Ustal priorytety ryzyk i identyfikuj obejścia

Aktywnie zarządzaj ryzykiem przez cały okres trwania projektu:

• Zidentyfikuj ryzyka wcześnie: Podczas fazy planowania i na początku każdego sprintu przeprowadź burzę mózgów nad tym, co może pójść nie tak lub zablokować postęp. Na przykład:

  • „Integracja z usługą może się opóźnić”
  • „Nie jesteśmy pewni, czy model językowy potrafi rozróżnić te dwie intencje,”
  • „Potrzebne jest zatwierdzenie prawne odpowiedzi HR.”

  Wypisz te ryzyka.

• Oceń wpływ i prawdopodobieństwo: Zwróć uwagę, które ryzyka będą miały największy wpływ. Ryzyko, że „Application Insights może ujawnić dane osobowe”, może mieć poważny wpływ (kwestia zgodności). Prawdopodobieństwo może się różnić. Oceń i nadaj priorytet adresowaniu ryzyk o dużym prawdopodobieństwie i dużym wpływie.

• Planuj działania łagodzące: Dla każdego poważnego ryzyka przypisz plan łagodzenia lub plan awaryjny. Na przykład:

  • Ryzyko: API spoza Microsoft do śledzenia zamówień może nie być gotowe w fazie testowania.
  • Łagodzenie skutków: stwórz usługę stub lub mock, aby symulować odpowiedzi, aby rozwój i testowanie mogły przebiegać. Zintegrować docelowe API, gdy będzie dostępne. Alternatywnie, przygotuj rozwiązanie zastępcze („Przepraszamy, informacje o zamówieniu są obecnie niedostępne, prosimy o kontakt z pomocą techniczną”) na wypadek, gdyby integracja produkcyjna się nie powiodła, aby obsłużyć to w sposób elegancki, zamiast wyświetlać użytkownikowi błąd.

• Codziennie śledź blokery: w praktyce zwinnej omawiaj blokery na spotkaniach typu stand-up. Jeśli coś zatrzymuje postęp (na przykład czekanie na dane uwierzytelniające, konektor klienta nie jest jeszcze dostępny, wymagania są niejasne), eskaluj lub rozwiąż to jak najszybciej.

Strategie obejścia blokujących

Czasami, mimo wszelkich przygotowań, napotykasz blokadę, której nie da się od razu rozwiązać. Na przykład zewnętrzna zależność lub nierozwiązany problem techniczny mogą blokować postęp. Zamiast wstrzymywać projekt, nowoczesne zarządzanie znajduje kreatywne obejścia:

• Tymczasowe ograniczenie zakresu: Jeśli funkcja jest zbyt złożona lub zablokowana, dostarcz uproszczoną wersję.
• Ręczny proces jako rozwiązanie tymczasowe: Automatyzuj to, co możesz, a tam, gdzie musisz, wprowadź ręczny krok. Jeśli model AI nie potrafi sklasyfikować rzadkiego typu zgłoszenia, przekieruj takie przypadki do agenta lub wyślij powiadomienie do eksperta dziedzinowego podczas ponownego trenowania modelu. Jeśli automatyczny proces zatwierdzania nie jest gotowy, niech ktoś zajmie się tymi zatwierdzeniami ręcznie. Dokumentuj to obejście i zaznacz w danych zaplecza, aby zespół pamiętał o jego wymianie później. Celem jest uniknięcie opóźnień w projekcie poprzez zastosowanie tymczasowego rozwiązania, które pozwala osiągnąć zamierzony efekt.
• Równoległe skoki i badania: poświęć czasowo określony „wzrost” na zbadanie ryzykownego obszaru, na przykład ocenianie nowego API lub testowanie złożonego wyrażenia regularnego do ekstrakcji encji. To podejście nie przekłada się bezpośrednio na funkcjonalność dla użytkownika, ale ogranicza ryzyko związane z nieznanym. Jeśli wyniki spike'a są dobre, przechodzisz dalej. Jeśli okaże się to niewykonalne, przynajmniej dowiesz się o tym wcześniej i możesz zmienić podejście, zanim obiecasz tę funkcję. Ta strategia to w istocie sposób radzenia sobie z niepewnością.
• Komunikuj się i uzgadniaj: Informuj interesariuszy o istotnych blokadach oraz swoim planie łagodzenia. Przejrzystość zapobiega panice.

Proaktywne zarządzanie ryzykiem i ustalanie priorytetów oznaczają, że zawsze najpierw pracujesz nad tym, co najważniejsze.

Założenia i obawy

Wczesne wychwycenie założeń i obaw pomaga zespołowi zidentyfikować potencjalne ryzyka. Razem te elementy stanowią fundament udanego projektu Copilot Studio. Zapewniają jasność od samego początku i wspólną wizję tego, co agent ma osiągnąć.

Zidentyfikuj wszelkie założenia lub obawy wcześnie, aby odpowiednio ukierunkować projektowanie i zarządzanie ryzykiem:

• Przykładowe założenia:

  • Rozwiązanie obsługuje wdrożenie od razu po wyjęciu z pudełka we wszystkich wymaganych kanałach.
  • generatywna AI zmniejsza potrzebę ręcznego zarządzania wiedzą.
  • Rozwiązanie oferuje najnowocześniejsze rozpoznawanie intencji i ekstrakcję encji.

• Przykładowe obawy:

  • Ograniczona kontrola nad odpowiedziami generowanymi przez LLM.
  • Potencjalny wewnętrzny opór wobec automatyzacji.
  • Preferencje IT dotyczące hostingu na miejscu lub specyficznych potrzeb związanych z zgodnością.

Następne kroki

Zbuduj zespół projektowy o przekrojowych kompetencjach z rolami potrzebnymi do wdrożenia i obsługi agenta.