Jira-tiketin DoR-vaatimusten arviointi eri kielimalleilla ja kehotteilla
Rantanen, Jasmina (2025)
2025
All rights reserved. This publication is copyrighted. You may download, display and print it for Your own personal use. Commercial use is prohibited.
Julkaisun pysyvä osoite on
https://urn.fi/URN:NBN:fi:amk-2025112629971
https://urn.fi/URN:NBN:fi:amk-2025112629971
Tiivistelmä
Tämän opinnäytetyön tavoite oli selvittää, onko kielimallista hyötyä Jira-tiketin DoR-vaatimusten (Definition of Ready) analysoinnissa. Työssä vertailtiin kolmesta eri Jira-tiketistä tehtyjä analyyseja keskenään sekä ihmisen tekemään analyysiin. Tikettien analyysissa käytettiin kahta eri kielimallia sekä kolmea erilaista kehotetta. Tavoitteena oli selvittää millainen kehote ja kumpi tutkimuksessa käytetyistä kielimalleista sopii kyseiseen käyttötapaukseen parhaiten. Lisäksi kyselytutkimuksella selvitettiin, kokivatko toimeksiantajayrityksessä työskentelevät kehittäjät kielimallin tekemän analyysin hyödylliseksi osaksi backlog refinement -palaveria. Opinnäytetyön toimeksiantajana oli suomalainen ohjelmisto- ja palveluyritys.
Opinnäytetyön teoriaosuus käsittelee ketterää ohjelmistokehitystä, tekoälyä sekä kehotesuunnittelua (prompt engineering). Teoriaosuudessa esitellään myös tutkimuksessa käytetyt kaksi kielimallia eli Microsoft Copilot ja Google Gemini. Opinnäytetyö on toiminnallinen ja se toteutettiin vertailututkimuksena. Menetelmänä oli myös kyselytutkimus, jolla kerättiin palautetta kehittäjiltä.
Vertailututkimuksessa selvitettiin miten eri kehotteilla tehdyt analyysit eroavat ihmisen tekemästä analyysista ja toisaalta, mitä eroja kielimallien tekemissä analyyseissa oli sisällöllisesti. Aineisto kerättiin toimeksiantajan projekteista, joiden Jira-tikettejä analysoitiin kielimallin avulla. Lisäksi aineistoa kerättiin kyselytutkimuksella pieneltä joukolta ihmisiä.
Opinnäytetyön tuloksena syntyi alkukartoitus tekoälyn hyödyntämisestä osana backlog refinement -palaveria. Työn tulokset tarjoavat tietoa siitä, millaisella kehotteella Gemini ja Copilot -kielimalleissa voidaan analysoida Jira-tiketin DoR-vaatimuksia ja koetaanko tekoälyn hyödyntäminen tässä prosessin osassa hyödylliseksi.
Opinnäytetyön teoriaosuus käsittelee ketterää ohjelmistokehitystä, tekoälyä sekä kehotesuunnittelua (prompt engineering). Teoriaosuudessa esitellään myös tutkimuksessa käytetyt kaksi kielimallia eli Microsoft Copilot ja Google Gemini. Opinnäytetyö on toiminnallinen ja se toteutettiin vertailututkimuksena. Menetelmänä oli myös kyselytutkimus, jolla kerättiin palautetta kehittäjiltä.
Vertailututkimuksessa selvitettiin miten eri kehotteilla tehdyt analyysit eroavat ihmisen tekemästä analyysista ja toisaalta, mitä eroja kielimallien tekemissä analyyseissa oli sisällöllisesti. Aineisto kerättiin toimeksiantajan projekteista, joiden Jira-tikettejä analysoitiin kielimallin avulla. Lisäksi aineistoa kerättiin kyselytutkimuksella pieneltä joukolta ihmisiä.
Opinnäytetyön tuloksena syntyi alkukartoitus tekoälyn hyödyntämisestä osana backlog refinement -palaveria. Työn tulokset tarjoavat tietoa siitä, millaisella kehotteella Gemini ja Copilot -kielimalleissa voidaan analysoida Jira-tiketin DoR-vaatimuksia ja koetaanko tekoälyn hyödyntäminen tässä prosessin osassa hyödylliseksi.