SpecKit jako automatyczna procedura (SOP)

Nazwa SpecKit została zaproponowana przez twórców metodyki Specification Driven Development (SDD). SDD to metodyka tworzenia oprogramowania zakładająca, że 90% ludzkiej pracy w projekcie IT poświęcana jest na dokumentowanie i analizę wymagań. Natomiast LLM na podstawie dokumentacji wymagań tworzy kod, planuje testy i je później przeprowadza. SDD zakłada pracę w srodowisku podzielonym na czat z agentami AI oraz źródłowy kod. W trakcie czatu tworzone i zmieniane są pliki z kodem, ale człowiek ma w nie wgląd i może też ręcznie ingerować. SOP to Standard Operating Procedure i oznacza precyzyjną instrukcję postępowania na danym stanowisku w procesie. SOP często używa się w branżach, gdzie ze względów bezpieczeństwa, dotrzymania jakości lub prawnych wymagane jest precyzyjne postępowanie zgodnie z wyznaczonymi zasadami. SOP objaśnia pracownikowi jak poprawnie wykonywać zadania i czego unikać. Pracownik zapoznaje się z instrukcją, przyswaja ją i zaczyna zgodnie z nią postępować. Przeprowadziłem eksperyment polegający na przeniesieniu tych dwóch założeń, czyli zastosowania SpecKit w IT oraz SOP w procesach biznesowych, na proces biznesowy z użyciem LLM. W tym celu stworzyłem system Sopulo (sopulo.com), który w praktyce realizuje tą koncepcję. W uproszczeniu SpecKit to zbiór skillów i tooli dedykowany do wykonania zadania w procesie. Skilla i toole opisują co może i jak może wykonywać swoją pracę człowiek. W toku rozmowy z LLM SpecKit nadzoruje, czy rozmowa podąża we właściwym kierunku. Jednocześnie efektem rozmowy jest budowanie finalnego dokumentu

Na powyższym zrzucie z ekranu systemu Sopulo widać rozmowę o ofercie szkoleniowej z lewej strony i powstającą ofertę szkoleniową z prawej. Dla bardziej przejrzystego zilustrowania tego podejścia posilę się przykładem z mojej branży. Wyobraźmy sobie, że pracownik firmy szkoleniowej ma przygotować ofertę na szkolenie. Ta firma oferuje specyficzne szkolenia, ma swoich trenerów, swoje stawki oraz swoje zasady prowadzenia szkoleń, jak wymagana wielkość sali. Poniżej widać przykładowy SpecKit takiej roli.

Pierwszy komponentem SpecKita jest określenie celu zadania na danym stanowisku oraz kontekstu biznesowego oraz pytania do zadania pracownikowi. W tym wypadku opisu stanowi, że celem jest przygotowanie oferty szkoleniowej, a kontekst opisuje, czym zajmuje się firma Octigo, co oferuje, kto w niej pracuje, jakie ma osiągnięcia. Ponadto w SpecKit znajduje się lista narzędzi (tool), które mogą być wywoływane w trakcie czatu. Na przykład jedno z narzędzi, gdy zajdzie taka potrzeba wkleja tekst wskazujący ograniczenia logistyczne, takie, jak wielkość grupy szkoleniowej, powierzchnia sali, czy godziny szkolenia.

Za każdym razem, gdy w rozmowie z AI zajdzie potrzeba uruchomienia narzędzia, to jest ono wywoływane. Zatem każde narzędzie ma zdanie definiujące, przy jakich warunkach ma być uruchomione (jak to pokazano na rysunku powyżej). Przejdźmy zatem przez przypadek tworzenia oferty. Pracownik otrzymuje zadanie, z włączonym odpowiednim SpecKit.

Jak widać LLM odczytał intencje ze SpecKit i zadał dodatkowe pytania użytkownikowi. Dochodzi tutaj do swoistego odwrócenia ról. To nie człowiek zadaje pytania, tylko AI. Gdy AI uzna, że ma komplet odpowiedzi może przejść do drugiego kroku, czyli wygenerować dokument, w tym wypadku ofertę.

Przygotowany dokument ma spis treści, zawartość zgodną ze SpecKit, czyli z procedurą. Poniżej przedstawiam przykład takiego dokumentu.

Na czerwono zaznaczyłem informacje, które podał pracownik (1 dzień, Scrum jako temat, 12 uczestników) oraz te wynikające ze SpecKit (55000 zł. netto za dzień). Wyobraźmy sobie teraz, że ofertę trzeba zmienić, aby dotyczyła 30 uczestników. W SpecKit jest informacja o tym, że grupa szkoleniowa powinna mieć do 15 osób. Co z tym zrobi AI wsparty SpecKitem?

Na powyższym obrazku włączyłem śledzenie zmian, aby lepiej pokazać, co zrobił LLM. Jak widać wziął pod uwagę regułę ze SpecKit odnośnie limitu grupy i przeliczył ofertę na dwie grupy. Zatem koszt skoczył dwukrotnie. Spróbujmy jeszcze pomęczyć algorytm i zmienić cenę na 7000 zł.

Jak widać AI przeliczył wszystko zgodnie z indywidualnymi wymaganiami i SpecKit. To, co jeszcze można zrobić, to dokonać weryfikacji tego, czy przygotowany dokument jest zgodny z zasadami opisanymi w SpecKit, czyli wykonać automatyczną kontrolę jakości. Pamiętamy, że zmieniliśmy cenę dnia i liczbę uczestników. A o to, co znalazł system.

Trafnie wyłapał zmieniony koszt. Jednak nie zwrócił uwagi na wzrost liczby uczestników. Dlaczego? Ponieważ zmienił liczbę grup, więc wszystko pasuje. Przypomniał natomiast, że na początku padło pytanie o sektor rynkowy klienta i użytkownik nie udzielił na nie odpowiedzi. Podsumowując, zmiana paradygmatu pracy w procesie na AI jako frontend wsparty SpecKitem moim zdaniem daje potężne możliwości. Od poprawy jakości, zgodności z normami, automatycznego audytu do redukcji czasu wdrożenia nowego pracownika na stanowisko. Pewnym zagrożeniem jest wysyłanie danych do LLM w chmurze, ale i na to znalazła się odpowiedź. Z powodzeniem przeprowadziłem eksperyment uruchomienia SpecKit lokalnie z użyciem modelu Gemma 4. Jakościowo działa podobnie, jedynie nieco wolniej, bo na moim prywatnym MacBooku. Tak czy siak wydaje się, że masowe wdrożenie AI jako frontend w pracy na stanowiskach w procesach biznesowych dokona przełomu wydajności i sposobu zarządzania procesami oraz ludźmi. Stworzy też nową warstwę organizacyjną - zarządzania SpecKitami oraz zarządzania wiedzą (wszak każda wiadomość na tysiącach czatów może zawierać ciekawą wiedzę).

Wszystkie zrzuty ekranów pochodzą z systemu Sopulo (sopulo.com), zachęcam do samodzielnego sprawdzenia, jak to działa.