امکان‌سنجی حضور هوش مصنوعی به‌عنوان عضو تیم چابک: مدل مفهومی و ارزیابی ظرفیت‌های پشتیبان در توسعه نرم‌افزار ایرانی

امکان‌سنجی حضور هوش مصنوعی به‌عنوان عضو تیم چابک: مدل مفهومی و ارزیابی ظرفیت‌های پشتیبان در توسعه نرم‌افزار ایرانی

الهام فرهنگ باقری1 حسن ضیافت2

1) دانشجوی کارشناسی ارشد مهندسی کامپیوتر- نرم افزار، دانشگاه آزاد اسلامي واحد الكترونيكي، ایران
2) استادیار گروه کامپیوتر دانشگاه آزاد اسلامی واحد نطنز، ایران

کد IOI مقاله : AAHD-ABEECH
محل انتشار : کنفرانس ملی فناوری اطلاعات، نانوتکنولوژی، هوش مصنوعی و آینده پژوهی فناوری (itnaf.ir)
چکیده :
    این مقاله یک مدل مفهومی-کاربردی برای حضور هوش مصنوعی به‌عنوان عضو فعال در تیم‌های چابک توسعه نرم‌افزار ارائه می‌دهد و ظرفیت‌های پشتیبان AI را در بهبود کارایی فردی و تیمی، کیفیت خروجی و هماهنگی تیمی در فضای توسعه نرم‌افزار ایران می‌سنجد. این پژوهش با رویکردی ترکیبی (کمی-کیفی) و با هدف بررسی تأثیر حضور هوش مصنوعی بر عملکرد تیم‌ها طراحی شده است. جامعه آماری شامل تیم‌های چابک در شرکت‌های نرم‌افزاری ایران با حداقل سه اسپرینت تجربه بود و نمونه‌گیری شامل ۴ تیم کوچک، ۵ تیم متوسط و ۳ تیم بزرگ انجام شد. داده‌های کمی از طریق ابزارهای مدیریت پروژه (Jira، GitLab، GitHub) و شاخص‌های کیفیت کد (Bugs و Code Smells) و داده‌های کیفی از طریق مصاحبه‌های نیمه‌ساختاریافته، مشاهده جلسات و یادداشت‌های میدانی جمع‌آوری گردید. تحلیل داده‌ها با استفاده از آزمون‌های T زوجی، تحلیل واریانس یک‌طرفه، همبستگی پیرسون و رگرسیون خطی چندگانه انجام شد. یافته‌های کمی نشان داد که حضور هوش مصنوعی میانگین سرعت اسپرینت، درصد تحقق وظایف و کیفیت کد را در همه اندازه‌های تیم افزایش داده است؛ به‌طوری که گروه‌های کوچک بیشترین بهبود را تجربه کردند. همچنین رگرسیون نشان داد که استفاده از ابزارهای AI به‌طور معناداری بر بهره‌وری فردی و تیمی اثر دارد، با نقش تعدیل‌کننده تجربه حرفه‌ای و اندازه تیم. تحلیل کیفی سه مضمون اصلی را استخراج کرد: پذیرش ابزار، تعامل انسان-هوش مصنوعی و اثر بر هماهنگی تیمی؛ که نشان‌دهنده کاهش فشار کاری، تسریع انجام وظایف و بهبود هماهنگی جلسات بود. چارچوب پیشنهادی، متغیرهای پذیرش، اعتماد، کارایی تیمی و کیفیت محصول را به‌هم پیوند می‌دهد و محدودیت‌های فرهنگی-سازمانی و الزامات مدیریتی را برای حضور مؤثر AI مشخص می‌سازد. نتیجه کلی این است که داده‌های کمی و کیفی به‌طور هم‌سو نشان می‌دهند حضور هوش مصنوعی بهره‌وری و کیفیت تیم را ارتقا می‌دهد، هرچند نیاز به آموزش و تنظیمات اولیه ابزار احساس می‌شود. این پژوهش چارچوب عملیاتی قابل‌استفاده‌ای برای مدیران پروژه، تیم‌های نرم‌افزاری و پژوهشگران حوزه تعامل انسان-ماشین ارائه می‌دهد و می‌تواند مبنای پژوهش‌های آینده در محیط‌های واقعی توسعه نرم‌افزار قرار گیرد.

کلمات کلیدی : هوش مصنوعی تیم چابک توسعه نرم‌افزار پذیرش فناوری اعتماد کارایی تیمی