análises de tendências ao toque de um botão, mas também de suporte ideal para a facilitação e o acompanhamento de medidas.
Modelo Excel: Todos os itens do modelo de maturidade em IA para desenvolvimento ágil de software como matriz
Se você ainda assim quiser um modelo Excel para o seu modelo de maturidade em IA, pode usar o seguinte template Excel:
| Dimensão | Nível | Item da pesquisa | Pontuação 1-5 | Evidência | Maior bloqueio | Próximo experimento | Responsável | Data da revisão |
|---|---|---|---|---|---|---|---|---|
| Clareza de objetivo | 1 | Na maioria das nossas tarefas, fica claro se elas alcançaram seu objetivo ou não. | ||||||
| … |
Checklist: Como usar o modelo de maturidade em IA na prática para desenvolvimento ágil de software
Não comeces com todos os 18 itens numa avaliação gigantesca. Começa com uma dimensão em que, neste momento, sentem fricção.
Cada item é formulado como uma simples afirmação de concordância. Se uma equipa negar o Nível 1, a capacidade básica ainda não está estável. Se o Nível 1 estiver correto, mas o Nível 2 não, falta uma prática de equipa fiável. Se o Nível 2 estiver correto, mas o Nível 3 não, a IA ainda não é um amplificador sistemático dessa capacidade.
Aqui está, então, a tua checklist para um bom processo:
- Escolhe uma dimensão que, neste momento, te pareça mais relevante para ti ou para a tua equipe. Focar todas as dimensões ao mesmo tempo só traz uma coisa: caos.
- Deixa a equipe avaliar anonimamente os três itens de nível. Por exemplo, diretamente na ferramenta de retro da Echometers.
- Nas avaliações, não discutam a média, mas sim os desvios nas vossas opiniões. É daí que surgem insights e oportunidades tornam-se visíveis.
- Respondam também às duas perguntas abertas no template de retro para desenvolver uma visão comum sobre bloqueadores e possíveis medidas.
- Formulem um experimento para 2 a 4 semanas. Concordem em check-ins regulares para garantir o progresso.
- Após a implementação da medida e de um período de teste adequado, meçam novamente a mesma dimensão.
Além da checklist, também é permitido um aviso sobre o que deves evitar a todo custo: se compararem várias equipes, comparem padrões, não scores. Uma equipe de plataforma, uma equipe de produto e uma equipe legada têm condições de partida diferentes. A medição do grau de maturidade torna-se perigosa quando vira uma classificação.
Mais sobre isto: Porque é que as avaliações de maturidade ágil muitas vezes falham.
Conclusão: a maturidade em IA só é útil quando também conduz a melhorias
Os modelos existentes de maturidade em IA fornecem bons blocos de construção: estratégia, dados, governança, engenharia, modelo operacional, cultura, casos de uso, verificação e operação. Para a entrega ágil, porém, esses blocos têm de ser traduzidos em capacidades concretas de equipas ágeis. Para isso, os nossos itens aqui propuseram sugestões práticas e compactas.
A minha recomendação: usa o Excel para ter visão geral, mas usa as retrospetivas para promover mudança. Uma equipa que discute honestamente uma dimensão e inicia uma boa melhoria (ou mesmo um bom experimento) está mais avançada do que uma organização com uma matriz perfeita e um mapa de calor abrangente, mas sem consequências.
Se procuras mais conteúdo sobre IA no desenvolvimento ágil de software, estes artigos são um próximo passo adequado:
FAQ sobre o modelo de maturidade em IA para desenvolvimento ágil de software
O que é um modelo de maturidade em IA para desenvolvimento ágil de software?
Um modelo de maturidade em IA para desenvolvimento ágil de software avalia quão bem uma equipa traduz a IA em clareza de objetivos, contexto de conhecimento, verificação, sistema de entrega, colaboração e melhoria contínua. Não mede apenas a utilização de ferramentas, mas se a IA melhora a criação de valor e a capacidade de aprendizagem da equipa.
Como isso difere dos modelos clássicos de maturidade em IA?
Os modelos clássicos de maturidade em IA consideram frequentemente perspetivas empresariais como estratégia, dados, governança, talento, modelo operacional e contribuição de valor. Para a entrega ágil, essas dimensões têm de ser traduzidas em capacidades concretas de equipas ágeis: melhor clareza de objetivos, melhor contexto de conhecimento, verificação fiável, um sistema de entrega adaptativo à IA, colaboração mais forte e melhoria contínua.
Devo começar com Excel ou com uma retrospetiva para uma maturidade em IA?
Começa com uma retrospetiva se quiseres mudar comportamento. O Excel é útil para documentar itens, pontuações, evidências e experiências. A verdadeira perceção, porém, surge na conversa sobre bloqueios, riscos e o próximo pequeno passo de melhoria.
Porque é que o modelo de maturidade contém apenas três níveis de maturidade?
Três níveis são compreensíveis e orientados para a ação em retrospectivas de equipe: competência existente, prática de equipe estabelecida e IA integrada. Um quarto nível, como organização nativa de IA, faz sentido como visão em casos individuais, mas para muitas equipes, no momento, está longe demais para se derivarem boas medidas concretas.
