Scrum Master 的 AI 应用探讨 - 检视与适应

我是敏捷小组的石田。

继 第1回：导入、第2回：透明度 之后，这篇是三部曲的最后一篇。

在第1回导入中，我们介绍了 Scrum 指南扩展包以及通过 AI 加强经验性流程控制的可能性；在第2回中，我们通过创建 Jira×GAS×AI 可视化工具来介绍如何利用 AI 加强透明度。
这次我们将探讨 Scrum 三大支柱中剩余的两项——检视与适应，以及作为 Scrum Master 如何利用 AI。

目前，使用 AI 来录制会议、进行文字转写并整理内容正变得越来越普遍。在实际业务中应用生成式 AI 时，这通常是大多数公司最先尝试的场景。
然而，仅仅将其作为“会议记录”保存实在太可惜了。
本文将介绍将 AI 作为“客观评估者（教练）”来使用，并切入团队流程改进的案例。

当长时间在同一团队中进行开发时，你是否曾感受到每次讨论都陷入同样话题的老生常谈？
即便大家都明白每次都要找到改进点的重要性，往往也只是以“感觉不错”之类的泛泛之谈结束，缺乏具体的改进行动；有时会议更陷入对利益相关者的不满与抱怨，导致氛围消极。

作为改进回顾会议本身的实践，许多团队也会进行“回顾的回顾”，但这也难以抵抗老生常谈的趋势。

因此，可以考虑一种 AI 应用方式：让其进行不受情绪和人际关系左右的客观评估，也就是检视。

实践方法相对简单。将通过 Zoom 或 Google Meet 获取的回顾会议转写文本数据，直接输入生成式 AI。
基于该输入数据，按照事先定义的评估标准，让 AI 对团队的讨论进行评分。

评估项目方面，与 AI 一起探讨后，我们为优质的回顾会议制定了 10 项标准，每项满分 10 分，总分 100 分。实际制定的评估项目列表如下：

评估项目列表：

1. 话题的适当性
2. 改进行动的具体性
3. 会议流程推进及主持质量
4. 活跃的讨论
5. 参与度与发言分布
6. 讨论论点的收束
7. 讨论深度
8. 持续改进性
9. 积极视角
10. 参与成员间的中立性

同时，除了分数，还会让 AI 针对下次改进提出 3 条具体建议。
如此一来，针对得分较低的评估项目，AI 会提出诸如鼓励除主持人以外成员发言、注意设置时间框防止讨论过长、尝试更换方法等具体行动方案。

为了让 AI 输出上述评估和行动建议，提示词本身也是在与生成式 AI 交流的过程中构建的。与 AI 对话中逐步完善提示词的过程，让我个人感觉就像见证了“奇点”的开始，非常喜欢这段体验。

如果使用 Gemini，将该提示词作为系统提示（自定义指令）创建为 Gem 会非常便捷。

到此，虽然已经准备好对回顾会议进行定量评估，但仅评估而不跟进是没有意义的。需要将该结果与下次回顾会议的行动结合起来。

具体来说，在下次回顾会议开始时，与团队共享上次 AI 评分和改进建议。
这样就能在有意识到上次反思（例如行动不够明确等）的前提下，开始新的回顾会议。

这些反馈本应由 Scrum Master 自身在观察团队后提供，但有了生成式 AI 这一合作伙伴的存在，就能提供更加客观且具说服力的反馈。

下面介绍两个因 AI 提供的客观评分和行动建议而在团队中发生的适应（变化）实例。

第一个案例是因缺乏积极性而得分低。AI 指出整个过程都在集中指责不满和问题，缺乏积极视角。作为适应策略，引入感谢卡，刻意设立时间互相传递感谢和优点，以促进积极发言。

第二个案例是因行动不够明确而得分低。AI 提出了一些改进方案，但指出尚未落到具体执行计划上。对应的适应策略是在决定行动时，制定“何时、谁来做、做什么”等 5W1H 确认规则。

这次介绍了在回顾会议中进行检视和适应的示例，当然也可以应用到其他事件。作为一个例子，效果最明显的可能是每日站会。

每日站会有一个严格的规则，即必须在 15 分钟内结束。如果超时，可能是准备不足、讨论过度深入或讨论了不必要的话题。
此外，每日站会不应仅是简单的工作汇报，而应成为实现冲刺目标的检视场所。

正因为这是每天都要进行的活动，通过 AI 进行客观的检视和适应循环，很可能会带来显著的工作方式改进。

在本系列文章中，第2回介绍了如何利用生成式 AI 确保透明度（数据可视化），第3回介绍了如何实践检视和适应（过程评估与改进），以此强化 Scrum 三大支柱。

Scrum Master 需要观察团队，以确保团队能够正确地实施 Scrum，并致力于维持这三大支柱。

AI 擅长作为检视工具，客观地指出人类难以察觉的习惯和倾向。另一方面，接纳这些指摘并思考如何引导团队、如何构建文化等适应的部分，仍需由 Scrum Master 和团队来考虑并执行。

通过将 AI 作为良好伙伴来强化自身的 Scrum，这或许将在今后的敏捷开发中变得尤为重要。