Расчет Коммерческого предложения с ChatGPT: гид по техникам и наш опыт
В мире цифровых технологий и стремительного развития рынка клиенты хотят превратить свои идеи в реальные проекты практически мгновенно. Однако старт движения к успеху начинается с Технического задания (ТЗ), которое мы, как исполнители, получаем от заказчика.
Оперативность и грамотный подход в формировании КП крайне важны, ведь проект нужен "вчера". Поэтому мы в RentaTeam разработали собственный алгоритм подготовки коммерческого предложения. Он состоит из основных этапов:
1. Изучение ТЗ и других артефактов от заказчика;
2. Менеджер собирает всю информацию и формирует таблицу задач для разработчиков;
3. Таблица передается разработчикам, которые дают ориентировочную оценку (по системе T-Shirt Sizes);
4. Оценки ложатся в основу ориентировочного бюджета проекта.
1.Скорость оценки. Разработчикам требуется время для погружения в задачи, и им нужно учесть их текущую загруженность.
2.Точность оценки. Разработчики оценивают задачи, исходя из своего опыта, что может добавить погрешность.
3.Привязка оценки к разработчику. Оценка может зависеть от уровня разработчика (middle, senior).
4.Неявные риски. Разработчики могут включить в оценку скрытые риски.
В RentaTeam мы всегда ищем новые способы повышения эффективности и решения сложных задач. И теперь наш взгляд упал на искусственный интеллект: возможно ли с его помощью справиться с проблемами подготовки коммерческого предложения?
В качестве модели в данной статье используем ChatGPT.
За основу взято обычное ТЗ “Маркетплейс”.
Подготовлено:
● ТЗ от заказчика “как есть”
● список задач после обработки менеджером (16 шт)
● список задач после оценки разработчиком грейда senior
Для GTP подготовлен вводный запрос в виде:
“Ты iOS разработчик, уровень middle/senior. Сейчас тебе будут даваться задачи из технического задания. Ты должен указать примерное время выполнения этих задач в часах. Допускается указать временной интервал. Также ты должен выделить 3 основных риска, связанных с этой задачей.”
Далее мы представим 4 сессии общения с ChatGTP, полученные данные и обобщим результаты.
Сессия №1
● Задаем уровень GPT как middle
● В качестве данных берем 16 задач, подготовленных менеджером
● Для сравнения используем оценку от разработчика (senior)
Полученные результаты.
● Суммарная оценка разработчика по всем задачам 96-168 часов. Суммарная оценка GPT по всем задачам 209-290 часов.
● По минимальному времени GPT превысил оценку разработчика на 116,67%, по максимальному на 72,62%.
● К каждой задаче GPT указал по 3 риска, влияющего на оценку. Все они обоснованные и вполне имеют место быть и касаются, в первую очередь, непосредственно процесса разработки.
Сессия №2
● Задаем уровень GPT как senior
● В качестве данных берем 16 задач, подготовленных менеджером
● Для сравнения используем оценку от разработчика (senior)
Полученные результаты.
● Суммарная оценка разработчика по всем задачам 96-168 часов. Суммарная оценка GPT по всем задачам 304-410 часов.
● По минимальному времени GPT превысил оценку разработчика на 216,67%, по максимальному на 144,05%.
● К каждой задаче GPT указал по 3 риска, влияющего на оценку. Все они обоснованные и вполне имеют место быть и, в отличие от оценки GPT (middle), касаются в основном багов и непредвиденных ситуаций при интеграции сторонних сервисов. Похоже, GPT считает, что у senior-разработчика не должно быть рисков непосредственно с разработкой на своей стороне.
Сессия №3
Вводные
● Задаем уровень GPT как middle
● В качестве данных берем ТЗ от заказчика “как есть”
● Для сравнения используем оценку от разработчика (senior)
Полученные результаты.
● Суммарная оценка разработчика по всем задачам 96-168 часов. Суммарная оценка GPT по всем задачам 88-118 часов.
● По минимальному времени GPT дал меньшую оценку, чем разработчик на 8,33%, по максимальному на 29,76%.
Сессия №4
Вводные
● Задаем уровень GPT как senior
● В качестве данных берем ТЗ от заказчика “как есть”
● Для сравнения используем оценку от разработчика (senior)
Полученные результаты.
● Суммарная оценка разработчика по всем задачам 96-168 часов. Суммарная оценка GPT по всем задачам 72-100 часов.
● По минимальному времени GPT дал меньшую оценку чем разработчик на 25%, по максимальному на 40,48%
Выводы:
После четырех сессий мы видим довольно интересные результаты.
Так, когда мы скармливаем GPT задачи, подготовленные менеджером, оценка выходит больше, чем у разработчика. Если же ТЗ отправляется “как есть”, оценка выдается меньше.
Также интересно, что в сессии №2, GPT (senior) выдал оценку больше, чем GPT(middle). То есть, с точки зрения GPT senior будет выполнять задачи дольше, чем middle. В принципе, это можно объяснить указанными ИИ рисками: для middle разработчика это риски верстки и всего, что связано с разработкой приложения; для senior - это уже риски интеграций, багов, краевых состояний и нетипичного поведения.
Если смотреть по процентному отклонению от оценки живого разработчика, более применимыми кажутся результаты по необработанному ТЗ.
В текущей статье мы использовали одно ТЗ с достаточно типовыми задачами. И в плане оценок, как помощь\альтернатива живому разработчику при оценке коммерческого предложения, ChatGPT имеет право на применение, но не замещение. Без дополнительной обработки, менеджерских рисков и т.п. оценка GPT имеет слишком большой разброс.
С другой стороны, приведенные им риски могут помочь в подготовке бюджета уже менеджеру.
