Od zahtjeva do poslovne vrijednosti: kako AI ubrzava razvoj softvera
Podijelite na društvenim mrežama
Od zahtjeva do poslovne vrijednosti u satima: kako AI ubrzava razvoj softvera
Giuseppe Rotella
Published on 3. kolovoza 2026.
Zadnji put ažurirano 11. kolovoza 2026.
8 min čitanja
Giuseppe Rotella
Published on 3. kolovoza 2026.
Zadnji put ažurirano 11. kolovoza 2026.
8 min čitanja
Prijelaz na odjeljak
Prijelaz na odjeljak
Kako AI povezuje poslovne zahtjeve i isporuku
Prednosti AI-podržanog SDLC-a
AI-podržani SDLC u praksi
Uz Atlassianov AI-podržani razvojni proces, put od zahtjeva do isporuke postaje brži i jednostavniji. Automatizirana trijaža, planiranje i razvoj koda skraćuju vrijeme do poslovne vrijednosti.
Evo u čemu je problem.
Vaš product tim stalno dolazi s dobrim idejama – idejama koje korisnici žele i trebaju. No put od trenutka kada se pojavi ideja do trenutka kada je funkcionalnost zaista dostupna korisnicima može biti nevjerojatno dug.
Prođe šest tjedana, a dobra ideja još uvijek je zarobljena između razgovora u Slacku, napola ispunjenog Jira ticketa i developera koji nikada nije dobio dovoljno konteksta da bi mogao krenuti s radom.
Rezultat?
Dobre ideje zastare, a korisnici ne dobivaju ono što im treba – onda kada im treba.
Problem najčešće nije u ljudima. Vaši timovi znaju što rade. Problem je u procesu.
Put od poslovnog zahtjeva do isporuke često je fragmentiran i uključuje više alata, timova i ručnih koraka. Developerima ponekad trebaju do četiri tjedna da prikupe dovoljno konteksta i jasno definiraju što zapravo treba napraviti.
Četiri tjedna.
A ni tada posao nije nužno dovoljno jasno definiran. Zbog nejasnih zahtjeva često dolazi do dodatnih izmjena i ponovnog rada.
Otprilike 30% zahtjeva mora se ponovno obrađivati zbog nejasnoća.
Kada su zahtjevi raspršeni po različitim alatima, provjera usklađenosti često ovisi o jednoj vrlo nepouzdanoj „tehnologiji” – ljudskom pamćenju.
Zbog toga se problemi otkrivaju tek kasnije u procesu, kada njihovo rješavanje postaje skuplje i zahtijeva više vremena nego što bi bilo potrebno da su identificirani na početku.
Kako onda poslovni zahtjev pretvoriti u konkretan tehnički zadatak i skratiti put do poslovne vrijednosti?
Ključ je u kontinuiranom usklađivanju – a AI može automatizirati velik dio tog procesa.
Kako AI povezuje poslovne zahtjeve i isporuku
Spor, fragmentiran i frustrirajući proces nije nužan.
Naše rješenje koristi povezani Atlassian proces uz podršku AI-ja koji obrađuje zahtjev od trenutka kada nastane do njegove isporuke.
Evo kako proces izgleda.
1. Zaprimanje i trijaža zahtjeva
Kada poslovni korisnik pošalje zahtjev kroz Jira Service Management (JSM), zahtjev se automatski analizira.
Atlassian Rovo Agent provjerava postoje li slični ili duplicirani zahtjevi u povijesti Jire i Jira Product Discoveryja (JPD) te provjerava je li zahtjev u skladu s pravilima i smjernicama organizacije dostupnima u Confluenceu.
Na taj se način potencijalni problemi mogu identificirati prije nego što zahtjev uđe u sljedeću fazu.
2. Product discovery i strateška procjena
Nakon validacije zahtjev se pretvara u ideju u Jira Product Discoveryju.
Namjenski Rovo Agent analizira ideju i provodi početnu procjenu, uključujući procjenu:
- potrebnog truda
- očekivanog utjecaja
- poslovne vrijednosti.
Product management tim zatim provodi završnu procjenu koristeći te rezultate, zajedno s povijesnim podacima i dostupnim kontekstom.
Tako u sljedeću fazu dolaze samo inicijative koje imaju jasnu poslovnu vrijednost i opravdanje.
3. Tehničko planiranje
Kada je ideja odobrena za razvoj, Adaptavistov Tech Spec Writer Agent, izrađen uz korištenje Rovo funkcionalnosti, automatski generira strukturirane epice i user stories potrebne razvojnom timu.
Za definiranje kriterija prihvaćanja koristi se Given-When-Then pristup, kojim se zahtjevi pretvaraju u konkretne i testabilne scenarije napisane jasnim jezikom.
Rezultat je jednostavan: manje prostora za različita tumačenja i jasniji sljedeći korak za developere – bilo da je riječ o ljudima ili AI agentima.
Istovremeno se uspostavljaju dosljedni standardi za epice i user stories koji se mogu primjenjivati i na buduće inicijative.
4. Automatizirani razvoj
Kako bi se razvoj dodatno ubrzao, Rovo Dev može generirati kod uz definirane zaštitne mehanizme i pravila.
Na temelju zahtjeva može:
- analizirati definirane potrebe
- kreirati branch u Bitbucketu
- napisati aplikacijski kod
- generirati unit testove
- otvoriti Pull Request (PR) s detaljnim opisom promjena.
Nakon toga posao preuzima ljudski reviewer.
Rovo odrađuje velik dio tehničkog posla, dok developeri zadržavaju kontrolu i provjeravaju generirani kod prije nego što nastavi prema produkciji.
5. Provjera i isporuka
U završnoj fazi ljudski nadzor ima posebno važnu ulogu.
Dok CI/CD pipeline automatski provodi definirane provjere, senior developer obavlja završni pregled prije nego što se kod spoji u glavnu granu.
Brzina je važna, ali nisu ništa manje važni kvaliteta i odgovornost.
Ništa ne ide dalje bez odobrenja stručnjaka.
Prednosti AI-podržanog SDLC-a
AI-podržani software development lifecycle (SDLC) ubrzava razvoj bez ugrožavanja kvalitete i kontrola koje su potrebne za pouzdanu isporuku softvera.
Evo kako zatvara jaz između ideje i isporučenog softvera:
- Skraćivanje vremena do poslovne vrijednosti: Automatizirana trijaža, generiranje backloga i početna izrada koda mogu skratiti prijelaz od poslovnog zahtjeva do razvoja s nekoliko tjedana na samo nekoliko sati.
- Usklađenost od samog početka: Atlassian AI može koristiti interne politike i pravila dostupna u Confluenceu kako bi validirao zahtjeve. Time se smanjuje rizik da se problemi s usklađenošću otkriju tek u kasnijim fazama razvoja, kada njihovo rješavanje zahtijeva više vremena i resursa.
- Manje ponovnog rada: Proces analizira postojeće podatke iz Jire i Jira Product Discoveryja svaki put kada se pojavi nova ideja. Time se smanjuje rizik dupliciranja inicijativa i trošenja vremena na ideje koje su već razmotrene ili odbačene.
- Manje nejasnoća: Epice i user stories automatski se generiraju prema strukturiranom formatu i uključuju Given-When-Then kriterije prihvaćanja prije nego što dođu do razvojnih timova. Manje nejasnoća znači manje pitanja, manje izmjena i manje ponovnog rada.
- Spremnost za reviziju od početka do kraja: Od JSM zahtjeva, preko ideje i user storyja do Pull Requesta, svaki korak u SDLC-u ostaje povezan i sljediv. Tako dobivate jasniji trag o tome što je zatraženo, zašto je prioritetizirano, kako je razvijeno i tko je odobrio isporuku.
AI-podržani SDLC u praksi
Testirali smo proces uživo – evo rezultata
Sve ovo zvuči dobro. Ali funkcionira li zaista u praksi? Da. No da bi proces funkcionirao kako treba i donio očekivane rezultate, tehnologija sama po sebi nije dovoljna.
Potrebni su jasno definirani procesi, kvalitetan kontekst i usklađen način rada.
Kada su ti temelji dobro postavljeni, moguće je izbjeći uska grla i skalirati proces bez kompromisa u kvaliteti.
Tijekom nedavne demonstracije uživo koristili smo upravo ovaj proces i testirali ga na dva stvarna poslovna zahtjeva kako bismo vidjeli kako AI agenti mogu surađivati s ljudskim timovima.
Cijeli proces – od zahtjeva do isporuke – prošli smo kroz svih pet faza pred publikom.
Prvo smo analizirali zahtjev sličan već postojećem zahtjevu. Agent je brzo prepoznao podudarnost i reagirao na zahtjev.
Zatim smo analizirali zahtjev za novu funkcionalnost internog proizvoda.
AI agenti surađivali su s ljudima kako bi:
- provjerili postoje li duplicirani zahtjevi
- procijenili ideju na temelju povijesnih podataka i dostupnog konteksta
- primijenili Given-When-Then pristup za izradu epica i user storyja
- automatizirali razvoj koda
- proveli automatizirane provjere
- pripremili Pull Request za pregled i odobrenje.
Prije završetka 20-minutne demonstracije imali smo spojeni Pull Request za obje ideje.
Cijeli proces odvijao se unutar Atlassian ekosustava, uključujući Jira Service Management, Jira Product Discovery, Jira Software, Bitbucket i Rovo.
Testirajte proces na vlastitom backlogu
Želite vidjeti kako bi se ovih pet koraka uklopilo u vaš postojeći backlog?
Naš DevOps Practice tim može vam pokazati kako se ovaj proces može povezati s vašim postojećim alatima, timovima i načinom isporuke.
Dogovorite 30-minutni vođeni walkthrough i pogledajte kako AI-podržani SDLC može skratiti put od poslovnog zahtjeva do konkretne poslovne vrijednosti.