| Abstract |
Atslēgvārdi: mākslīgais intelekts, risku pārvaldība, Scrum, lielie valodu modeļi, uzvednes inženierija
Mūsdienu programmatūras izstrādē Scrum satvars plaši tiek izmantots spējās izstrādes organizēšanai, tomēr tas nepiedāvā formālus risku pārvaldības mehānismus, kas palielina nenoteiktību projektā. Lielo valodas modeļu attīstības pieejas maiņa no tīras valodas modelēšanas uz sarežģītu uzdevumu pildīšanu padara to par potenciālu kandidātu automatizētai risku analīzes veikšanai, aizpildot trūkumu. Attiecīgi šī bakalaura darba mērķis ir izstrādāt mākslīgā intelekta asistēto risinājumu risku identificēšanai un dokumentēšanai Scrum projektos.
Darba teorētiskajā daļā ir veikta esošās literatūras izpēte par Scrum risku pārvaldību, dažādiem tās trūkumu risinājumiem, integrējot to ar PRINCE2 un PMBOK, kā arī aplūkoti attiecīgie ISO standarti par dokumentācijas rakstīšanas prasībām, risku novērtēšanu un mākslīgā intelekta risku pārvaldību.
Eksperimentālajā daļā ir veikti divi eksperimenti ar astoņiem lielo valodu modeļiem, izmantojot reālu Scrum uzdevumu un ar to saistīto kļūdas scenāriju. Eksperimenti atklāja, ka modeļu veiktspēja krita, ja tika padots uzdevums ar pabeigtu izstrādes plūsmu, jo modelis nemēģina apšaubīt izstrādes komandas komentārus, radot nepamatotu pārliecību par risku neiestāšanos.
Balstoties uz eksperimentālo daļu, ir izstrādāts tīmekļa lietojumprogrammas prototips, kas automatizē risku analīzes ģenerēšanu ar automātisku uzvednes aizpildi un rezultāta formāta validāciju, kā arī piedāvā pieejamu REST API, ar kuru veikt integrācijas ar ārējām sistēmām. Rezultējošais prototipa novērtējums parādīja līdzīgu analīzes rezultātu ar eksperimentālo daļu, ar uzlabojumiem rezultātu formāta ievērošanā un atkārtojamībā.
Dati par darba apjomu - 51 lpp., 4 attēli, 6 tabulas, 2 pielikumi, 27 informācijas avoti. |
