Hoje pelo uso das ferramentas de gestão de fluxo nós conseguimos produzir um volume enorme de métricas e informações. Todavia, apenas ter os dados não é suficiente. É necessário analisar o que eles têm a nos dizer. Infelizmente, nem sempre essa análise é fácil e vamos ver como a inteligência artificial pode nos ajudar.
Como exemplo, vamos utilizar os dados de um time com o tempo em que cada item de trabalho (história de usuário) passou em cada etapa do fluxo em dias. O fluxo é dividido em Upstream e Downstream. O Upstream contém as seguintes etapas: Backlog, Análise de Viabilidade e Refinamento. O Downstream é composto pelas etapas: Pronto para Construção, Desenvolvimento, Homologação, Entrega e Entregue. Vou utilizar o ChatGPT 4o para me auxiliar.
O texto em negrito ao longo do texto são os prompts informados para a IA.
Informando os dados
A primeira coisa que eu fiz foi exportar da ferramenta de gestão de fluxo, no meu caso o Taiga para um arquivo CSV (Comma-separated values, ou, em tradução livre, Valores separados por vírgulas). Você pode extrair para outros formatos planilhas como XLSX do MS Excel ou ODF (Open Document Format, Documento de Formato Aberto). O que você preferir.
Informe o contexto. No Prompt, escrevi o seguinte: A planilha anexa, possui o tempo em dias que uma equipe de desenvolvimento de software, composta por 9 pessoas trabalhou nos últimos meses. Ela contém cada etapa do fluxo de trabalho e as etapas estão na primeira linha do arquivo. O identificador do item está na primeira coluna. As demais colunas representam quanto tempo cada item durou em cada etapa.
É possível que a IA fizesse uma interpretação dos dados, porém prefiro eu informar o contexto do que perder um tempo com um ping-pong de prompts com as informações que eu já possuo.
Solicitando algumas métricas por item
Perceba que a IA já dá algumas sugestões interessantes. Calcular o tempo total por item ou Gerar gráfico dos tempos médios. Por enquanto, pedirei apenas para calcular o tempo total do item. Com isso, tenho o Customer Lead Time de cada um deles.
Posso inclusive solicitar o Upstream Lead Time e o Downstream Lead Time de cada item. O prompt para isso foi: Acrescente 3 novas colunas: Upstream Lead Time, Downstream Lead Time e Customer Lead Time. O Upstream lead time é a soma do tempo que cada item esteve nas etapas: Backlog, Análise de Viabilidade e Refinamento. O Downstream Lead Time composta pela soma do tempo que cada item esteve nas etapas: Pronto para Construção, Desenvolvimento, Homologação, Entrega. O Customer Lead Time é o somatório de todas as etapas.
Eu reparei que cometi um equívoco e incluí o tempo que o item estava entregue no Customer Lead Time, o que é um erro. Então fiz o seguinte prompt: Calcule novamente o Customer Lead Time, porém não contabilize o tempo que o item ficou na coluna Entregue.
Aqui você consegue fazer uma análise detalhada item a item e avaliar o que está acontecendo com eles. O que está demorando, se ele fica mais tempo no Upstream ou Downstream, etc.
Eu ainda pedi a IA através deste prompt: Calcule o percentual de tempo que o item passa no Upstream. Utilize o Upstream Lead Time dividido pelo Customer Lead Time, multiplicado por 100. Calcule o percentual de tempo que o item passa no Downstream. Utilize o Downstream Lead Time dividido pelo Customer Lead Time, multiplicado por 100. Utilize apenas 2 casas decimais em ambos os percentuais. Indique qual a etapa em que o item permaneceu por mais tempo.
Essas informações já são interessantes, dão bons insights. Aparentemente os itens ficam mais tempo no Downstream do que no Upstream e a etapa mais longa é a de Homologação. É legal, mas são 139 itens, não dá para ficar olhando 1 a 1.
Calculando métricas do fluxo
Customer Lead Time calculado pela Inteligência Artificial
Agora precisamos calcular métricas do fluxo de trabalho como um todo. Quero saber o tempo médio que esse time leva para fazer uma entrega. A primeira coisa que perguntei para ela foi: Você conhece o conceito de Customer Lead Time?
A resposta dela foi: “Sim, conheço o conceito de Customer Lead Time. O Customer Lead Time (CLT) é uma métrica usada em gestão de projetos e desenvolvimento de produtos, especialmente em ambientes ágeis e lean, para medir o tempo total desde o momento em que um cliente faz uma solicitação ou pedido até o momento em que a entrega do produto ou serviço é realizada. Esse tempo inclui todas as etapas do processo, desde o planejamento, desenvolvimento, testes, até a entrega final…
No contexto da planilha fornecida, o Customer Lead Time foi inicialmente calculado somando o tempo em todas as etapas, mas foi revisado para excluir o tempo que o item ficou na coluna “Entregue”, focando apenas nas etapas de trabalho ativo.”
Fiz isso, pois quero que ela e eu estejamos alinhados com as definições dos termos que estamos utilizando. Isso é fundamental para evitar a alucinação da IA. Isso acontece toda vez que você tem uma coisa em mente, porém a Inteligência Artificial te responde utilizando um conceito totalmente diferente.
Visto que estamos falando a mesma coisa, pergunto para a Inteligência Artificial: Qual o Customer Lead Time médio desse time? A resposta foi: “O Customer Lead Time médio desse time é de aproximadamente 36,19 dias.”
Se você já leu algum texto meu, sabe que eu jamais daria um prazo baseado em uma média apenas. Então fiz os seguintes pedidos à IA: Baseado no Customer Lead Time, apresente para mim: o menor deles, o maior deles, a moda, a mediana, o percentil 80, o percentil 85, o percentil 90 e o percentil 95. A resposta dele foi:
- Menor Customer Lead Time: 22 dias
- Maior Customer Lead Time: 48 dias
- Moda do Customer Lead Time: 41 dias
- Mediana do Customer Lead Time: 37 dias
- Percentil 80: 42 dias
- Percentil 85: 42.3 dias
- Percentil 90: 44 dias
- Percentil 95: 46 dias
Agora sei que na média, levamos 36,19 dias para fazer uma entrega. No melhor caso, 22 dias e no pior caso, até o presente momento, 48 dias. Se alguém pedir o prazo para a entrega de 1 item, posso dizer: Olha, com 85% de probabilidade te entregaremos este item em até 42,3 dias.
Vazão (Throughput)
Já que ela fez um bom trabalho até agora, posso pedir a vazão desse time. Antes, vamos verificar se ela conhece o conceito de vazão: Você conhece o conceito de vazão aplicado à gestão de fluxo de trabalho? Ela deu uma resposta correta, porém longa e por isso não vou colocar aqui.
Fiz outra pergunta para ela: Olhando para o fluxo que informei a você. Em qual coluna é contabilizada a vazão? Isso para confirmar que estamos falando exatamente sobre os mesmos conceitos. Ela acertou novamente: “No contexto do fluxo de trabalho que você informou, a vazão é contabilizada na coluna “Entregue”. Esta coluna indica a conclusão dos itens, representando assim a quantidade de trabalho que foi finalizada e entregue aos clientes ou usuários.”
Então vou pedir para calcular a vazão desse fluxo: Utilizando um período semanal, qual a pior, melhor e a média de vazão deste time. Aqui ela alucinou. A resposta quando executei a primeira vez foi:
- Pior vazão semanal: 1 item por semana
- Melhor vazão semanal: 1 item por semana
- Vazão média semanal: 1.0 item por semana
Porém essa resposta não pode ser verdadeira, pois, só batendo o olho na tabela, os itens 103 até 122 foram entregues na mesma semana. Logo, o melhor caso deveria ser no mínimo 10.
Vamos corrigir: Considere a semana de 5 dias. Parta do princípio que o primeiro item entregue, o 103, foi entregue em uma segunda-feira. O item 103 foi entregue há 99 dias e o item 122 há 95, eles deveriam estar na mesma semana. A mesma lógica se aplica para os demais. Agora sim foi uma resposta mais factível:
- Pior vazão semanal: 3 itens por semana
- Melhor vazão semanal: 14 itens por semana
- Vazão média semanal: aproximadamente 7,72 itens por semana
Já temos respostas bem interessantes aqui: Além de saber que com 85% de probabilidade entrego 1 item em até 42,3 dias. Sei que na média, entregamos 7, 72 itens por semana.
Construindo Gráficos
Você pode pedir para a Inteligência Artificial construir gráficos para você. Vamos começar pelo mais tradicional deles, o Gráfico de Fluxo Cumulativo (Cumulative Flow Diagram – CFD). Sempre começamos verificando se ela conhece o conceito: Você sabe o que é Cumulative Flow Diagram – CFD? A resposta foi correta, porém longa e por isso não colocarei aqui.
Então pedi para a IA criar o CFD: Sabendo que o CFD é um gráfico de área, crie o CFD com os dados que eu informei.
Essa foi a primeira versão. Infelizmente com um problema. A área da entrega deveria ser a última (mais a baixo) enquanto o Backlog deveria ser a primeira. Vamos corrigir: Atenção, você utilizou as áreas invertidas. A área mais abaixo deve ser a da Entrega e a mais acima a do Backlog.
Agora sim e o problema de homologação já fica claro aqui. Vamos confirmar com o gráfico de Detalhamento do Tempo de Espera (Lead Time Breakdown Chart). Fui um pouco mais direto aqui: Crie o Lead Time Breakdown Chart. Coloque em uma única barra com o tempo médio de cada etapa. Empilhe as etapas na barra. A primeira etapa deve ser o backlog e a última a entrega.
Está claro o gargalo agora. A área de Homologação é muito maior do que a 2ª maior área que é o Desenvolvimento. Na verdade, ela parece maior do que todas as áreas somadas.
Veja aqui essa conversa com o ChatGPT.
Não entendo gráficos. Quero ir direto ao ponto. A Inteligência Artificial ajuda?
Sim. Vamos a ela.
Vamos imaginar que você acabou de chegar nessa área de agilidade e conhece muito pouco sobre o assunto. Seu chefe está te pressionando e quer algumas respostas:
- Quanto tempo leva para vocês entregarem um item?
- Quantos itens vocês entregam em uma Sprint de 2 semanas (10 dias úteis)?
- Qual o gargalo (etapa em que os itens ficam mais tempo) do seu fluxo?
- O que pode ser feito para aumentar a eficiência do trabalho?
Preparando a IA
Didaticamente, vou fazer essas perguntas uma a uma para a IA. Apaguei a conversa anterior e iniciei uma nova. Informei o mesmo prompt inicial: A planilha anexa, possui o tempo em dias que uma equipe de desenvolvimento de software, composta por 9 pessoas trabalhou nos últimos meses. Ela contém cada etapa do fluxo de trabalho e as etapas estão na primeira linha do arquivo. O identificador do item está na primeira coluna. As demais colunas representam quanto tempo cada item durou em cada etapa.
Informe à Inteligência Artificial que todas as perguntas devem ser respondidas com base nos dados que você forneceu: Para todas as perguntas que eu fizer, responda com base nos dados da planilha que eu forneci.
Quanto tempo leva para vocês entregarem um item?
Em seguida, faça a pergunta: No geral, quanto tempo leva para este time entregar um item? Desconsidere o tempo que o item fica na coluna entregue. A resposta dela foi: “No geral, o tempo médio que esse time leva para entregar um item, desconsiderando o tempo que o item fica na coluna “Entregue”, é de aproximadamente 36,19 dias.”
Hummm. Aqui tem um aprendizado importante: A resposta da IA é tão boa quanto a sua capacidade de interpretá-la. Ela apresentou a média e a média pode ser um problema. Então refiz a pergunta: Essa seria uma resposta responsável? Qual me daria uma segurança maior caso extrapole o tempo?
Para uma resposta mais responsável e com maior segurança ao extrapolar o tempo, seria ideal utilizar uma abordagem estatística que considere a variabilidade dos dados, como o cálculo do desvio padrão ou a utilização de percentis. Vou calcular o desvio padrão e os percentis (mediana, 75º percentil e 90º percentil) para fornecer uma visão mais robusta do tempo necessário. Isso permitirá entender melhor a distribuição dos tempos e tomar decisões mais informadas: Média de Tempo: 36,19 dias; Desvio Padrão: 6,11 dias; Mediana: 37 dias; Percentil 75: 41 dias; Percentil 90: 44 dias.
Veja que essa resposta já foi mais interessante, pois com 90% de probabilidade entregaremos um item em até 44 dias. Ela utilizou bem o conceito de percentil.
Quantos itens vocês entregam em uma Sprint de 2 semanas (10 dias úteis)?
Vamos à segunda pergunta: Quantos itens este time entrega em uma Sprint de 2 semanas (10 dias úteis)? Imagine que cada semana possui 5 dias úteis. E que a primeira entrega aconteceu em uma segunda-feira. E que você só deve considerar o tempo em que ele está entregue para esse cálculo. A resposta dela foi: “O time entrega 4 itens em uma Sprint de 2 semanas (10 dias úteis), considerando apenas o tempo em que os itens estão na etapa ‘Entregue’”
Qual o gargalo (etapa em que os itens ficam mais tempo) do seu fluxo?
Vamos à terceira pergunta: Qual o gargalo (etapa em que os itens ficam mais tempo) nesse fluxo? A resposta foi bem direta: “O gargalo nesse fluxo é a etapa de Homologação, onde os itens ficam em média cerca de 20,75 dias.”
O que pode ser feito para aumentar a eficiência do trabalho?
A última pergunta é bem aberta, porque os dados não dizem exatamente o que está acontecendo. Entretanto, será que a IA pode nos ajudar? O prompt foi: O que pode ser feito para aumentar a eficiência do trabalho?
Ela deu 6 sugestões.
- Automatização de Testes
- Melhoria dos Processos
- Capacitação da Equipe
- Recursos Adicionais
- Paralelização do Trabalho
- Comunicação e Colaboração
Ela detalhou cada uma delas, porém não vou colocar aqui para o texto não ficar muito extenso, mas se você quiser pode ver essa conversa clicando neste link: 2ª conversa com o ChatGPT.
Conclusão
Sim, podemos utilizar a inteligência artificial para analisar e sugerir melhorias sobre o nosso trabalho. Entretanto, há alguns aprendizados importantes. A primeira é que você extrai melhores respostas quanto mais você conhece sobre o assunto. Se eu pedisse para a IA instruções sobre como pilotar um avião, levando em consideração que não sei nada sobre pilotagem de avião, a conversa seria bem pobre.
O segundo aprendizado é que a IA pode alucinar e dar respostas incoerentes. Se você domina pouco o assunto que está tratando com ela, você pode embarcar na alucinação dela e acabar por caminhos tortuosos e incorretos.
Terceiro, a frase do Rodrigo de Toledo continua sendo essencial: “O ser humano é soberano à ferramenta”. Ela pode te ajudar, ela vai te ajudar, mas você continua sendo o responsável tanto pela condução da conversa quanto pelas decisões que você tem que tomar. Acredito que a Microsoft foi muito feliz na escolha do nome da IA dela: Copilot (Copiloto). É isso que a inteligência artificial é. Uma copilota em uma conversa em que você é o piloto / a pilota.
