AI productmanagers Mendix/OutSystems

4.2.1 AI productmanager Mendix

Ten eerste haalde de respondent de verschillende toegevoegde waardes van de AI op het Mendix platform aan: een verhoogde productiviteit, efficiëntie, ‘discoverability’, effectiviteit en leerbaarheid. In dit onderzoek wordt productiviteit benaderd als een input- output proces (sectie 2.1.5). Daarom werden productiviteit, efficiëntie en effectiviteit in het verdere verloop van het onderzoek samengenomen onder de noemer productiviteit. Uit de respondent zijn omschrijving van ‘discoverability’ kan besloten worden dat dit eigenlijk een andere term is voor efficiëntie.

Vervolgens werden de resterende pijnpunten, die vastgelegd werden in de voorgaande diepte-interviews met software-experts, voorgelegd. Hieruit bleek dat MxAssist momenteel geen ondersteuning biedt aan integraties. De AI focust zich namelijk vooral op het bouwen van de software logica, gaf de respondent mee. Momenteel worden nieuwe onderdelen ontwikkeld van MxAssist die in het teken staan van software security. De AI ondersteunt dit pijnpunt op dit moment dus nog niet. Ten slotte gaf de respondent mee dat de AI niet zorgt voor minder fouten, maar er wel voor zorgt dat reeds gemaakte fouten sneller kunnen hersteld worden.

MxAssist wordt minder nuttig naarmate de softwareontwikkelaar meer ervaren is. Echter is er ook een toegevoegde waarde voor gevorderde softwareontwikkelaars. De respondent haalde hierover het volgende aan: “Er is wel een toegevoegde waarde die ook geldt voor meer ervaren ontwikkelaars. Ik spreek dan over de productiviteit. Gevorderde ontwikkelaars moeten niet verteld worden wat ze moeten doen, maar als je iets kan doen op een snellere manier, waarom zou je dit dan niet doen.”.

4.2.2 AI productmanager OutSystems

De respondent stelde dat het doel bij OutSystems is om hun tech leads, dit zijn ervaren softwareontwikkelaars, te implementeren op het platform als AI. De functie van deze tech leads is driedelig. Ten eerste begeleiden zij zowel beginnende softwareontwikkelaars als

meer ervaren softwareontwikkelaars. Vervolgens voeren zij de meest complexe taken uit. Ten slotte valideren zij alle uitgevoerde taken. Het doel van OutSystems.ai is om de functies van de tech leads over te nemen: “Deze artificiële intelligentie tool heeft als doel om gebruikers te begeleiden, bepaalde taken te automatiseren en zaken te valideren.”. De respondent stelde dat de tweede en derde pilaar, namelijk het automatiseren en valideren van taken, ervoor zorgen dat de productiviteit van softwareontwikkelaars stijgt. Over het leerproces op een low-code platform zei de respondent dat dit een moeilijk proces kan zijn omwille van de verschillende domeinen die moeten worden aangeleerd. Volgens de productmanager speelt OutSystems.ai in op dit pijnpunt: “Wij proberen deze kloven, waar de ontwikkelaar niet weet hoe hij verder moet en hij dus vast komt te zitten, te overbruggen. Dit gebeurt vaak, want dit zijn geen super simpele platformen”.

Vervolgens wist de productmanager te vertellen dat integraties momenteel nog niet ondersteund worden door de AI. OutSystems is echter wel actief bezig met het opbouwen van algoritmes die het integratieproces zullen automatiseren. De derde pilaar, het valideren, sluit aan bij software security. In verband met software security gaf de productmanager mee dat OutSystems momenteel bezig is met het ontwikkelen van een beveiligingstool, genaamd architecture dashboard. Deze tool zal de ‘code’ en architectuur analyseren om zodanig aanbevelingen te doen. Momenteel wordt software security echter nog niet ondersteund door OutSystems.ai. Ten slotte gaf de respondent mee dat de AI ervoor zorgt dat fouten sneller kunnen hersteld worden, maar er echter niet voor zorgt dat initiële fouten vermeden worden.

4.3 Mendix/OutSystems softwareontwikkelaars

4.3.1 Mendix softwareontwikkelaars

Over de mate waarin de AI-tool een impact uitoefent op de productiviteit van de softwareontwikkelaar was er onder de respondenten geen consensus. R5 en R7 stelden, in tegenstelling tot de andere respondenten, dat de AI-tool wel degelijk tot een hogere

ondervindt R1 echter geen baat bij het gebruik van de AI. De overige respondenten gaven mee dat de AI-tool niet leidt tot een hogere productiviteit. R2 stelde het volgende: “… het probleem is dat de AI-tool te veel verkeerde voorstellen deed waardoor hij meer in de weg stond dan effectiefs iets bijdroeg”.

Verschillende respondenten stelden dat ze niet sneller nieuwe zaken aanleerden aan de hand van de AI-tool (R1, R3, R5). Voornamelijk omdat deze respondenten reeds enige ervaring hebben op het platform. Echter beweren dezelfde respondenten dat de AI-tool wel junior ontwikkelaars helpt op dit vlak: “… hier geldt voor junior developers volgens mij wel weer hetzelfde principe, namelijk dat de AI wel correcte suggesties geeft en dus iemand met weinig ervaring wel in de juiste richting kan sturen om de zaken naderhand zelf te kunnen bedenken” (R1). R7, een eerder onervaren low-code softwareontwikkelaar, bevestigde deze aannames.

De antwoorden in verband met indien de AI ervoor zorgt dat softwareontwikkelaars sneller inzichten verkrijgen waren verdeeld. 4 van de 7 respondenten gaven mee dat de AI voor hen persoonlijk geen positieve impact oplevert op dit vlak (R1, R2, R4, R6). 2 van de 7 respondenten stelden wel, dat beginnende ontwikkelaars hier wel voordelen kunnen uit halen (R1 en R6). Deze stellingen konden wederom bevestigd worden door de antwoorden van R7.

4.3.2 OutSystems softwareontwikkelaars

Alle vier de respondenten gaven mee dat de AI-tool de productiviteit van een softwareontwikkelaar verhoogt. R4 gaf hieromtrent mee dat het verkrijgen van een beperkte lijst met mogelijke volgende stappen je veel tijdswinst kan opleveren. Het bespaart ook muisklikken en de benodigde tijd om widgets te verslepen, maar dit brengt geen grote tijdswinsten met zich mee (R4). Andere respondenten hadden ook nog enkele bedenkingen. Zo beweerde R2 dat het positieve effect op de productiviteit eerder minimaal is. Daarnaast stelde R1 dat de AI-tool eerder beperkt is in zijn use case: “In de praktijk komt het er meestal op neer dat enkel de laatste 2-3 stappen van een methode accuraat kunnen voorspeld worden.”.

gebruiken waar je weet van hebt. Als je niet weet dat het bestaat, dan zal je het ook niet gebruiken. De tips vanuit de AI helpen hier zeker bij.”. De respondenten stelden wel dat de AI voor hen persoonlijk geen nut had op dit vlak aangezien ze reeds werkten met het platform voor de AI uitkwam. Gelijkaardige resultaten werden vastgesteld in verband met de impact van de AI op het verwerven van inzichten en het begrijpen van de achterliggende logica.

5. Discussie

Uit de resultaten van de diepte-interviews met de AI productmanagers en de e- mailcorrespondenties met de softwareontwikkelaars kunnen volgende vaststellingen worden gemaakt.

De AI-assisted development tools op LCDPen zijn gebaseerd op ML. Deze AI- technologie is een belangrijke technologie om de AI-assisted development tools in de toekomst verder te kunnen uitbouwen (Lo Giudice, 2016). Doordat er enorme hoeveelheden data verzameld worden, kunnen namelijk inzichten worden verworven in verband met alle processen in de productontwikkelingsfase en de andere fases van de SDLC (Lo Giudice, 2016). Hierdoor kunnen bedrijven aan de hand van AI inspelen op een hogere mate van automatisering (Lo Giudice, 2016). Resultaten uit dit onderzoek bevestigen dit. Beide AI productmanagers halen namelijk aan dat een van de doelen van de AI-assisted development tools is om een hoger niveau van automatisatie te behalen. De hogere mate van automatisatie die mogelijk wordt gemaakt door de AI-assisted development tools heeft een impact op drie factoren. Ten eerste impliceren de AI productmanagers van de onderzochte LCDPen dat de huidige vorm van de onderzochte AI-assisted development tools leidt tot een hogere productiviteit, een heikel punt in bepaalde ontwikkelingsomgevingen volgens de wetenschappelijke literatuur. Dit sluit aan bij de vaststellingen van Lo Giudice (2016) in verband met de positieve impact van AI op de productiviteit van softwareontwikkelaars. Uit dit onderzoek blijkt dat de stijging in de productiviteit vooral terug te vinden is bij de beginnende softwareontwikkelaars. Bij ervaren softwareontwikkelaars blijkt de stijging in productiviteit eerder minimaal te zijn. Als een ervaren softwareontwikkelaar al beslist om de AI te gebruiken. Deze bevinding spreekt de volgende stelling van de AI productmanager van Mendix tegen: “Er is wel een toegevoegde waarde die ook geldt voor meer ervaren ontwikkelaars. Ik spreek dan over de productiviteit”. Bovenstaande bevindingen worden ondersteund door wetenschappelijk onderzoek van Mohapatra & Gupta (2011). Zij stellen namelijk dat de productiviteit van softwareontwikkelaars stijgt naarmate ze meer ervaring hebben. Hierdoor hebben meer ervaren softwareontwikkelaars minder ondersteuning of training nodig, terwijl beginnende softwareontwikkelaars hier wel baat bij hebben (Mohapatra & Gupta, 2011).

Ten tweede zorgen de AI-assisted development tools op LCDPen ervoor dat beginnende softwareontwikkelaars sneller nieuwe zaken aanleren waardoor ze dus een sneller leerproces doormaken. Dit wordt bevestigd in de wetenschappelijke literatuur. De ondersteuning van ML-technologie verrijkt namelijk de leerervaring van personen die nieuwe zaken proberen aanleren (Naftea, 2018). Daarnaast blijken beginnende softwareontwikkelaars ook sneller inzichten te verwerven en de achterliggende logica te begrijpen door de ondersteuning van de AI-assisted development tools. Ze begrijpen hierdoor beter en sneller wat ze effectief aan het uitvoeren zijn.

De AI-assisted development tools op de LCDPen bieden momenteel geen ondersteuning bij integraties, software security en zorgen er daarnaast ook niet rechtstreeks voor dat er minder fouten worden gemaakt. In de nabije toekomst zullen deze factoren wel degelijk worden ondersteund door AI. Zo blijkt dat OutSystems algoritmes aan het ontwikkelen is om softwareontwikkelaars te helpen bij integraties. Volgens Lo Giudice (2016) kan het ontwikkelen van AI die integraties ondersteunt erg belangrijk worden in de toekomst. Softwareontwikkelaars moeten namelijk steeds meer en steeds complexere integraties uitvoeren (Lo Giudice, 2016). Daarnaast werken beide platformen ook aan een uitbreiding van hun AI om software security naar een hoger niveau te kunnen tillen. Volgens Xiao, Wan, Lu, Zhang, & Wu (2018) kan AI in software security onder andere helpen om de authentificatie te ondersteunen. Dusdanig blijkt dat AI in de nabije toekomst low-code softwareontwikkelaars steeds meer zal helpen in de productontwikkelingsfase.

Het feit dat de AI-assisted development tools geen allesomvattende of diepgaande impact hebben op bovenstaande factoren is niet abnormaal. Het ontwikkelen en implementeren van goedwerkende AI-tools vergt namelijk veel tijd (Brynjolfsson, Rock, & Syverson, 2017). Een van de voordelen van AI-tools die reeds geïmplementeerd worden, maar toch nog verder moeten ontwikkeld worden, is dat deze de voordelen van nieuwe innovaties, zoals LCDPen, nog verder bevorderen (Brynjolfsson, Rock, & Syverson,