Introduzione: l’obiettivo di comprimere il ciclo di sviluppo

Quando Dynata ha deciso di passare dalla consegna di funzionalità in più sprint a una singola iterazione, la soluzione non è stata semplicemente aumentare la velocità di scrittura del codice. È stato necessario ripensare l’intero ciclo di sviluppo, integrando l’intelligenza artificiale in modo nativo nelle pratiche quotidiane.

Il percorso è stato strutturato in tre fasi progressive: dal supporto AI alla codifica, all’estensione dell’AI all’ecosistema di conoscenza (Confluence, Jira, Lucidchart, GitHub, Figma) e, infine, all’adozione del metodo AI‑Driven Development Lifecycle (AI‑DLC) di AWS tramite Kiro IDE, un ambiente di sviluppo nativo AI.

Il contesto aziendale di Dynata

Dynata è la più grande azienda di dati di prima parte al mondo, fornendo insight precisi e affidabili per decisioni di business su larga scala. La piattaforma supporta organizzazioni nella attivazione di audience e nella misurazione dell’impatto, grazie a dati accurati, un impegno costante al miglioramento e all’eccellenza operativa.

Le sue numerose squadre di ingegneria distribuite lavorano in parallelo per evolvere le capacità della piattaforma, integrare ecosistemi partner e rilasciare funzionalità con cicli di consegna continua. Coordinare intenti di prodotto, design, ingegneria e test a questa scala richiede processi avanzati tanto quanto tecnologie avanzate.

Le difficoltà iniziali

    • Contesto dei requisiti sparso tra Jira, Confluence, Lucidchart e documenti di design.
    • Allineamento cross‑funzionale avveniva in sequenza, con input da test, design o deployment che spesso arrivavano in ritardo.
    • Le modifiche di scope a metà sprint richiedevano sforzi proporzionali allo stato di avanzamento della implementazione.

L’obiettivo era chiaro: introdurre l’AI per accelerare l’intero ciclo di consegna, fornendo visibilità precoce a tutti i team e migliorando l’allineamento fin dall’inizio.

Il viaggio: da AI‑assisted coding a AI‑DLC

Il percorso di Dynata verso lo sviluppo guidato dall’AI si è svolto in tre passi deliberati, ognuno basato sui risultati e sulla fiducia guadagnata nella fase precedente.

Step 1 – Codifica assistita dall’AI

Gli sviluppatori hanno iniziato con Amazon Q Developer, l’assistente di codifica basato su AI di AWS, usandolo per generare codice, scrivere test e accelerare l’implementazione quotidiana.

I benefici sono stati immediati: maggiore rapidità nell’implementazione, volumi più alti di codice ben strutturato e riduzione del tempo speso in attività ripetitive. Questa esperienza ha creato una reale fluency AI nel team, rendendo l’assistenza AI una parte standard del workflow.

Successivamente, Dynata ha adottato Kiro IDE, un ambiente di sviluppo nativo AI costruito intorno a uno sviluppo guidato da specifiche, file di steering automatizzati e supporto nativo al workflow AI‑DLC. Kiro ha permesso di collegare l’AI a tutto il processo di consegna, dalla definizione dei requisiti fino all’implementazione.

“I risultati della generazione di codice sono stati ottimi fin dal principio. Gli sviluppatori erano più produttivi e la qualità si è mantenuta.”

Step 2 – Collegare l’AI all’ecosistema di conoscenza

Con una base di codifica produttiva, il team ha integrato l’AI con Jira, Confluence, Lucidchart e altri repository di conoscenza, fornendo all’AI visibilità su ticket, specifiche, diagrammi di architettura e documenti di design.

Il valore è cresciuto in maniera significativa: i lead tecnici e gli architetti hanno iniziato a usare l’AI non solo per l’implementazione, ma anche per supportare decisioni architetturali, rivedere scelte di design rispetto al contesto di sistema esistente e validare l’allineamento con i pattern consolidati a livello di singolo sviluppatore.

“Una volta collegata l’AI a Jira, Confluence e Lucid, l’abbiamo usata non solo per il codice ma anche per la progettazione architetturale a livello di sviluppatore. I risultati sono stati ottimi.”

Step 3 – Scoperta e adozione di AI‑DLC

Il passo finale è stato l’adozione della metodologia AI‑Driven Development Lifecycle (AI‑DLC) di AWS, scoperta tramite blog e casi di successo AWS. AI‑DLC posiziona l’AI come componente strutturata in ogni fase della consegna software: acquisizione e chiarimento dei requisiti, design, pianificazione dei task, implementazione, con revisione e approvazione umana a ogni step.

AI‑DLC è alimentato da Amazon Bedrock, che fornisce il layer di modello di base per l’analisi, la generazione e il chiarimento all’interno di Kiro.

“Stavamo cercando soluzioni per includere l’AI lungo l’intero ciclo di vita. Poi abbiamo visto i post e i casi di successo di AWS AI‑DLC e abbiamo voluto provarli internamente.”

Adozione graduale: costruire fiducia passo dopo passo

Dynata ha seguito un percorso di adozione deliberato, costruendo competenze e affinando i processi prima di coinvolgere l’intera organizzazione, una decisione che si è rivelata cruciale.

Fase 1 – Pilota interno con sviluppatori interessati

Un piccolo gruppo di sviluppatori motivati ha sperimentato AI‑DLC in modo autonomo usando Kiro IDE. Kiro implementa nativamente il workflow AI‑DLC tramite:

    • Specs: pipeline strutturate da requisiti a task.
    • Steering files: standard di codifica del team inseriti in ogni sessione AI.
    • Hooks: controlli di qualità automatizzati in punti definiti del workflow.

Il pilota ha mostrato un miglioramento qualitativo nella coerenza del codice e nella velocità di consegna, confermando la fattibilità dell’approccio.

Fase 2 – Estensione al team di test e QA

Con la fiducia guadagnata, Dynata ha coinvolto i team di test e QA. L’AI è stata usata per generare casi di test, script di automazione e per verificare la copertura dei requisiti rispetto al codice prodotto.

Questo ha ridotto i tempi di preparazione dei test e ha aumentato la precisione nella rilevazione di regressioni, migliorando la qualità complessiva del prodotto.

Fase 3 – Integrazione con product management e design

Successivamente, i product manager e i designer hanno iniziato a interagire con l’AI per chiarire i requisiti, tradurre user story in specifiche tecniche e verificare la coerenza tra design e implementazione.

L’AI ha facilitato la creazione di documenti di requisito più dettagliati e ha permesso una verifica continua della corrispondenza tra design, sviluppo e test.

Risultati concreti

L’adozione completa di AI‑DLC e Kiro IDE ha prodotto risultati misurabili:

    • Riduzione del tempo medio di sviluppo di una funzionalità da 3‑4 sprint a un singolo sprint.
    • Aumento della produttività degli sviluppatori del 30‑40 % grazie a generazione di codice e test automatizzati.
    • Diminuzione del tempo di revisione dei requisiti e di allineamento interfunzionale del 50 %.
    • Maggiore coerenza tra design, codice e test, con una riduzione dei difetti post‑release del 25 %.

Questi dati hanno confermato che l’integrazione AI non è solo un “nice‑to‑have”, ma un acceleratore strategico per la velocità e la qualità del delivery.

Lezioni apprese e consigli per altre aziende

Dynata evidenzia diversi punti chiave per chi desidera replicare il percorso:

    • Iniziare piccolo: un pilota interno con sviluppatori motivati permette di testare la tecnologia e raccogliere feedback senza interrompere la produzione.
    • Costruire fluency AI: formare il team sull’uso di strumenti come Amazon Q Developer crea una base solida per passaggi successivi più complessi.
    • Collegare l’AI ai repository di conoscenza: l’integrazione con Jira, Confluence e altri sistemi è essenziale per fornire all’AI il contesto necessario.
    • Adottare una metodologia strutturata: AI‑DLC fornisce un framework chiaro per inserire l’AI in ogni fase, garantendo revisione umana e controllo di qualità.
    • Misurare e iterare: monitorare metriche di produttività, qualità e tempi di consegna permette di aggiustare il processo in tempo reale.

Seguendo questi principi, le organizzazioni possono trasformare il proprio ciclo di sviluppo, passando da un approccio sequenziale a una collaborazione continua e AI‑potenziata.

Prospettive future

Dynata continua a esplorare nuove funzionalità di Amazon Bedrock e di Kiro IDE, includendo capacità di generazione di documentazione automatica, analisi predittiva dei rischi di progetto e ottimizzazione delle pipeline CI/CD basata su AI.

Il caso dimostra che l’integrazione sistematica dell’intelligenza artificiale può ridisegnare l’intero sviluppo software, rendendo le imprese più agili, coerenti e pronte ad affrontare le sfide del mercato in rapida evoluzione.