Az NFL adatcégének AI-transzformációja: 7,5-szeres teljesítmény, majd súlyos tanulságok
A Pro Football Focus (PFF) 2025 végén nem azért kezdett komolyan foglalkozni az AI-alapú fejlesztéssel, mert a vezetőség fel akart ülni a mesterségesintelligencia-hullámra, hanem mert a fogyasztói üzletág túlélése forgott kockán. A cég vállalati és fogyasztói üzletága szétválás előtt állt, utóbbinak mintegy 45 napja volt bizonyítani, hogy fenntartható önálló üzletet lehet köré építeni – mondta el Mike Spitz, a PFF CTO-ja a Compass AI & Tech Summiton.
A folyamat 2026 márciusában vált hivatalossá: a Teamworks megvásárolta a PFF enterprise üzletágát, a fogyasztói oldal önálló maradt. A vállalat létszáma 200-ról 120 körülire csökkent.
Mindenük megvolt az AI-hoz, sokáig mégsem történt semmi
A PFF papíron már korábban megtett szinte mindent: hackathonokat tartottak, mindenki kapott ChatGPT-hozzáférést, létrehoztak AI-tanácsot, Slack-csatornát és oktatási programot. Spitz szerint ezekből szinte semmi nem változtatta meg ténylegesen a munkát, mert a vállalatok gyakran magára a technológiára koncentrálnak, miközben háttérbe szorul az emberek és a szervezeti kultúra szerepe.
A változást ezért nem felülről erőltették: két kiválasztott mérnököt leválasztottak a hagyományos működésről, kevés meetinggel és szervezeti zaj nélkül dolgoztak. A kétfős kísérletben tízszeres fejlesztői outputot mértek, de Spitz figyelmeztetett: a legjobb mérnököket választották ki, tiszta backloggal és kevés külső függőséggel. A nagyobb szervezetre kiterjesztve januártól 7,5-szeresére nőtt a fejlesztési teljesítmény, miközben az engineering team húsz emberről hétre csökkent.
Aztán elkezdett szétesni a rendszer
Ahogy a kísérletből öt-hat mérnököt és más csapatokat érintő működés lett, az AI-rendszer hibái is látványossá váltak. A PFF erősen támaszkodott egy adott nagy nyelvi modellre, amely egy időszakban gyengébben kezdett teljesíteni. Egy szolgáltatáskiesés miatt olyan mérnököknek kellett manuálisan kódolniuk, akik hónapok óta szinte kizárólag agentekkel dolgoztak – ekkor derült ki a kódbázis romlott minősége.
Egy korábban ötperces hiba javítása akár egy órára nyúlt, mert a fejlesztők nehezen értették meg az agentek által létrehozott szerkezetet. Bizonyos oldalak néhány száz milliszekundum helyett 8,5 másodperc alatt töltődtek be.
A PFF válasza nem az lett, hogy minden sort emberrel ellenőriztessenek. Spitz szerint a mérnököknek nem code review-val kell tölteniük az idejüket, hanem azokat az építőelemeket kell létrehozniuk, amelyek megakadályozzák a rossz kód létrejöttét. Összegyűjtötték és formalizálták az AI rendszeres hibáit, saját szabályokat, formázókat és agent skilleket építettek, majd az AI-ra bízták a problémák jelentős részének javítását is. Új komponenskönyvtárat és designrendszert hoztak létre mintegy 120 komponenssel. Jelenleg körülbelül 22 saját agent skillt tartanak egy központi repositoryban.
Új munkaszervezés és gyorsabb folyamatok
A klasszikus Scrum több elemét megszüntették: eltűntek a sprinttervezések, standupok és más ceremóniák. Helyettük kisebb, egy domain szakértőből, mérnökből és szükség esetén designerből vagy data szakemberből álló csoportok dolgoznak együtt. Spitz saját meetingterhelése heti 15 óráról négyre esett vissza, egyes mérnökök pedig mindössze két órát töltenek meetingeken. A CI/CD-rendszert is felgyorsították: egy 40 perces folyamatot hét-nyolc percre rövidítettek.
Már agentek készítenek dokumentációt, automatizálták a QA egy részét, az első körös code review-kat és bizonyos pull requestek kezelését. Spitz saját daily PA agentje átnézi a Slack-üzeneteket, meetingeket, GitHub-aktivitást és support ticketeket. A productfolyamatokban meetingleírásokból és ügyfélvisszajelzésekből automatikusan ticketek készülhetnek. Egy Slack-bot mintegy 10 ezer korábbi ügyfélválasz alapján segít feltérképezni egy új ötlethez kapcsolódó korábbi problémákat.
Látványos eredmények és a tanulságok
Egy körülbelül 120 képernyőből álló, NFL- és NCAA-adatokat megjelenítő platformot az API-val együtt mintegy másfél hónap alatt építettek fel, amit korábbi módszerrel legalább egyéves projektnek becsültek. A teljes AI-infrastruktúra költsége január óta körülbelül 33 ezer dollár volt, a legmagasabb havi kiadás augusztusban, mintegy 8 ezer dollár.
Az egy ügyfélre jutó support ticketek száma 26 százalékkal csökkent, az előfizetésüket lemondó felhasználók aránya is jelentősen visszaesett. Spitz szerint ezzel egy rakás munkahelyet mentettek meg.
A PFF saját AI-playbookját hat pontban foglalta össze: a megfelelő emberekkel kell kezdeni, kis léptékben kell indulni, nyíltan meg kell osztani a kudarcokat, mindenhol az időmegtakarítás kumulatív hatását kell keresni, a megtanult megoldásokat formalizálni kell, illetve minden automatizációnak egy valódi emberi problémát kell megszüntetnie.
