Stories klaar voor bespreking
Hoe zet u een vaag verzoek om in verifieerbare user stories zonder AI de bedrijfsregels te laten verzinnen?
1250 € per sessie, excl. btw
Samengevat
Tijdens deze halve dag van 3 uur leert u een behoefte verduidelijken, gebruikerswaarde opdelen en user stories schrijven met generatieve AI. De deelnemers stellen een korte backlog op, formuleren acceptatiecriteria en beoordelen de kwaliteit ervan vóór een bespreking met de belanghebbenden.
Waarom deze opleiding?
Een verzoek zoals ‘een afspraak kunnen wijzigen’ volstaat niet om de ontwikkeling te sturen. Er gaan actoren, beperkingen en uitzonderingen achter schuil die bij de acceptatietest gemakkelijk tot meningsverschillen leiden. AI kan formuleringen voorstellen en dubbelzinnigheden opsporen, maar kan ook aannemelijke regels verzinnen. De opleiding leert u feiten, aannames en vragen van elkaar te scheiden en vervolgens elke story te toetsen aan de gedocumenteerde behoefte. Doorlopende casus: De fictieve organisatie Melvane Réparation wil haar klanten de mogelijkheid bieden om een afspraak te verplaatsen vanuit hun persoonlijke omgeving. Het oorspronkelijke verzoek combineert zelfstandigheid voor de klant, beschikbaarheid van technici en minder telefoontjes. De toegestane termijnen en uitzonderingen moeten nog worden verduidelijkt. Toepassing op het werk: Neem in de daaropvolgende week een geanonimiseerde behoefte, werk drie stories uit en laat ze nalezen door een vertegenwoordiger van de business en een ontwikkelaar. Vergelijk de vastgestelde tekortkomingen vóór en na de correcties aan de hand van het beoordelingsraster dat tijdens de sessie werd gebruikt.
De doelstellingen van deze opleiding
- Actoren, intenties en beperkingen uit een oorspronkelijk verzoek halen
- Bevestigde regels, aannames en ontbrekende informatie onderscheiden
- Een behoefte opdelen in stories die een herkenbare gebruikerswaarde bieden
- Waarneembare acceptatiecriteria schrijven met behulp van AI
- Een backlog beoordelen en corrigeren aan de hand van een expliciet beoordelingsraster
Voor wie en met welke voorkennis?
Betrokken rollen en taken
- Product owners en productmanagers die een backlog voorbereiden
- Businessanalisten en projectleiders die met een ontwikkelteam werken
Vereiste voorkennis
- Al een verzoek hebben geformuleerd en bijgestuurd in een generatieve AI-assistent
- Vertrouwd zijn met de begrippen backlog, gebruikersbehoefte en functionele acceptatietest
Waaraan u werkt
Verduidelijken vóór het genereren
Doel: Het oorspronkelijke verzoek omzetten in een expliciete behoefte. Actoren, probleem, verwacht resultaat, scope en beperkingen. AI-instructie die onderscheid maakt tussen feiten met bronvermelding, aannames en vragen; gegevensbescherming.
Opdelen volgens gebruikerswaarde
Doel: Stories verkrijgen die afzonderlijk besproken kunnen worden. Verschillen tussen epic, story en taak; formulering volgens actor–mogelijkheid–voordeel; verticale opsplitsing en afhankelijkheden.
Verwachtingen testbaar maken
Doel: Het gedrag beschrijven op basis waarvan een story kan worden aanvaard. Acceptatiecriteria, Gegeven–Wanneer–Dan-scenario’s, grensgevallen; onderscheid met gemeenschappelijke kwaliteitseisen.
Nalezen en de kwaliteit meten
Doel: De backlog corrigeren vóór de gezamenlijke review. INVEST-raster: onafhankelijkheid, onderhandelbaarheid, waarde, inschatbaarheid, omvang en testbaarheid; beperkingen van een automatische beoordeling.
Wat u meeneemt
- Behoeftefiche met een register van aannames en vragen
- Backlog van vijf tot zeven user stories die aan de behoefte gekoppeld zijn
- Gedetailleerde acceptatiecriteria voor drie stories
- Ingevuld kwaliteitsraster met correcties en te valideren punten
Methode en evaluatie
- Korte toelichtingen, onmiddellijk gevolgd door praktijkoefeningen op de doorlopende casus.
- Individueel werk, daarna werk in duo’s, met wederzijdse review van de resultaten.
- Begeleide gezamenlijke bespreking: wat werkt, wat moet worden gecorrigeerd en wat een menselijke beslissing blijft.
- Voorbereiding: Zorg voor toegang tot een generatieve AI-tool die door de organisatie is toegestaan Bereid een geanonimiseerd functioneel verzoek voor; voor de oefeningen wordt een fictief dossier verstrekt
Waarneembare criteria: Elke story vermeldt een actor, een verwachte mogelijkheid en een herkenbare waarde; Elke gebruikte regel verwijst naar het dossier of draagt de vermelding ‘te bevestigen’; De opsplitsing behoudt gebruikerswaarde en beperkt zich niet tot technische lagen; De drie gedetailleerde stories bevatten een waarneembaar standaardscenario en een waarneembare uitzondering; Het raster vermeldt per criterium het aantal stories dat vóór en na de correcties voldoet.
Veelgestelde vragen
Moet u kunnen programmeren?
Nee. U moet een gebruikersbehoefte kunnen uitleggen en het verwachte gedrag kunnen bespreken.
Mag u een echte behoefte gebruiken?
Ja, uitsluitend geanonimiseerd en in een toegestane tool, zonder persoonsgegevens of vertrouwelijke informatie.
Beslist AI over de bedrijfsregels?
Nee. AI stelt vragen voor; de belanghebbenden bevestigen de regels en beslissen over de uitzonderingen.
Kunnen de stories meteen worden ontwikkeld?
Ze worden voorbereid op de review. Hun maturiteit hangt af van de validatie door de business, de afhankelijkheden en de gezamenlijke inschatting.
Laatst bijgewerkt: